《Applied Sciences》：Autonomous Vehicle Mode Shift’s Effect on Traffic Efficiency: A Comparison of Dedicated Lane and Mixed Traffic Approaches
编辑推荐：
背景：骨盆和颅骨标记在大型灾难中常呈碎片化。具有韧性的距骨小腿关节（talocrural joint）可作为有价值的次级检测部位。本研究提出一种在常规二维（2D）前后位踝关节X线片上应用的12个新标志点配置，作为一种快速、成本效益高的辅助性别估计工具，无需复杂
背景：骨盆和颅骨标记在大型灾难中常呈碎片化。具有韧性的距骨小腿关节（talocrural joint）可作为有价值的次级检测部位。本研究提出一种在常规二维（2D）前后位踝关节X线片上应用的12个新标志点配置，作为一种快速、成本效益高的辅助性别估计工具，无需复杂的三维重建。方法：通过PACS DICOM元数据对200名当代土耳其成年人（100名男性，100名女性）的X线片进行校准。追踪12个标志点，这些标志点映射远端胫骨（T1–T6）和腓骨（F7–F12）的皮质拓扑结构，以推导线性度量。采用5折交叉验证评估模型。结果：优化后的逻辑回归模型在独立测试中达到最高准确率80.0%，优于随机森林（72.5%）和支持向量机（70.0%），曲线下面积（AUC）为0.870（95%置信区间：0.765–0.975）。胫骨T2–T3和T6–T1是最强预测因子（p < 0.001，Cohen’s d > 1.5）。尽管腓骨F9–F10在Bonferroni校正后失去显著性（p = 0.552），但其在多变量中仍保持重要权重，提示空间协同作用。结论：这种基于最小线性踝关节度量的可解释、正则化逻辑回归模型表明，生物性别能以有前景的准确率（80.0%）进行估计，作为辅助工具可无缝集成到临床PACS和活跃法医工作流程中。
研究背景：法医人类学在软组织受损时提供关键的身份鉴定方案，尤其适用于大型灾难和刑事调查中的骨骼遗骸分析。准确刻画个体的生物特征（包括年龄、性别、身高和种族）是这一过程的关键步骤。骨盆和颅骨传统上被视为骨骼性别估计的黄金标准，但这些结构复杂、薄且中空，极易在死后发生碎裂、埋藏学压碎或不完全回收，导致在法医场景中常完全不可用。长骨提供了重要的次级诊断途径，但传统线性测量局限于简单骨干直径，未能捕捉关节面的塑形和负重适应。距骨小腿关节作为下肢主要承重中心，其形态学性别差异显著，但现有研究缺乏针对土耳其人群的详细皮质拓扑分析。研究人员开展了一项回顾性研究，纳入200名土耳其成年人（100男、100女）的前后位踝关节X线片，提出12个标志点线性度量框架，结合机器学习模型进行性别分类。结论：优化后的逻辑回归模型在独立测试集上达到80.0%准确率和0.870 AUC，表明常规踝关节X线片经简单线性网络分析后携带明确的性别二态信号，可作为骨盆和颅骨缺失时的快速辅助筛查工具。该论文发表在《Applied Sciences》。
主要关键技术方法：研究人员采用数字X线摄影系统，在负重站立位下获取标准踝穴位X线片，利用PACS DICOM元数据中的像素间距属性自动校准尺寸。基于12个解剖标志点（远端胫骨T1–T6、腓骨F7–F12）测量12个线性距离参数。使用Python进行数据预处理，包括StandardScaler标准化和80/20分层划分，采用5折分层交叉验证，对逻辑回归、支持向量机（SVM）和随机森林进行超参数调优（GridSearchCV），最终选择L2正则化逻辑回归（C=0.1）作为最终模型，计算AUC、准确率、F1分数等指标。
研究结果：
3.1 观察者间一致性：所有12个测量参数均显示良好至优秀的一致性，其中T2–T3的组内相关系数（ICC）最高（0.95；95% CI: 0.88–0.98），F12–F7最低（ICC=0.77；95% CI: 0.40–0.91），但平均绝对差值均小于2 mm临床阈值，支持测量可重复性。
3.2 数据预处理与模型开发：采用5折分层交叉验证，超参数优化确认逻辑回归的L2正则化C=0.1为最优（交叉验证AUC=0.846）。
3.3 模型评估与性能：优化逻辑回归在独立测试集上达到最高准确率80.0%，AUC=0.870（95% CI: 0.765–0.975），优于随机森林（72.5%）和SVM（70.0%），且性别特异性F1分数均为0.80。特征重要性分析显示，T2–T3（远端胫骨干骺端宽度）和T6–T1（胫骨远端关节面宽度）为最强预测因子，系数分别为0.784和0.531；F9–F10（外踝关节界面）虽在单变量中失去显著性，但在多变量中贡献重要权重。
3.4 错误与误分类分析：误分类案例（n=8）主要出现在骨骼框架偏大的女性和纤细型男性中，集中于T2–T3和T6–T1的特征边界，提示线性决策边界在极端个体中受限。
讨论部分总结：研究证实，利用标准前后位踝关节X线片上的12个线性参数网络可实现生物性别估计，无需复杂三维重建。T2–T3和T6–T1的强预测作用与青春期雄激素介导的骨膜扩张及Wolff定律下的负重适应一致。F9–F10的负系数提示女性外踝关节面相对较宽，可能与关节运动学差异有关。与文献中单一骨骼研究（准确率65–89.4%）相比，本模型提供了基于常规X线片的可重复基线。逻辑回归优于SVM和随机森林可归因于偏差-方差权衡：在有限样本（n=200）和线性可分特征空间中，正则化线性模型泛化能力更强。局限性包括单中心小样本、缺乏患者特异性元数据（如BMI、职业负荷）、二维投影误差、F12–F7标志点不确定性以及未进行观察者内可靠性评估。未来需开展多中心研究、自动化标志点检测及多模态融合。
研究结论部分翻译：本研究提出一个经过验证的、针对土耳其人群的距骨小腿关节12标志点皮质形态测量框架，表明基于标准前后位踝关节X线片训练的优化逻辑回归分类器，可在骨盆和颅骨等主要骨骼指标不可用或受损时，作为快速、成本效益高的法医性别筛查工具，从而展示稳健且稳定的辅助性别分类能力。通过仅使用常规临床影像和一组可重复的线性测量，实现80.0%测试集准确率和0.870 AUC，该框架弥合了传统手动骨测量学与现代计算法医工作流程之间的差距。最终，本研究确立常规踝关节X线片在采用简化线性标志点网络分析后携带清晰的性别二态特征。并非追求复杂、难以整合的分类算法，研究人员专注于证明基于最小且高度可重复的远端胫腓骨测量训练的优化逻辑回归分类器的实际可行性，这为法医专家在骨盆和颅骨受损或缺失时提供了一种快速、经济的备用筛查工具。
