د غاښونو د تنکيزونو او ځوانو لویانو تر مینځ د غاښونو د کمي اټکل کولو میتودونو پروړاندې د کان کیندنې دودیزو نمونې ښودنه

مننه د لیدو طبیعت. د براوزر نسخه تاسو کاروئ د CSS ملاتړ لري. د غوره پایلو لپاره، موږ سپارښتنه کوو چې ستاسو د براوزر نوي نسخه کارولو وړاندیز وکړي (یا د انټرنیټ سپړونکي کې د جواز حالت بندول). په ورته وخت کې، د روان ملاتړ یقیني کولو لپاره، موږ سایټ پرته د سټایل یا جاواسکریپټ پرته وښیو.
غاښونه د انسان د بدن عمر ترټولو درست ښودنه ګ considered ل کیږي او ډیری وختونه د عدلي عوایدو ارزونې کې کارول کیږي. موږ هدف لرو چې د دودیزو میتودونو او معلوماتو پراساس عمر لرونکي عمر اټکلونو په پرتله د تخم د تخریب دقت کولو او ډلبندۍ فعالیت پرتله کولو سره د ډیټا کان کیننیز پراساس د غاښونو دقت اټکلونو تصدیق وکړو. په مجموعي ډول 2657 باینورارایک راډیوګانې له 17 څخه تر 23 کلونو پورې د کوریا او جاپاني اتباعو څخه راټول شوي وو. دوی په روزنیز سیټ ویشل شوي، هر یو 900 کوریاګرافیکونه لري، او داخلي ازموینه لري چې 857 جاپاني راډیوګانې لري. موږ د طبقې دقت او د دودیزو لاروایی موثریت سره پرتله کولو سره د ډیټا کان کیندنې ماډلونو ازموینې سره پرتله کول. د داخلي ازموینې سیټ په اړه د دودیزو میتود درستیت د ډیټا کان کیندنې ماډل څخه یو څه لوړ دی، او توپیر یې کوچنی دی (دقیقه تېروتنه <0.21 کاله، د مربع معنی <0.24 کاله). د 18 کلن کډوت لپاره د کټګورۍ فعالیت او د دودیزو لارو او د کان کیندنې ماډلونو ترمنځ هم ورته دی. پدې توګه، دودیز میتودونه د معلوماتو کان کیندنې ماډلونو لخوا ځای په ځای کیدی شي کله چې په کوریایی تناسب او ځوانو لویانو کې د عدلي عمر ارزونه ترسره کړي.
د غاښونو عمر اټکل په پراخه کچه د عدلي طبري او پیډیاټریک غاښونو غاښونو سره کارول کیږي. په ځانګړي توګه، ځکه چې د کرونولوژی عمر او غاښونو پرمختګ ترمینځ د لوړ ارتباط له امله، د غاښونو پراختیایی مرحلې لخوا د عمر ارزونه د ماشومانو او لویانو د عمر د عمر ارزونې لپاره مهم معیار دی. په هرصورت، د ځوانانو په تکتیر کې د غاښونو عمر اټکل کول د دې محدودیتونو پراساس دي ځکه چې د غاښونو وده نږدې بشپړه ده، د ځمکې وده نږدې بشپړ بشپړ دي، د دریم سلطنرانو استثنا سره نږدې بشپړ شوی. د ځوانانو د عمر او لویانو د تعریف قانوني هدف د دقیق اټکلونه او ساینسي شواهد چمتو کول دي چې ایا د اکثریت عمر ته رسیدلي که نه. په کوریا کې د لویانو او ځوان لویانو په میډیک - قانوني عمل د لی میتود په کارولو اټکل شوی و، او د 18 کلونو څخه د 18 کلونو حقوقي حد د اې او AL 5 راپور شوي معلوماتو پراساس اټکل شوی و.
د ماشین زده کړه یو ډول مصنوعي استخباراتو (AI) یو ډول دی چې په مکرر ډول سره زده کوي او د خپل ځان په اړه ستونزې حل کوي. د ماشین زده کړې کولی شي ګټور پټ نمونه په لوی مقدار کې ومومي. برعکس، کلاسیک میتودونه، کوم چې د کار ناراحتي او وخت مصرف کونکي توکي لري کله چې د لاندني توکو لوی مقدار سره معامله کول ستونزمن وي چې په لاسي ډول پروسس کول ګران وي. Therefore, many studies have been conducted recently using the latest computer technologies to minimize human errors and efficiently process multidimensional data8,9,10,11,12. In particular, deep learning has been widely used in medical image analysis, and various methods for age estimation by automatically analyzing radiographs have been reported to improve the accuracy and efficiency of age estimation13,14,15,16,17,18,19,20 . د مثال په توګه، حلببي او AL 13 د ماشین نصاب (CNN) پراساس د ماشومانو د لاسونو راډیو ګانو پراساس. دې مطالعې یو ماډل وړاندیز کوي چې طبي عکسونو ته د ماشین زده کړې پلي کوي او ښیې چې دا میتودونه کولی شي د تشخیص غوښتنه وکړي. د لی او ALA14 اټکل شوی عمر د پیچلي ایکس ري عکسونو څخه د تقاعد د مرحلې اټکل کارولو په کارولو سره د فشار پایلې په پرتله پرتله کوي. دوی وموندله چې د زده کړې ژورې زده کړې د CNN ماډل د عدلي فشار دودیز ماډل په څیر ورته د اټکل کولو فعالیت فعالیت وښود. د ګوو او ایل زده کړې مطالعه [15] د عمر قبر د غاښونو قبر ترتیب کولو او د CNN ماډل پایلې ثابت کړې چې انسانان د خپل عمر کټګورۍ فعالیت وړاندې کړ.
