一种基于牙齿生物测量的活体个体年龄与性别估计可解释机器学习方法
计算机视觉与模式识别
2024-11-14 v1 人工智能
摘要
目的：年龄和性别估计对各种应用至关重要，包括法医调查和人类学研究。本研究旨在开发一种用于活体个体年龄和性别估计的预测系统，利用冠高（CH）、冠髓腔高（CPCH）和牙冠指数（TCI）等牙齿测量指标。方法：研究采用了多种机器学习模型，包括CatBoost分类器、梯度提升机（GBM）、AdaBoost分类器、随机森林（RF）、极端梯度提升（XGB）、LightGBM和极端随机树分类器（ETC），分析来自862名活体个体（459名男性和403名女性）的牙齿数据。具体利用每个个体六颗牙齿的根尖周X光片，包括上颌和下颌的前磨牙和磨牙。开发了一种新颖的集成学习技术，使用针对不同牙齿指标定制的多个模型，以准确估计年龄和性别。此外，利用SHAP创建了一个可解释AI模型，使牙科专家能够基于可理解的洞察做出明智决策。结果：RF和XGB模型表现尤为有效，在年龄和性别估计上获得最高F1分数。值得注意的是，XGB模型在年龄估计上表现略好，达到73.26%的F1分数。RF模型在性别估计上也观察到类似趋势，达到77.53%的F1分数。结论：该研究标志着牙科法医方法的重大进展，展示了机器学习以更高准确性自动化年龄和性别估计过程的潜力。
引用
@article{arxiv.2411.08195,
title = {An Explainable Machine Learning Approach for Age and Gender Estimation in Living Individuals Using Dental Biometrics},
author = {Mohsin Ali and Haider Raza and John Q Gan and Ariel Pokhojaev and Matanel Katz and Esra Kosan and Dian Agustin Wahjuningrum and Omnina Saleh and Rachel Sarig and Akhilanada Chaurasia},
journal= {arXiv preprint arXiv:2411.08195},
year = {2024}
}