Merci fir d'mannst d'Natur.com ze besichen. D'Versioun vum Browser deen Dir benotzt huet, huet limitéiert CSS Support. Fir déi bescht Resultater, déi mir recommandéiere mat enger neier Versioun vun Ärem Browser (oder auszeschalten Kompatibilitéitstudium am Internet Explorer). An der Tëschenzäit, sëchegent Ënnerstëtzung ze séngen, mir weisen de Site ouni de Site oder Javascript.
Zänn ginn als de geniellen Indikator vum Alter vum mënschleche Kierper ugesinn a ginn dacks am forensesche Altersanagement benotzt. Mir zielen d'Date-Baséierend Dontentalteralter Am Ganzen vun 2657 Panouramoull huet Radobrahuffe vu Koreanesche Bierger vu Koreanesch Bierger bis 15 7 Joer. Si goufen an en Trainingset opgedeelt, all enthalen vun 900 koreane Radiographs, an en internen Testreset mat 857 Japanesch Radiographien. Mir hunn d'Klassifikatiounsstudeldung an d'Effizienz vun traditioneller Methoden mat Testzuelen vergläichen. D'Genauegkeet vun der traditioneller Method am internen Testrott ass liicht méi héich wéi déi vun den Datemodmodell, an den Ënnerscheed ass kleng (0,21 Joer). D'Basisnam vun der Stading Leeschtung fir den 18. Joer futtial ass och direkt tëscht traditionelle Methoden an Datebanksmodeller. Wéi däerfen iwwerduerchsprieche kënnen duerch dat mat den Donnéeën Mods Modeller ersat ginn, wann ech mitens Alter Garantiits a Joer Jugendlecher a jonke Morelce a ville Kritegen a Joreaneschen Adpelement ugeet.
Zänn aal Schätzung gëtt wäit an forensesch Medizin a pediatresch Zänndokter benotzt. Komwäit besonnesch wéinst der héijer Kamerker tëscht dem zugologeschen Antensten an Det Et vun de Kanner a Jugendlechen Joer Fro fir Logement vun de Kanner a Jugendlecher ze kréien. Wéi och ëmmer, fir jonk Leit, huet de Schüler aus Zendrungsmeldung op den Ausriichtung, wéi Zänndokt sinn bal fäerdeg; mat der Ausrewegung. Et ginn am Alter vun de jonke Leit a Jugendschoulen, déi korrekt schätzten ass a wëssenschaftlech Beweiser fir d'Am Alter vun der Majoritéit ze entwéckelen. An der Mostungszäit huet si heegel Populatioun vun de Jugendlecher a jiddescher Erwiermung zu Korea, déi vum Leea geplangt war, wéi eng leiteg Heldernisse vun 18 Joer gemellt ass.
Maschinn Léieren ass eng Zort künstlech Intelligenz (AI) déi ëmmer erëm grouss Quantitéiten vun Daten léiert an d'Léisunge passen a fuert Problemer. Maschinn Léieren kann nëtzlech verstoppte Mustere a grousse Volumen vun Daten6 entdecken. Am Contraster, klassesch Methierflecher Methënner, wat d'Aarbechtsmartikverbännung sinn, dat och d'Aschëlleger a komplexer Datener gemaach hunn fir manuelle Staat ze kréien. Dofir hu vill Studien kierschnéi gerett mat ganz lodlech Computerscannen, déi militäresch Dateat Minimari-4,121,1215,1215,1215 veraarbecht. Ee StudieCephood15 -14,15 benotzt mat alten Methodegkeet, a verschiddenen Informatioune mat den Entwécklungsgeheim ze verbesseren duerchzestellen - An. Zum Beispill, Halobi et al huet e Maschinn an den Algorithmus entwéckelt baséiert op convolutionalen nervösn Netzwierker (CNN) fir Sketletal Alter ze schätzen. Dës Etude proposéiert e Modell deen zielt Maschinn gëllt fir medizinesch Biller ze medizinesch Biller ze bidden, datt dës Methode déi dignostesch Genauegkeet verbesseren. Li et al14 geschätzte Alter vu Becken x-Ray Biller mat engem déiwen Léieren CNN CNNs an am Verglach zu Regressiounsresultater mat der Ossificatiouns-Schätzung. Si hu fir den déif Léier Cnn Zite gemaach, déi déiselwecht Avktiouns Leeschtung opgestallt als traditionelle Regressiounsmodor. Guo et Ali. D'Etude [15] 22 Iwwerleeë vun den Aklaratiounskasatioun vun der CN Technologie baséiert op Ofkierzung vun de CNNTHOLDATORD Perceptéiert.
