به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه « چاقی » در نشریات گروه « اقتصاد »

تکرار جستجوی کلیدواژه «چاقی» در نشریات گروه «علوم انسانی»
  • احمد موسی پور، محمد حسنوند*، عادل محمدی جهندیزی، محمد میرزایی

    یکی از مهم ترین اولویت های کشورهای پیشرفته دنیا استفاده از تصمیم گیری ماشین به جای انسان است. یکی از حوزه هایی که نیازمند این زمینه است، حوزه سلامت است. به این منظور مشخص کردن چاقی و لاغری افراد می تواند در مطالعه و بررسی وضعیت سلامت یک جامعه و اتخا ذ سیاست های نظام سلامت بسیار مفید واقع شود. تصاویر افراد به عنوان پایگاه داده پژوهش از چند محیط مختلف که فاصله دوربین و فرد در تمامی آن ها یکسان بوده تهیه شده اند. سپس پس زمینه تصویر با استفاده از تفریق پس زمینه حذف می شود. ویژگی های تصویر که ویژگی های مورفولوژیکی تصویر را شامل می شود از تصویر استخراج شده و به دو دسته بند داده می شود تا عملیات دسته بندی صورت پذیرد. افراد به سه دسته چاق، متوسط و لاغر تقسیم شدند. در این مقاله، دو دسته بند ماشین بردار پشتیبان، K-نزدیک ترین همسایه بر روی سه نوع مجموعه تصویر خام، فیلتر شده و نویزدار شده اعمال شده است. تصاویر با استفاده از روش فیلتر پایین گذر گاوسین با فرکانس های مختلف فیلتر شده با استفاده از دو روش نویز فلفل نمک و نویز گاوسین نویز دار شده اند.در تصاویر نرمال بالاترین دقت مربوط به روش ماشین بردار پشتیبان با دقت 7/91 درصد، در تصاویر فیلتر شده بالاترین دقت مربوط به روش K- نزدیکترین همسایه با 3/83 درصد و در تصاویر نویز دار شده بالاترین دقت مربوط به روش ماشین بردار پشتیبان با 75 درصد بود. نتایج حاصل از این مقاله نشان داد که با روش پیشنهادی ارایه شده علاوه بر اینکه می توان افراد یک جامعه را از لحاظ چاقی و لاغری دسته بندی کرد به دقت بالاتری نسبت به بیشتر روش هایی که تا کنون ارایه شده اند، رسید. با توجه به راهکارها و نتایج این پژوهش با افزایش تصاویر افراد علاوه بر بالا بردن دقت به سطح کاربردی تری خواهد رسید.

    کلید واژگان: دسته بندی, پرازش تصویر, یادگیری ماشین, بردار پشتیبان, چاقی, لاغر}
    Ahmad Mosapour, Mohamad Hasanvand *, Adel Mohammadi Johendizi, Mohammad Mirzaee

    One of the most important priorities in developed countries is the use of machine decision-making instead of a human. One of the areas that need this field is health. For this purpose, determining the obesity and thinness of people can be very useful in studying and examining the health status of a society and adopting health system policies. Images of people as a database of research have been prepared from several different environments where the distance between the camera and the person is the same in all of them. Then, the background of the image is removed using background subtraction. Image features that include image morphological characteristics are extracted from the image and are classified into two categories to perform classification operations. The people were divided into three categories: fat, medium, and thin. The images are noised using the Gaussian low pass filter method with different frequencies filtered using two methods of salt and pepper noise and Gaussian noise. n normal images, the highest accuracy is related to the support vector machine method with an accuracy of 91.7%The results of this paper showed that with the proposed method, in addition to being able to classify the people of a society in terms of obesity and thinness, a higher accuracy was achieved than most of the methods that have been presented so far. According to the solutions and results of this research, by increasing the images of people, in addition to increasing the accuracy, it will reach a more practical level.

    Keywords: Classification, image processing, Machine Learning, SVM, Thin, fat}
  • حبیب شهبازی*

    این پژوهش با هدف بررسی اثر میزان اضافه وزن و چاقی بر هزینه های شخصی پزشکی و رفاه ازدست‏ رفته ناشی از آن در ایران انجام می‏ شود و میزان بودجه تحمیلی به بخش عمومی (هزینه نهایی اجتماعی) را اندازه گیری می کند. برای برآورد الگوی اقتصادسنجی عوامل موثر بر هزینه پزشکی شخصی، از داده های پرسشنامه ای استفاده می شود. سپس هزینه های اجتماعی (شخصی و عمومی)، و رفاه از دست رفته ناشی از اضافه وزن محاسبه می شود. داده ها از 5 استان تهران، اصفهان، فارس، همدان، و گیلان از تعداد 1250 فرد برای سال 1398 جمع آوری گردید. نتایج نشان می دهد که متغیرهای سن، تحصیلات، و فقر اثر مثبتی بر هزینه های شخصی پزشکی دارند که در این میان، شاخص فقر اثر معناداری ندارد. همچنین، داشتن سابقه بیماری، اثری مثبت و معنادار بر هزینه های شخصی پزشکی دارد. برآورد هزینه اضافی ناشی از وجود اضافه وزن و رفاه ازدست رفته ناشی از آن، نشان از افزایش فزاینده مقدار اسمی و افزایش نوسان دار مقدار حقیقی آن در سال های مورد مطالعه دارد؛ به‏ طوری که افزایش 1 واحدی شاخص توده بدنی، هزینه های عمومی پزشکی را 31/2 درصد افزایش می دهد. بنابراین، با ارایه راهکارهایی در سه زیربخش «بهداشت» (برای مثال، ترویج فرهنگ تغذیه سالم)، «درمان» (برای مثال ارایه شیوه های مناسب و ارزان‏تر درمانی و پیشگیری)، و «آموزش» می توانیم علاوه بر جلوگیری از شیوع چاقی و اضافه وزن، روند افزایش وزن را کندتر کنیم.

    کلید واژگان: اضافه وزن, چاقی, هزینه های عمومی و اجتماعی, رفاه ازدست رفته, ایران}
    Habib Shahbazi*

    The purpose of this study is to investigate the effect of overweight and obesity on personal medical expenses and deadweight loss in Iran; this study also measures the portion of budget imposed on the public sector due to obedity. To this end, questionnaire data were used to estimate the econometric model of factors affecting personal medical expense. Hence, the social costs (personal and public) and dead weight loss due to overweight are calculated. Data were collected from 1250 individuals in 5 provinces of Tehran, Isfahan, Fars, Hamadan and Guilan for the year 2019. Then the social costs (personal and public) and dead weight loss due to overweight are calculated. The results show that age, education, and poverty have a positive impact on personal medical expenditures; However, the poverty index has no significant impact on such expenditures. Moreover, having a history of disease in health records has positive and significant effect on personal medical expenses. Estimates of the additional cost of overweight and deadweight loss indicate an increase in the nominal value and a fluctuating increase in real value over the years under study. Thus, a one-unit increase in body mass index would increase general medical costs by 2.31%. The policies in “health subsector” (such as promoting the culture of having a healthy diet), “treatment subsector” (such as offering appropriate and cheaper therapies and prevention), and in “education subsector”, can help to prevent the prevalence of obesity and overweight.

    Keywords: Overweight, Obesity, Public, Social Expenditure, DeadWeight Loss, Iran}
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال