基于机器学习和锁骨胸骨端薄层CT的年龄推断研究

目的 采用Kellinghaus分级法对锁骨胸骨端薄层CT进行人工阅片分级,运用多种传统统计学方法以及机器学习方法构建青少年及成人早期年龄推断模型,探索机器学习技术在四川汉族人群年龄推断研究中的应用价值。方法 回顾性收集491例10~30岁个体的胸部薄层CT影像,参照Kellinghaus分级法对所收集样本进行阅片分级赋分。随机选取10%的数据作为测试集,其余数据作为训练集,综合构建多种青少年及成人早期年龄推断的传统统计学回归模型与机器学习模型,采用平均绝对误差值(Mean Absolute Error,MAE)对模型的性能进行评估。结果统计回归模型中效能最好的模型为三次回归模型,男性MAE值为1.34,女性MAE值为1.57;三种机器学习模型中,随机森林模型对男性的预测效能最好,MAE值为1.39;支持向量模型对女性的预测效能最好,MAE值为1.51。结论在锁骨胸骨端年龄推断模型的构建中,机器学习模型在年龄推断中的准确性有一定提升,但与传统统计学回归模型相比并无明显优势,机器学习方法在锁骨胸骨端年龄推断中的应用价值仍有待进一步探索研究。