通过对原型人工智能 (AI) 模型和聚光灯技术的协同集成来增强精液污点检测

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
• 生物医学成像技术 生物医学成像技术

背景情况:

• 泰国的法医科学资源受到越来越多的性犯罪案件的压力.
• 使用Polilight进行精液污染的初步查在区分精液与其他生物流体方面面临挑战,导致确认测试效率低下.

研究的目的:

• 开发和评估人工智能 (AI) 系统,以提高精液污点检测的准确性.
• 将AI系统的性能与经验丰富的法医专家进行比较.

主要方法:

• 使用Roboflow 3.0对象检测开发了两个YOLOv8兼容的AI模型.
• 在不同的光线条件下对1597张精液,尿液和牛奶污点的图像进行训练.
• 评估了模型性能,包括数据增强和不增强,并将结果与五名法医专家进行比较.

主要成果:

• 经过数据增强训练的AI模型在直接照明下实现了75.00%的准确性,超过了专家的准确性 (64.50%).
• 在具有挑战性的照明条件下,人工智能模型保持了平衡的性能,而专家则显示高特异性 (94.00%),但敏感性低 (45.00%).
• 人工智能在精液识别方面表现出可靠性,但与尿液和牛奶污点专家面临的差异化挑战相似.

结论:

• 人工智能模型,特别是数据增强模型,为初步的精液染色查提供了强大而一致的工具.
• 在最佳条件下,人工智能系统可以超过人类专家的准确性,支持人类-人工智能协作工作流.
• 实施人工智能作为主要选工具可以提高效率,减少工作量,提高法医调查的可靠性.