多任务深度学习用于从巴西年轻人群中的全景射线图中估计性别和年龄
Matheus L Oliveira1, Su Yang2, Matheus Sampaio-Oliveira1
1Department of Oral Diagnosis, Piracicaba Dental School, University of Campinas, Piracicaba, São Paulo, Brazil.
这项研究介绍了ForensicNet,这是一个深度学习模型,可以从巴西年轻人的牙科放射图中准确地估计年龄和性别. 人工智能工具为法医和临床使用提供客观和快速的分析.
科学领域:
- 法医牙科 法医牙科
- 医学中的人工智能
- 医学成像分析分析 医学成像分析
背景情况:
- 准确的年龄和性别估计在法医和临床环境中至关重要.
- 传统的年龄和性别测定方法往往是主观的,耗时的.
- 全景射线图包含用于自动化分析的宝贵数据.
研究的目的:
- 开发和评估一个多任务深度学习框架,ForensicNet,用于同时估计年龄和性别.
- 在巴西的年轻人 (5-15岁) 中,利用全景放射图进行自动化分析.
- 解决传统主观方法的局限性.
主要方法:
- 收集了2200张全景放射图的数据集,并将其分为培训,验证和测试集.
- 基于EfficientNet-B3的多任务深度学习模型 (ForensicNet) 被实施.
- 该模型包含了卷积块注意力模块 (CBAM),并通过加权多任务损失进行端到端训练.
主要成果:
- 在年龄估计 (最低平均绝对误差,最高R平方) 和性别分类 (最高准确度,AUC) 方面,ForensicNet的表现优于基准模型.
- Grad-CAM可视化证实了模型对相关解剖区域的关注.
- 废弃性研究表明CBAM和任务权重对于最佳性能的重要性.
结论:
- 法医网络框架显示,从巴西年轻人的全景射线图中对年龄和性别估计的性能强.
- 这种人工智能工具在法医识别和儿科临床环境中具有潜在的应用.
- 它为传统方法提供了一个快速,客观和可重复的替代方案.
更多相关视频
06:03Author Spotlight: Investigating the Impact of Aging on Hippocampal-Dependent Spatial Learning
Published on: February 16, 2024
07:22Glycemic Impact on Knee Osteoarthritis Symptoms on Physical, Radiographic, and Inflammatory Markers among Individuals Aged 50 and Over with Diabetes
Published on: March 7, 2025
相关概念视频
Estimating Population Standard Deviation
Estimating Population Mean with Known Standard Deviation
The confidence interval estimate will have the form as follows:
(point estimate - error bound, point estimate +...
Confidence Interval for Estimating Population Mean
A confidence interval for the mean is a range of values that provides an estimate of the population mean. As the...
Distributions to Estimate Population Parameter
Estimating Population Mean with Unknown Standard Deviation
William S. Gosset (1876–1937) of the...
Sex-linked Disorders
