手機身體掃描與 1 公分難題

當你要追蹤真實變化時，為什麼「可重複」還不夠？

腰圍少 1 公分，可能是一件很有意義的事。對某些人來說，那代表持續數個月的訓練、飲食與恢復，也可能只是代表你一直穩定地走在自己的計畫上。

這也帶出所有身體追蹤技術都必須面對的實際問題：

如果身體根本沒有變，這套方法本身就可能讓數字上下波動 1 公分，那它怎麼知道真正少了 1 公分？

這正是近年手機身體掃描研究想回答的問題。研究並沒有證明所有手機掃描都毫無用處。只要手機架在腳架上、室內環境受控、受試者遵守固定姿勢，而且在相隔幾分鐘內重複掃描，有些現代系統確實能展現很高的重複性。

但重複性不等於個人層級的準確度。一套方法可以連續兩次得到非常接近的答案，卻仍然和軟尺、參考掃描器，甚至和個人的實際身體尺寸始終存在差距。它也可能足以在研究中描述一個群體的平均趨勢，卻不確定到無法替某一個人確認細微的變化。

這也是尺記採取「以測量為核心」方式的原因：3D 模型是用來呈現與比較你的測量資料，而不是由相機生成一個數字，默默取代你真正量到的結果。

尺記身體測量追蹤畫面，顯示測量控制項與 3D 人體模型。 — 尺記使用你輸入的身體測量資料，建立一致的 3D 視覺紀錄。

編輯插圖：一邊是架在腳架上的手機身體掃描，另一邊是繞在腰間的軟尺與記事本。 — 為尺記製作的編輯插圖：相機掃描需要推算身體模型，而軟尺測量則讓測量步驟清楚可見。

三個常被混在一起的概念

在看到「誤差 0.5 公分」這類數字之前，先把研究中常用的三個概念分開，會比較容易理解。

名詞	它在問什麼？	為什麼重要？
精密度或重複性（precision / repeatability）	如果身體沒有變，兩次讀數有多接近？	反映重複測量中的技術雜訊。
準確度或一致性（accuracy / agreement）	結果和參考方法有多接近？	反映系統性偏差與個人層級的不一致。
最小顯著變化（least significant change, LSC）	差異要大到什麼程度，才不太可能只是測量雜訊？	設定解讀身體變化時的實際門檻。

組內相關係數（ICC）很適合用來描述重複性，但 ICC 很高，並不代表絕對數值一定正確。即使一種方法總是低估腰圍，或總是高估臀圍，只要每次都以相近的方式偏離，相關性仍然可能很高。

當目標是追蹤進度時，LSC 才是最值得留意的概念。在身體組成研究使用的兩次測量架構中，LSC 通常會這樣計算：

LSC ≈ 2.77 × 精密度誤差

這個倍數告訴我們：精密度誤差是 0.5 公分，不代表每一次出現 0.5 公分差異，就能直接判定身體真的變了。

近年較具代表性的 360° 手機研究，實際上發現了什麼？

近期一項相當完整的研究，找來 46 位成人，比較四種數位人體測量方法。其中一款手機 App 會在受試者完成完整旋轉時，連續拍攝多張影像。以各種圍度平均計算，這套全旋轉手機方法的平均技術測量誤差是 0.5 公分，相對誤差為 0.9%，ICC 為 0.986。在那次受控測試中，它的表現與體積更大、便攜性較低的 3D 掃描器相近。Tinsley 等人，《European Journal of Clinical Nutrition》（2024）

這是一個有價值的結果。它說明設計周全的 360° 流程，在重複測試條件下可以做到什麼程度。

但它不代表：

每一次掃描都和你真正的腰圍相差不超過 0.5 公分；
0.5 公分是最大誤差，或對所有人都適用的保證；
明天在不同房間、不同姿勢、不同衣服或使用不同手機掃描，結果就等同於實驗室中的掃描；或
個人兩次掃描相差 0.5 公分，就一定代表身體真的變了。

另一篇 2024 年發表於《Frontiers in Medicine》的相關研究，讓這個區別更清楚。研究使用一款手機 3D 掃描 App，讓受試者完整旋轉一圈時拍攝大量影像；iPhone 架在距離受試者約 1.7 公尺的腳架上。受試者保持 A 字站姿，穿著盡量少且貼身的衣物，前一晚禁食，測試前至少 24 小時避免運動。研究也指出，360° 掃描期間身體其實正在移動，因此軟體需要進行非剛性人體模型重建（non-rigid avatar reconstruction），這可能引入額外誤差。Tinsley 等人，《Frontiers in Medicine》（2024）

