論文の概要: An Explainable Machine Learning Approach for Age and Gender Estimation in Living Individuals Using Dental Biometrics

• arxiv url: http://arxiv.org/abs/2411.08195v1
• Date: Tue, 12 Nov 2024 21:33:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-14 16:09:29.688777
• Title: An Explainable Machine Learning Approach for Age and Gender Estimation in Living Individuals Using Dental Biometrics
• Title（参考訳）: 歯科バイオメトリックスを用いた高齢者の年齢・性別推定のための説明可能な機械学習手法
• Authors: Mohsin Ali, Haider Raza, John Q Gan, Ariel Pokhojaev, Matanel Katz, Esra Kosan, Dian Agustin Wahjuningrum, Omnina Saleh, Rachel Sarig, Akhilanada Chaurasia,
• Abstract要約: 本研究は, 生活者における年齢・性別推定の予測システムを開発することを目的とする。 新しいアンサンブル学習技術が開発され、異なる歯科用計測値に合わせて複数のモデルを用いている。 SHAPを使って説明可能なAIモデルが作成され、歯科専門家が司法判断を下せるようになった。
• 参考スコア（独自算出の注目度）: 1.3792520979150962
• License:
• Abstract: Objectives: Age and gender estimation is crucial for various applications, including forensic investigations and anthropological studies. This research aims to develop a predictive system for age and gender estimation in living individuals, leveraging dental measurements such as Coronal Height (CH), Coronal Pulp Cavity Height (CPCH), and Tooth Coronal Index (TCI). Methods: Machine learning models were employed in our study, including Cat Boost Classifier (Catboost), Gradient Boosting Machine (GBM), Ada Boost Classifier (AdaBoost), Random Forest (RF), eXtreme Gradient Boosting (XGB), Light Gradient Boosting Machine (LGB), and Extra Trees Classifier (ETC), to analyze dental data from 862 living individuals (459 males and 403 females). Specifically, periapical radiographs from six teeth per individual were utilized, including premolars and molars from both maxillary and mandibular. A novel ensemble learning technique was developed, which uses multiple models each tailored to distinct dental metrics, to estimate age and gender accurately. Furthermore, an explainable AI model has been created utilizing SHAP, enabling dental experts to make judicious decisions based on comprehensible insight. Results: The RF and XGB models were particularly effective, yielding the highest F1 score for age and gender estimation. Notably, the XGB model showed a slightly better performance in age estimation, achieving an F1 score of 73.26%. A similar trend for the RF model was also observed in gender estimation, achieving a F1 score of 77.53%. Conclusions: This study marks a significant advancement in dental forensic methods, showcasing the potential of machine learning to automate age and gender estimation processes with improved accuracy.
• Abstract（参考訳）: 目的: 年齢と性別の推定は、法医学的な調査や人類学的研究など、様々な応用に不可欠である。 本研究は, 高齢者の年齢・性別推定のための予測システムを開発することを目的として, 冠状骨高(CH), 冠状歯髄空洞高(CPCH), 歯冠指数(TCI)などの歯科計測値を活用することを目的とする。 方法: 本研究では, キャットブースト分類 (Catboost), グラディエント・ブースティング・マシン (GBM), アダブースト分類 (AdaBoost), ランダムフォレスト分類 (RF), eXtreme Gradient Boosting (XGB), ライトグラディエント・ブースティング・マシン (LGB), エクストラツリー・ブースティング・マシン (ETC) などの機械学習モデルを用いて, 862人(男性459人, 女性403人)の歯科データを解析した。 具体的には, 上顎・下顎両歯の臼歯, 臼歯, 臼歯など, 個々6本の歯の根尖部X線写真を用いて検討した。 新しいアンサンブル学習法が開発され, 年齢と性別を正確に推定するために, それぞれ異なる歯の計測値に合わせた複数のモデルを用いている。 さらに、SHAPを利用して説明可能なAIモデルが作成され、歯科専門家が理解可能な洞察に基づいて司法判断ができるようになった。 結果: RFモデルとXGBモデルは特に有効であり, 年齢・性別推定ではF1スコアが最も高かった。 特に、XGBモデルでは年齢推定が若干向上し、F1スコアは73.26%に達した。 また, 性別推定においても同様の傾向がみられ, F1スコアは77.53%であった。 結論: 本研究は, 年齢・性別推定プロセスを自動化する機械学習の可能性を示すとともに, 精度の向上を図った。

