人体腐败阶段识别的自动化：一项人工智能方法
计算机视觉与模式识别
2024-08-21 v1 人工智能
摘要
确定分解阶段（SOD）对于估算死后间隔和识别人类遗骸至关重要。目前，该目的使用的是劳动密集型的人工评分方法，但这些方法具有主观性，且无法适应正在出现的大规模人类分解照片档案收藏。本研究探索了使用人工智能（AI）自动化Megyesi和Gelderman提出的两种常见人类分解评分方法的可行性。我们评估了两种流行的深度学习模型——Inception V3和Xception——通过在大量人类分解图像数据集上进行训练，对不同解剖区域（包括头部、躯干和四肢）的SOD进行分类。此外，我们进行了一项人机评分一致性研究，以评估AI模型与人类法医检验人员在SOD识别方面的可靠性。Xception模型取得了最佳的分类性能，在预测Megyesi的SOD时，头部、躯干和四肢的宏平均F1分数分别为0.878、0.881和0.702；在预测Gelderman的SOD时，分别为0.872、0.875和0.76。人机评分一致性研究的结果支持了AI能够以与人类专家相当的可靠性水平确定SOD。本工作展示了利用大量人类分解图像数据集训练的AI模型来自动化SOD识别的潜力。
引用
@article{arxiv.2408.10414,
title = {Towards Automation of Human Stage of Decay Identification: An Artificial Intelligence Approach},
author = {Anna-Maria Nau and Phillip Ditto and Dawnie Wolfe Steadman and Audris Mockus},
journal= {arXiv preprint arXiv:2408.10414},
year = {2024}
}
备注
13 pages