Most studies on age estimation using machine learning use deep learning methods13,14,15,16,17,18,19,20. د ژورې زده کړې پراساس د دودیزې میتودونو څخه ډیر دقیق راپور شوي. په هرصورت، دا روش لږ فرصت برابروي ترڅو د قضیو اټکلونو لپاره ساسيټ اساس وړاندې کړي، لکه د عمر شاخصونه په اټکلونو کې کارول کیږي. دلته قانوني لانجه هم شتون لري چې د چا تفتیشونه ترسره کوي. له همدې امله، د عمر اټکل د خورا ژور زده کړې پر بنسټ د اداري او قضایي چارواکو لخوا منل ګران دي. د معلوماتو کان کیندنې (DM) یو تخنیک دی چې نه یوازې تمه کیده بلکه غیر متوقع معلومات د خوراکي توکو لوی مقدار د لوی ډیټا د لوی مقدار خلکو په مینځ کې د پام وړ معنی لري. د ماشین زده کړه اکثرا د معلوماتو په کانونو کې کارول کیږي، او دواړه د کان کیندنې او ماشین زده کړې په ډیټا کې د نمونې کشف کولو لپاره ورته کليدي الګوریتم کاروي. د غاښونو پرمختیا په کارولو سره د عمر وړتیا د هدف غاښ غاښونو د بشپړتیا ارزونې پراساس ده، او دا ارزونه د هرې هدف غاښونو لپاره د سټیج په توګه څرګندیږي. DM د غاښونو ارزونې مرحلې او واقعي عمر تر مینځ د ارتباط تحلیل لپاره کارول کیدی شي او د دودیز احصایو تحلیل ځای په ځای کولو احتمال لري. نو ځکه ډیری تقابليې مطالعات د غاښونو عمر ټاکلو لپاره د عدلي لارښود میتودونو کې د کارول شوي ځانګړي بدیلونو په اړه خپاره شوي. شین او AL23 وښودله چې د DM ماډل د دودیز اورمار فارمول څخه ډیر درست دی. ګالابورګ او AL24 د ډرمجنجین معیارونو سره سم د عمر مختلف ډوله DM میتودونه پلي کړل چې د DM میتود یې د فرانسوي نفوس اټکل کولو کې د ډار طرحه ډرمجین او ویلیکس تنظیم کړ.
د کوریا تنکۍ او ځوان لویانو اټکل کولو لپاره، د لیو میتود 4 په پراخه کچه د کوریا عدلي تمرین کې په پراخه کچه کارول کیږي. دا میتود دودیز احصایوي تحلیل کاروي (لکه څو فشار) د کوریا موضوعاتو او کرونولوژیک عمر تر مینځ اړیکې معاینه کوي. پدې مطالعه، د عمر اټکل کولو میتودونه د دودیز احصایوي میتودونو په کارولو سره ترلاسه شوي د دودیز احصایو میتودونو "دودیز میتودونو" په توګه تعریف شوي. د لیو میتود یو دودیز میتود دی، او دقت د ای او AL لخوا تایید شوي. 5 ؛؛ په هرصورت، د عمر اټکلونو پراساس د عمر اټکل تطبیق د کوریا عدلي تمرین پراساس لاهم د پوښتنې وړ دی. زموږ هدف په ساینسي ډول د DM ماډل پراساس د عمر اټکل احتمالي ګټورتیا اعتبار کوي. د دې مطالعې هدف (1) د غاښونو د عمر او (2) په پرتله د دوه کلونو عمر د هغه ځایونو څخه چې د 18 کلونو کې د دوه کالو په کارولو سره د هغه چا سره پرتله کول چې د 18 کلونو عمر د هغه چا سره پرتله کوي چې د 18 کلونو عمر لرونکي د ثانوي احصایو میتودونو په کارولو سره د تولید شوي دودیزو میتودونو په کارولو سره د تولید شوي دودیز میتودونو په کارولو سره د دوه کلونو نمبری کولو فعالیت پرتله کړي او په دواړو ججونو کې دریم مولر.
د مرحلې او غاښونو ډول په واسطه د کرونولوژیکي عمر معنی او معیاري انحرافات آنلاین ښودل شوي د روزنې سیټ څخه ترلاسه شوي د داخلي او محافظت شوي محافظت اعتبار لپاره د KAPPA پیشو ارزښتونه د روزنې سیټ څخه ترلاسه شوي 0.951 او 0.947 وې. P ارزښتونه او د KAPPA ارزښتونو لپاره د 95٪ اعتمادونو بیاکتنې په آنلاین ضمیمه جدول S S4 کې ښودل شوي. د کراPPA ارزښت د "نږدې بشپړ" په توګه تشریح شوی و، چې د لیسې او کوچ 296 سره مطابقت درلود.
کله چې پرتله کول مطلق غلطي (MEE)، عنعنوي میتود د ټولو جنډر لپاره د DM نمونه ترتیب کوي او د ملتیر پیژندل شوي (MLP) استثنا سره. د داخلي مایل ازموینې سیټ کې د دودیز ماډل او د DM ماډل ترمینځ توپیر د نارینه او 0.17--0...1 کلونو لپاره د ښځو لپاره و. د بهرنۍ ازموینې بیټرۍ لپاره، توپیرونه کوچنۍ دي (0.001-0.05 کلنه د نارینه وو لپاره او 0.05-0.09 کاله) د ښځو لپاره). سربیره پردې، د مربع معنی د مربع غلطي (RMESE) د دودیزې میتود څخه لږ ټیټ دی، د کوچني توپیر ټاکل شوي سیټ، 0.03-0.07، 0.03-0.07، 0.03-0.07، 0.03-0.07، 0.03-0.07، 0.03-0.07، 0.03-0.07، 0.03-0.07، 0.03-0.07، 0.2-0.07، د بهرني ازموینې سیټ لپاره 0.04-0.08، 0.2-0.08، 0.03-0.08، 0.2-0.08، 0.04-0.08 ). MLP د یو واحد پرت په اړه یو څه ښه فعالیت ښیې، مګر د ښځینه بهرني ازموینې په حالت کې. د مۍ او رمز لپاره، د ټیسټ بهرني ازموینې نمرې د ټولو جنډر او ماډلونو لپاره د داخلي ازموینې سیټ څخه لوړ و. ټول ما او RMSE په جدول 1 او شکل 1 کې ښودل شوي.
