準(zhǔn)確率達(dá)97%，澳大利亞團(tuán)隊新成果基于深度學(xué)習(xí)憑顱骨CT鑒定性別，趕超人類法醫(yī)

基于 200 次真實(shí)顱骨 CT 掃描進(jìn)行訓(xùn)練

原標(biāo)題：準(zhǔn)確率達(dá)97%，澳大利亞團(tuán)隊新成果基于深度學(xué)習(xí)憑顱骨CT鑒定性別，趕超人類法醫(yī)
文章來源：HyperAI超神經(jīng)
內(nèi)容字?jǐn)?shù)：9322字

AI賦能法醫(yī)學(xué)：深度學(xué)習(xí)提升遺骸性別鑒定準(zhǔn)確率

本文介紹了澳大利亞和尼西亞研究團(tuán)隊利用深度學(xué)習(xí)技術(shù)提升遺骸性別鑒定準(zhǔn)確率的研究成果。傳統(tǒng)方法依賴經(jīng)驗(yàn)豐富的法醫(yī)學(xué)家進(jìn)行判斷，容易受到主觀因素影響，準(zhǔn)確率有限。而該研究利用深度學(xué)習(xí)框架，顯著提高了鑒定的準(zhǔn)確性和客觀性。

1. 傳統(tǒng)方法的局限性

傳統(tǒng)的遺骸性別鑒定方法主要依賴于法醫(yī)學(xué)家根據(jù)已有的顱骨特征標(biāo)準(zhǔn)進(jìn)行判斷，例如Walker提出的5個顱骨二態(tài)性特征(頦隆凸、眉間、眶上緣、頸區(qū)和乳突)。然而，這種方法存在以下局限性：

1. 主觀性強(qiáng)：依賴于法醫(yī)學(xué)家的經(jīng)驗(yàn)和判斷，易受主觀因素影響，導(dǎo)致結(jié)果偏差。

2. 數(shù)據(jù)樣本限制：傳統(tǒng)方法的數(shù)據(jù)樣本主要來自于19世紀(jì)和20世紀(jì)的英、美及美洲原住民的物理骨骼，時間和空間效力有限。

2. 深度學(xué)習(xí)框架的應(yīng)用

該研究利用尼西亞醫(yī)院提供的200次顱骨CT掃描數(shù)據(jù)，訓(xùn)練和測試了三種基于深度學(xué)習(xí)的網(wǎng)絡(luò)配置。其中，最準(zhǔn)確的模型將性別和顱骨特征結(jié)合進(jìn)行判斷，準(zhǔn)確率高達(dá)97%，顯著高于人類觀察者的82%。該模型利用預(yù)訓(xùn)練的深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行顱骨分割，并采用多任務(wù)學(xué)習(xí)或單任務(wù)學(xué)習(xí)進(jìn)行性別鑒定。

3. 模型架構(gòu)與結(jié)果

研究團(tuán)隊基于ResNet構(gòu)建了三種深度學(xué)習(xí)網(wǎng)絡(luò)變體(N1,N2,N3)。N2模型（多任務(wù)配置，分別估計Walker顱骨二態(tài)性特征分?jǐn)?shù)和性別）在不同輸入下實(shí)現(xiàn)了最高的AUROC和準(zhǔn)確性，當(dāng)以顱骨區(qū)域作為輸入時，準(zhǔn)確率達(dá)到0.97。與之相比，人類觀察者的準(zhǔn)確率僅為82%。

4. 模型可解釋性

為了提升模型的可解釋性，研究團(tuán)隊使用了梯度加權(quán)類激活映射(Grad-CAM)技術(shù)，可視化網(wǎng)絡(luò)識別的判別性顱骨區(qū)域。結(jié)果顯示，模型主要關(guān)注眉間和頸區(qū)等關(guān)鍵區(qū)域，也考慮了整個顱骨的形態(tài)和大小。

5. 未來展望

這項研究證明了深度學(xué)習(xí)框架在法醫(yī)人類學(xué)中的巨大潛力，為遺骸性別鑒定提供了一種更客觀、準(zhǔn)確、高效的方法，減少了人為偏見的影響，推動了法醫(yī)人類學(xué)向智慧化、自動化方向發(fā)展。此外，其他研究也嘗試?yán)肁I技術(shù)進(jìn)行顱面重建和基于骨盆特征的性別鑒定，進(jìn)一步豐富了AI在法醫(yī)人類學(xué)領(lǐng)域的應(yīng)用。

聯(lián)系作者

文章來源：HyperAI超神經(jīng)
作者微信：
作者簡介：解構(gòu)技術(shù)先進(jìn)性與普適性，報道更前沿的 AIforScience 案例