自动年龄和性别估计从牙科全景射线图
Natnicha Sributsayakarn1, Thanapong Intharah2, Natthanich Hirunchavarod2
1Department of Pediatric Dentistry, Faculty of Dentistry, Mahidol University, Bangkok, Thailand.
International dental journal
|October 17, 2025
概括
这项研究引入了一种AI深度学习模型,用于从泰国青年的牙科放射图中估计年龄和性别. 人工智能模型显示,它是一个比传统的法医方法更快,更准确的替代方案.
科学领域:
- 法医牙科 法医牙科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 法医牙科学中的传统年龄和性别估计方法复杂,耗时,容易出现人为错误.
- 这项研究解决了这些局限性,提出了一种人工智能驱动的方法,使用深度学习从全景射线图中估计年龄和性别.
研究的目的:
- 从泰国儿童和青少年的全景射线图开发和评估一个深度学习模型,用于同时估计泰国儿童和青少年的年龄和性别.
- 为了比较AI模型在不同年龄组 (7-14岁和15-23岁) 的表现.
主要方法:
- 开发了一个基于EfficientNetB0架构的监督多任务深度学习模型.
- 该模型在4627张来自7至23岁的2491名泰国人的全景放射图上进行了训练.
- 使用转移学习,微调和年龄分层模型来优化预测准确性.
主要成果:
- 总体年龄估计模型 (7-23岁) 实现了1.67的根平均平方误差 (RMSE) 和1.15.15的平均绝对误差 (MAE).
- 年龄分层模型在年轻人 (7-14岁:RMSE 0.95,MAE 0.62) 中表现更好,而不是老年人 (15-23岁:RMSE 1.87,MAE 1.41).
- 性别识别模型表现出高性能 (AUC=0.94,精度=87.8%),老年人 (15-23岁:AUC=0.99,精度=94.7%) 的精度得到改善.
结论:
- 基于人工智能的年龄和性别识别模型显示出作为法医牙科诊断工具的巨大潜力.
- 这种人工智能方法为传统方法提供了一个有前途的替代方案,用于描述个人,无论是活着的还是已故的.
- 该模型的性能因年龄组而异,凸显了人工智能在法医识别应用中需要针对年龄的具体考虑.
