机器学习在使用CBCT对犬的形态测量来估计性别

科学领域:

• 法医人类学 法医人类学
• 牙科法医医学 牙科法医医学
• 机器学习在医学中的应用

背景情况:

• 准确的性别估计在法医调查中至关重要.
• 牙结构,特别是大犬,为生物识别分析提供了潜力.
• 圆束计算机断层扫描 (CBCT) 为牙科测量提供了详细的3D成像.

研究的目的:

• 为了评估通过CBCT获得的上犬的测量,以估计性别.
• 开发和验证机器学习模型,用于使用牙科指标自动确定性别.

主要方法:

• 对610名患者的CBCT扫描进行了分析,以测量上犬的尺寸 (总长度,牙的厚度,半距离宽度).
• 监督的机器学习算法 (例如,LightGBM,后勤回归,随机森林) 经过10倍交叉验证进行训练和验证.
• 使用包括曲线下面面积 (AUC),准确度,精度和F1分数在内的指标来评估性能.

主要成果:

• 大犬牙总长度是性别估计中最重要的变量.
• 轻GBM和物流回归模型在测试数据上实现了最高的AUC值 (分别为0.77和0.75).
• 这两种表现最好的模型都表现出高精度,表明可靠的预测.

结论:

• 大犬的测量,当用机器学习分析时,为性别估计提供了可行的方法.
• 这种方法提供了一个低成本的,基于单个解剖结构的解决方案,用于法医识别.