使用机器学习和ATR-FTIR光谱测定骨肌伤口年龄的新策略:消除早期死后干扰
Xuehong Qian1, Shisheng Zhu2, Qiang Chen1
1Department of Forensic Medicine, Faculty of Basic Medical Sciences, Chongqing Medical University, Chongqing 400016, China.
概括
由于死后的变化,估计骨肌肉伤口年龄具有挑战性. 这项研究使用ATR-FTIR光谱学和机器学习来准确确定伤口年龄,即使是早期的死后改变.
科学领域:
- 法医科学 法医科学 法医科学
- 生物化学 生物化学
- 频谱学是一种光谱学.
背景情况:
- 在法医调查中,准确估计骨肌肉伤口年龄至关重要.
- 死亡后的变化通过掩盖生物证据,使年龄估计显著复杂化.
- 现有的方法在存在早期死后改变的情况下,难以提供可靠的年龄估计.
研究的目的:
- 开发一种可靠的方法来估计骨肌肉伤口年龄.
- 为了应对早期死后变化的挑战,干扰年龄的确定.
- 为此目的,研究ATR-FTIR光谱学与机器学习相结合的实用性.
主要方法:
- 使用了减弱总反射率里埃变换红外光谱 (ATR-FTIR).
- 采用多种机器学习算法,包括基因算法优化的Ridge,Lasso和部分最小平方回归模型 (GA-Ridge,GA-Lasso,GA-PLS).
- 目标光谱特征与死后骨肌肉中的生化变化有关.
主要成果:
- 开发了回归模型,显示出对死后变化的强烈抵抗力.
- 取得了优异的预测性能,最佳交叉验证R平方 (CV-R2) 为0.78和测试R平方 (测试R2) 为0.77.
- 确定了与伤口年龄相关的八个关键光谱特征带,与蛋白质,脂和核酸的变化有关.
结论:
- 提出了一种使用ATR-FTIR和机器学习来估计骨肌肉伤口年龄的新方法.
- 开发的模型有效地解释了早期的死后变化,提高了准确性.
- 这项研究为法医伤口年龄的确定提供了一种新的技术方法.
