2023. 08. 18. - 09:20
Fogászati röntgennel nemet is azonosít a mesterséges intelligencia
A mesterséges intelligencia már arra is képes, hogy fogászati röntgen segítségével azonosítsa egy ember biológiai nemét.
A törvényszéki tudomány régóta értékes eszközként használja a fogászati feljegyzéseket – azok gyakran állnak a nyomozás középpontjában elhunyt vagy eltűnt személyek azonosítása során.
Ritka ugyanis, hogy két embernek teljesen egyforma fogai vannak, ugyanolyanok a hiányok, a koronák, a tömések a röntgenfelvételen.
Van azonban, ami talán nem feltétlenül derül ki azonnal a fogászati feljegyzésekből - ez az egyén biológiai neme, ami pedig más mutatók hiányában szinte minden vizsgálatnál nagyon hasznos információ lenne.
Az International Journal of Biomedical Engineering and Technology című folyóiratban végzett kutatás eredménye alapján a kutatók előrehaladást értek el egy olyan algoritmus kifejlesztése és képzése felé, amely 94 százalékos pontossággal képes meghatározni a biológiai nemet fogászati röntgenfelvételekből.
Fogászati röntgennel nemet is azonosít a mesterséges intelligencia
A mély tanulási módszer alkalmazása jól mutatja, hogy egy ilyen megközelítéssel a hagyományos bizonyítékok kiegészítése kivitelezhető a vizsgálat során.
A kutatók, B. Vijayakumari, S. Vidhya és J. Saranya, a Mepco Schlenk Engineering College munkatársai az indiai Sivakasi-beli Tamilnaduból három összetevőből álló algoritmust hoztak létre, amely kép előfeldolgozásból, gradiens alapú rekurzív küszöbérték (GBRT) szegmentálásból és osztályozásból tevődik össze.
A szakemberek kezdetben úgynevezett prime magic square szűrőt használnak a kép-előfeldolgozási lépés során, a nem kívánt zaj eltávolítására. A prime magic square szűrő egy speciális számrácsot alkalmaz a képre a számítógépen belül és összehasonlítja a kép pixelértékeit a rács megfelelő értékeivel, hogy meghatározza, melyek azok a torzítások vagy tömörítési műtermékek, amelyek hozzájárulnak a képzajhoz – elérve, hogy tiszta és pontos képet kapjon a későbbi elemzéshez.
A GBRT szegmentációs technika finomítja a képeket, javítva az algoritmus képességét, hogy releváns információkat nyerjen ki.
Végül az osztályozási szakasz egy Resnet50 neurális hálózatot használ, amely széles körben elfogadott mély tanulási architektúra.
A csapat 3000 fogászati röntgenfelvétellel képezte ki az algoritmust, amelyeknél ismert volt az egyén biológiai neme. Ez lehetővé tette az algoritmusnak, hogy felismerje a számára bemutatott fogászati röntgensugarakkal összefüggő biológiai nemet - amelyeknél az egyén biológiai neme nem ismert.
A teszteléshez a kutatócsapat 1000 képet használt - az eredeti gyűjtemény egy részhalmazát, ahol a nem ismert volt -, hogy meghatározza, helyesen ítéli-e meg a rendszer a biológiai nemet.
A fogak és az állcsontok különböző mértékben nemileg dimorfok az embernél, de a táplálkozás és a társadalom-gazdaságtan is jelentős hatással van állkapcsunk és fogaink növekedésére. Az új rendszer a röntgenfelvételek képzettsége alapján átlátja ezeket a lehetséges eltéréseket.
A jogi eljárások sajátos kontextusában ma már szigorúbban kell értékelni az algoritmust, így figyelembe kell venni az adatok megbízhatóságát, az algoritmusok lehetséges torzításait és a szakértői értelmezés szükségességét.
A folyamatban lévő kutatási és validálási erőfeszítések azonban hozzájárulnak majd ahhoz, hogy a szükséges finomítások és fejlesztések után a kriminalisztikai elemzésben használhassák a módszert.
A kutatócsapat tervei szerint kiterjesztené a fogászati röntgensugarak életkormeghatározásának megközelítését is.
L.A.
