相关实验视频
Updated: Jun 30, 2026

05:05
Four-Dimensional CT Analysis Using Sequential 3D-3D Registration
Published on: November 23, 2019
7.8K
使用骨磁共振图像切片的卷积神经网络进行性别估计
Nevin Cavlak1, Gökalp Çınarer2, Mustafa Fatih Erkoç3
1Department of Forensic Medicine, Faculty of Medicine, Yozgat Bozok University, Yozgat, Türkiye.
Forensic science, medicine, and pathology
|February 19, 2025
概括
从骨MRI切片的性别估计是可以使用人工智能. 深度学习模型,特别是ResNet50,实现了高精度,为传统方法提供了更快的替代方案.
科学领域:
- 法医人类学 法医人类学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 传统的骨头性别估计依赖于形态测量分析,这是劳动密集型的,需要专业知识.
- 需要自动化图像分析来提高性别估计的效率和可访问性.
研究的目的:
- 评估深度学习模型的有效性,以使用状磁共振图像 (MRI) 来估计性别.
- 为此任务比较各种卷积神经网络 (CNN) 架构的性能.
主要方法:
- 使用了EfficientNetB3,MobileNetV2,VGG16,ResNet50和DenseNet121的深度学习架构. 这些架构包括:
- 从696个个体 (293名男性,403名女性) 的6710个斜腿部MRI切片上训练模型.
- 使用标准评估指标评估模型性能.
主要成果:
- 在ResNet50模型实现了最高的准确度为88.88%.
- 开发的分类模型表现出强的性能,准确度为85.70%.
- 所有评估的深度学习模型都显示出从皮带MRI中自动化性别估计的潜力.
结论:
- 在没有形态测量分析的情况下,通过骨MRI切片进行性别估计是可行的.
- 深度学习方法为法医和临床环境中的性别确定提供了一个有希望的,自动化的替代方案.

