طراحی و پیاده‌سازی نرم‌افزار مبتنی بر هوش مصنوعی جهت انتخاب رژیم تغذیه‌ای شخصی‌سازی‌شده برای پرسنل نظامی

نوع مقاله : پژوهشی اصیل

نویسندگان

1 گروه رایانه و سایبر، دانشکده مهندسی و پرواز، دانشگاه افسری امام علی (ع)، تهران، ایران

2 گروه آموزش و پژوهش، مرکز سلامت و پزشکی نزاجا، تهران، ایران

چکیده

زمینه و هدف: با توجه به شرایط عملیاتی و نیاز به حفظ آمادگی جسمانی نیروهای نظامی، استفاده از سامانه‌های هوشمند مبتنی بر هوش مصنوعی می‌تواند تغذیه و برنامه‌ریزی غذایی را به‌صورت دقیق و شخصی‌سازی‌شده مدیریت کند. این سامانه با تحلیل وضعیت بالینی و فیزیولوژیک افراد، مناسب‌ترین الگوی تغذیه‌ای را از میان رژیم‌های غذایی استاندارد انتخاب کرده و به ارتقای سلامت و عملکرد نیروها کمک می‌کند. هدف این مطالعه، طراحی و توسعه یک سامانه مبتنی بر یادگیری ماشین برای پیشنهاد رژیم غذایی و برنامه ورزشی متناسب با شرایط فردی پرسنل نظامی است.
روش‌ها: در گام نخست، مطالعه‌ای کیفی مبتنی بر اسناد علمی و مقالات تخصصی انجام گرفت تا شاخص‌های عمومی مؤثر در تعیین رژیم غذایی شناسایی شوند. در گام دوم، از طریق مشاوره با خبرگان حوزه تغذیه و نظامی، مولفه‌ها خاص و الزامات عملیاتی مرتبط با ارگان نظامی استخراج گردید. در گام سوم، با طراحی یک دیتاست شامل بیش از ۲۷۰۰ نمونه داده بالینی و عملیاتی، مدل‌سازی فنی آغاز شد. داده‌ها در مرحله‌ی پیش‌پردازش مورد یکسان‌سازی و استانداردسازی قرار گرفته، ویژگی‌ها از طریق همبستگی و PCA کاهش بعد داده شدند. سپس سه الگوریتم یادگیری ماشین شامل SVM با کرنل RBF ،Random Forest، و شبکه عصبی پیاده‌سازی شدند و برای جلوگیری از بیش‌برازش، از K-Fold Cross Validation استفاده شد. در گام چهارم با استفاده از زبان برنامه نویسی پایتون اقدام به توسعه‌ یک نرم‌افزار قابل‌استفاده بر روی سیستم‌عامل ویندوز برای استفاده‌ی پرسنل صورت پذیرفت.
یافته‌ها: نتایج نشان داد هر سه مدل با دقت بالای ۹۰ درصد قادر به انتخاب رژیم غذایی صحیح از میان ۷ رژیم غذایی هستند. مدل جنگل تصادفی با دقت  ۹۷ درصد و نمره F1 معادل 0/9726، بهترین عملکرد را در میان سه مدل داشت. شبکه عصبی با دقت ۹۵ درصد و مدل SVM با دقت ۹۲ درصد در رتبه‌های بعدی قرار گرفتند. تحلیل خطا نیز نشان داد که الگوریتم جنگل تصادفی پایداری و دقت بالاتری در دسته‌بندی صحیح الگوهای تغذیه‌ای دارد.
نتیجه‌گیری: یافته‌های این پژوهش نشان می‌دهد که ترکیب داده‌کاوی بالینی با الگوریتم‌های یادگیری ماشین می‌تواند ابزار قدرتمندی برای پشتیبانی تصمیم‌گیری در تعیین رژیم غذایی در محیط‌های نظامی فراهم کند. مدل پیشنهادی با پیاده‌سازی در قالب سامانه‌ عملیاتی می‌تواند به کاهش خطای انسانی، بهینه‌سازی منابع تغذیه‌ای و افزایش آمادگی جسمی نیروها کمک کند.

کلیدواژه‌ها