在印度人群中,使用监督机器学习方法从阴茎和阴茎结核形成的计算机断层年龄估计,使用监督机器学习方法

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:

• 排骨和排骨是可靠的骨成熟度指标,这是由于延迟的骨化和融合.
• 修改后的Kreitner-Kellinghaus分期方法是使用这些标记物的年龄估计的一个有希望的方法.

研究的目的:

• 评估修改后的克赖特纳-凯林豪斯法对年龄估计的适用性.
• 用 iliac crest 和 ischial tuberosity 数据来比较机器学习模型在估计年龄方面的准确性.

主要方法:

• 临床CT扫描使用修改的Kreitner-Kellinghaus方法进行了分析,以检测 iliac crest 和 ischial tuberosity.
• 五个受监督的机器学习模型被用于年龄估计.
• 使用个人标志物和累计得分进行了年龄估计.

主要成果:

• 阴茎产生较低的平均绝对误差 (2.42年) 和根平均平方误差 (3.06年) 与阴茎相比 (MAE 2.60年,RMSE 3.09年).
• 机器学习模型,特别是随机森林和梯度增强回归,显示出高精度的阴茎年龄估计.
• 基于累积分数的年龄估计显示出与上脊相似的精度,但更复杂.

结论:

• 阴茎是比阴茎结核更准确的骨成熟度指标,用于年龄估计.
• 机器学习提高了使用修改后的Kreitner-Kellinghaus方法的年龄估计的准确性.
• 如果可用,阴茎应该是年龄估计的首选标记.