使用死后计算机断层扫描的头骨轮图像进行性别估计,该图像是通过深度学习进行的.

科学领域:

• 法医人类学 法医人类学
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 在大规模伤亡事件中,迅速的个人身份识别至关重要.
• 头骨形态是性别估计的一个关键指标.
• 传统的方法可能会耗时.

研究的目的:

• 利用头骨轮图像开发一种快速性别估计方法.
• 应用深度学习技术,以提高性别确定准确度.
• 为此目的探索死后计算机断层扫描 (PMCT) 和X射线成像的实用性.

主要方法:

• 使用来自头部PMCT扫描的2D轮图像.
• 运用深度学习模型 (AlexNet,VGG16) 进行转移学习.
• 使用单个和多个投影角度进行调查,以多数投票对性别估计的准确性进行了调查.

主要成果:

• VGG16模型从侧面头骨投影中获得了89.8%的性别估计准确度.
• 从多个角度结合多数投票,精度提高到91.7%.
• 证明了使用PMCT和传统X射线的轮图像的可行性.

结论:

• 深度学习与头骨轮图像相结合,为快速的性别估计提供了一种可行的方法.
• 这种技术有可能在法医背景下改善个人身份识别.
• 除了PMCT外,X射线成像也可以有效地用于这种识别方法.