基于可解释深度学习的饮食习惯与身体活动模式BMI估计研究

《Obesities》：Explainable Deep Learning-Based BMI Estimation from Eating Habits and Physical Activity Patterns

　　

作为一项重要的公共卫生危机，肥胖与不健康的生活方式因素（如饮食习惯和身体活动模式）密切相关，并且与多种慢性疾病风险增加有关。因此，准确估计身体质量指数（BMI）对于识别高危群体和支持早期干预至关重要。本研究提出了一种基于饮食习惯和身体活动特征的可解释深度学习BMI估计框架（XDL-BMI）。该模型旨在通过识别对模型BMI预测有贡献的特征来估计BMI。为实现这一目标，所提出的模型首先对输入数据进行处理以确保模型开发的可靠性。随后，采用最小冗余最大相关性方法选择相关特征，并设计深度交叉网络（Deep and Cross Network, DCN），通过学习所选因素之间的关系来估计BMI。最后，整合SHAP方法以增强模型的可解释性，识别对BMI估计影响最大的因素。为评估所提出模型的效率，研究人员使用UCI基于饮食习惯和身体条件的肥胖水平估计数据集进行了实验分析。所提出模型在测试集上的实验结果显示，归一化MSE为0.0022，RMSE为0.0464，MAE为0.0360，MAPE为0.0684，R2为0.9136。经逆变换还原至原始BMI尺度后，模型实现的RMSE和MAE分别为2.3562 kg/m2和1.8312 kg/m2，证明了其在BMI估计方面的有效性，并为饮食和身体活动相关因素的贡献提供了可解释的见解。

论文解读

一、研究背景与问题

肥胖已成为全球范围内重大的公共卫生挑战，与心血管疾病、糖尿病、癌症、肌肉骨骼疾病及心理健康问题等多种慢性疾病密切相关。肥胖的核心成因在于能量摄入与能量消耗之间的长期失衡，而饮食习惯、身体活动模式、生活方式、遗传倾向及人口统计学特征等因素的交互作用共同影响BMI和肥胖相关结局。传统的BMI计算依赖于身高和体重等人体测量数据，但在实际健康监测场景中，这些数据可能缺失、未及时更新、难以在远程或问卷评估中获取，或在资源有限的大规模环境中难以采集。与此同时，尽管机器学习和深度学习方法在肥胖预测领域已被广泛应用，但多数方法存在“黑箱”问题，难以解释模型决策过程，限制了其在临床实践中的可信度和实用性。此外，现有研究大多聚焦于肥胖等级或肥胖状态的分类预测，较少关注利用非人体测量特征进行连续BMI估计，同时兼顾特征选择、特征交互建模和模型可解释性。因此，亟需一种集成框架，能够从饮食习惯和身体活动模式相关属性中筛选信息丰富且非冗余的特征，学习特征间的复杂交互关系以准确估计BMI，并解释各特征对预测BMI的贡献。

二、研究内容与结论

针对上述问题，研究人员提出了一种可解释的深度学习BMI估计框架（XDL-BMI），该框架利用饮食习惯、身体活动模式、生活方式和人口统计学相关变量进行连续BMI回归估计，完全排除了身高和体重等直接人体测量变量。研究采用UCI肥胖水平估计数据集（包含2111条记录和14个原始输入变量），以体重和身高计算出的BMI作为连续回归目标，并将身高和体重从输入变量中排除以避免目标泄漏。研究得出以下核心结论：所提出的XDL-BMI框架在测试集上实现了归一化MSE为0.0022、RMSE为0.0464、MAE为0.0360、MAPE为0.0684、R²为0.9136的性能，经逆变换还原至原始BMI尺度后RMSE和MAE分别为2.3562 kg/m²和1.8312 kg/m²，优于多种基线回归模型。10折交叉验证结果（平均MSE为0.0031±0.0004，平均R²为0.9033±0.0087）表明模型具有良好的稳定性。外部数据集（Kaggle Health and Fitness数据集，包含3000名参与者的健康和健身追踪信息）上的评估进一步验证了框架的泛化能力。SHAP分析识别出年龄、蔬菜消费频率（FCVC）、每日饮水量（CH₂O）、科技使用时长（TUE）、主餐次数（NCP）和身体活动频率（FAF）等对BMI预测影响最大的因素。这项研究的重要意义在于：提供了一种在缺乏直接人体测量数据时进行BMI估计的补充方法，通过可解释分析揭示了影响BMI的关键生活方式和饮食因素，为公共卫生干预和临床辅助决策提供了有价值的参考依据。

三、关键技术方法

研究人员采用了以下主要技术方法：数据预处理流程包括缺失值处理（数据集中无缺失值）、重复记录删除、分类变量标签编码、基于四分位距（IQR）方法的异常值分析以及标准化特征缩放；采用最小冗余最大相关性（mRMR）特征选择方法筛选信息丰富且非冗余的特征，最终从原始输入变量中选出8个特征用于BMI估计；构建深度交叉网络（DCN）模型，该模型结合交叉网络（3层）和深度网络（3层，分别为128、64、32个单元，ReLU激活）以学习特征间的显式交互和非线性关系；采用SHAP（SHapley Additive exPlanations）方法进行模型解释，量化各特征对预测BMI的贡献方向和大小。模型使用AdamW优化器（学习率0.001，权重衰减1×10^?4），批量大小为32，MSE损失函数，训练25个周期，并使用dropout进行正则化。数据按70:30比例划分训练集和测试集，固定随机种子为42。

