机器学习方法是否解决了牙年龄估计中的线性回归的主要陷?

科学领域:

• 法医人类学 法医人类学
• 牙医年龄估计 牙科年龄估计
• 机器学习应用 机器学习应用

背景情况:

• 牙年龄估计在法医和人类学研究中至关重要,因为牙的保存.
• 机器学习 (ML) 算法在年龄估计中提供了高精度.
• 牙年龄估计中的ML方法的精度和错误趋势需要彻底调查.

研究的目的:

• 将ML辅助年龄估计方法与传统技术进行比较.
• 评估随机森林,支持向量回归,K-最近邻居和梯度增强方法的性能.
• 以对线性回归和细分正常贝叶斯校准来评估准确度和精度.

主要方法:

• 分析了来自南非儿童 (年龄在5-14岁) 的1,949个骨科透视仪.
• 对ML模型 (随机森林,SVR,KNN,GBM) 与线性回归和SNBC进行比较.
• 使用平均绝对误差,根平均平方误差,四分位数间范围和误差斜率进行评估.

主要成果:

• 在准确性方面,ML方法略高于传统模型.
• 梯度提升方法和支向量的回归显示了最高的准确性 (MAE:0.69,RMSE:0.85).
• ML和线性回归表现出显著的残余偏差;SNBC没有显示. 性别没有显著影响结果.

结论:

• ML方法在估计牙年龄方面提供了很高的准确性.
• 机器学习模型中的系统错误趋势需要仔细评估.
• 未来的研究应该专注于提高准确性,同时减轻偏见.