期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
酶消化法结合人工智能技术在法医学溺死硅藻检验中的应用
被引量：
4
1
作者
于慧潇
朱永正
+5 位作者
赵天琦
程奇
李周儒
殷文江
陈敏
蔡红星
《中山大学学报（医学科学版）》
CAS
CSCD
北大核心
2023年第3期430-438,共9页
【目的】人工智能(AI)全涂片自动化硅藻检验技术能比人类专家更快速、高效进行法医病理学溺死硅藻检验。然而,该技术仅与硅藻提取率较低的硝酸消化法联用过,本研究拟采用更加高效的蛋白酶K组织消解法(以下简称酶消化法)作为硅藻提取方法...
【目的】人工智能(AI)全涂片自动化硅藻检验技术能比人类专家更快速、高效进行法医病理学溺死硅藻检验。然而,该技术仅与硅藻提取率较低的硝酸消化法联用过,本研究拟采用更加高效的蛋白酶K组织消解法(以下简称酶消化法)作为硅藻提取方法,探究该技术在其他硅藻提取方法中的泛化能力及可行性。【方法】收集6例溺死尸体的肺组织进行蛋白酶K消解并制成涂片,利用数字化图像矩阵切割方法将涂片进行数字化处理并据此建立硅藻-背景数据库,将数据集按照3:1:1的比例分为训练集、验证集和测试集,在ImageNet预训练基础上对卷积神经网络(CNN)模型进行训练和内部验证及外部测试。【结果】结果显示最佳模型外部测试的准确率达97.65%,且模型特征提取区域即为硅藻所在区域。实际应用中最佳的CNN模型对溺水尸体的硅藻检测精准率高达80%以上。【结论】研究表明,基于CNN模型的AI自动化硅藻检验技术和酶消化法联用能高效识别硅藻,可以作为溺水鉴定中硅藻检测的辅助方法。
展开更多
关键词
法医病理学
硅藻
溺死
蛋白酶K
人工智能
卷积神经网络
在线阅读
下载PDF
职称材料
基于机器学习和CT三维重建技术的成人耻骨联合年龄推断
被引量：
3
2
作者
熊剪
曹永杰
+4 位作者
马永刚
杨孝通
张吉
黄平
万昌武
《复旦学报（医学版）》
CAS
CSCD
北大核心
2023年第5期731-742,共12页
目的利用计算机断层扫描技术探索耻骨联合表面形态学变化与年龄的相关性,并基于机器学习算法建立成人骨龄推断模型。方法收集10~90岁陕西省汉族腹部CT样本649例作为训练集,构建耻骨联合三维模型,选择7个形态学特征,即腹侧缘、背侧缘、...
目的利用计算机断层扫描技术探索耻骨联合表面形态学变化与年龄的相关性,并基于机器学习算法建立成人骨龄推断模型。方法收集10~90岁陕西省汉族腹部CT样本649例作为训练集,构建耻骨联合三维模型,选择7个形态学特征,即腹侧缘、背侧缘、联合面下端、联合面上端、腹侧斜面、耻骨结节和联合面沟嵴,建立新的耻骨联合形态特征评分系统,利用6种机器学习回归算法分别建立男性和女性年龄推断模型。分别使用85例临床CT样本(男性35例、女性50例)、96例死后CT样本(post-mortem CT samples,PMCT)(男性51例、女性45例)、82例真实耻骨联合样本(男性40例、女性42例)对各模型进行检验,选择最优的年龄推断模型。结果特征等级与年龄具有较强相关性(r>0.700,P<0.001)。男性样本中AdaBoost模型表现最佳,在临床CT、PMCT、真实耻骨联合三维重建模型上检验,得到较低的平均绝对误差(mean absolute error,MAE)分别为5.23、7.04和7.55岁,在40~70岁的年龄区间内MAE都小于10岁。女性样本中GBR模型表现最好,在临床CT、PMCT、真实耻骨联合三维重建模型上检验,得到较低的MAE,分别为5.16、5.02和5.71岁,在10~70岁的年龄区间内MAE都小于10岁。结论本研究构建的年龄推断模型具有一定的可靠性和准确性,可用于成人年龄推断。
展开更多
关键词
法医人类学
耻骨联合
CT
机器学习
年龄推断
成人
在线阅读
下载PDF
职称材料
题名
酶消化法结合人工智能技术在法医学溺死硅藻检验中的应用
被引量：
4
1
作者
于慧潇
朱永正
赵天琦
程奇
李周儒
殷文江
陈敏
蔡红星
机构
徐州医科大学
法医学
教研室
司法鉴定科学研究院/上海市法医学重点实验室/司法部司法鉴定重点实验室/上海市司法鉴定专业技术服务平台
西安市公安局经济
技术
开发区分局刑事侦查大队
苏州市公安局
出处
《中山大学学报（医学科学版）》
CAS
CSCD
北大核心
2023年第3期430-438,共9页
基金
上海市法医学重点实验室,司法部司法鉴定重点实验室开放基金(KF202004)
江苏省普通高校研究生科研、实践创新计划项目(KYCX22_2876)。
文摘