د دودیزو او ډیټا کان کیندنې د ریګریډ ماډلونو ما. د بشپړ تېروتنې ما amain، د مربع په معنی د مربع تېروتنې RMES، یو پرتی پرت ګرامین SLP، ملیلیر احساسron ملیډ.
د دودیز او DM ماډلونو د کیمپ کولو فعالیت (د 18 کلونو ماډلونو سره) د حساسیت، مشخصو وړاندوینې (PPV)، منفي وړاندوینې ارزښت (AURC لاندې ساحه) 27 (جدول 2، عکس 2 او د بشپړ شکل 1 آنلاین). د داخلي ازموینې بیټرۍ حساسیت په شرایطو کې، دوديز میتود د نارینه وو تر منځ خرابیدل او د ښځو ترمنځ خرابیدل ترسره کړي. په هرصورت، د دودیزو لارو او SD تر مینځ د ترتیباتو فعالیت کې توپیر د نارینه وو لپاره 9.7٪ دی (MLP) او د ښځو لپاره یوازې 2.4٪ د میرمنو لپاره (xGBOST). د DM ماډلونو، لوژیستیک فشار (LR) په دواړه جنسونو کې ښه حساسیت ښودلې. د داخلي ازموینې سیټ د مشخصیت په اړه، دا مشاهده شوې چې څلور SD موډلونه په نارینه وو کې ښه ترسره شوي، پداسې حال کې چې دودیز ماډل په ښځینه کې غوره ترسره کړ. The differences in classification performance for males and females are 13.3% (MLP) and 13.1% (MLP), respectively, indicating that the difference in classification performance between models exceeds sensitivity. د DM ماډلونو کې، د مرستې ویکتور ماشین (SVM)، د پریکړې ونې (DT) ماډلونه د نارینه وو ترمینځ غوره ترسره شوي، پداسې حال کې چې د LR ماډل د ښځینه و په مینځ کې ترسره شوي. د دودیز ماډل او ټولو SD ماډلونو ایروس په نارینه وو کې د 0.925 (K-نادره ګاونډي (k-Neghan ه) څخه لوی وو، د 18 کلن زاړه نمونې 2،8. د بهرني ازموینې سیټ لپاره، د ساده ازموینې سیټ په پرتله حساسیت، مشخصاتو او AUroc په شرایطو کې د ډلبندي فعالیت کمیدل شتون درلود. سربیره پردې، د غوره او بدمرالي ماډلونو د کټګورۍ فعالیت څخه توپیر او د 10٪ څخه تر 25٪ پورې د کټګورۍ له مخې 25٪ ته راوتلی او د داخلي ازموینې سیټ کې د توپیر څخه لوی و.
حساسیت او د ډیټا کان کیندنې کټګوریو ماډلونو په پرتله د 18 کلونو یوه پوټکی سره پرتله کول. KNN k nearest neighbor, SVM support vector machine, LR logistic regression, DT decision tree, RF random forest, XGB XGBoost, MLP multilayer perceptron, traditional CM method.
په دې څیړنه کې لومړی ګام د د غاښونو د عمر اټکلونو درستیتونه پرتله کول چې د اوو DM ماډلونو څخه ترلاسه شوي د دودیز فشار په کارولو سره ترلاسه شوي تولیداتو سره ترلاسه شوي. مای او RMES د دواړو جنسونو لپاره د داخلي ازموینې ترتیبونو کې ارزول شوي، او د دودیز میتود ترمینځ توپیر او د DME لپاره د 64 څخه تر 72 ورځو پورې د RME لپاره او له 62 څخه تر 88 ورځو پورې شمیره لري. که څه هم په دې څیړنه کې دوديز میتود لږ دقیق و، په دې عمليات کې چې ایا دا ډول لږ توپیر کلینیکي یا عملي اهمیت لري. دا پایلې په ګوته کوي چې د DM ماډل په کارولو د غاښونو د عمر اټکل درستیت د دودیزې میتود په څیر ورته ورته دی. د تیرو مطالعاتو له پایلو سره مستقیم پرتله کول ګران دي ځکه چې هیڅ مطالعه د DM ماډلونو درستیت د دودیز احصایوي میتودونو درست دی چې ورته د غاښونو ثبت کولو دودیز احصایوي میتودونو سره پرتله کوي لکه څنګه چې پدې مطالعه کې د غاښونو ثبتولو دودیز احصایوي میتودونو سره پرتله ندی. ګیبورګ او AL24 د دوه دودیزو میتودونو تر مینځ د مینو او رمیسونو په پرتله د دوه تر 24 تر years 24 کلونو پورې د فرانسوي نفوس په پرتله او 10 DM ماډلونه پرتله کوي. دوی راپور ورکړ چې ټول د DM ماډلونه د دودیزو میتودونو څخه ډیر دقیق شوي، په ترتیب سره په ما او 0.25 او 0.28 کلونو په RMS کې د ویلیلامز او ډرمیا میتودونو په پرتله توپیر سره. د هالابورګ مطالعې کې ښودل شوي SD ماډل او عنعنوي میتودونو په پام کې نیولو سره چې د ډرمیزجین میتود په توګه د غاښونو عمر په نفوس کې د غاښونو عمر په ملکیت کې نیسي. پدې مطالعه کې. Ti & Al4 3 د MLP الګوریتم کارول د 1636 چینايي ارتنوفونو عکسونو څخه د غاښونو عمر اټکل کولو او د ډمیرجین او ویلیزم میتود پایلو سره پرتله کوي. دوی راپور ورکړ چې MLP د دودیزو میتودونو څخه لوړ درستیت لري. د ډرمیجین میتود او دوديز میتود ترمینځ توپیر <0.32 کاله دی، او د ویلیلام میتود 0.28 کاله دی، چې د اوسني مطالعې پایلو سره ورته دی. د دې پخوانیو مطالعاتو پایلې د موجوده مطالعې پایلو سره هم مطابقت لري، او د DM ماډل د روغتیا د تخم د درستتیا ورته دي او دودیز میتود ورته دی. په هرصورت، د وړاندې شوي پایلو پراساس، موږ یوازې په احتیاط سره پایله کولی شو چې اټکل کولو لپاره د DM ماډلونو کارول د تقابل او راجع کولو پخوانیو مطالعاتو نشتوالي له امله موجوده میتودونه ځای په ځای کوي. د لوی نمونو کارول د لوی نمونو کارول اړین دي ترڅو پدې مطالعه کې ترلاسه شوي پایلې تصدیق کړي.
