基于下下测量的性别估计.
Diana Toneva1, Silviya Nikolova1, Gennady Agre2
1Department of Anthropology and Anatomy, Institute of Experimental Morphology, Pathology and Anthropology with Museum, Bulgarian Academy of Sciences, Acad. G. Bonchev Str., Bl. 25, 1113 Sofia, Bulgaria.
概括
机器学习模型使用CT扫描精确估计下下测量的性别. 支持矢量机实现了95.3%的准确性,增强了法医人类学应用.
科学领域:
- 法医人类学 法医人类学
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 医学成像和机器学习为物理和法医人类学提供了宝贵的工具.
- 这些技术对于从骨遗骸中开发性别识别模型至关重要.
研究的目的:
- 开发和评估机器学习模型以使用下测量来估计性别.
- 为了比较各种机器学习算法在不同下测量数据集上的性能.
主要方法:
- 利用239名保加利亚成年人的头部CT扫描,获得45个下地标的3D坐标.
- 创建了两个数据集:一个有51个线性,投射和角度测量,另一个有990个地标间距离.
- 应用了七个机器学习算法 (SVM,神经网络,天真贝叶斯,随机森林,J48,JRip,物流回归) 具有10x5交叉验证和属性选择.
主要成果:
- 亚象征性算法通常优于象征性算法,只有逻辑回归作为例外.
- 支持矢量机算法实现了最高的分类准确率95.3%,使用19个地标间距离.
- 先进的属性选择提高了对两个数据集的所有测试算法的分类准确性.
结论:
- 机器学习,特别是具有地标间距离的支持矢量机器,提供了一种非常准确的方法,用于从下中估计性别.
- 这项研究表明,先进的属性选择在提高性别估计模型的性能方面具有有效性.
- 这些发现对法医人类学和骨遗骸分析有重大影响.
