Vis enkel innførsel

dc.contributor.advisorHaddow, Pauline Catriona
dc.contributor.authorMoen, Erling Storaker
dc.date.accessioned2022-09-01T17:20:01Z
dc.date.available2022-09-01T17:20:01Z
dc.date.issued2022
dc.identifierno.ntnu:inspera:112296943:20355756
dc.identifier.urihttps://hdl.handle.net/11250/3015236
dc.description.abstractOvervekt og fedme er et økende problem i verden. En stillesittende livsstil med avtagende treningsmengder og lettere tilgang til prossessert mat har ført til at mer enn to milliarder voksne har blitt overvektige, og omtrent 650 millioner av disse har fedme. På verdensbasis har fedme tredoblet seg siden 1975. Som et resultat har tilfellene av hjerte- og karsykdommer og diabetes type 2 økt drastisk. Et vanlig begrep som brukes for å beskrive risikofaktorene for slike sykdommer og tilstander er metabolsk syndrom, som er en klynge av kliniske risikofaktorer som hypertensjon og hyperglykemi. Reversering av metabolsk syndrom er avgjørende for å forbedre helsetilstanden hos disse pasientene, hvor kosthold og trening er de viktigste faktorene. Dagens treningsmetoder viser gode resultater for å reversere metabolsk syndrom, men ofte faller pasientene tilbake til gamle vaner etter en tid. Motivasjonen og disiplinen som trengs for å forbedre egen helse bør ikke undervurderes. For å fremme konsistens for pasienten, bør treningsregimet derfor skreddersys etter den enkeltes helsestatus og muligheter. Dette kan potensielt forbedre sjansene deres for å reversere metabolsk syndrom for resten av livet. Kjent for sin evne til å løse vanskelige oppgaver har kunstig intelligens de siste årene blitt en vanlig måte å løse ulike typer optimaliseringsproblemer ved å finne løsninger der mennesker sliter. Dette arbeidet undersøker hvorvidt kunstig intelligens og den genetiske algoritmen kan brukes til å løse optimaliseringsproblemet som er å lage treningsprogrammer for pasienter med metabolsk syndrom.
dc.description.abstractOverweight and obesity is a rising problem in the world. Sedentary lifestyles with decreasing amounts of exercise and easier access to processed foods has led more than two billion adults to being overweight, with roughly 650 million of these being obese. Worldwide obesity has tripled since 1975. As a result, the cases of cardiovascular diseases and cases of type 2 diabetes has skyrocketed. A common term used to describe the risk factors of such diseases and conditions is Metabolic Syndrome, which is a cluster of clinical risk factors such as hypertension, and hyperglycemia. Reverting Metabolic Syndrome is vital in order to improve the health status of such patients. With the most important factors being diet and exercise. Current methods of exercise shows good results in reversing metabolic syndrome, but often the patients fall back to old habits after a period of time. The motivation and discipline needed to improve ones health can not be underestimated. To promote consistency for the patient, the training regimen should therefore be tailored according to the health and debilitation of the individual. This could potentially improve their chances of reversing metabolic syndrome for the rest of their lives Known for its ability to solve difficult tasks, artificial intelligence has in recent years become a common way to solve varying kinds of optimization problems by finding solutions where humans struggle to. This work dives in to how artificial intelligence and the Genetic Algorithm can be utilized to solve the optimization problem of creating exercise programs for patients with metabolic syndrome
dc.languageeng
dc.publisherNTNU
dc.titleCreating Exercise Programs For Patients With Metabolic Syndrome Through Artificial Intelligence With The Genetic Algorithm
dc.typeMaster thesis


Tilhørende fil(er)

Thumbnail

Denne innførselen finnes i følgende samling(er)

Vis enkel innførsel