該研究報告的 1.39～1.82 個百分點 LSC，適用於體脂率估算方程式，不是腰圍。論文提到的 0.5 公分圍度數字，則是引用自前一篇全旋轉研究。

以下只是幫助理解的簡單示例，不是該論文報告的腰圍 LSC：如果把 0.5 公分精密度誤差放進同一個公式，結果大約是：

2.77 × 0.5 公分 ≈ 1.4 公分

重點就在這裡：一套方法可以有 0.5 公分的平均重複測量誤差，但在你能確定變化超過測量雜訊之前，仍然可能需要更大的差異。 1 公分的變化可能是真的，卻仍可能小到讓這套方法無法對單一個人做出有把握的判斷。

不同身體質量指數下，從正面、側面與背面呈現的 3D 人體模型範例。 — 依 BMI 重建的 3D 人體模型範例。3D 模型是有用的視覺參照，但外觀精緻不代表它就是直接測量結果。圖片重製自 Tinsley 等人（2024），CC BY 4.0。

Bland–Altman 圖，比較手機體脂率估算與 DXA，顯示平均差異以及個人差異的分布範圍。 — 一致性不等於相關性：個人差異的分布範圍同樣重要。圖片重製自 Tinsley 等人（2024），CC BY 4.0。

MeThreeSixty 的研究，說明了為什麼平均值可能會誤導人

你提到的研究，直接把手機 App 和專業人員使用軟尺量出的結果拿來比較。研究納入 115 位成人，評估 iPhone 與 Samsung 手機上的 MeThreeSixty，以及 myBVI。作為參考的腰圍和臀圍，是由研究人員在受控的實驗室流程中測量，而不是受試者在家裡隨手量出的數字。Graybeal 等人，《British Journal of Nutrition》（2023）

腰圍與臀圍的精密度誤差介於 0.5～1.9 公分。細節如下，也正好說明為什麼這個範圍不能被忽略：

方法	腰圍精密度誤差	臀圍精密度誤差
專業軟尺參考值	0.63 公分	0.65 公分
iPhone 上的 MeThreeSixty	0.54 公分	0.51 公分
Samsung 上的 MeThreeSixty	0.87 公分	0.90 公分
MeThreeSixty 跨 iPhone 與 Samsung	1.91 公分	1.59 公分
myBVI	1.12 公分	1.91 公分

這些是重複性數據，不能告訴我們 App 的數字距離個人的實際圍度有多近。

當研究人員把 App 結果和參考軟尺測量相比，iPhone 上的 MeThreeSixty 平均低估腰圍 2.3 公分，同時平均高估臀圍 3.1 公分。在受測 App 中，95% 一致性界限約為：腰圍 ±9.0～±12.4 公分，臀圍 ±6.7～±10.7 公分。

研究確實發現，部分測量在預先設定的 5% 等效範圍內達到群體層級的等效性。但這不等於證明每一個人的結果都能和軟尺測量互換。事實上，腰圍略微低估、臀圍略微高估，合在一起後，腰臀比並沒有和參考方法達到等效。

這是整篇文章最核心的提醒：比較平均值時，一套方法可能看起來可以接受；但在個人層級，誤差範圍仍然可能很寬。 如果你真正想知道的是「我的腰圍真的少了 1 公分嗎？」，個人誤差比群體平均值更重要。

等效性圖表，比較手機測得的腰圍、臀圍、腰臀比與腰高比和軟尺測量結果。 — 等效性分析把群體層級的差異，和預先設定的 5% 範圍相比。通過這項測試，不代表每一個人的掃描結果都能和軟尺測量互換。圖片重製自 Graybeal 等人（2023），CC BY 4.0。

Bland–Altman 圖，顯示手機測量與軟尺測量在腰圍、臀圍、腰臀比與腰高比之間的差異分布及一致性界限。 — Bland–Altman 圖讓個人差異的分布一目了然：平均偏差只是其中一部分。圖片重製自 Graybeal 等人（2023），CC BY 4.0。

拍更多照片，也不會消除個人層級的問題

一篇較新的 2026 年研究，使用 DXA 作為參考，比較 MeThreeSixty、Bodygram 與 ZOZO Fit 的體脂率結果。ZOZO Fit 是其中的多影像方法，受試者在 360° 旋轉時拍攝 12 張照片。三款 App 的同次測試重複性都很高，ICC 介於 0.98～0.99。ZOZO Fit 的體脂率 RMSE 最低，為 2.95%，與 DXA 的一致程度也最高。

