多模式融合和深度学习对基于骨矿物质密度的成年人年龄估计的影响
Yongjie Cao1,2, Ji Zhang3, Yonggang Ma4
1Institute of Forensic Science, Fudan University, Shanghai, China.
International journal of legal medicine
|March 18, 2025
概括
深度学习与多种成像类型的骨矿物质密度相结合,准确估计成人年龄. 这种人工智能方法提高了临床和法医应用的准确性.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 法医科学 法医科学 法医科学
背景情况:
- 准确的成年人年龄估计在法医和临床环境中具有挑战性.
- 骨矿物质密度 (BMD) 显示与年龄相关的变化,使其成为一个关键标志物.
- 深度学习 (DL) 提供了使用BMD增强年龄估计的潜力.
研究的目的:
- 为了提高成年人的年代年龄估计准确度.
- 通过基于BMD的多模式融合战略,利用深度学习 (DL).
- 开发一种基于人工智能的系统,用于精确的成年年龄估计 (AAE).
主要方法:
- 从中国人口中对4296张CT扫描 (腰部,股骨,阴茎) 的回顾性分析.
- 应用DL模型集成多模式聚变用于自动化年龄预测.
- 在内部临床队列 (644 扫描) 和外部尸体队列 (351 扫描) 上进行验证.
主要成果:
- 多模式融合模型的表现优于单模式评估.
- 在内部验证中,最佳模型获得了0.89的R2 (总体) 和4.05的MAE.
- 模型在外部验证中显示了R2为0.84和MAE为5.01的概括性.
结论:
- 多种模式与DL的融合显著提高了基于BMD的成年人年龄估计准确度.
- 人工智能系统为准确的AAE提供了一个强大的工具.
- 这项技术可以推进老年诊断和法医调查.