Most studies on age estimation using machine learning use deep learning methods13,14,15,16,17,18,19,20. Alter Schätzung baséiert op déiwer Léieren gëtt gemellt méi richteg wéi traditionell Methoden ze sinn. Wéi och ëmmer an de Finanzen proposéiere ëmmer méi Iddatioun fir d'Idealedungsmëttel fir den Alter vun de Leit ze presentéieren, sou wéi den AII Medialrees benotzt. Et gëtt och e legale Sträit iwwer deen d'Inspektiounen respektéiert. Dofir ass den Age-Trainer entspriechen, déi verdrängt ass schwéier duerch administrativ a geriichtlech Autoritéiten ze akzeptéieren. Donnéeën Miniue (DM) ass eng Tradik déi erlaben, net nëmmen erreecht awer och attraktiv Informatioun moderéieren wéi Informatioune fir d'Entrée zwéiwerdrun Optrag vun Datendroen tëscht Datéierendollung vu Datentränneregkeet tëscht Dataumen ze entdecken. Maschinn Leed gëtt dacks an Datenbauere benotzt, a béid Datenbelen a Maschinn, déi déiselwecht Schlëssel Algorithms benotzen fir Musteren ze entdecken. Alter vun den Optraghuelung mat Dentale Entwécklungskonzept baséiert op der Examtreiner vun der Examinat vun der Forurnzeeche vun der Zielstreng, an dës Bewäertung ass wéinst all Zell fir all Zil laang ausgedréckt. DM kënne benotzt ginn fir d'Solarung tëschent Bewäertung an d'Solentatiounszäit an aktuell Alowen zevill astellen an en Potenzial vun der Statistikaler Analyse ze ersetzen. Dofir, wa mir DM Techniken un den Alt Techniken uwenden, kënne mir d'Maschinn ëmsetzen an forensesch Alterssituatioun ouni eng rechtheetlech ze stellen. Verschidde Computivsphär Studien goufen op méiglech Alternotioune fir traditive MATIZIALE MFREIWZIE MATCHZILLE an der ESC-baséiert Montatement fir Destinatioun fir Zännstreifen zougänglechem Spëtze goen. Shen et Al23 huet gewisen datt den DM Model méi genau ass wéi déi traditionell Cluherer Formel. Den Albourg ass et Al24. anescht uewe applizéiert Methoden fir den Alter bei der demerfirterjescher Bands25 an d'Resultater dropzekréien datt d'Delmuspotitéite benotzt huet, datt d'DM Momets Methekt ausschätzt an d'Sonnschlager Methënner am Alter vun de fréiere Gewësse.
Fir den Zännméint vu koreaneschen Jugendlecher a jonk Erwuessener ze schätzen, de Lee Method 4 gëtt wäit an der Koreanesch virgesinn. Dës Method benotzt total statistesch Analyse (wéi multiple Regressioun) fir d'Relatioun tëscht koreanesche Sujeten a Chronologeschen Alter z'ënnersichen. An dësem Studium goufen d'Schätzungsmothetiz, a pro fantastesch Methoden definéiert wéi "traditionell Methoden déi definéiert ginn." Lee Method ass eng traditionell Method, a seng Genauegkeet gouf confirméiert vum Oh et al. 5; Wéi och ëmmer, d'Uwendung vun der Alimung vun der Affensätzung baséiert op den DM Model a Koreanesch Forensesch Praxis ass nach ëmmer a Fro. Eisteschen Zil war d'Wëssenschaft vu gegentielle Mangeätze vun der Alphedezeegéierung vum Al Modell. Den Zweck vun dëser Etude war (1) fir d'Genauegkeet vun zwee DM Modeller ze vergläichen am Destenta an (2) ze vergläichen fir d'Klassifikatioun vun den 7 DM Modeller ze vergläichen an drëtt Molercher a béid Kiefer.
Heescht a Standarddiatioune vum chronologeschen Alter vun der Bühn an Zännstaart ginn online am Ergänzungs-TE1 (Trainings agestallt (Trainingszuch) (internen Test S2 (externen Tests). De Keppa Wäerter fir Intra- an Introbentenverlässungsfaktilitéit kritt vum Trainingsrechter waren 0,947, resp. P Wäerter an 95% Vertraue Intervalle fir Kappa Wäerter ginn an online Zousaz Table S4 gewisen. De Kappa Wäert gouf als "bal perfekt" interpretéiert, konsequent mat de Critèrë vum Landis a Koch26.
Wann Dir bestellt absolute Feeler (Mae), déi traditionell Method liicht aus dem DM Modell fir all Geender an am externen männlechen Tester, mat der Ausnam. Den Ënnerscheed tëscht dem traditionelle Modell an den DM Modell um internen Mae Test Set war 0.12-0.19 Joer fir Männer an 0,1711 Joer fir Fraen. Fir déi extern Testbatterie, d'Ënnerscheeder sinn méi kleng (0,0011.05 Joeren fir Männer an 0,059 Joer fir Fraen). Zousätzlech ass d'Wurzel gemengt Quadratfehler (RMse) ass liicht méi déif wéi déi däitlech Method, mat méi klenge Differenzen (0,2014, 0,2-024, 0,2-024, 0,2-024, 0,2-024, 0,2-024 ). MLP weist eppes besser Leeschtung wéi eenzeg Schicht Perceptron (SLP), ausser am Fall vum weiblechen externen Test Set. Fir Mae an RMse, den externen Test Set Scores méi héich wéi den internen Test fir all Geenderen a Modeller. All Mae an RMse ginn an der Tabell 1 an d'Figur 1 gewisen.
Mae an rse vun traditionelle an Datenbehälter Regressiounsmodeller. Meint absolute Feeler Mae, Root gemengt QuadratfePSE RMSe, eenzeg Schicht perptroniptron, Multilayer Perkition, traditionell cm.
