深度学习可以通过自动构建牙科全景放射图数据库来识别人类吗?

科学领域:

• 法医牙科 法医牙科
• 人工智能的人工智能
• 生物识别信息 生物识别信息

背景情况:

• 人类识别在法医科学中至关重要.
• 牙科记录,特别是牙科全景放射 (DPR),提供了一个独特的标识符.
• 传统方法用于匹配死前 (AM) 和死后 (PM) 牙科记录可能会耗费大量时间.

研究的目的:

• 开发和评估一种基于深度学习的新方法,用于使用牙变化识别人类.
• 评估卷积神经网络 (CNN) 在匹配AM和PM牙科全景放射图中的有效性.
• 分析成像时间间隔和性别对识别准确性的影响.

主要方法:

• 使用了来自20-49岁成年人1,029个AM-PM DPR的数据集.
• 训练了一个深度学习模型来识别牙变化并计算相似度得分.
• 根据相似性生成候选组 (CG),并分析匹配的等级.

主要成果:

• 该方法在匹配AM和PMDPR方面取得了很高的成功率,最高20%的提取率达到83.2%的准确率.
• 与男性 (71.3%) 相比,女性的成功率明显高 (97.2%,最高20%).
• 基于平均成像时间间隔17.7年,观察到相似度得分的显著差异.

结论:

• 应用到牙科全景放射图的深度学习是人类识别的高效方法.
• 拟议的技术显著减少了候选组的大小,简化了识别过程.
• 该研究强调了人工智能在法医牙科中的潜力,用于准确和高效的识别.