在法医人类学中,从长骨中估计性别的具体案例准确性:一种"准确性x因子"方法
Siam Knecht1, Gabriele Krüger2, Leandi Liebenberg2
1Aix Marseille Univ, CNRS, EFS, ADES, Marseille, France.
Forensic science international
|January 17, 2026
概括
机器学习显著改善了从长骨中估计性别,达到高达93%的准确性. 一种新的"精度x因子"方法为法医人类学提供了个性化的可靠性评估.
科学领域:
- 法医人类学 法医人类学
- 生物信息学是一种生物信息学.
- 骨生物学 骨生物学
背景情况:
- 从骨遗骸中估计性别在法医人类学中至关重要.
- 长骨对于估计性别是有价值的,但传统方法缺乏精度.
- 机器学习 (ML) 提供了从长骨中提高性别估计准确性的潜力.
研究的目的:
- 探索机器学习的潜力,以改善人类长骨的性别估计.
- 开发一种方法来评估性别估计中的特定病例可靠性.
- 加强法医案件中性别估计的法律可接受性.
主要方法:
- 分析了2969个人的手腕,半径,股骨和骨的16个骨测测量结果.
- 训练并交叉验证了11个ML算法,在独立样本上进行验证.
- 开发并应用了一种"精度x因子"方法来模拟缺失的数据并评估可靠性.
主要成果:
- 线性差异分析 (LDA) 获得了最高的准确性 (高达93%).
- "准确性x因子"方法提供了每个个体的信心指标,显示可靠性随着数据的完整性而变化.
- 调整分类值增加了对可靠的案件子集的信心,并降低了错误率.
结论:
- 机器学习为从长骨中估计性别提供了一个强大的框架.
- "准确性x因子"方法为透明的,具体案例的信心水平提供了显著的方法进步.
- 这提高了基于长骨的性别估计的法医适用性和法律可接受性.