د مطالعاتو په عمر کې د SD درستیت ازموینې په توګه د SD دقت ازموینې ازموینې ته د زموږ د مطالعې په پرتله لوړ درستیز ښودلی. سټراسیووسکي او AL 35 د SD4 د چک اوسیدونکو چینجمومیک راډیووګانو ته 22 SD ماډلونه د 2.7 څخه تر 20.5 کلونو 20.5 کلونو پورې او 20 کاله تر 20.5 کلونو پورې. دوی د ټولګي تنظیم کونکو لخوا د طبقې معیارونو په کارولو سره د مجموعي او ټیټې الوتکو دایمي غاښونو د وړاندیز شوي طبقه وړاندیز شوي معیارونو په کارولو سره رامینځته کړی. مای د 0.64 کلونو څخه 0.94 کلونو پورې دی او RMSE له 0.85 څخه تر 1.27 کلونو پورې دی، کوم چې پدې څیړنه کې د دوه DM ماډلونو څخه ډیر درست دی. شپیل او نور په لومړي ځل کې د ختیځ دایمي غاښونو اټکل کولو لپاره په کی ations 13 کلونو کې د بل اړخیز غاښونو اټکل کولو لپاره کارول شوي او د خطي فشار، SVM او RF په کارولو سره د وريځایونو معافیت کاروي. دوی وښودله چې ټول درې DM ماډلونه د دودیز وران شوي فارمول په پرتله لوړ درستیت لري. د شین مطالعې کې د مای او RMSES په جریان کې د DM ماډل کې د DM ماډل کې ټیټ و. د سټینډووو او نور لخوا د مطالعې دقیقیت. Al 35 او slen. 23 ممکن د دوی د مطالعې نمونو کې د ځوانو موضوعاتو شمولیت له امله وي. ځکه چې د غاښونو وده د غاښونو د ودې برخه اخیستونکو لپاره اټکلونه اټکل کیږي، نو د امکاناتو اټکل کولو میتود درستیت ممکن وي. سربیره پردې، د عمر اټکل کې د MLP غلطي د SDP څخه لږ کوچنۍ ده، پدې معنی چې MLP د SSP څخه ډیر درست دی. MLP د عمر اټکل لپاره یو څه ښه ګ .ل کیږي، په احتمالي توګه په MLP38 کې د پټو ځایونو له امله. په هرصورت، د میرمنو بهرني نمونې لپاره استثنا شتون لري (لومړی SLP 1.45، MLP 1.49). دا موندنه چې MLP د عمر په ارزولو کې د SMP څخه ډیر دقیق دی.
د DM ماډل او دودیز میتود د 18 کلونو په درشل کې پرتله کول هم. ټول ازمول شوي SD ماډلونه او دودیز میتودونو ته د 18 کلن زاړه نمونې لپاره د تبعیض وړتیا ښودلې. د نارینه او ښځینه لپاره حساسیت له 87٪ او 94 94.9٪ څخه ډیر و، او مشخصیت له 89.3٪ او 84..7٪ څخه ډیر و. د ټولو ازمویل شوي ماډلونو ایروس هم 0.925 ډیر دی. زموږ د پوهې غوره ته، هیڅ یوه مطالعه د غاښونو پاکولو پراساس د 18 کلن طبقې لپاره د DM ماډل فعالیت نه دی ازمول شوی. موږ کولی شو د دې مطالعې پایلې د پینورامیک راډیوګانو باندې د ژورې زده کړې ماډلونو ډلبندي فعالیت سره پرتله کړو. د ګوو او ALU15 د CNN پر اساس ژورې زده کړې ماډل او لارښود میتود د ټاکلې مودې لپاره د یو ټاکلي عمر حد لپاره د ډیمیرجین میتود پراساس محاسبه کړي. حساسیت او د لارښود میتود توضیحي او مشخصیت په ترتیب سره 87.7٪ او 95. ٪٪ و، د CNN ماډل مشخص، په ترتیب سره 89.2٪ او 86٪ ډیر شوی. دوی دې پایلې ته ورسید چې د ژورې زده کړې ماډل کولی شي د عمر حدونو په طبقه بندي کولو کې یا د فیډریچر لاین ارزونه ځای په ځای کړي. د دې مطالعې پایلې ورته د سمبالولو فعالیت ښیې. داسې انګیرل کیږي چې د DM ماډلونو په کارولو سره طبقه بندي کولی شي د عمر اټکل لپاره دودیز احصایو میتودونه ځای په ځای کړي. د ماډلونو په مینځ کې، DM LR د نارینه نمونې او حساسیت او د ښځینه نمونې لپاره د نارینه نمونې او مشخصاتو لپاره حساس ماډل و. LR د سړو لپاره د مشخصاتو سره دوهم ځای لري. سربیره پردې، LR د نورو کاروونکي دوستانه DM35 ماډلونو څخه یوه ګ considered ل کیږي او د پروسې لپاره لږ پیچلي او ګران دي. د دې پایلو پراساس، LR د کوریا په نفوس کې د 18 کلن ماشوم لپاره د غوره کټګرافیز غوره طبقه استفاده ګ .ل کیده.
