通过使用机器学习算法和人工神经网络的计算机断层扫描对面道的参数进行性别估计

科学领域:

• 法医人类学 法医人类学
• 医学成像分析 医学成像分析
• 机器学习在医学中的应用

背景情况:

• 头骨是确定性别的关键骨头,因为它具有显著的性二态.
• 在骨内的面部通道 (FC) 包含面部神经,具有临床相关性.
• 准确的性别估计在法医和临床环境中至关重要.

研究的目的:

• 用面孔通道 (FC) 的形态测量来估计性别.
• 应用机器学习 (ML) 和人工神经网络 (ANN) 基于FC参数来确定性别.
• 调查FC形态测量在法医和外科应用中的实用性.

主要方法:

• 对200名个人 (100名男性,100名女性) 的计算机断层扫描 (CT) 图像进行回顾性分析.
• 在多个平面中双边测量与FC相关的九个骨参数.
• 应用各种ML算法 (LDA,DT,RF,k-NN等) 的方法 和一个ANN (MLPC) 用于性别分类.

主要成果:

• 大多数ML和ANN算法在性别确定中实现了0.97的高准确率.
• 二次差异分析 (QDA) 的准确度略低,为0.93.
• 莎普利添加剂测量 (SHAP) 确定了特定的FC测量 (例如,SGA,TSW,内口宽度) 是对性别估计最有影响的.

结论:

• 以面部通道为中心的形态测量显示出高精度的性别估计.
• 这些发现支持在法医调查中使用FC测量,特别是在碎片化遗骸中.
• 这些测量可以为耳科和骨底部手术规划提供有价值的数据.