开发一种完全适用的基于机器学习 (ML) 的性别分类模型,使用线性头骨尺寸

科学领域:

• 法医人类学 法医人类学
• 人工智能的人工智能
• 机器学习 机器学习

背景情况:

• 法医人类学在危机期间的识别中发挥着至关重要的作用,但依赖于过时的方法.
• 人工智能和机器学习的最新进展尚未在法医人类学中得到广泛采用.
• 现有的AI/ML研究对性别和年龄的估计在很大程度上是概念性的,缺乏现实世界的应用.

研究的目的:

• 展示一种方法来开发基于ML的性别分类模型,使用头骨尺寸.
• 解决应用先进的计算方法在法医人类学中的差距.
• 创建一个实用的工具,用于性别估计和方法验证在法医背景下.

主要方法:

• 利用机器学习算法应用于克罗地亚人口的头骨尺寸.
• 集成的人类学实地知识与ML模型.
• 开发了一个Web应用程序 (CroCrania) 用于实际使用和验证.

主要成果:

• 在被研究的人群中,达到超过95%的性别估计准确度.
• 成功开发和部署了用于性别估计的功能性Web应用程序.
• 在真实数据上验证了ML方法.

结论:

• 机器学习为法医人类学中的性别估计提供了一种强大而准确的方法.
• 开发的CroCrania网络应用程序为法医从业者提供了一个有价值的工具.
• 将AI/ML整合到法医人类学中可以显著提高识别能力.