頸椎領域の深層学習による年齢推定

科学分野:

• 医用画像解析;深層学習;法医学人類学;放射線写真による年齢推定

背景:

• 従来のメソッドでは、成人期における微妙な年齢関連の骨の変化を検出することは困難です。;深層学習は、医用画像ベースの年齢推定に有望です。;頭蓋側面レントゲン写真（LCR）の頸椎は、年齢評価に価値があります。

研究 の 目的:

• 年齢推定精度に対する異なる頸椎表現の影響を体系的に調査すること。;輪郭（C）、マスク（M）、頸椎（CV）、および頸椎領域（SR）の各入力モードのパフォーマンスを比較すること。;深層学習を使用して、異なる年齢層（4〜40歳）における年齢推定を評価すること。

主な方法:

• 深層学習モデルのために4つの異なる入力モード（C、M、CV、SR）を開発しました。;4〜40歳の被験者20,174人の大規模なLCRデータセットを利用しました。;平均絶対誤差（MAE）を使用してパフォーマンスを評価し、個々の椎骨と組み合わせた椎骨を分析しました。

主要な成果:

• 頸椎領域（SR）モードは、CV、C、Mモードを上回り、全体のMAE（平均絶対誤差）が最も低くなりました。; SRおよびCVモードは、CおよびMモードとは異なり、26〜40歳の年齢層でMAEを10年未満に維持しました。; 椎骨を組み合わせることで精度が向上し、不連続な組み合わせ（例：C1-2 + C3）よりも連続的な組み合わせ（例：C1-2 + C3）の方が良好な結果を示しました。

結論:

• 正確な年齢推定には、周辺の軟部組織と包括的な椎骨のコンテキスト（SRモード）の組み込みが不可欠です。;SRモードは、骨構造のみに焦点を当てた方法と比較して、特に高齢者層で優れたパフォーマンスを提供します。;高度な椎骨表現を活用する深層学習モデルは、LCRから広範囲にわたって効果的に年齢を推定できます。