机器学习支持修改后的古斯塔夫森标准,用于中国西南部的牙科年龄估计
Xinhua Dai1,2, Anjie Liu3, Junhong Liu1
1West China School of Basic Medical Sciences & Forensic Medicine, Sichuan University, Chengdu, 610041, People's Republic of China.
Journal of imaging informatics in medicine
|February 12, 2024
概括
机器学习模型使用修改的古斯塔夫森模型.
科学领域:
- 法医人类学 法医人类学
- 牙医年龄估计 牙科年龄估计
背景情况:
- 成年人的年龄估计是法医科学中的一个重大挑战.
- 现有的方法需要改进以提高准确性.
研究的目的:
- 开发和评估机器学习 (ML) 模型,用于成人的牙科年龄估计.
- 用ML. 评估修改后的古斯塔夫森标准的有效性.
主要方法:
- 追溯分析了851个15至40岁的个体的骨科影像.
- 在下前中评估二次牙形成 (SE),牙周衰退 (PE) 和磨损 (AT).
- 生成并比较十个ML模型,包括部分最小平方回归器和支向量回归器.
主要成果:
- ML模型的准确性高于单牙模型.
- 支持向量回归器在女性 (3,806年) 中实现了最低的平均绝对误差 (MAE).
- 部分最小平方回归器在男性中表现最好 (MAE 4.151年).
- 磨损 (AT) 和牙周衰退 (PE) 被确定为关键特征.
结论:
- 修改后的古斯塔夫森方法,加上ML,对于成年人年龄估计是有效的.
- 机器学习模型提供准确和可解释的牙年龄估计,帮助法医专家.
- 这些发现对中国西南部人口尤为重要.


