使用机器学习算法和人工神经网络的性别估计,基于从状鼻获得的参数.
Oguzhan Harmandaoglu1, Yusuf Secgin2, Seren Kaya3
1Department of Therapy And Rehabilitation, Çatalzeytin Vocational School, Kastamonu University, Kastamonu.
Cirugia y cirujanos
|February 26, 2026
概括
从CT扫描中使用状鼻尺寸来估计性别是可能的. 机器学习模型根据状鼻大小准确预测性别,提供可靠的法医和人类学数据.
科学领域:
- 放射学 放射学是一门学科.
- 法医人类学 法医人类学
- 医学成像分析 医学成像分析
背景情况:
- 性估计在法医和人类学调查中至关重要.
- 面结构,包括状鼻,表现出性二态.
- 计算机断层扫描 (CT) 为形态分析提供了详细的解剖信息.
研究的目的:
- 从CT图像中使用状鼻参数来确定性别.
- 评估各种机器学习 (ML) 算法和人工神经网络 (ANN) 对于性别估计的有效性.
- 评估状鼻形态测量在性别确定中的可靠性.
主要方法:
- 分析了300名18-65岁的人 (150名男性,150名女性) 的CT图像.
- 测量了状鼻的长度,宽度和体积.
- 性别预测是使用线性差异分析 (LDA),二次差异分析,物流回归 (LR),额外树分类器,随机森林,决策树 (DT),高斯天真贝斯 (GaussianNB),K-最近邻居 (k-NN) 和ANN模型进行的.
主要成果:
- 与雌性相比,雄性在两侧表现出明显更大的状鼻尺寸 (长度,宽度,体积) (p < 0.05).
- ML算法取得了显著的表现:LDA (0.82),k-NN (0.80),LR (0.84),高斯NB (0.80),DT (0.82),以及ANN (0.82).这些算法都取得了显著的表现.
- 在经过测试的算法中,物流回归在性别预测方面表现出最高的准确性.
结论:
- 状鼻的形态测量分析是一种可行的性别估计方法.
- LDA,LR,DT和ANN算法为性别确定提供准确可靠的数据.
- 在基于CT的分析中,状鼻尺寸是性别的重要指标.
