相关实验视频
Updated: Jan 10, 2026
09:47
Spotting Cheetahs: Identifying Individuals by Their Footprints
Published on: May 1, 2016
15.3K
从全脚X射线进行性别估计的深度学习:用于快速法医识别的基准CNN
Rukiye Çiftçi1, İpek Atik2, Özgür Eken3
1Department of Anatomy, Medical Faculty, Gaziantep Islam Science and Technology University, Gaziantep 28010, Turkey.
Diagnostics (Basel, Switzerland)
|November 27, 2025
概括
足部X射线图的深度学习可以准确地估计性别,优于传统方法. 这提供了一个快速,经济高效的法医识别工具,当DNA分析是不可行的.
科学领域:
- 法医人类学 法医人类学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 准确的性别估计在法医鉴定中至关重要,特别是在碎片化遗骸或当DNA分析不切实际时.
- 使用单个骨测量的传统方法在准确度上有局限性.
- 使用先进的成像技术进行自动性估计仍然是一个未经探索的领域.
研究的目的:
- 为了评估深层卷积神经网络 (CNN) 对于自动性估计的有效性.
- 为了利用整个脚的X线图作为性别估计的主要数据来源.
- 为了比较各种CNN架构对此任务的性能.
主要方法:
- 追溯收集了471张成年人的足部X射线图 (238名男性,233名女性).
- 通过通过数据增强的转移学习来训练六个CNN架构 (AlexNet,ResNet-18/50,ShuffleNet,GoogleNet,InceptionV3).
- 使用准确度,灵敏度,特异性,精度和F1分数进行性能评估.
主要成果:
- InceptionV3 CNN模型以97.1%的准确度达到最高,具有高灵敏度 (97.5%) 和特异性 (96.8%).
- ResNet-50也表现出强的表现,准确率为95.7%.
- 这些深度学习模型显著超过了传统的人类测量方法 (通常为72-89%) 的准确性.
结论:
- 应用于全脚放射图的深度学习模型为性别估计提供了最先进的准确性.
- 这种自动化方法为法医识别提供了一种快速,可重复和具有成本效益的解决方案.
- 它在大规模灾难场景或临床紧急情况中特别有价值,因为DNA分析可能会延迟或无法使用.