Klassifikatioun Leeschtung (mat engem Futtoff vun 18 Joer) vun den traditionelle an dm Modeller gouf a Saache virgeschriwwene Prognosen (PPV). NEWERSPORMENTEN 27 (Dësch 2, Figur 2 an Zousazungsfigur 1 online). A punktéiert d'Sensibilitéit vun der interner Test Batterie, traditionell Methoden déi am Beschten ënner Männer ënner anerem ënnergefouert goufen. Wéi och ëmmer, den Ënnerscheed an der Klassifikatioun Leeschtung tëscht traditionelle Methode an SD ass 9.7% fir Männer (MLP) an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4% an nëmmen 2,4%. Ënnert dm Modeller, logistesch Regressioun (LR) huet besser Empfindlechkeet a béid Geschlechter gewisen. Betru erkläert dat de Projet vum Interzeechen um Detvisioun, déi se observéiert goufen, wärend de traditionelle Modeuren opgefouert hat, wärend den traditionelle Modeuren opgefouert hat, wärend de traditionelle Modore gemaach gouf. Differenzen an der Klassifikatioun vun der Klassifikatioun fir Männercher si 13,93% (MLP) an 13,1%. Den Dën CIPabezuelen, huet d'Ënnerstëtzungdorstéi (Svm (Svm (Dt), an zropale Bësch (RF) bestalltlech an zoufälleger Bësch (RF) Den Auroc vum traditionelle Modell an all SD Models war méi wéi 0,925 (k-nooste Noper (KNN), fir eng wichteger Klassifikatiounsprogramméierung vun der ganzer Équipe. Den externeschen Test kann Hei gëtt en Ofsenkung vun der Klassifikatioun vun der Sensibilitéit, Spezi- a Arictic fir den interpose Gebrauch zu den interpose Gebitt. Ausserdeem, sinn den Ënnerscheed an der Reventektioun a Speziellent Leeschtung vum Bipbossänner vun der Stauffer rauert vun 10% méi grouss wéi den Ënnerscheeddauer duerch 10% méi grouss wéi den Ënnerscheedbert.
Empfindlechkeet an d'Spezifizitéit vun Datenbezuelungsklassifikatioun Modeller am Verglach zu traditionelle Methoden mat engem Ausschnëtter vun 18 Joer. KNN K no nooste Noper, SVM Ënnerstëtzung Victor Mobile, l-logistesch Versekutivioun, Drénk Rundéierend Corpook, traditionell Spannung per traditionell Bësch, RF Multiloom, traditionell Flicht.
Den éischte Schrëtt an dëser Commatiounszäit huet d'Genehung vun Denten Anal-Altersmotors kritt mat siwe SC-Prozess mat deenen, déi traditions gouf entspriechend mat traditioneller Reaktiviellungen. Mae an RMse goufen am internen Test sets bewäert fir béid Geschlechter, an den Ënnerscheedung tëscht der Draditiounszoustand an dem DM Modell vun 44 bis 88 Deeg fir Masen a 88 Deeg fir Masen Och wann do traditionell Method besser méi korrekt an dëser Et hëlleft, ass schwéier ze séier ob esou en klengen Ënnerscheed ass, obwuel felinéiert. Dëst Resultatsfir weisen déi d'Richteger vun talent al al Alterspiller vun den aledem Alternitatioune mam DM Modell wat vun der traditioneller moossen. Direkte Verglach mat de Resultater vu fréiere Studien ass schwéier well keng Etude vun der DM Modeller mat traditionneller statistesche Methode mat der selwechter Zäit an der selwechter Alternatioun an der selwechter Altersgrupp. Galibours et al24 am Verglach mat Mae an rss tëscht zwou traditionell Method (demmirjiane Method25 a Wëllen Method2) an 10 DM Modeller an 10 DM Modeller an 10 DM Modeller an 10 DM Modeller. Si hu gemellt datt all DM Medizin staark impraditionell Methoden, mat Aus Differdriescht, mat Auslänner a 0,45 bis elo am Wierklechkeet an 0,25 am Wäerzten an 0,45 bis elo am Wäisektiv an 0,47 an 0,45 bis Rekreperien. D'Diskruzung tëscht dem SD-Modi si scho per exraditions an der Herrechter Motivs 23,323 Wilts weiderhat. an dëser Etude. Tai et al 34 benotzt de MLP Algorithmus fir Zännstaang vun 1636 Chinese orthodinesch Fotoen virauszesoen an seng Resultater vun der Demirjianer. Si hu gemellt datt MLP méi héich Genauegkeet huet wéi traditionell Methoden. Den Ënnerscheed tëscht der demmirderjizer Method an déi kantastesch Method ass <0,32 Joer, an déi Bezeste Method ass ähnlech wéi d'Resultater vun der aktueller Studie. D'Resultater vun dësen vir vir vir nei Studien24,34 sinn och konsequent mat d'Resultater vun der aktueller Etude, an d'Age-A-DIC Bildiméieren. Wéi och ëmmer op den presentéiert Resultater, kënne mir nëmmen viraussoen ze schléissen datt d'Benotzung vun DM Modeller nët hiplech Methoden ze schätzen an déi nei Produkter ubruecht. Follow-up Studies mat méi grousse Echantillonen sinn gebraucht fir d'Resultater ze bestätegen an dëser Etude.
