头骨CT元数据用于通过使用三维深度学习框架自动评估骨年龄

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:

• 骨年龄评估 (BAA) 在法医科学中至关重要,特别是在只有骨遗骸 (如头骨) 可用时.
• 目前的方法在准确性方面面临挑战,特别是在极端的法医场景中.

研究的目的:

• 使用头骨CT元数据为BAA开发一个准确的3D深度学习 (DL) 框架.
• 探索新的头骨标记,以提高BAA准确度.

主要方法:

• 追溯分析了来自1085名患者 (16.32-90.56岁) 的385175个头骨CT切片.
• 开发一个3DDL框架,并与现有的DL和传统机器学习 (ML) 模型进行比较.
• 使用培训,测试和外部验证集的平均绝对误差 (MAE) 进行评估.

主要成果:

• 与其他模型相比,拟议的3D DL框架实现了优异的MAE:在测试组中,5.70岁 (男性) 和7.84岁 (女性).
• 传统的ML和其他DL方法显示了更高的MAE,从10.12到14.12年.
• 该模型发现了新的骨标记物,增强了BAA的能力.

结论:

• 开发的3D DL框架提供了一个更准确,更强大的方法来从头骨CT数据中对BAA进行分析.
• 这个框架可以作为在法医和临床环境中从3D头骨CT元数据中提取高级特征的基础.
• 该研究强调了人工智能在克服法医年龄估计局限性的潜力.