开发一种深度学习算法,用于对脊柱的CT图像进行年龄估计

科学领域:

• 法医科学 法医科学 法医科学
• 医学成像医学成像
• 人工智能的人工智能是人工智能.

背景情况:

• 准确估计尸体的年龄对于识别至关重要.
• 传统方法往往缺乏精度,特别是在老年人身上.
• 计算机断层扫描 (CT) 图像提供了详细的解剖学可视化.

研究的目的:

• 开发和评估一种深度学习算法,用于从脊柱CT图像中精确估计年龄.
• 为了评估算法的准确性与传统方法相比,在尸体年龄的确定.
• 在法医调查中提高识别准确度.

主要方法:

• 基于视觉几何组-16 (VGG16) 的深度学习模型,并通过包装进行增强,在8个年龄段的140名患者的1,120次CT扫描上进行了训练.
• 该算法的性能使用219具尸体的死后CT (PMCT) 数据进行了验证.
• 统计分析包括平均差异,平均绝对误差 (MAE),估计的标准误差 (SEE),类内相关系数 (ICC) 和布兰德-阿尔特曼分析.

主要成果:

• 该算法实现了0.30年的平均差异,4.36年的平均绝对误差 (MAE) 和5.48年的估计标准误差 (SEE).
• 类内相关系数 (ICC) 为0.96 (95% CI:0.95-0.97,p < 0.001),表明可靠性很高.
• 布兰德-阿尔特曼分析证实,没有明显的比例或固定错误.

结论:

• 开发的深度学习算法在估计从脊柱CT图像中尸体年龄方面表现出卓越的准确性.
• 这种人工智能驱动的方法为传统的年龄估计技术提供了一个非常有用和更精确的替代方案.
• 这些发现对法医鉴定和未识别遗骸的年龄评估具有重大意义.