在当代意大利人口中,从骨测量中估计性别:一种机器学习方法
Siam Knecht1, Paolo Morandini2, Lucie Biehler-Gomez3
1Aix Marseille Université, CNRS, EFS, ADES, Marseille, 13007, France.
International journal of legal medicine
|November 4, 2024
概括
法医人类学家现在可以使用骨 (膝盖) 测量来估计生物性别. 机器学习模型实现了高精度,SVM表现最好,有助于骨架分析.
科学领域:
- 法医人类学 法医人类学
- 生物识别信息 生物识别信息
- 机器学习 机器学习
背景情况:
- 生物性别估计在法医人类学中至关重要.
- 骨表现出性二态,使其成为确定性别的潜在元素.
- 以前的研究已经探索了其他骨元素来估计性别.
研究的目的:
- 为了评估机器学习模型在估计生物性别时的有效性,使用骨测量.
- 在意大利人口中,从骨数据评估性别估计的准确性.
- 为了确定最佳的机器学习模型,以骨为基础的性别估计.
主要方法:
- 收集了180个当代意大利骨 (83个男性,97个女性) 和21个法医病例的数据.
- 使用了三种骨测量:最大高度,宽度和厚度.
- 应用了12个机器学习分类器,包括支持矢量机器 (SVM),在参考和独立样本上进行训练和验证.
主要成果:
- 这三种骨测量均显示出显著的性二态.
- 机器学习模型在参考样本上达到0.85到0.91的准确度.
- 在独立样本上的验证结果的准确度在0.71到0.95之间,SVM显示出最高的性能.
结论:
- 用机器学习分析的骨测量为生物性别估计提供了可靠的方法.
- 该SVM分类器被确定为这个应用程序最准确的模型.
- 这项研究开创了机器学习在意大利人群中用于带性估计的开创性应用,增强了法医人类学工具.
