从计算机断层扫描图像对性别估计进行定量地图测量的可用性:一种机器学习方法

科学领域:

• 法医人类学 法医人类学
• 放射学 放射学是一门学科.
• 生物识别信息 生物识别信息

背景情况:

• 性别估计对于法医识别和失踪人员调查至关重要.
• 传统方法依赖于骨遗骸,但先进的成像技术提供了新的可能性.
• 亚特拉斯脊椎,由于其独特的解剖特征,是性别决定的潜在候选人.

研究的目的:

• 评估从计算机断层扫描 (CT) 图像的量化度量测量的有效性.
• 为了评估各种机器学习算法的性能在性别估计使用 atlas 形态测量.
• 为了确定特定的亚特拉斯参数在性别区分中的诊断价值.

主要方法:

• 分析了200名个体 (100名男性,100名女性) 的CT图像.
• 测量了亚特拉斯脊椎的18个度量参数 (16个长度,2个角度).
• 使用13个机器学习算法,根据测量参数来预测性别.

主要成果:

• 机器学习模型实现了高性别估计精度,从86%到89%不等.
• 使用五个选定的地图参数,高斯的天真贝叶斯算法获得了最高准确率 (89%).
• 在18个测量过的地图表参数中,有15个显示出男性和女性之间的统计学上显著差异.

结论:

• 从亚特拉斯脊椎的定量度量测量,用机器学习分析,使得准确的性别估计.
• 这种基于CT的形态测量方法为法医识别提供了一个有价值的工具,特别是当只有地图集可用时.
• 这些发现为法医医学检查和识别过程提供了重要的初步数据.