人工智能模型用于预测成年患者通过舌骨预测性二重形态

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:

• 性别确定在法医和人类学调查中至关重要.
• 传统的性别估计方法可能受到骨材料的可用性和保存的限制.
• 人工智能的进步为骨分析提供了新的途径.

研究的目的:

• 开发和评估一个受监督的机器学习模型,用于使用舌骨尺寸来确定性别.
• 为了确定哪些舌骨测量具有最高的性估计预测准确度.
• 评估人工智能在法医和人类学背景下提高性别确定准确性的潜力.

主要方法:

• 分析了495名患者的横向头脑电图.
• 横向和垂直的舌骨尺寸和舌口腔距离的集合.
• 使用五倍交叉验证,对八种监督机器学习算法 (逻辑回归,梯度提升,KNN,SVM,MLP,决策树,AdaBoost,随机森林) 的训练和验证.

主要成果:

• 舌骨的水平维度在所有模型中表现出最强的预测能力.
• 曲线下的面积 (AUC) 值在0.78至0.86之间,表明模型性能良好.
• 随机森林分类器在确定性别方面实现了最高的准确率.
• 监督机器学习模型表现出良好的预测准确性.

结论:

• 舌骨的尺寸,特别是水平测量,可以通过机器学习有效地用于性别确定.
• 人工智能驱动的方法显示出在法医和人类学应用中提高性别估计的准确性和效率的巨大潜力.
• 这项研究突出了机器学习在分析骨形态的有用性,用于识别目的.