使用基于从日本和西澳大利亚人群获得的计算机断层扫描数据的骨盆测量来估计人口亲和力

科学领域:

• 法医人类学 法医人类学
• 医疗成像医学成像
• 人口遗传学 人口遗传学

背景情况:

• 传统的人口亲和关系分类方法通常依赖于面形态学.
• 计算机断层扫描 (CT) 提供了包括骨盆在内的骨结构的详细3D可视化.
• 使用CT数据调查盆腔形态可能为人群特异性变异提供新的见解.

研究的目的:

• 分析日本人和西澳大利亚人之间的骨盆形态差异.
• 评估使用CT衍生的骨盆测量来进行人口亲和度分类的可行性.
• 为了比较机器学习模型在根据骨盆数据对人口亲和关系进行分类时的表现.

主要方法:

• 分析了207名日本和158名西澳大利亚成年人的CT扫描.
• 在体积重建后,提取了19个盆地地标和11个测量值.
• 机器学习模型,包括随机森林建模 (RFM) 和支持矢量机器 (SVM),用于分类.

主要成果:

• 支持矢量机 (SVM) 模型实现了高分类准确度,性别特定模型超过90%,性别混合模型超过85%.
• 随机森林建模 (RFM) 在双向分类中显示了大约80%的准确性.
• 与西澳大利亚样本相比,日本样本的分类准确性通常更高.

结论:

• 盆腔形态表现出日本和西澳大利亚人群之间足够的区别,以通过CT成像进行准确的亲和关系分类.
• 基于CT的骨盆形态分析是法医人类学中传统的面方法的一个有希望的,可行的补充.
• 这项研究开创了CT成像用于基于骨盆形态的人口亲和度估计的先驱.