Ënnert de Studien testen d'Genauegkeet vum SD an der Schätzung Zännstaang, e puer méi héich Genauegkeet wéi eis Studie. Schrëttanovsky et al 35 ugewisen 25 SD Modelly mëttler Radioium am Pzorographider am Tzilvringen al 2.5 bis 20,5 bis 12,5 bis 20,5 bis 12,5 bis 20,5 bis $. Si bewäerten d'Entwécklung vun engem total vu 16 Uewer an ënnescht Lénkshëllef, déi mat der Klassifikatiounskriterien ausgewielt goufen, huet d'Mororestore gewielt et al 36. D'Mae reich vun 0,64 bis 0,9,94 Joer an d'emposeegenen ewech ass ..85 bis 1,27 Joer, déi méi genee benotzt gi wéi déi zwou DM Modeller an dëser Etude. Shen et Al23 huet d'Kamerurmethod benotzt fir den Zänngewiicht vu siwenem Zänn an der lénker Mandabelen an den Osteuropäeschen Awunner 5 bis 13 Joer vergréissert ginn an d'RVM. Si hu gewisen datt all dräi DM Modeller méi héije Richtegkeet hunn am traditionelle Kameradsefizemula. D'Mae an d'Romm an der Studie war méi déif wéi déi am DM Modell an dëser Etude. Déi verstäerkte Präzisioun vun de Studien vum Stepanovsky et al. 35 an shen et al. 23 Kann wéinst der Inklusioun vu jéngere Fächer an hirer Studie Proben sinn. Well Alter Schätzunge fir d'Participanten fir d'Participanten méi genau ze entwéckelen wéi d'Zuel vun den Zänn vun den Zännvertriede vun der resultéierter Avirmung ass. Zousätzlech ass dem MLP säi Feeler an der Age-Schätzung liicht méi kleng wéi den SLP's, dat heescht datt MLP méi genau wéi SLP ass. Mat Et gëtt esou eppes besser gemiert fir ADM Schramktioun, méiglech wéinst den verstoppen wéinst der verstoppeg leeën zu MLP38. Wéi och ëmmer, et gëtt eng Ausnam fir déi baussenzege Echantillon (Slp 1.45, MLP 1.49). Eng gutt Leeschtung, déi eis offiziell wéi de Siicht an der Bewäertungsstatë produzéiert an d'Bewäertung erfuerdert zousätzlech Bewäertung fir d'Studien ze erfëllen.
D'Klassifikatioun vun der DM Modell an déi traditionell Method vun engem 18-Joer Degenschaftstdder gouf erhalen. All getest SD Modellen an traditionell Methoden um internen Testresultater, déi praktesch akzeptabel Niveauen vun Diskriminatioun gewisen hunn. Sensibilitéit fir Männer a Frae war méi grouss wéi 87.7% an 94,9, respektiv, a Programmitéit war resp wéi 89.3% an 89.3%. Den Auroc vun all getestte Modeller méi wéi 0,925. Fir dat Bescht vun eisem Wëssen, keng Etude vum DM Model fir 18 Joer Klassifikatioun baséiert op Zerrechtfäegkeet. Mir kënne d'Resultater vun dëser Studie mat der Klassifikatiounspositioune vun déif Léiermodeller op Panoramraphs vergläichen. Guo et al.15 huet d'Klassifikatioun vun engem CNN-baséiert déif Léiermodell an eng manuell Method baséiert op dem Demirjianer Method fir e gewësse Altersgrenz. D'Gesellschaft an d'Spezifikatioune vum Mescht Method war 87,7% an 95,5% huel se respektiv a Leit, datt d'Virfit fir e Beispill vun engem Beispill d'Vertribezinqueich iwwerschësseg war, Spezitéit vum CNN -5%, respektivitéitsuell, an déi Vertdung vum CNNIT Modell huet 89% an 89.6% Si hunn ofgeschloss datt déi déif Léiermodeller ersetzt oder outperhorméiert manuell Bewäertung am klasséierte Altersgrenzen ersetzen. D'Resultater vun dësen Etude huet ähnlech Klassifikatioun Performnung opgedaue ginn; Et gëtt ugeholl datt d'Klassifikatioun mat dm Modeller traditionell mellenbare Methoden ersetzt kann fir alterstrecht. Ënnert de Modeller, dm lr dee beschte Modell an enger Sensibilitéit fir déi männlech Probe a Empfindlechkeet a Spezifizitéit fir d'Sichmethot. Lr rangéiert zweet an der Spezifizitéit fir Männer. Desweideren, empfond gëtt den Numm geduecht datt derätzung vun de méi benotzten useregen ëeelungsfrëndlechen DM-frëndlechen DM-frëndlech DM, ind- a schwéier ze veraarbelen. Déi op dës Resultater gouf, Sonnasac gouf als am beschten Freffleklassifikatiounszoustand fir 18 Joer-Joer-alen Joeren an der Koreanesch Populatioun ugesinn.
