从使用机器学习的下部对儿童和青少年的年龄估计
Erika Calvano Küchler1, Paula Patrícia Krohn2, Eduarda Gaspari Campos Efeiche3
1Department of Orthodontics, MedicalFaculty, University Hospital Bonn, Welschnonnenstr. 17, 53111, Bonn, Germany. erika.kuchler@ukbonn.de.
Scientific reports
|October 7, 2025
概括
监督机器学习准确地估计了儿童和青少年的年龄,使用X射线的下测量. 渐变增强模型表现最好,帮助法医识别,当牙科记录是不可用的.
科学领域:
- 法医人类学 法医人类学
- 生物识别信息 生物识别信息
- 机器学习 机器学习
背景情况:
- 在法医识别中,年龄估计至关重要,特别是当牙科记录丢失时.
- 体形态测量测量为成长中的个体的年龄预测提供了潜在的可能性.
研究的目的:
- 开发和评估监督机器学习模型,以进行年代预测.
- 用下形态测量和性别作为儿童和青少年的预测指标.
主要方法:
- 来自401名患者 (6-16岁) 的横向头脑电图的分析.
- 提取线性和角性下的测量 (例如,下的总长度,骨高度,角).
- 训练八个受监督的机器学习算法,并进行分层的5倍交叉验证.
主要成果:
- 模型在测试组件中实现了最低平均绝对误差 (MAE) 1.54年和根平均平方误差 (RMSE) 1.93年.
- 梯度增强回归器表现出优异的性能,MAE为1.21年,R2为0.56.
- 全下长度 (Co-Pog) 和下大腿高度 (Co-Go) 被确定为关键预测因素.
结论:
- 监督机器学习模型显示,使用下形态测量来准确估计成长中的个体的年龄.
- 梯度提升是这个应用程序的有效算法.
- 建议进行进一步的外部验证,以提高在不同人群和法医环境中的概括性.
更多相关视频
02:42Analysis of Craniomaxillofacial Malformations in Mice Using Three-dimensional Microcomputed Tomography
Published on: January 17, 2025
08:03Midface Hypoplasia and Cranial Base Morphology in Syndromic Craniosynostosis: A Comparative Analysis Study Using a Predictive Regression Model
Published on: November 4, 2025