四、研究结果

4.1 特征选择与相关性分析

研究人员通过mRMR方法从原始输入变量中筛选出8个信息丰富且非冗余的特征，包括年龄、FCVC、NCP、CH₂O、FAF、TUE等。相关性矩阵分析表明，所选特征之间呈现弱到中度的成对相关性，说明这些特征携带部分独立信息，可作为互补预测因子用于BMI估计。

4.2 BMI与人口统计学及生活方式因素的关系

通过分布分析发现，BMI在不同性别、年龄、肥胖家族史和每日饮水量群体间存在差异。有肥胖家族史的个体BMI分布与无家族史者不同，不同饮水量的个体间BMI值也存在差异。此外，不同热量摄入水平（CALC）对应的BMI值存在明显差异，而科技使用时长与BMI的关联相对较弱。

4.3 模型回归性能

XDL-BMI模型在训练集上实现了归一化MSE为0.0022、RMSE为0.0470、MAE为0.0368、MAPE为0.0690、R²为0.9108；在测试集上实现了归一化MSE为0.0022、RMSE为0.0464、MAE为0.0360、MAPE为0.0684、R²为0.9136。训练和测试性能相当，表明模型对未见样本具有良好的泛化能力，无明显过拟合迹象。损失曲线显示训练和测试损失在25个训练周期内持续下降并呈现相似收敛趋势。

4.4 预测值与实际值对比

预测BMI值与实际BMI值的对比分析显示，在训练集和测试集中预测值均紧密跟随实际值，表明DCN模型有效捕捉了所选特征与BMI之间的潜在关系。

4.5 与基线模型对比

在相同数据划分和评估协议下，XDL-BMI与逻辑回归（LR）、K近邻回归（KNN-R）、支持向量回归（SVR）、XGBoost回归、LightGBM回归、多层感知机回归（MLP-R）和TabNet回归器进行了比较。XDL-BMI取得了最低的MSE（0.0022）、RMSE（0.0464）、MAE（0.0360）和MAPE（0.0684），以及最高的R²（0.9136），表现优于所有对比方法。

4.6 10折交叉验证

10折交叉验证结果显示，MSE值范围为0.0023至0.0037，各折之间的RMSE、MAE、MAPE和R²值保持相对一致。平均MSE、RMSE、MAE、MAPE和R²分别为0.0031、0.0558、0.0421、0.0722和0.9033，标准差分别为±0.0004、±0.0036、±0.0030、±0.0054和±0.0087，表明模型在不同训练和验证划分下性能稳定。

4.7 消融研究

消融实验逐步验证了各主要组件的贡献：基线DCN模型的MSE为0.0031、R²为0.8739；引入AdamW优化后MSE降至0.0028、R²提升至0.8872；进一步整合mRMR特征选择后MSE降至0.0025、R²提升至0.9018；完整的XDL-BMI配置（mRMR+DCN+AdamW）取得了最佳性能。

4.8 外部数据集评估

使用Kaggle Health and Fitness数据集（3000名参与者）进行外部评估时，保持主数据集上训练好的XDL-BMI模型冻结，不进行任何重训练或微调。结果表明所提出模型在外部数据集上的性能优于其他对比模型，验证了框架的泛化能力。

4.9 SHAP可解释性分析

SHAP全局特征重要性分析显示，在8个被选特征中，年龄具有最大的平均绝对SHAP值，其后依次为蔬菜消费频率（FCVC）、每日饮水量（CH₂O）、科技使用时长（TUE）、主餐次数（NCP）和身体活动频率（FAF）。SHAP摘要可视化展示了各特征值对个体样本预测BMI的贡献方向和大小：正SHAP值表示该特征贡献于提高预测BMI，负SHAP值表示贡献于降低预测BMI。

五、讨论与结论

讨论部分指出，研究结果验证了将特征选择与深度学习回归相结合用于BMI估计的有效性。DCN模型能够学习所选属性与BMI之间的复杂关系，mRMR方法筛选出最具信息量的特征并减少冗余，使模型聚焦于对BMI估计更重要的特征。SHAP的整合增强了模型的可解释性，揭示了哪些具体的行为和身体活动因素与BMI变异相关。研究人员强调，该框架应被视为BMI估计的补充方法而非直接人体测量评估的替代方案，在身高和体重数据不可用、不完整或难以获取的场景中具有应用价值。同时，研究也指出了模型预测关系不应被解释为因果关系，BMI作为脂肪量的代理指标存在局限性。

研究结论部分翻译如下：肥胖已成为全球最严重的公共卫生问题之一，准确的BMI估计对于理解BMI相关健康状况和识别相关属性至关重要。本文提出了一个基于饮食习惯和身体活动模式的XDL-BMI框架用于BMI估计。所提出的XDL-BMI框架使用人口统计学、饮食、生活方式和身体活动相关变量估计BMI，无需直接的人体测量数据。其性能还在独立的Kaggle健康和健身数据集上进行了评估，为框架对外部数据的泛化能力提供了额外证据。最后，利用SHAP解释DCN预测，检验了与饮食习惯、身体活动模式、生活方式和人口统计学相关的各属性如何对BMI估计做出贡献。结果证明了XDL-BMI框架在BMI估计和BMI相关因素可解释分析方面的潜力，并为与BMI变异相关的因素提供了一些启示。通过与其他方法的比较，也展示了XDL-BMI模型的性能。未来工作将利用更全面的数据进一步验证该框架，并通过整合健康、营养和生活方式相关信息对其进行扩展。