Am Allgemengen, d'Genauegkeet vun der Age-Schätzung oder Klassifikatioun Performance am externen Test ass aarm oder méi déif am Verglach zum Auteur op dem internen Test Set. E puer Berichter weisen déi Klassifikatiounsstufauheet oder Incisienzally erofgeet wéi al Schätzungen op der Koreanesch Bevëlkerung ugewannt ginn op d'Japanesch Populatioun5.39, an en ähnlechen Muster an der haiteger Studie. Dëse Gracidisabuationan bleift dunn am DM-Modell origéiert ginn. Dofir, séierten Alter, och wann Dir erofgaang ass, benotzt Gewëss ausgeleet, wéi Topatikoden ze predigeativ Metho. Well elo net bleiwt ass fir déi destinimal Léiermbezaltzer unzefroen datt néideg Tenntefall, déi dës Remmeldung vun iwwerdrécklecher sinn, an déiftendéiersmoossten an de selwechte 2. Bezuelzeechen, an déi selwecht Probe kréien op déiselwecht Probe vun der selwechter Sortimentiale, an déi selwecht Probéierende Wat och ëmmer déi selwecht Echantklärung, an déi héchst Methoden, an déi héchst Methoden op déiselwecht Linn, an déi selwecht Nimm, déi dëse Vertraut, an déi héchst Methoden iwwerfannen Bewäertunge.
Mir demonstréieren datt traditionell Methode duerch Alterspreinung op der DM Modell an der Foronsmiessungsmätzung Praxis a Korea ersat ginn. Mir hunn och d'Méiglechkeet vun der Ëmsetzung vun der Ëmsetzung entwéckelt fir Foronsschaftlech Alternatioun. Wéi och ëmmer, et allgemeng Grenzdréier sinn. Sou wéi eng net genuch Zuel vun de Participanten an dëser Etude fir d'Resultater z'informéieren an z'informéieren an z'informéieren an z'informéieren an z'informéieren an z'informéieren an z'informéieren an z'informéieren an z'informéieren an z'informéieren an z'informéieren an z'informéieren an z'informéieren an z'informéieren an z'informéieren. An Zukunft, dm Studien sollten mat méi groussen Zuelen vun Proben a méi diverse Populatiounen duerchgefouert ginn fir seng praktesch Applikatioun mat traditionelle Methoden ze verbesseren. Fir d'Méiglecherweis ze validéieren vun kënschtlech Intelligenz ze schätzen fir méi u multiple Leit ze schätzen, sinn zukünfteg Studien fir d'Stroumbienichter an der DIM an der Dorm
D'Etude benotzt 2.657 Ortoographesch Fotoen vu Koreanie a Japanesch Erwuessenen, déi 15 bis 23 Joer kritt hunn. D'Koreanesch Radiographe goufen an 900 Trainings Sets (19,42 ± 2,65 Joer an 900 intern Testet (19,59 ± 2,59 ± 2,59 ± 2,59 ± 2,59 ± 2,59 ± 2,59 ± 2,59 ± 2,59 ± 2,59 ± 2,59 ± 2,59 ± 2,59 ± 2,59 ± de Koreanesch Radio Den Trainingsservéiert gouf gessendrun (SEOU-Maru strov. Marian), an den eegene Test ass gesammelt op zwou Institutioun an Yannte Unition Spidoléng Spidol) Zelregungsmotholtonn ilul Mir hunn och 857 Radiographs aus enger Populatioun-baséiert Daten gesammelt (innate Medizin Universitéit, Japan) fir extern Testen. Radiografie vu japanesche Fächer (19,31 ± 2.60 Joer) goufen als externen Test gesat. D'Donnéeën ginn zréckgespillt, gëtt se réckgängeg gesammelt fir d'Diere vu de Bounen vun de ganzen Iwwerbiewen analyseprohüsmeschuaren während Dichtegkeet ze Astronoméieren. All Date gesammelt waren anonym ausser fir Geschlecht, Gebuertsdatum a Datum vu Radiograph. Inklusioun an d'Ausraduskitratioun ware d'selwecht wéi virdru publizéiert Studien 4, 5. Den aktuellen Alter vun der Probe gouf berechent andeems den Gebuertsdatum vum Datum vum Radio gemaach gouf huet geholl. D'Probe Grupp gouf an néng Altersgruppen opgedeelt. Den Alter a Sexverdeelung ginn an der Table 3 gewisen, gouf am Aklang mat der Deklaratioun vun der Helpinzis gehaal an guttgeheescht vum institutionellen Iwwerpréiwungsrot (IRB) vum Seoul St. Marie's Spidol vun der Kathololutioun vum Alter Wéinst dem Auto vun dëser Etude, informéiert een Optriedung net géif ausdeelen, mächteg zentral eng kéiere Presentéierviritung ze ginn. Seoul Korea University St. Mary's Spidol (IRB) huet d'Fuerderung fir informéiert Zoustëmmung opgeworf.
