阿姆兰特·辛格*、萨维德·格肖尼
背景：腭皱是口腔硬腭上的一系列脊，具有高耐用性和稳定性，确保其作为灾难受害者识别工具的有用性。此外，腭皱的某些特征在性别或特定年龄组内是共有的。目前，法医牙科医生必须手动检查腭皱印记，以确定个人的性别，这是一个耗时的过程，容易受到偏见和人为错误的影响。
方法：该项目旨在通过开发皱褶分类序列 (RCS) 来实现基于腭镜检查的分类过程的自动化，这是一种基于腭皱褶特征的性别识别综合工具。首先，从上颚的匿名图像中提取对腭皱褶重要的数据，即皱褶长度、宽度、受试者年龄和性别，以提供训练和测试数据床。该数据集被输入到一系列机器学习算法中，特别是随机决策森林、决策树分类器、逻辑二元分类器和 K 最近邻。然后，每个模型都经过广泛的超参数调整，以最大限度地提高根据腭皱的解剖特性预测性别的准确性和鲁棒性。
结果：在测试集上，K近邻算法取得了最高的准确率和特异性，分别为65%和68%，满足性别分类准确率最低60%的设计要求。
结论： RCS 是机器学习在胃镜检查中的一种新颖应用，从这些结果来看，它具有大规模应用的潜力——事实上，它可以为法医专家提供更有效、更可靠的工具来识别牙齿遗骸的受害者。