但三款 App 都沒有在研究預先設定的 ±2 個百分點範圍內達到等效。ZOZO Fit 的個人一致性界限仍然很寬，約為 −5.89 到 +8.36 個百分點；而且不到 44% 的受試者，結果落在 DXA ±2 個百分點以內。研究作者的結論是：這些 App 的重複性很高，但個人層級的準確度不足以支援臨床決策。Encarnação 等人，《Clinical Nutrition ESPEN》（2026）

這項研究測量的是體脂率，不是腰圍，因此不能拿它來宣稱某款 App 的腰圍也會差同樣多。但它測試了相同類型的推論鏈：相機影像 → 分割與身體模型 → 推算身體數值 → 個人結果。

這個結果很值得參考：增加影像數量，可能改善模型在平均值上的貼合程度，卻不能保證它能準確辨識每個人的變化。 更多資料確實有幫助，但不會讓推算出來的模型結果自動變成直接量到的身體尺寸。

另一項開放取用的研究則展示了姿勢有多敏感。在其中一位受試者身上，只是改變側面影像中手臂的位置，生成的腰圍就相差約 6 公分，但受試者的身體並沒有改變。這不是說所有手機掃描都會出現 6 公分誤差，而是具體展示了：輸入姿勢本身就是測量系統的一部分。Minetto 等人，《Scientific Reports》（2023）

開放取用研究的圖表，顯示手機影像中正確與錯誤的手臂位置，以及由此產生的 3D 人體模型；論文報告兩個模型之間的腰圍約相差 6 公分。 — 在這個範例中，手臂位置讓重建出的腰圍相差約 6 公分。圖片重製自 Minetto 等人（2023），CC BY 4.0。

ZOZOFIT 自己的說明頁表示，依測量部位不同，誤差範圍為 0.4 公分。這個數字可能是根據公司自己的定義、資料集與測試流程得出，不應解讀成適用於所有身體部位、體型、手機、房間、姿勢或軟體版本的通用 95% 誤差界限。App 自己的使用說明也要求使用者在 360° 旋轉時保持一致位置、和手機維持固定距離、使用乾淨背景與均勻光線。ZOZOFIT：「How accurate are the ZOZOFIT measurements?」 · ZOZOFIT 掃描位置指南

這是結構性的問題，不只是軟體錯誤

手機相機並沒有直接量出你的腰圍。它先觀察像素與輪廓，再由軟體推算 3D 表面、判定解剖標誌的位置，最後從重建的人體模型計算某一個橫截面的周長。

這是一個反問題（inverse problem）。尤其在軟組織、衣物、陰影、身體部位彼此遮擋，以及相機看不到的區域，不同的 3D 形狀可能產生相似的 2D 影像。360° 旋轉確實能提供更多資訊，但結果仍取決於影像的品質與一致性，以及用來解讀影像的模型。

主要的不確定性，同時來自實務與數學層面：

標誌點可能根本不是同一個位置。 腰圍可以量在髂嵴、最低肋骨與髂嵴中點、肚臍，或自然腰線。這些位置可能測出實質不同的數字，尤其在女性身上更明顯。Mason 與 Katzmarzyk，《Obesity》（2009）
姿勢與動作會改變身體表面。 人在原地轉身時並不是剛體。研究本身就提到，系統必須重建非剛性人體模型，再把它正規化到標準姿勢。
衣物與光線會影響輪廓。 ZOZOFIT 與 MeThreeSixty 都針對合身衣物、背景、相機位置與光線提供使用說明，因為影像處理結果取決於這些輸入。
手機與軟體版本都可能有影響。 在 MeThreeSixty 研究中，iPhone 和 Samsung 版本的精密度並不相同。消費者 App 也可能隨時間更新重建方式與人體模型演算法。
訓練資料中的人群會影響結果。 如果模型主要使用某一種身體形狀分布訓練，遇到比例、尺寸、年齡或脂肪分布不同的身體時，表現可能不同。MeThreeSixty 研究發現了次群體差異，也明確指出仍需要更多關於自行測量、居家使用與長期追蹤的研究。

這不代表手機掃描一定沒有用，而是表示：每當你關心的變化很小，都必須把掃描本身的不確定性算進來。

軟尺也不完美——但這正是重點

另一種方法並不是一台完全零誤差的神奇儀器。軟尺測量同樣會受到標誌點、姿勢、呼吸、軟尺鬆緊度與測量者熟練程度影響。

一項由新手測量者測量腰圍與臀圍的研究指出，在該研究流程下，腰圍變化超過 3.0 公分、臀圍變化超過 2.0 公分，就可以在 95% 的信心水準下視為真實變化。Wang、Liu 與 Chen，《Perceptual and Motor Skills》（2010）