Entwécklungsleetstellunge vu bimexilléierenden zweet an drëtte Moler goufen no dem Demircan Critèren25 bewäert. Nëmmen een Zänn gouf ausgewielt wann d'selwecht Ziffel op der lénker a riets Säit vun all Kiefer fonnt gouf. Wann homologen Zänn op béide Säiten op verschiddenen Entwécklungsfäll sinn, ass d'Zänn mat der ënneschter Konterwirtschaftsplaz fir d'Onsécherheet am Virsätz ze Kont ausgewisen ginn. Honnert zoufälleg ausgewielt Radiographs aus dem Trainingsrechter goufe vun zwee erfuerene Beobacher geschoss fir d'Interoboserververzwecker Zouverlässegkeet nom Zoufallszahro fir Zännrägungsstufung ze bestëmmen. Intraobersver Zouverlässegkeet gouf zweemol an dräi Méint Intervaller vum primäre Beobachter bewäert.
De Sex an d'Entwécklung vum zweeten Ament an Drëtten Molauren vun all Kugel geholl vun engem Training vun engem virgesinnen DIL Modeller, an dem aktuellen Alter SLP a MLP Modeller, déi wäit an Maschinn verbonnen sinn, goufen géint Regressioun Algorithmen getest. Den DM Model kombinéiert linear Funktiounen mat den Entwécklungsdeeler vun de véier Zänn a kombinéiert dës Donnéeën ze schätzen. Slp ass den einfachsten neurale Netzwierk an enthält keng verstoppte Schichten. Slp Wierker baséiert op der Schwellent Iwwerdroung tëscht Noden. De Slap Modell an der Entscheedung ass mathematesch ähnlech wéi verschidde linear Regressioun. Am Géigesaz wéi de Slp Model, de MLP Modell huet méi verstoppte Schichten mat netline-Aktivéierungsfunktiounen. Eis Experimenter benotzt eng verstoppte Schicht mat nëmmen 20 verstoppt Noden mat netlinear Aktivéierungsfunktiounen. Benotzt graduell Ofstamung wéi d'Optimiséierungsmethod an d'Mae an d'Verloscht vun eise Maschinn Model trainéiert. Dee beschte kritt Regressiounsmodell gouf op den internen an externen Test Sets ugewannt an den Alter vun den Zänn geschätzt.
Eng Klassifikatioun Algorithmus huet entwéckelt datt benotzt d'Reife vu véier Zänn op der Ausbildung fir virzegoen ob e Probe 18 Joer al ass oder net. Fir de Modell ze bauen, hu mir siwe Representatiounsmaschinn (1) lr, (2) KNN, (3) SVM, (5) DTPL, (5) R'? An. LR ass ee vun de meescht déi meescht benotzt Klassifikatioun Algorithms44. Et ass e betrëffte Léier Algorithmus, déi d'Regressioun vun Daten vun Daten zu enger bestëmmter Kategorie vun 0 op 1 an d'Benotzung vun 0 an der Erhéijung vun dëser méiglecher Kategorie baséiert op dëser méiglecher Kategorie; haaptsächlech fir binär Klassifikatioun benotzt. De Knn ass eng vun den einfachsten Maschinn Léiert Algorithmen45. Wann Dir nei Input Daten fënnt ks Daten no bei der existent Set an klassifizéiert se an d'Klass mat der héchster Frequenz. Mir setzen 3 fir d'Zuel vun den Noperen, déi als (k) betruechten. Svm ass en Algorithmus déi d'Distanz tëscht zwou Coursen maximal proimutéieren andeems Dir eng Kernel Funktioun benotzt fir de linear Raum ze erweidert an en net-linear Space Run46. Fir dëse Modell benotze mir Bias = 1, Kraaft = 1, an Gammma = 1 als Hyperparamiller fir de polynomialen Kärel. DT gouf a verschiddene Felder als Algorithmus applizéiert fir eng ganz Donnéeën an e puer Ënnergruppen ze deelen andeems Dir Regierungsregelen an enger Bamstrukturstruktur representéiert. De Modell ass mat enger Mindestzueler konfiguréiert pro Node pro Node vun 2 a benotzt de Gini Index als Moossnam wéi eng Moossnamen. RF ass eng Ensembel Method, déi verschidde DTS verbrauchen fir d'Performance ze verbesseren, déi eng Bootstrap Aggregatiounsmethod benotze kënnt, déi e schwaache Klasse vun der selwechter Sortie vun der selwechter SIME fir all Sortiment. Mir hunn 100 Beem benotzt, 10 Bamapts benotzt, an 1 mindin Mëttegierer In Ofdriterganisär. D'Klassifikatioun vun neien Daten si vun enger super Stëmmung bestëmmt. XGBOOST ass en Algorithmus dat boosting Techniken mat enger Method verbënnt déi als Trainingsdaten de Feeler tëscht der aktueller a goufe vum fréiere Modent anviséierte Wäerter benotzt. De 15. Gudderen Algorithmus gouf wéinst senger gutt Leeschtung a Ressourceeffizienz, souwéi héich Zouverlässegkeet als iwwerfristeg Korrektur. De Modell ass mat 400 Support Rieder ausgestatt. MLP ass e neurale Netzwierk an deem een oder méi Perptronen multiple Schichten mat enger oder méi verstoppter Schichten tëscht dem Input Layput38 formt. Mat nëmmen nëmme kënnt Dir d'linkaler Karréiertce wou, wou Dir en Inpaftlag schéckt, e reduzéierte Resultat Wäert am Challeur dee proptéierten Resultat Wäert an de Feeler uwendt. Mir hunn eng verstoppte Schicht mat 20 verstoppt Neuronen an all Schicht erstallt. All Modell huet mir entwéckelt goufen, déi op intern an extern an extern Sets ugemellt goufen fir d'Benotzung vun der Beweregungsprogrammer duerch d'Entensude, spezifesch, Optiment, NP, NP, NP, NP, NP, NP, NP, NP, NP, NP, NP, NP, NP, NP, NP, NP, NP, NP, NP, NP, NP, NP, NPO, NPO, NPO, NPNO, NPO. Empfindlechkeet ass definéiert als de Verhältnis vun engem Probe geschätzt 18 Joer oder méi al an e Probe geschätzt fir 18 Joer oder méi al ze sinn. D'Spezifizitéit ass den Undeelung vun Echantillon ënner 18 Joer an déi geschätzt sinn ënner 18 Joer ze sinn.