په ټولیز ډول، د عمر اټکل کولو یا د ډلبندۍ کړنې درستیت د بهرني ازموینې سیټ کې ضعیف یا ټیټ و چې د داخلي ازموینې سیټ باندې د پایلو په پرتله غریب یا ټیټ و. ځینې ​​راپورونه په ګوته کوي چې د طبقه دقت یا وړتیا راټیټوي کله چې د کوریا نفوس پراساس اټکلونه جاپاني نفوس ته کارول کیږي، او په اوسني مطالعې کې ورته ورته ب pattern ه وموندل شوه. د خرابیدو رجحان هم د DM ماډل کې ولیدل شو. له همدې امله، د دقیقا اټکل کولو لپاره، حتی کله چې د تحلیل نفوس ډیټا څخه کار واخلئ، لکه دودیز میتودونه باید ترجیح ورکړل شي، ټاکل شوی وي 5،39،41،41 څنګه چې دا روښانه نده چې د زده کړې ژورې ماډلونه کولی شي ورته رجحانات وښیې، مطالعې ته د دودیز میتودونو دقت او کیفیت ماډلونه د محدود عمر په کارولو سره د دې تبعیضو څخه کار اخلي. ارزونه.
موږ په ډاګه کوو چې دودیز میتودونه د عمر اټکل په واسطه په کوریا کې د عدلي عمر اټکل کولو عمل کې ځای په ځای کیدی شي. موږ د تجربو عمر ارزونې لپاره د ماشین زده کړې زده کړې پلي کولو امکان هم کشف کړۍ. په هرصورت، روښانه محدودیتونه شتون لري، لکه پدې څیړنه کې د برخه اخیستونکو ناکافي شمیره د دې څیړنې پایله او د پایلو نشتون تایید او تایید کولو لپاره د تیرو مطالعاتو نشتوالي. په راتلونکي کې، د DM مطالعاتو سره باید د لوی شمیر نمونو او ډیر مختلف وګړو سره ترسره شي ترڅو د دودیزو میتودونو سره پرتله خپل عملي غوښتنلیک ښه کړي. په ډیری خلکو کې د عمر اټکل کولو ته د مصنوعي استخباراتو کارولو امکانات اعتبار کول، راتلونکي مطالعې په ورته نمونو کې د دودیزو میتودونو دقت او ژورې زده کړې موثریت پرتله کولو لپاره اړین دي.
مطالعې 2،657 اورتوګرافیک عکسونه د کورین او جاپاني لویانو څخه تر 23 کلونو پورې راټول شوي. د کوریا راډیوګرافونه په 900 روزنې سیټونو (19.42 ± 765 کلونو) او 900 د داخلي ازموینې سیټونه (19.52 ± 5.59 کاله). د روزنې سیټ په یوه اداره کې راټول شوی و (سیول سینټ مریم روغتون)، او د خپل ټیسټ ملي پوهنتون د غاښونو غاښونو او د غاښونو د غاښونو غاښونو تنظیم شوی و. موږ د بهرني ازموینې لپاره د بل نفوس پراساس ډاټا (IWAT طبي پوهنتون، جاپان) څخه 457 راډیوګونه هم راټول کړي. د جاپاني مضامینو راډیوګرافیک (19.31 ± 2.60 کاله) د بهرني ازموینې سیټ په توګه غوره شوي. معلومات په تیرو وختونو کې د غاښونو پرمختیایی سیالۍ تحلیلولو لپاره راټول شوي راټول شوي و، د غاښونو د درملنې په جریان کې د غاښونو پرمختیا مرحلې تحلیل کولو لپاره راټول شوي. راټول شوي ټول معلومات د جنسیت، د زیږون نیټه او د راډیوګرې نیټې نیټه پرته نامعلومه وه. شاملول او د تباهۍ معیارونه یو شان وو لکه د مخکې چاپ مطالعې 4، 5. د نمونې اصلي عمر د راډیوګراف له نیټې څخه د زیږون نیټې په کمزولو سره محاسبه شوی و. نمونې ډله په نهو عمر لرونکو ډلو ویشل شوې وه. د عمر او جنسي توزیعونو په جدول 3 کې ښودل شوي دا مطالعه د هیلیرنکي د کیرلیک پوهنتون د کامولیک لوبغالي (IRB) لخوا د سمندري بیاکتنې بورډ (KC22Wisi0328) لخوا ترسره شوې. د دې مطالعې د بیا اجباري ډیزاین له امله، د درملنې غوښتنې له مخې د راډیوګرافیک ازموینې لاندې د ټولو ناروغانو څخه ترلاسه نشي. د سیول کوریا پوهنتون سینټ مریم روغتون (IAB) د باخبره رضایت لپاره اړتیا له لاسه ورکړ.