這裡的重點不是「軟尺永遠正確」，而是：要認真追蹤身體變化，就需要一套明確的測量流程。 你需要知道標誌點在哪裡、測量條件是什麼、採用哪種方法，以及這套方法實際能分辨多大的變化。

為什麼尺記採用以測量為核心的 3D 追蹤？

尺記刻意不把自己定位成相機身體掃描器。它不會宣稱只靠兩張照片或一段 360° 手機掃描，就能推算出你所有的身體圍度。

相反地，尺記讓測量鏈清楚可見：

以相機為核心的掃描	尺記的以測量為核心的追蹤
身體 → 照片 → 輪廓擷取 → 推算 3D 網格 → 專有標誌點 → 測量值	身體 → 可重複的軟尺標誌點 → 使用者記錄測量值 → 3D 視覺化 → 歷史比較
方便，但許多不透明的步驟都可能影響數字	稍微需要多一點刻意操作，但輸入可以檢查與重複
掃描結果就是測量值	測量值是來源；3D 是視覺輸出

尺記會協助你固定相同的測量位置，記錄不同時間的多個身體圍度，再把這些數字轉成可以旋轉查看的 3D 身體狀態。你可以比較兩個日期，觀察測量上的差異如何呈現在一致的視覺框架中。

這不會讓軟尺變成絕對不會出錯的工具，但會讓整個過程更透明。數字改變時，你可以回頭檢查測量步驟發生了什麼，而不是只能接受一個無法解釋的模型輸出。如果變化小於一次讀數的不確定性，你也可以等待後續幾次測量形成趨勢，而不是讓單次掃描替你決定整個故事。

尺記比較兩個 3D 身體狀態，並以視覺疊合呈現進度。 — 尺記把一系列測量值變成可以比較的 3D 時間線，而不是把單次掃描當成絕對真相。

如果你很認真追蹤變化，應該怎麼做？

選擇能分辨你所關心的變化幅度的方法。

選定清楚的身體標誌點，之後固定在同一個位置。
盡量在相近條件下測量：時間、衣物、姿勢、呼吸與近期運動狀態都要盡量一致。
第二次測量時先把軟尺放開，再重新定位；不要讓軟尺一直繞著身體，反覆拉緊到數字看起來順眼為止。
把測量方法和數字一起記下來。
看有意義時間間隔中的連續趨勢，不要只看單日差異。
無論是掃描生成的 3D 模型，還是根據測量資料建立的 3D 模型，都應視為視覺化工具，而不是醫療診斷或完美的數位分身。

如果只是想粗略查看外觀，或要觀察較大的變化，手機掃描可能很方便。但如果你想知道緩慢的 1 公分變化到底是不是真的，不要只依賴相機掃描。請使用能夠重複的測量方式，保存歷史紀錄，並根據這套方法的不確定性解讀結果。

這就是尺記的角色：不假裝身體測量可以毫不費力，而是讓仔細測量更容易記錄、比較與理解。

在 App Store 探索尺記

常見問題

技術測量誤差是 0.5 公分，代表掃描準確到 0.5 公分嗎？

不是。在 360° 研究中，0.5 公分是受控條件下，所有圍度的平均重複測試技術誤差。它不是最大誤差、對所有人適用的保證，也不是直接表示掃描和你真正腰圍之間的一致程度。

這是不是代表手機身體掃描完全沒有用？

不是。它可以用來粗略視覺化、觀察較大的變化、進行研究，以及支援部分群體層級的應用。只是當問題變成「某一個人的細微變化到底是不是真的」時，目前的證據就沒有那麼有力。

尺記比 MeThreeSixty 或 ZOZOFIT 準確嗎？

尺記沒有提出未經驗證的通用準確度宣稱。它採用不同的測量模式：由使用者記錄身體圍度，再由尺記進行視覺化與比較。因此，比起自動推算的相機測量，它更適合透明地追蹤長期測量紀錄。

軟尺測量永遠準確嗎？

不會。軟尺測量也需要一致的標誌點與操作方式。它的優勢在於測量步驟清楚、可以教會使用者，也能重複執行；你可以檢查並修正方法，而不是只能接受一個隱藏的推算結果。

多久量一次比較好？

大多數人不需要每天測量。減脂期間每 1～2 週一次，或在身體形狀變化較慢時每 2～4 週一次，通常更容易維持一致。最好的間隔，是讓身體有時間變化，同時又能讓每次測量條件保持相近的間隔。

手機身體掃描的 1 公分難題：可重複，不代表夠準