深度学习与人类评估者:从三维计算机断层扫描中进行法医性别估计
Ridhwan Lye1, Hang Min2,3, Jason Dowling4,5
1Centre for Forensic Anthropology, School of Social Sciences, The University of Western Australia, Perth, Australia. ridhwan.dawudlye@research.uwa.edu.au.
Scientific reports
|December 3, 2024
概括
一个新的深度学习 (DL) 框架显著提高了大脑性别估计的准确性. 这种人工智能方法在印度尼西亚CT扫描上进行了测试,减少了人类偏见,优于法医人类学的传统方法.
科学领域:
- 法医人类学 法医人类学
- 计算机科学 计算机科学
- 医疗成像医学成像
背景情况:
- 传统的头骨性别估计依赖于法医人类学家的主观视觉评估.
- 现有的方法可以在不同的人群中表现出人类偏见和精度降低.
研究的目的:
- 开发和评估一个自动深度学习 (DL) 框架,用于增强的头骨性别估计.
- 在法医人类学中,与人类观察员相比,减少偏见并提高准确性.
主要方法:
- 利用了200个印度尼西亚人的头骨CT扫描.
- 培训和评估各种DL网络配置.
- 使用既定标准,与人类观察员进行DL性能比较.
主要成果:
- 最准确的DL网络实现了97%的分类准确度,超过了人类观察者的82%.
- 作为辅助任务,DL模型与头骨特征一起学习了性别估计.
- 格拉德-CAM可视化显示DL模型专注于特定的头骨特征,大小和形状.
结论:
- 深度学习提供了一个有前途的工具,可以帮助法医人类学家估计性别.
- DL框架可以提供更准确,更不偏的骨性别估计.
- 这项技术有可能提高法医分析的可靠性.