【目的】人工智能(AI)全涂片自动化硅藻检验技术能比人类专家更快速、高效进行法医病理学溺死硅藻检验。然而,该技术仅与硅藻提取率较低的硝酸消化法联用过,本研究拟采用更加高效的蛋白酶K组织消解法(以下简称酶消化法)作为硅藻提取方法,探究该技术在其他硅藻提取方法中的泛化能力及可行性。【方法】收集6例溺死尸体的肺组织进行蛋白酶K消解并制成涂片,利用数字化图像矩阵切割方法将涂片进行数字化处理并据此建立硅藻-背景数据库,将数据集按照3:1:1的比例分为训练集、验证集和测试集,在ImageNet预训练基础上对卷积神经网络(CNN)模型进行训练和内部验证及外部测试。【结果】结果显示最佳模型外部测试的准确率达97.65%,且模型特征提取区域即为硅藻所在区域。实际应用中最佳的CNN模型对溺水尸体的硅藻检测精准率高达80%以上。【结论】研究表明,基于CNN模型的AI自动化硅藻检验技术和酶消化法联用能高效识别硅藻,可以作为溺水鉴定中硅藻检测的辅助方法。
关键词
法医病理学
硅藻
溺死
蛋白酶K
人工智能
卷积神经网络
Keywords
forensic pathology
diatoms
drowning
proteinase K
artificial intelligence
convolutional neural net work
分类号
R89 [医药卫生—法医学]
在线阅读
下载PDF
职称材料
题名
基于机器学习和CT三维重建技术的成人耻骨联合年龄推断
被引量：
3
2
作者
熊剪
曹永杰
马永刚
杨孝通
张吉
黄平
万昌武
机构
贵州医科大学
法医学
院
司法鉴定科学研究院/上海市法医学重点实验室/司法部司法鉴定重点实验室/上海市司法鉴定专业技术服务平台
南京医科大学基础
医学
院
西安交通大学附属三二〇一医院影像科
山西医科大学
法医学
院
出处
《复旦学报（医学版）》
CAS
CSCD
北大核心
2023年第5期731-742,共12页
基金
国家自然科学基金(81722027)
上海市法医学重点实验室项目(17DZ2273200)
+1 种基金
上海市司法鉴定专业技术服务平台项目(16DZ2290900)
中央级公益性科研院所项目(GY2020G-2)。
文摘
目的利用计算机断层扫描技术探索耻骨联合表面形态学变化与年龄的相关性,并基于机器学习算法建立成人骨龄推断模型。方法收集10~90岁陕西省汉族腹部CT样本649例作为训练集,构建耻骨联合三维模型,选择7个形态学特征,即腹侧缘、背侧缘、联合面下端、联合面上端、腹侧斜面、耻骨结节和联合面沟嵴,建立新的耻骨联合形态特征评分系统,利用6种机器学习回归算法分别建立男性和女性年龄推断模型。分别使用85例临床CT样本(男性35例、女性50例)、96例死后CT样本(post-mortem CT samples,PMCT)(男性51例、女性45例)、82例真实耻骨联合样本(男性40例、女性42例)对各模型进行检验,选择最优的年龄推断模型。结果特征等级与年龄具有较强相关性(r>0.700,P<0.001)。男性样本中AdaBoost模型表现最佳,在临床CT、PMCT、真实耻骨联合三维重建模型上检验,得到较低的平均绝对误差(mean absolute error,MAE)分别为5.23、7.04和7.55岁,在40~70岁的年龄区间内MAE都小于10岁。女性样本中GBR模型表现最好,在临床CT、PMCT、真实耻骨联合三维重建模型上检验,得到较低的MAE,分别为5.16、5.02和5.71岁,在10~70岁的年龄区间内MAE都小于10岁。结论本研究构建的年龄推断模型具有一定的可靠性和准确性,可用于成人年龄推断。
关键词
法医人类学
耻骨联合
CT
机器学习
年龄推断
成人
Keywords
forensic anthropology
pubic symphysis
CT
machine learning
age estimation
adult
分类号
DF795.6 [医药卫生—法医学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
酶消化法结合人工智能技术在法医学溺死硅藻检验中的应用
于慧潇
朱永正
赵天琦
程奇
李周儒
殷文江
陈敏
蔡红星
《中山大学学报（医学科学版）》
CAS
CSCD
北大核心
2023
4
在线阅读
下载PDF
职称材料
2
基于机器学习和CT三维重建技术的成人耻骨联合年龄推断
熊剪
曹永杰
马永刚
杨孝通
张吉
黄平
万昌武
《复旦学报（医学版）》
CAS
CSCD
北大核心
2023
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