関連論文リスト

• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Adapting Machine Learning Diagnostic Models to New Populations Using a Small Amount of Data: Results from Clinical Neuroscience [21.420302408947194]
  我々は、ソースグループからのデータを最適に組み合わせ、ターゲットグループで予測する、重み付き経験的リスク最小化手法を開発した。 本研究では,アルツハイマー病の診断と脳年齢推定のためのMLモデルを構築するため,20の神経画像研究から15,363人のマルチソースデータに適用した。
  論文  参考訳（メタデータ） (2023-08-06T18:05:39Z)
• An Improved Model Ensembled of Different Hyper-parameter Tuned Machine Learning Algorithms for Fetal Health Prediction [1.332560004325655]
  本研究では,胎児の健康状態を予測するために,Support Vector MachineとExtraTreesのアンサンブルと呼ばれる頑健なアンサンブルモデルを提案する。 提案したETSEモデルは、100%精度、100%リコール、100%F1スコア、99.66%精度で他のモデルより優れていた。
  論文  参考訳（メタデータ） (2023-05-26T16:40:44Z)
• Deep Learning for Predicting Progression of Patellofemoral Osteoarthritis Based on Lateral Knee Radiographs, Demographic Data and Symptomatic Assessments [1.1549572298362785]
  本研究はMOST研究のベースラインから被験者(被験者1832名,膝3276名)を抽出した。 PF関節領域は, 側膝X線上の自動ランドマーク検出ツール(BoneFinder)を用いて同定した。 年齢、性別、BMIおよびWOMACスコア、および大腿骨関節X線学的関節炎ステージ(KLスコア)の危険因子について
  論文  参考訳（メタデータ） (2023-05-10T06:43:33Z)
• Clinical Deterioration Prediction in Brazilian Hospitals Based on Artificial Neural Networks and Tree Decision Models [56.93322937189087]
  超強化ニューラルネットワーク(XBNet)は臨床劣化(CD)を予測するために用いられる XGBoostモデルはブラジルの病院のデータからCDを予測する最良の結果を得た。
  論文  参考訳（メタデータ） (2022-12-17T23:29:14Z)
• Textual Data Augmentation for Patient Outcomes Prediction [67.72545656557858]
  本稿では,患者の電子カルテに人工的な臨床ノートを作成するための新しいデータ拡張手法を提案する。 生成言語モデルGPT-2を微調整し、ラベル付きテキストを元のトレーニングデータで合成する。 今回,最も多い患者,すなわち30日間の寛解率について検討した。
  論文  参考訳（メタデータ） (2022-11-13T01:07:23Z)
• Forensic Dental Age Estimation Using Modified Deep Learning Neural Network [0.0]
  本研究は, 年齢8歳から68歳までの被験者のDPR画像1,332例を用いて, 法医学的年齢を自動推定する手法を提案する。 平均絶対誤差(MAE)は3.13、根平均二乗誤差(RMSE)は4.77、相関係数R$2$は87%であった。
  論文  参考訳（メタデータ） (2022-08-21T04:06:04Z)
• Deep Learning Discovery of Demographic Biomarkers in Echocardiography [0.3957768262206625]
  深層学習アルゴリズムを用いて、心エコー画像から年齢、人種、性別を予測することができるかどうかを検証する。 年齢、性別、人種を予測するために、ビデオベースの畳み込みニューラルネットワークをトレーニングしました。 ディープラーニングモデルは、人種を確実に予測できず、年齢と性別を識別できることがわかった。
  論文  参考訳（メタデータ） (2022-07-13T16:48:49Z)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)
• A deep learning classifier for local ancestry inference [63.8376359764052]
  局所祖先推論は、個人のゲノムの各セグメントの祖先を特定する。 我々は,エンコーダ・デコーダアーキテクチャを備えた深層畳み込みニューラルネットワークを用いた新しいLAIツールを開発した。 我々は,既存のゴールド標準ツール RFMix とほぼ同等の精度で,ゼロショットタスクとしてアドミキシングを学習できることを実証した。
  論文  参考訳（メタデータ） (2020-11-04T00:42:01Z)
• Self-Training with Improved Regularization for Sample-Efficient Chest X-Ray Classification [80.00316465793702]
  挑戦的なシナリオで堅牢なモデリングを可能にするディープラーニングフレームワークを提案する。 その結果,85%のラベル付きデータを用いて,大規模データ設定で学習した分類器の性能に適合する予測モデルを構築することができた。
  論文  参考訳（メタデータ） (2020-05-03T02:36:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。