技术说明:图像大小对使用机器学习分析血迹模式的影响.
Ainaz Alavi1, Theresa Stotesbury2, Peter R Lewis3
1Faculty of Business and Information Technology, Ontario Tech University, 2000 Simcoe St N, Oshawa, L1G 0C5, Ontario, Canada; Faculty of Science, Forensic Science Ontario Tech University, 2000 Simcoe St N, Oshawa, L1G 0C5, Ontario, Canada.
Forensic science international
|November 16, 2025
概括
高分辨率图像对于使用机器学习 (ML) 准确地分类血迹模式并非必不可少. 具有较少特征的简化模型也实现了可比的准确性,这表明更有效的法医图像分析是可能的.
科学领域:
- 法医科学 法医科学 法医科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 血液染色模式分析 (BPA) 在法医学中至关重要.
- 高分辨率成像和复杂的机器学习 (ML) 模型在计算上要求很高.
- 对于基于ML的BPA精度而言,高分辨率图像的必要性受到质疑.
研究的目的:
- 调查图像分辨率对基于ML的血迹图案分类的影响.
- 评估特征选择在简化BPA的ML模型中的有效性.
- 探索更高效,更准确的法医图像分析的潜力.
主要方法:
- 一个现有实验的复制,区分冲击与前向喷.
- 使用原始和调整大小 (降低分辨率) 的图像进行分类准确性的比较.
- 通过减少特征集 (4 个特征与 58 个特征) 评估分类性能.
主要成果:
- 降低图像分辨率并没有显著影响分类准确度.
- 仅使用四个关键特征的模型实现了与58个特征的原始模型相比的准确性.
- 机器学习模型证明了对图像细节和复杂性的降低的稳定性.
结论:
- 高分辨率图像可能不必用于基于ML的精确血迹模式分类.
- 功能选择可以导致更简单,更高效的ML模型,而不会影响准确性.
- 了解ML模型行为对于在法医工作流程中负责任实施至关重要.


