机器学习和回归分析,用于根据印度人口的计算机断层扫描探索,从阴茎顶部估计年龄
Varsha Warrier1, Rutwik Shedge2, Pawan Kumar Garg3
1Department of Forensic Medicine and Toxicology, All India Institute of Medical Sciences, Jodhpur, India.
Medicine, science, and the law
|September 6, 2023
概括
这项研究验证了使用计算机断层扫描在印度人口中法医年龄估计的修改后的瑞塞方法. 机器学习模型,特别是决策树回归,在可靠的年龄确定方面表现出卓越的准确性.
科学领域:
- 法医人类学 法医人类学
- 放射学 放射学是一门学科.
- 生物识别信息 生物识别信息
背景情况:
- 准确的年龄估计对于涉及未成年人和年轻人的法律诉讼至关重要.
- 在这些年龄段,阴茎是骨成熟度的可靠指标.
- 修改后的瑞塞方法提供了一种新的方法来评估阴茎的年龄.
研究的目的:
- 评估修改后的瑞塞方法对印度人口年龄估计的适用性.
- 为了比较这种方法的回归和机器学习模型的准确性.
- 为了确定基于计算机断层扫描的阴茎脊骨化用于法医年龄的可靠性.
主要方法:
- 在印度人群中,从印度人群中的个人身上分析了阴茎的计算机断层扫描 (CT) 扫描.
- 扫描使用修改后的瑞塞阶段进行得分,以评估骨化和融合.
- 开发和测试了各种回归和机器学习模型,以确定年龄估计的准确性.
主要成果:
- 经过修改的瑞塞方法准确地反映了阴茎的骨成熟变化.
- 复合回归显示了传统模型中最小的误差 (不准确率:4.78年).
- 机器学习,特别是决策树回归,显著提高了准确性 (不准确性:1.88年).
结论:
- 与传统回归相比,机器学习模型在法医年龄估计方面显示出统计学上的优异性能.
- 经过修改的瑞塞方法,当与机器学习分析时,在法律背景下提供了可靠的年龄估计工具.
- 这项研究突出了基于CT的腹腔脊骨化在印度人口中准确确定年龄的潜力.