د بیمي اکسیلري اندي مرحلې یوازې یو غاښ غوره شوی که چیرې ورته غاښونه د هر جبهې کی left اړخ او ښیې اړخونو باندې وموندل شو. که چیرې په دواړو خواو کې هامولوګون غاښونه په مختلفو پراختیایی مرحلو کې و، نو د ټیټ پراختیایی مرحلې سره په اټکل شوی عمر کې د ناڅرګندتیا حساب لپاره غوره شوی و. د روزنې سیټ څخه سل په ناڅاپي ډول تصادفي ټاکل شوي راډیوګونه دوه تجربه څارونکي د غاښونو پاکولو مرحلې ټاکلو لپاره د متقابل کتونکو اعتبار ترلاسه کولو لپاره و. د انترازور اعتبار د لومړني کتونکي لخوا درې میاشتې وقفې کې دوه ځله ارزول شوی و.
ټاکل شوي د روزنې د دوهم او دریمې سلطنرانو جنسیت او دریم پړاو کې د لومړني DM ماډلونو سره د روزل شوي لومړني لیدونکو لخوا روزل شوي، او واقعي عمر د هدف ارزښت په توګه ټاکل شوی و. SLP او MLP ماډلونه، کوم چې په پراخه کچه کارول کیږي، د ماشین زده کړې کې کارول کیږي، د فشار الګوریتم پروړاندې ازمول شوي. د DM ماډل د څلورو غاښونو پراختیا مرحلې په کارولو سره د خطي دندو ترکیب کوي او دا معلومات د عمر اټکل کولو لپاره ترکیب کوي. SLP ترټولو ساده لوړ شبکه ده او پټ پرتې پرتې نه لري. د نوډونو تر مینځ د حد د لیږد پراساس په ریډریشن کې د SLP ماډل د ډیری خطي فشار سره ورته دی. د SLP ماډل برعکس، د MLP ماډل د غیر لاینر د فعال فعالیت دندو سره ډیری پټ پرتونه لري. زموږ تجربات د غیر منطق فعالو کارونو سره یوازې د 20 پټ نوډونو سره پټه پرت کارولی. د مطلوب میتود او ما او RMSE په توګه د مطلوب میتود او ایم ایس څنګه د خپل ماشین زده کړې ماډل روزل کیدو لپاره وکاروئ. د ریډریډ غوره شوي ماډل د داخلي او بهرني ازموینې سیټونو او د غاښونو عمر اټکل شوی و.
د ټولګي الګوریتم رامینځته شوی و چې د څلورو غاښونو پیتلیت د روزنې په ترتیب کې کاروي ترڅو چې نمونه 18 کلن وي یا نه. د موډل جوړولو لپاره، موږ اوه نمایندګي ماشین چې الګوریتس 6،43 زده کړه، (2) svm، ()) SVM، () . LR د خورا پراخه کارول شوي ډلبندۍ الګوریتس 44 څخه دی. دا د نظارت شوي زده کړې الګوریتم دی چې د 1 څخه تر 1 پورې د ټاکلې ډیټا اټکل کولو لپاره فشار کاروي او د دې احتمال پراساس احتمالي کټګورۍ پورې اړه لري. اساسا د بائنری ډلبندۍ لپاره کارول کیږي. ګوین یو له ساده ماشین زده کړې الګوریتس 45 دی. کله چې نوي ننوتنې معلومات ورکړل شي، نو دا K ډیټا ته نږدې معلومات موندل کیږي او بیا دوی په لوړه فریکونسۍ سره ټولګي کې طبقه بندي کوي. موږ د ګاونډیو خلکو شمیر ته په پام کې ونیول. SVM یو الګوریتم دی چې د ساتونکي ځای په کارولو سره د کرینل دنده په کارولو سره د خطي ځای په کارولو سره فاصله د کرښې دنده په غیر خطي ځای کې پراخه کولو لپاره فاصله کوي د دې ماډل لپاره، موږ تعصب = 1، ځواک = 1، او ګاما = 1 د پولیویل کرینل لپاره هایپرټرېرمبونه په توګه وکاروو. DT په مختلف برخو کې د الګوریتم په توګه تطبیق شوی چې د ونې په شبکه کې د پریکړې کولو مقرراتو نمایندګۍ په ډیری فرعي فرعي ډلو ویشل شوي. ماډل د 2 نوډ لږترلږه د لږترلږه ریکارډونو سره تنظیم شوی او د جینی شاخص د کیفیت اندازه په توګه کاروي. RF یو اینینګبل میتود دی چې د بوټسټریپ مجموعي میتود په کارولو سره د ډیری DTTS ترکیب کوي چې د اصلي ډیټاسټ 48 څخه ډیری وختونه د اصلي ډیټاسټ 48 څخه رامینځته کوي. موږ 100 ونو، 10 ونې ژور کارولې، 1 لږترلږه د نوډ اندازه، او ګینی اډمیکریټ شاخص. د نوي معلوماتو طبقه د رایو په اکثریت سره ټاکل کیږي. xgboost یو الګوریتم دی چې د میتود په کارولو سره د تخنیکونو وده کوي چې د تیر ماډل اصلي او وړاندوینو ارزښتونو په توګه خطا کوي او د ګړندي شمیرو 49 په کارولو سره تېروتنه لري. دا په پراخه کچه کارول شوی الګوریتم د هغې د ښه فعالیت او سرچینو موثریت له امله دی، او د یو مناسب اصلاح کولو فعالیت په توګه. ماډل د 400 مالتړ ویلونو سره سمبال شوی. MLP یو لوړ شبکه ده چې په کې یو یا ډیر لیدونه یې د یو یا ډیرو پټ پوړونو جوړوي چې د آخذه او وتۍ پوړونو ترمینځ یو یا ډیر پټ پوړونه. د دې په کارولو سره، تاسو کولی شئ د غیر خطي طبقه بندي ترسره کړئ چیرې چې تاسو یو ننوت طبقه اضافه کړئ او د پایلې ارزښت ترلاسه کړئ، د پایلو ارزښت ترلاسه کول د واقعي پایلې ارزښت سره پرتله کیږي او خطا بیرته ستنیدنه ده. موږ په هر پرت کې د 20 پټ نیورونونو سره پټ پرت رامینځته کړ. هر ماډل موږ رامینځته شو داخلي او بهرني سیټونو ته د کټګورۍ فعالیت د ازموینې لپاره غوښتنه وکړه چې له لارې د ډلبندي فعالیت، مشخصاتو، PPV، NPV، او AURC لخوا ثبت شي. حساسیت اټکل شوی د نمونې په توګه تعریف شوی د نمونې اټکل شوي تناسب دی مشخصات د 18 کالو څخه کم عمر د نمونو تناسب دی او د 18 کالو څخه کم عمر لرو.