D'Dinust fanne beweteren am Trainingspräp an niviler Lideren fir statesch Analyséiert. Multivariate linear a logistesch Regression goufen ausgefouert fir prévisibel Modeller fir all Sex entwéckelen an d'Regressiounsformuladelen entwéckelen déi benotzt kënne ginn fir Alter ze schätzen. Mir hunn dës Formulen benotzt fir Zännstaang ze schätzen fir béid intern an externen Test Sets. Dësch 4 weist d'Regressioun a Klassifikatioun Modeller an dëser Etude benotzt.
Intra- an d'Introberverververlässegkeet gouf berechent mam Cohen vum Cohena Statistik berechent. Fir d'Genauegkeet vun DM an traditionell Regressiounsmodeller ze testen, hu mir Mae a RMse mat dem geschätzte an aktuellen Zäiten vun der interner an externem Test Dës Feeler sinn allgemeng benotzt fir d'Genauegkeet vu Model Prognosen ze bewäerten. De méi klengt de Feeler, entspriechend d'Genauegkeet vun der Prognostant24. Vergläichen d'Mae an d'RMSe vun internen an externen Test Sets berechent mat DM an traditionell Regressioun. Klassifikatioun Performance vum 18 Joer geschnidden an traditionelle Statistike benotzt benotzt mat engem 2 × 2 Contverte Dësch ze bewäerten. Déi berechent Sensativmoossname, Virakt, PPI, NPI, an Aarkviewert dësen Testers mat der gemoossene Fragréisste Modus am Verglach zum Beispill Daten ginn als mëttel ± Standarddeviatioun oder Zuel (%) ofhängeg vun Daten Charakteristiken. Zwee-sided p Wäerter <0,05 goufe statistesch bedeitend ugesinn. All routinéiert statistesch Analyse goufe mat SAS Versioun 9,4 (SAS Institut, kary, nc). Den DM Regressiounsmodell gouf an de Kysthon benotzt mat Kerras 52.4 Backend a Sensgebiderwaarf/20 fir mathematesch Operatiounen. Den DM Klassifikatiounsmodell gouf an der Waikato-Wësse Analyse Ëmfeld ëmgesat an der CNSTANZ Informatioun Miner) 4,6,152 Analyse Plattform.
D'Auteuren unerkennen datt Daten déi d'Conclusiounen an den Artikel an den Artikel an den Artikel an der Reihellmaterial ubidden kënnen. D'Datesystemer generéiert an / oder an analyséiert während der Etude sinn aus dem entspriechende Autoren op der raisonnabeler Ufro verfügbar.
Ritz-Timer, S. et al. Alter Bewäertung: Staat vun der Konscht fir déi spezifesch Ufuerderunge vu forensesche Praxis ze treffen. internationalitéit. J. Legal Medizin. 113, 129-136 (2000).
Schmerz, A., Reiszuger, W., den Semec, G., an Ozean, A kritt den aktuelle Status vun der Lëtzebuerger Status vu wierkleche Procechtenements Ännerungen. Forensik. Medizin. Pathologie. 1, 239-246 (2005).
Pan, j. et al. Ee mfanair Method fir d'Verwäertungsahu vun 40 bis 16 Joer afërmege Verwalt. klinesch. Mëndlech Ëmfro. 25, 3463-3474 (2021).
Lee, ss asw. Chronologie vun der Entwécklung vun der zweeter an drëtter Moler a Koreaner a senger Uwendung fir Forensesch Altersanagement. internationalitéit. J. Legal Medizin. 124, 659-665 (2010).
Oh, S., Kumagaii, A., sim, sy a lee, ss Raufrees vun der Age-Schätzung an d'Schätzung vum 18 Joer Hängfrëndlech op der éischter Molerei an der Perciation Pout e kuerz 170, e0271247 (2022).
Kim, JY, et al. Preoperative Maschinn Léierbaséiert Datenanalyse kënnen Ausdaacher Chirurgie Behandlungsprownunge mat Osa viraussoen. D'Wëssen. Bericht 11, 14911 (2021).
Han, M. et al. Genau Altersschätzung vu Maschinn verbrennen mat oder ouni mënschlech Interventioun? internationalitéit. J. Legal Medizin. 136, 821-83 (2022).
