关于优化南中国人口年龄估计模型的效率的可行性研究,该模型是用于第二和第三的机器学习组合
Zihong Zeng1, Xuelian Cheng1, Chiyuan Feng1
1Guangzhou Key Laboratory of Forensic Multi-Omics for Precision Identification, School of Forensic Medicine, Southern Medical University, Guangzhou, 510515, China.
Journal of imaging informatics in medicine
|January 6, 2025
概括
这项研究开发了先进的机器学习模型,用于在中国南部的个人中使用第二 (M2) 和第三 (M3) 来估计牙年龄. 投票和随机森林模型显示出高准确度,有助于法医评估刑事责任的年龄.
科学领域:
- 法医人类学 法医人类学
- 牙科 牙科 牙科 牙科
- 机器学习 机器学习
背景情况:
- 牙科年龄估计在法医人类学中至关重要,特别是随着刑事责任法律年龄的不断变化.
- 青少年犯罪需要可靠的方法来确定年龄,特别是在法律上下文.
- 现有的方法需要在特定人群中提高精度.
研究的目的:
- 建立第二 (M2) 和第三牙 (M3) 的形态数据库,以估计中国南部个体的牙年龄.
- 评估先进的机器学习算法的有效性,以精确确定年龄.
- 为法医年龄评估提供一个强大的预测方案,特别是在刑事责任年龄方面.
主要方法:
- 收集了来自1486名年龄在8.00至24.99岁的个体的骨科术数据.
- 使用德米尔吉安方法来评估M2和M3的发展,逐步回归证实了M2的适用性.
- 实施和评估机器学习算法,包括随机森林,支持矢量机,决策树,AdaBoost和投票方法.
主要成果:
- 投票模型实现了最佳的整体性能,平均绝对误差 (MAE) 为0.7207.
- 对于12-14岁年龄组的估计模型显示了最高的准确性 (MAE为0.5081).
- 特别针对12-14岁年龄组的随机森林模型产生了最高的准确性,MAE为0.4248.
结论:
- 先进的机器学习算法显著提高了使用M2和M3估计牙年龄的精度.
- 开发的模型提供了一种强大而准确的方法,用于在中国南部的人口中进行法医年龄评估.
- 这项研究为确定刑事责任年龄提供了有价值的工具.