د کرایې مرحلې ارزیالې د روزنې مرحلې په جریان کې و ارزول شوې چې د احصایوي تحلیل لپاره شمیرو ته بدل شوي. مل ملتونه لیکلي او لوژیستیک ریګرافي د هر جنس او ​​تعدیو فورمو لپاره د وړاندوینې ماډلونو رامینځته کولو لپاره ترسره شول چې د عمر اټکل کولو لپاره کارول کیدی شي. موږ دا فارمولونه د داخلي او بهرني ازموینې سیټونو لپاره د غاښونو عمر اټکل کولو لپاره کارولی. جدول 4 پدې څیړنه کې د فشار او ډلبندۍ ماډلونه ښیې.
د انتراراتي او د محافظت اعتبار اعتبار د کوهن د کاپپا د احصایو په کارولو سره محاسبه شوی. د DM او دودیز ریډریډ ماډلونو دقت منلو لپاره، موږ د داخلي او بهرني ازموینې اټکل شوي او ریښتیني عمر لرونکي عمر په کارولو سره ما ae او RMS محاسبه کړي. دا خطاګانې عموما د ماډل وړاندوینې درستیت ارزونې لپاره کارول کیږي. کوچنۍ غلطي، د وړاندوینې څخه لوړه کچه. د ماشوم او داخلي او بهرني ازموینې سیټونو کې د MEM او بهرني ازموینې سیټونو سره پرتله کړئ. په دوديز شمیرو کې د 18 کلن کالجي قطعې د ډلبندي فعالیت د 2 × 2 انصافي میز کارول ارزول شوی. محاسب شوي حساسیت، مشخصات، PPV، NPV، NPV، او د ازموینې سیټ د DM کټګورۍ ماډل اندازه شوي ارزښتونو سره پرتله شوی. معلومات د معلوماتو ځانګړتیاو یا نمبر (٪) په اړه د معلوماتو ځانګړتیاو پورې اړه لري. دوه اړخیز پی ارزښتونه <0.05 د احصا وړ مهم ګ .ل کیږي. ټول روټین احصایوي تحلیلونه د SAS نسخه 9.4 (SAS انستیتوت، NC) په کارولو ترسره شوي. د DM فشار ماډل د کیریس 02.4 بیکند او ټیونسلورفلو51 1.2.0 په ځانګړي توګه د ریاضیاتو عملیاتو لپاره پلي شوی. د DM کټګورۍ نمونه ماډل د وایاکو د پوهې تحلیل چاپیریال او د کاشان معلوماتو منونکي (چیټ) 4.6.152 تحلیل پلیټفارم کې پلي شوی و.
لیکوالان مني چې د مطالعې ملاتړ د مطالعې پایلې په مقاله او تکمیلي توکو کې موندل کیدی شي. د ډیټاسیټس تولید او / یا د مطالعې په جریان کې تحلیل شوی د مناسب لیکوال څخه په مناسب لیک باندې د ورته لیکوال څخه شتون لري.
ریتز - تھلی، ایس او نور. د عمر ارزونه: د عددي تمرین ځانګړي غوښتنو پوره کولو لپاره د هنر حالت. نړیواله کول. جان قانوني درمل. 113، 129-136 (2000).
.،،، risenger، W.، ګیسریک، جی. وړاندوینه دارو. رنځپوهنه. 1، 239-246 (2005).
پین، جی او نور. چین په ختیځ چین کې له 5 څخه تر 16 کلونو پورې د تنکي ځوانانو د عمر ارزونې لپاره ترمیم شوی میتود. کلینیکي. د خولې سروې. 25، 3463-3474 (2021).
لیو، SS SS او په کوریا کې د دوهم او دریمې سلولانو د ودې کرونولوژي او د عدلي عدلو لپاره د دې غوښتنلیک لپاره. نړیواله کول. جان قانوني درمل. 124، 659-665 (2010).
هو، ایس، کماګي، الف، کیم او لی، په کوریایانو او جاپاني کې د دوهم او دریمې مولس اټکل کیدو په برخه کې د 18 کلونو پورې دقت تخریب او اټکل. PLOS یو 17، E0271247 (2022).