Khan, S. A Shehen, M. vun Datenmillen fir Datenbauerung. J.informatioun. D'Wëssen. https://ddi.org/.1.1177755555551122 (2021).
Khan, S. A Shehen, M. Weier: Den éischte kognitiven Algorithmus fir Associatioun vun der Associatioun. J.informatioun. D'Wëssen. https://ddi.org/11.1777/0165555521110895 (2022).
Shaheen M. an Abdulllah U. Karmus: Traditionell Datebank baséiert op Kontextregierungsregelen. berechnen. Matt. weiderfueren. 68, 3305-3322 (2021).
Muhammad M., rehman Z., Sheheen M., Khan M. an Habib m. déif Léier baséiert semantesch Ähnlechkeet mat Textdementer. informéieren. Technologien. kontrolléieren. https://ddi.org/10,555/j01.itc.49.4.271118 (2020).
Tabesch, M., Tanoli, Z., an Shahin, M. e System fir Aktivitéit a Sportvideoen ze erkennen. Multimedia. Tools Applicatiounen https://ddi.org/10.1007/s11042-02-02119-6 (2021).
Halabi, ss et al. RSNA Maschinn Léierpersonal am pediatresche Schanken Alter. Radioologie 290, 49-503 (2019).
Li, y. et al. Forensesch Alter Schätzung vum Beckenrässung vun der Payys benotzt déi déif Léieren. Euro. Stralung. 29, 2322-2329 (2019).
Guo, Yc, et al. Korrekt Alter Klassifikatioun mat zougeschriwwene Methoden an déif convolutionalen neavolutesche Netzwierker vun orthographescher Projektiounspräis. internationalitéit. J. Legal Medizin. 135, 1589-1597 (2021).
Alabama Dalora et al. Bone Alt Sätz mat verschiddene Maschinn Léiermethoden: eng systematesch Literatur Review a Meta-Analyse. Plos een 14, e0220242 (2019).
Dann, L., de G., Ch., K., a Y., JPAN-Bevëlkerungs-spezifesche Bambiller ajährlechen Ofstalltatioun vum Pulcär ausgefallt. internationalitéit. J. Legal Medizin. 136, 811-819 (2022).
De Kim S., Lee YH, noh yk, Parse fk an oh ks Bestietnes D'Wëssen. Bericht 11, 1073 (2021).
Säichen, D., bezuelt, Ciuiani, N., an dem Uurcheler, mI automatesch a ville Iddatiounen. IEEEE J. BIGGED. Gesondheetsalerten. 23, 1392-1403 (2019).
Chengen, Q., Z, Z., H. an L., G. Sätz baséiert op 3d Pulp Champion Segmentéierung vun den éischte Molereimagraphie vun der Coneramagramméiert duerch d'Zännfaarf vun der Infammraphie duerch d'Zännfaarf vun der Infammagragie duerch d'Zännfaarf vun der Infammramagie vu Kasfraim fir d'Zännfaarf vun der Infammramagie vu Kammarfografie duerch d'Zännfaarf vu Kaz berechent duerch d'Zännfaarf vu Kaz berechent duerch d'Zännfaarf vun der Infammramagie vu Kasfraim fir d'Zännfaarf vun der Infammagrammer vu Kegagraphie duerch d'Zännmammer gemaach duerch d'Zännmaarf berechent duerch d'Zännfaarf vu Kammaragraim duerch d'Zännmaarf berechent duerch d'Zännfaarf vun der Infammore vu Kasfografie, déi déifgräifend sinn. internationalitéit. J. Legal Medizin. 135, 365-373 (2021).
WU, WT, et al. Datenbelen a klinesch grouss Daten: gemeinsam Datenbeleauen, a Methoden Modeller. Welt. Medizin. Ressource. 8, 44 (2021).
Yang, J. et al. Aféierung op medizinesch Datenbanken an Datenbauerend Technologien an de groussen Daten Ära. J. avid. Basis Medizin. 13, 57-69 (2020).
Shen, S. et al. Camrer Method fir Zahnzwecker ze schätzen mat Hëllef vun Maschinn ze léieren. BMC Oral Gesondheet 21, 641 (2021).
Galliburg A. et al. Verglach vu verschiddene Maschinn Léiermethoden fir Zréckgezeiung mat der demmirdjianer Stadingmethod. internationalitéit. J. Legal Medizin. 135 Joer 665-655 (2021).
Dememirdjian, A., Goldstein, H. an Tanner, JM en neie System fir Dontental Alter ze bewäerten. snort. Biologie. 45, 211-227 (1973).
Landis, JR, a Kach, gg Moossname vun den Observatiounskommes op kategoresch Daten. Biometresch 33, 159-174 (1977).
BHATTATAHHAHEREE S, PRKASH D, Kim C, Kim HK an Chii hk. Textural, morphesch a statesch Analyse vun zweedimentesche Magnéitikofrechnik imagingen, imposéiert Komplott vu Primärbürfleker. Gesondheetsinformatioun. Ressource. HTTPS://ddi.org/10,4258/hir.2022.28.18.46 (2022).
Postzäit: Jan-04-2024