一种机器学习方法用于基于三角骨地标的年龄预测

科学领域:

• 法医人类学 法医人类学
• 放射学 放射学是一门学科.
• 机器学习 机器学习

背景情况:

• 准确的时间表年龄估计在法医科学中至关重要.
• 像手腕X射线等传统方法也有局限性.
• 圆束计算机断层扫描 (CBCT) 为年龄评估提供了详细的解剖数据.

研究的目的:

• 开发和评估一种新的机器学习 (ML) 方法,用于使用CBCT估计时间年龄 (CA).
• 为了比较基于ML的年龄估计的准确性与传统的Greulich和Pyle (GP) 方法.

主要方法:

• 使用了48个CBCT扫描和成长中的个体的手腕X射线图的数据集.
• 通过主要组件分析 (PCA) 和决策树分析了CBCT的12个里程碑.
• 一个遗传算法优化了地标选择,以改善CA估计.

主要成果:

• 结合遗传算法,PCA和回归树的ML方法,实现了1.29的平均平方误差 (MSE) 和0.92.9的平均绝对误差 (MAE).
• 这种ML方法与手腕方法相比显示出更高的准确性 (MSE=2.038,MAE=1.775).

结论:

• 使用CBCT的拟议ML方法提供了比传统技术更准确的年龄估计.
• 这种基于CBCT的ML方法显示了作为法医年龄预测的可靠工具的潜力.
• 对于更广泛的法医应用,建议对更大,更多样化的数据集进行进一步验证.