从使用深度特征选择和特征融合的头骨CT图像来估计人类的性别
Rukiye Çiftçi1, Emrah Dönmez2, Ahmet Kurtoğlu3
1Medical Faculty, Department of Anatomy, Gaziantep Islamıc Science and Technology University, Gaziantep, Turkey.
Scientific reports
|July 23, 2024
概括
这项研究使用深度学习和头骨CT扫描来准确预测性别,达到96.4%的准确率. 卷积神经网络 (CNN) 确定了可靠的性别估计的关键头骨特征.
科学领域:
- 放射学 放射学是一门学科.
- 计算机科学 计算机科学
- 法医科学 法医科学 法医科学
背景情况:
- 性别识别对于识别目的至关重要.
- 头骨计算机断层扫描 (CT) 图像为性别预后提供了潜力.
- 传统方法可能涉及主观测量和专家差异.
研究的目的:
- 开发和评估使用头骨CT图像进行性别预测的深度学习模型.
- 评估模型在估计性别方面的准确性和精确性.
- 探索特征选择对模型性能的影响.
主要方法:
- 利用了421个头骨CT扫描数据集 (218名男性,203名女性),年龄在25-65岁之间.
- 采用深度学习,特别是卷积神经网络 (CNN) 模型,用于特征提取.
- 在图像数据集上训练并测试CNN模型以预测性别.
主要成果:
- 在性别估计方面获得了96.4%的整体准确性.
- 报告的男性性别估计精度为96.1%和女性96.8%.
- 精度因特征选择而有所不同 (95.0%至96.4%),其中1000个特征的收益最高.
结论:
- 深度学习,特别是CNN,对于从头骨CT图像中估计性别是有效的.
- 模型性能受到分类器配置和特征选择的影响.
- 这种自动化方法可以减少专家的变化,加快性别估计.
更多相关视频
10:23Author Spotlight: Three-Dimensional Cephalometric Landmark Annotation Demonstration on Human Cone Beam Computed Tomography Scans
Published on: September 8, 2023
2.7K
03:58Enhancing Electrode Location Assessment in Cochlear Implantation via Computed Tomography Image Fusion
Published on: January 17, 2025
403
