medRxiv 预印本· Wu, Z., Shan, W., Zhang, W., Kang, Z., Yang, B., Liao, Z., Huang, Z., Zhang, Y., Yue, X. ·· 1 天前AI 评分12
HMA-Net 研究：去除冗余解剖输入可提升深度学习牙科法医年龄与性别推断
Removing Redundant Anatomical Inputs Improves Deep Learning-Based Forensic Dental Age and Sex Estimation
AI 导读
研究团队开发了分层多流解剖网络 HMA-Net，并配套任务特异性输入审计，用于评估各候选解剖表征是否真正提升预测任务。模型基于单中心 4,293 例 3-18 岁全景牙片回顾性队列开发，最终全景+恒牙模型在留出测试集上平均绝对年龄误差为 0.51 年，性别分类准确率 85.2%，99.4% 的年龄估计误差在 2 年内。
来源：medRxiv 预印本 · medrxiv.org