通过使用多任务深度学习网络从全景射线图中自动和可靠地估计性别和时间年龄:对韩国人口的研究
Se-Jin Park1, Su Yang2, Jun-Min Kim3
1Department of Oral and Maxillofacial Radiology and Dental Research Institute, School of Dentistry, Seoul National University, Seoul, 03080, South Korea.
International journal of legal medicine
|March 12, 2024
概括
深度学习模型ForensicNet从全景放射图中准确估计性别和年龄,改进了手动法医识别方法. 这种自动化方法提高了个人识别的效率和可靠性.
科学领域:
- 法医科学 法医科学 法医科学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 准确的性别和时间表年龄估计对于法医调查和个人识别至关重要.
- 传统的手动方法用于从X射线图中估计性别和年龄是低效的,耗时的,容易出现错误.
研究的目的:
- 开发一种自动化和可靠的方法,用全景放射图来估计性别和时间年龄.
- 利用一个名为ForensicNet的多任务深度学习网络,同时进行性别和年龄估计.
主要方法:
- 一个多任务深度学习网络 (ForensicNet) 被设计成一个脊柱和注意力分支用于性别和年龄估计.
- 该网络的训练是基于13,200张全景放射图的数据集,涵盖15-80岁的年龄段.
- EfficientNet-B3被集成为骨干,结合一个卷积块注意模块.
主要成果:
- 法医Net在时间学年龄估计中获得了2.93 ± 2.61年的平均绝对误差 (R2 = 0.957).
- 性预测准确度达到0.992,特异性为0.993和灵敏度为0.990.
- 注意分支显著改善了估计性能,特别是在老年患者中.
结论:
- 法医Net提供了一个自动化和准确的解决方案,用于从全景X射线图中估计性别和年代年龄.
- 开发的深度学习模型显示出有潜力显著帮助法医调查和个人识别过程.
