基于全景X光片牙齿特征进行成人年龄估算的机器学习方法

《Scientific Reports》：Machine learning approach for adult age estimation using dental characteristics on panoramic radiographs

　　

摘要

在法医和临床领域中，牙齿特征越来越被视为估算成年人年龄的重要指标，但传统方法在处理复杂的牙齿数据时存在局限。传统的线性回归依赖于预定义的方程式以及从所有牙齿中汇总得到的特征数量，这可能导致信息丢失并降低准确性。本研究探讨了利用编码后的牙齿特征来提升年龄估算准确度的机器学习方法。研究分析了2,415名20至89岁个体的全景X光片，采用改进的一热编码方法对牙齿特征进行编码，从而保留双重特征信息。通过数值实验对比了线性回归与六种机器学习方法，包括随机森林、极端梯度提升、k近邻算法、支持向量机、决策树以及多层感知器。在测试数据集上，通过均方根误差（RMSE）和R平方值来评估模型性能。在按性别汇总的数据集中，线性回归的RMSE为12.04年，R平方值为0.63；而表现最佳的机器学习模型的RMSE为10.88年，R平方值为0.70。SHapley加性解释方法分析表明，完好牙齿和缺失牙齿是影响年龄估算的最重要因素。鉴于预测误差的存在，所提出的模型应被视为辅助工具，用于估算成年人的牙齿年龄。