在法医医学中对七种常见伤害进行自动伤口细分和分类
Norio Zimmermann1, Till Sieberth1,2, Akos Dobay3,4
1Zurich Institute of Forensic Medicine, University of Zurich, Winterthurerstrasse 190/52, CH-8057, Zurich, Switzerland.
Forensic science, medicine, and pathology
|June 28, 2023
概括
这项研究探讨了使用人工智能来对法医伤口图像进行分类. 虽然对某些伤害具有挑战性,但深度学习模型在识别诸如刺伤等常见伤口方面表现有前途.
科学领域:
- 法医病理学 法医病理学
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
背景情况:
- 法医调查依赖于受伤的摄影记录.
- 自动伤口分析可以提高法医病理学家的准确性和效率.
研究的目的:
- 评估深度学习模型,用于对法医伤口图像的自动细分和分类.
- 在法医相关照片的数据库上评估这些模型的性能.
主要方法:
- 训练并比较了几种先前存在的深度学习架构.
- 利用了法医相关伤害照片的数据库.
- 基于像素准确度和交叉与联合 (IoU) 的评估模型.
主要成果:
- 最好的模型实现了平均像素精度为69.4%,IOU为48.6%.
- 模型很难从某些伤口中区分背景,例如皮下血瘤和擦伤 (31%的错误分类).
- 刺伤的分类准确度高 (93%),表明了特定伤害类型的潜力.
结论:
- 深度学习模型显示了协助法医病理学家在伤口评估中的潜力.
- 在分类未定义边界的伤口和解决阶级不平衡方面仍然存在挑战.
- 为了可靠地分类各种法医伤口类型,需要进一步开发.
