从使用深度学习的骨科影像中自动估计性别和年龄:与人类预测的比较

科学领域:

• 法医牙科 法医牙科
• 人工智能的人工智能是人工智能.
• 医学成像医学成像

背景情况:

• 准确的性别和时间表年龄估计在法医鉴定中至关重要.
• 传统的方法是手动的,耗时的,容易出错的.
• 需要自动化解决方案来提高效率和准确性.

研究的目的:

• 开发一种用于性别和年龄估计的自动和强大的深度学习方法.
• 使用多任务深度学习网络来分析骨科影像.
• 将模型的表现与人类观察者的表现进行比较.

主要方法:

• 开发了一个多任务深度学习网络,具有VGG骨干和注意力分支.
• 该模型经过2067次骨科影像训练,涵盖3至89岁的年龄段.
• 使用平均绝对误差 (MAE),R2和分类准确度来评估性能.

主要成果:

• 该模型实现了MAE为3.43年,年龄估计R2为0.941.
• 性别估计的准确性达到了90.2%,超过了人类观察者 (46.3%-63%).
• 与人类预测相比,该模型显示出更高的准确性和一致性.

结论:

• 多任务深度学习模型为性别和年龄的估计提供了一个高度准确的,自动化的方法.
• 这种人工智能驱动的方法显示了增强法医识别过程的巨大潜力.
• 该模型为手工估计技术提供了更一致,更准确的替代方案.