کیم، جے او نور. د زده کونکي ماشین د زده کړې پر اساس معلوماتو تحلیلونه کولی شي د OTA سره ناروغانو کې د خوب جراحي درملنه وکړي. ساینس 11، 14911 (2021) راپور ورکړئ.
هان، م. د ماشین د مداخلې څخه یا پرته د ماشین زده کړې څخه دقیق عمر اټکل؟ نړیواله کول. جان قانوني درمل. 136، 821-831 (2022).
خان، ایس او شاهین، ایم د معلوماتو کان کیندنې څخه د معلوماتو کانونو څخه. j.inforation. ساینس https://di.org/10.1177/0165515211030872 (2021).
خان، ایس او شاهین، ایم حکمرم: د اتحادیې واکمنۍ لپاره لومړی ادراکي الګوریتم. j.inforation. ساینس https://di.org/10.1177/0165515151515151515151515151515151515151515151515151515151515151515151515151515151515151515151515151515151515151515151515151515151515151515151515151515151515151515151515151515151515151515151515151515151515151515151515151515151515151522121695 (2022).
شاهین ایم او عبدالله U.کر: د دودیزو معلوماتو کان کیندنې د شرایطو پراساس مدیریت په قواعدو کې میشته. محاسبه. میټ. ادامه ورکړه. 68، 3305-322 (2021).
محمد محمد ژعالمان رمه، شاهین ایم، خان ایم، حبیب م. ژبت د متن معلوماتو په کارولو سره د سیمبیک ورته ورته ورته زده کړې په اساس د سیمیب مټ ژوره کشف کوي. خبر کړئ. ټیکنالوژیو. کنټرول. https://di.org/10.5755/J01.itC.49.4.27118 (2020).
ټبیکشن، ایم، Tanili، Z.، او شاهین، محمد M. په سپورت ویډیو کې د فعالیت په پیژندلو کې سیستم. ملټي میډیا. د وسیلو غوښتنلیکونه http:/sei.org/10.100/042-021-1051-1051-1051-1051-10519-6 (2021).
حلبي، SS او نور. د پیډیټیک هډوکي عمر کې د RSNA ماشین زده کړه ننګونه. 290، 498-503 (2019).
LI، y او نور. د ژورې زده کړې په کارولو سره د پیډلیک ایکس وږی اټکل. رو. وړانګه. 29، 2322-2329 (2019).
ګوو، YC، او نور. د لارښود میتودونو او ژور قولاني ژوروسینو عصبي شبکه د اصلي قناعتي پروجیکشن عکسونو څخه. نړیواله کول. جان قانوني درمل. 135، 1589-1597 (2021).
الباما دهرا او نور. د هډوکي عمر اټکل د مختلف ماشین زده کړې میتودونو په کارولو سره: د سیستماتیک ادب بیاکتنه او میټا تحلیل. PLOS یو 14، E0220242 (2019).
do، H. l.، چانګ، کانګ، او یانګ، د افریقایي امریکایانو شمیرل د کنتبا امریکایانو توپیرونو په کارولو سره د افریقا امریکایانو لپاره ځانګړي عواید پراساس. نړیواله کول. جان قانوني درمل. 136، 811-819 (2022).
کیم ایس، لی یاه، نوح yk، پارک FK، پارک FK او OHS د ښځینه استخباراتو ډلو د مصنوعي افسرانو میشته عکسونو کاروي. ساینس 11، 1073 (2021) راپور ورکړئ.
سلطنت، تادیه کونکی، ج.، Giulisi، n.، او मश्ertler، M. اتصال د مفاهیکي ډیټا څخه د ملټي ایستلو څخه طبقه بندي کول. ieee Je J. باډي. روغتیا خبرتیاوې. 23، 13922-1403 (2019).
چنګ، Q.، G، Z..، do، h، H، H. د ژورې زده کړې او کچې سیټونو سره یوځای کولو سره د 3D لیپ اپ فاسد پراساس. نړیواله کول. جان قانوني درمل. 135، 365-373 (2021).
WU، wt، او نور. په کلینیکي لوی معلوماتو کې د معلوماتو کانونه: عام ډیټابیس، ګامونه، او میتودونه ماډلونه. نړۍ دارو. سرچینه. 8، 44 (2021).
یانګ، جی او نور. د طبي ډیټابیسونو پیژندنه او د لوی معلوماتو پهور کې د کان کیندنې ټیکنالوژي. j. adid. بنسټیز درمل. 13، 57-69 (2020).
شین، ایس او نور. د ماشین زده کړې په کارولو سره د غاښونو عمر اټکل کولو لپاره د اوورټر طریقه طریقه. د BMC زباني روغتیا 21، 641 (2021).
ګالیبورګ: EL. د غاښونو عمر اټکل کولو لپاره د غاښونو عمر وړاندوینه کولو لپاره د مختلف ماشین زده کړې میتودونو پرتله کول. نړیواله کول. جان قانوني درمل. 135، 665-675 (2021).
ډرمان، احمد او ټیننر، JM د غاښونو د عمر ارزونې لپاره نوی سیسټم یو نوی سیسټم یو نوی سیسټم یو نوی سیسټم دی. سناتور. بیولوژي. 48، 211-227 (1973).
ځمکه، د JR، او کوچ، GG، GG، د بیومیټیک معلوماتو په اړه د ناظر و. بایومیټریکل 33، 159-174 (1977).
بیتسارجرجی س، مکاس D، کیم سی، کیم او چیلي HK. د دوه اړخیز مقناطیسي احتیاطي تخنیکونو درسي، مورفولوژیک احصاصي تحلیل تحلیل. د روغتیا معلومات. سرچینه. https://di.org/10.4258/HIRE.2022.28.12 .. (2022).