Summary translated by

Objetivo Os volumes corporais (VB) são utilizados para calcular a composição corporal para realizar avaliações de obesidade. As técnicas convencionais de estimativa de BV, como a pesagem subaquática, podem ser difíceis de aplicar. Técnicas avançadas de aprendizado de máquina permitem a obtenção de múltiplas medidas corporais relacionadas à obesidade usando uma imagem de câmera única; no entanto, a precisão do VB calculado utilizando estas técnicas é desconhecida. Este estudo tem como objetivo adaptar e avaliar uma técnica de aprendizado de máquina, treinamento sintético para pose e forma real precisa (STRAPS), para estimar o VB. Métodos A técnica de aprendizado de máquina, STRAPS, foi aplicada para gerar modelos tridimensionais (3D) a partir de imagens bidimensionais (2D) simuladas; esses modelos 3D foram então dimensionados com a estatura corporal e o VB foi estimado usando modelos de regressão corrigidos para a massa corporal. Um conjunto de dados comerciais de digitalização 3D com uma ampla gama de participantes (n = 4.318) foi usado para comparar dados de referência e VB estimados. Resultados Os métodos desenvolvidos estimaram o VB com pequenos erros padrão relativos de estimativa (<7%), embora o desempenho tenha variado quando aplicado a diferentes grupos. O VC estimado para pessoas com índice de massa corporal (IMC) < 30 kg/m2 (1,9% para homens e 1,8% para mulheres) foi mais preciso do que para pessoas com IMC ≥ 30 kg/m2 (6,9% para homens e 2,4% para mulheres). Conclusões O método desenvolvido pode ser usado para mulheres e homens com IMC < 30 kg/m2 na estimativa de VB e pode ser usado para avaliações de obesidade em casa ou em ambientes clínicos.