使用开放访问的统计和机器学习工具对形束计算断层扫描样本进行生物性别调查的新骨测量措施的探索性分析

科学领域:

• 法医人类学 法医人类学.
• 生物人类学 生物人类学
• 医学成像分析分析 医学成像分析

背景情况:

• 从人类骨遗骸中确定生物性别在物理人类学中至关重要.
• 骨的保存有所不同,需要不同的方法来估计性别.
• 面部测量为预测性别提供了一个潜在的途径,特别是在先进的成像技术中.

研究的目的:

• 评估特定面部测量 (双前额宽度,内轨道孔隙距离,鼻子宽度,犬间宽度,精神孔隙距离) 对于生物性别预测的有效性.
• 将传统的统计方法与用于性别确定的开放式机器学习工具进行比较.
• 开发和验证人类遗骸中性别估计的预测模型.

主要方法:

• 利用形束计算断层扫描 (CBCT) 对54个人的扫描.
• 对面部测量进行了描述性分析和统计测试 (T-学生,曼-惠特尼).
• 开发并测试了后勤回归,决策树,随机森林和人工神经网络模型.

主要成果:

• 在选择的面部测量和生物性别之间发现了强烈的相关性.
• 综合测量实现了超过80%的男性和82%的女性的预测准确率.
• 统计和机器学习模型都准确地预测了测试样本中的所有个体的性别.

结论:

• 面部测量,当集体分析时,是有效的生物性别预测.
• 机器学习模型显示出在法医人类学中增强性别决定的巨大潜力.
• 这些经过验证的模型可以为该领域的专家增强现有的调查工具.