用深度学习进行法医牙科年龄估计:用于全景X射线图像的修改后的xception模型

科学领域:

• 法医牙科 法医牙科
• 医学中的人工智能
• 医学成像分析分析 医学成像分析

背景情况:

• 准确的法医年龄估计对于法律和道德原因至关重要.
• 脊柱造影 (OPG) 图像为年龄评估提供了有价值的数据.
• 深度学习为提高年龄估计准确度提供了一个有希望的方法.

研究的目的:

• 开发一种改进的深度学习方法,用于使用OPG图像进行法医年龄估计.
• 为了区分12岁以下的个人和12岁及以上的个人.
• 为此法医应用确定最有效的深度学习模型.

主要方法:

• 收集了来自两个放射科的5-15岁的1941名儿科患者的数据集.
• 评估了各种深度学习模型,包括Xception,ResNet和EfficientNet.
• 使用传统的指标 (CA,SE,SP,K,AUC) 和一个新的多边形面积指标 (PAM) 用于不平衡的数据集.

主要成果:

• 基于Xception的"法医Xception"模型以0.8828.8的PAM得分实现了最高的性能.
• 证明了卓越的分类准确性,灵敏度,特异性,卡帕,AUC和F1分数.
• 该PAM指标提供了一个全面的评估,特别是不平衡的法医数据集.

结论:

• 深度学习模型,特别是"法医Xception",从OPG图像中显著提升了法医年龄估计.
• 这种方法显示了在法律背景下准确的年龄分类的潜力.
• 建议进行进一步的研究,以探索更大的数据集,完善模型,并解决伦理方面的考虑.