Estimación de la edad de la región de las vértebras cervicales mediante aprendizaje profundo

Área de la Ciencia:

• Análisis de imágenes médicas
• Aprendizaje profundo
• Antropología forense
• Estimación de la edad radiográfica

Sus antecedentes:

• Los métodos tradicionales tienen dificultades para detectar cambios sutiles relacionados con la edad en los huesos en la edad adulta.
• El aprendizaje profundo muestra una gran promesa para la estimación de la edad basada en imágenes médicas.
• Las vértebras cervicales en las radiografías cefalométricas laterales (LCR) son valiosas para la evaluación de la edad.

Objetivo del estudio:

• Investigar sistemáticamente el impacto de diferentes representaciones de las vértebras cervicales en la precisión de la estimación de la edad.
• Comparar el rendimiento de los modos de entrada de Contorno (C), Máscara (M), Vértebras Cervicales (CV) y Región de Vértebras Cervicales (SR).
• Evaluar la estimación de la edad en diferentes grupos de edad (4-40 años) utilizando aprendizaje profundo.

Principales métodos:

• Se desarrollaron cuatro modos de entrada distintos (C, M, CV, SR) para modelos de aprendizaje profundo.
• Se utilizó un conjunto de datos a gran escala de 20174 LCR de sujetos de 4 a 40 años.
• Se evaluó el rendimiento utilizando el Error Absoluto Medio (MAE), analizando vértebras individuales y combinadas.

Principales resultados:

• El modo de Región de las Vértebras Cervicales (SR) logró el menor MAE general, superando a los modos CV, C y M.
• Los modos SR y CV mantuvieron el MAE por debajo de los 10 años para el grupo de edad de 26 a 40 años, a diferencia de los modos C y M.
• La combinación de vértebras mejoró la precisión, y las combinaciones continuas (por ejemplo, C1-2 + C3) mostraron mejores resultados que las discontinuas.

Conclusiones:

• Incorporar el tejido blando periférico y el contexto vertebral completo (modo SR) es crucial para una estimación precisa de la edad.
• El modo SR ofrece un rendimiento superior, especialmente para los grupos de edad más avanzada, en comparación con los métodos que se centran únicamente en la estructura ósea.
• Los modelos de aprendizaje profundo que aprovechan las representaciones vertebrales avanzadas pueden estimar eficazmente la edad a partir de LCR en un amplio espectro.