可解释的人工智能用于使用转移学习与预训练的深度神经网络识别尖伤害.
Shoutao Ni1, Fangmao Ju2, Jiaxin Zhang3
1School of Investigation, People's Public Security University of China, Beijing 100000, PR China; Institute of Forensic Science, Ministry of Public Security, Beijing 100038, PR China; Department of Qingdao Railway Public Security, Qingdao, Shandong, 266000, PR China.
Forensic science international
|April 29, 2025
概括
这项研究开发了一种AI深度学习模型来分类尖物伤害,在刺伤和砍伤方面显示出高准确度,与高级法医病理学家相当. 人工智能模型提供快速有效的法医伤害分析.
科学领域:
- 法医科学 法医科学 法医科学
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 在法医病理学中,精确分类尖物伤害至关重要.
- 传统方法依赖于专家的人类分析,这可能是耗时和主观的.
研究的目的:
- 开发和评估基于人工智能的深度学习方法,用于自动识别和分类尖伤害.
- 评估人工智能模型的准确性和可解释性,以支持法医伤害分类.
主要方法:
- 使用了1161张尖伤害图像 (刺伤,砍伤,切伤) 的数据集.
- 三个深度学习模型 (ResNet50,GoogleLeNet,ShuffleNet-V2) 使用转移学习进行了微调.
- 人工智能模型的性能得到了定量测试,并与使用外部数据的法医病理学家进行了比较.
主要成果:
- 谷歌LeNet模型实现了88.2%的整体准确度,对于刺伤 (98.4%) 和砍伤 (96.7%) 的高准确度.
- 人工智能分类比人类分析快得多,对于刺伤和砍伤的准确性相似.
- 人工智能模型解释 (性地图) 与法医病理学家的观察结合在一起.
结论:
- 人工智能模型在法医伤害分类中展示了实际的实用性,特别是对于刺伤和砍伤的伤口.
- 开发的AI方法能够准确识别和快速区分尖物伤害.
- 人工智能显示出增强法医病理学专业知识的潜力,提高效率和一致性.
