机器学习使用随机森林来区分头部创伤的打击和跌倒情况
Johair Temma1, Luísa Nogueira2, Frederic Santos3
1Institut Universitaire d'Anthropologie Médico-Légale, Unité de Recherche Clinique Côte d'Azur (UR2CA), 28 Avenue de Valombrose, Nice cedex 2, 06107, France. temma.j@chu-nice.fr.
International journal of legal medicine
|February 22, 2025
概括
区分头部创伤从跌倒和造成的打击是至关重要的. 随机森林模型准确地识别了受伤模式,如压力骨折和额外疼痛性血瘤,表明在体头部创伤病例中的攻击.
科学领域:
- 法医医学 法医医学
- 创伤分析 创伤分析
- 计算病理学计算病理学
背景情况:
- 在法医评估中,粗的头部创伤很常见.
- 从意外跌倒和故意撞击中区分伤害提出了诊断挑战.
- 准确的确定对于法律和临床环境至关重要.
研究的目的:
- 开发一种预测模型,以区分与跌倒相关的头部伤害与受到冲击造成的头部伤害.
- 使用创新的随机森林 (RF) 分类方法进行伤害差异化.
主要方法:
- 分析了65例因跌倒或受到打击而造成的头部形创伤 (年龄大于18岁) 的病例.
- 预先的单变量逻辑回归分析.
- 随机森林 (RF) 分类用于预测建模的应用.
主要成果:
- 确定了造成打击的特定伤害指标:压缩骨折,左侧头骨骨折和外轴出血 (特别是外周血瘤).
- 射频分类模型实现了78%的准确率.
- 该模型有效地确定了关键的伤害标准,区分了跌倒和攻击.
结论:
- 随机森林分类提供了一种可行的方法来区分与落有关的头部伤害和造成的头部伤害.
- 关键的伤害模式作为攻击的可靠预测器在头部突发创伤的案件.
- 开发的模型有助于法医从业人员解释脑损伤.


