Gratias tibi ago quod Nature.com invisisti. Versio navigatoris tui quam uteris limitatam sustentationem CSS habet. Pro optimis eventibus, commendamus ut recentiorem versionem navigatoris tui utaris (vel modum compatibilitatis in Internet Explorer deactivare). Interea, ut sustentationem continuam praestemus, situm sine stylis vel JavaScript monstramus.
Dentes habentur pro accuratissimo indicio aetatis corporis humani et saepe in aestimatione aetatis forensi adhibentur. Propositum nostrum erat aestimationes aetatis dentalis fundatas in exploratione datorum validare, comparando accuratiam aestimationis et facultatem classificationis liminis 18 annorum cum methodis traditis et aestimationibus aetatis fundatis in exploratione datorum. Summa 2657 radiographiae panoramicae collectae sunt a civibus Coreanis et Iaponicis aetatis 15 ad 23 annos. Divisae sunt in seriem exercitationis, quarum unaquaeque 900 radiographias Coreanas continebat, et seriem probationis internae 857 radiographias Iaponicas continebat. Accurationem et efficaciam classificationis methodorum traditarum cum seriebus probationis exemplorum explorationis datorum comparavimus. Accuratio methodi traditae in serie probationis internae paulo altior est quam ea exempli explorationis datorum, et differentia parva est (error absolutus medius <0.21 anni, error quadraticus medius <0.24 anni). Facultatem classificationis pro limine 18 annorum etiam similem esse inter methodos traditas et exempla explorationis datorum. Ergo, methodi traditae exemplaribus explorationis datorum substitui possunt cum aestimatio aetatis forensis perficitur utens maturitate molarum secundi et tertii in adolescentibus et iuvenibus Coreanis.
Aestimatio aetatis dentalis late in medicina forensi et odontologia paediatrica adhibetur. Praesertim, propter magnam correlationem inter aetatem chronologicam et evolutionem dentalem, aestimatio aetatis secundum gradus evolutionis dentalis est criterium grave ad aetatem puerorum et adolescentium aestimandam1,2,3. Attamen, pro iuvenibus, aestimatio aetatis dentalis secundum maturitatem dentalem suas limitationes habet, quia incrementum dentale fere completum est, exceptis tertiis molaribus. Finis legalis determinandi aetatem iuvenum et adolescentium est praebere aestimationes accuratas et probationes scientificas de eo utrum ad aetatem maioritatis pervenerint necne. In praxi medico-legali adolescentium et iuvenum adultorum in Corea, aetas aestimata est methodo Leeana, et limen legale 18 annorum praedictum est secundum data ab Oh et al. relata 5.
Machinatio discenda est genus intelligentiae artificialis (IA) quae magnas copias datorum iterum atque iterum discit et classificat, problemata per se solvit, et programmationem datorum agit. Machinatio discenda potest exempla utilia occulta in magnis voluminum datorum detegere6. Contra, methodi classicae, quae laborem et tempus requirunt, limitationes habere possunt cum magnis voluminibus datorum complexorum, quae difficulter manu tractantur7, tractantur. Quapropter, multa studia nuper facta sunt, utens recentissimis technologiis computatralibus ad errores humanos minuendos et data multidimensionalia efficaciter tractanda8,9,10,11,12. Praesertim, discenda profunda late in analysi imaginum medicarum adhibita est, et variae methodi ad aestimationem aetatis per radiographias automaticas analyzandas relatae sunt ad emendandam accuratiam et efficientiam aestimationis aetatis13,14,15,16,17,18,19,20. Exempli gratia, Halabi et al.13 algorithmum machinationis discendae fundatum in retibus neuralium convolutionalibus (CNN) evolverunt ad aetatem skeletal aestimandam utens radiographis manuum puerorum. Hoc studium proponit exemplar quod machinationem discendam ad imagines medicas applicat et demonstrat has methodos posse accuratiam diagnosticam emendare. Li et al.14 aetatem ex imaginibus radiographicis pelvicis per CNN doctrinae profundae aestimaverunt et eas cum resultatibus regressionis comparaverunt utens aestimatione stadii ossificationis. Invenerunt exemplar CNN doctrinae profundae eandem aestimationis aetatis efficaciam demonstravisse quam exemplar regressionis traditionale. Studium Guo et al. [15] aestimavit efficaciam classificationis tolerantiae aetatis technologiae CNN innixae orthophotographiis dentalibus, et resultata exemplaris CNN demonstraverunt homines eius efficaciam classificationis aetatis superare.
Pleraque studia de aestimatione aetatis per doctrinam automaticam methodos doctrinae profundae utuntur13,14,15,16,17,18,19,20. Aestimatio aetatis in doctrina profunda fundata accuratior quam methodi traditionales esse dicitur. Attamen, haec methodus parvam occasionem praebet ad fundamentum scientificum pro aestimationibus aetatis, ut indices aetatis in aestimationibus adhibitos, exhibendum. Disputatio etiam legalis est de eo qui inspectiones peragit. Ergo, aestimatio aetatis in doctrina profunda fundata difficile est ab auctoritatibus administrativis et iudicialibus accipere. Fodina datorum (DM) est ars quae non solum informationes exspectatas sed etiam inexpectatas detegere potest ut methodus ad correlationes utiles inter magnas quantitates datorum inveniendas6,21,22. Doctrina automatica saepe in fodina datorum adhibetur, et tam fodina datorum quam doctrina automatica eisdem algorithmis clavibus utuntur ad exempla in datis invenienda. Aestimatio aetatis per evolutionem dentalem fundatur in aestimatione examinatoris de maturitate dentium destinatorum, et haec aestimatio exprimitur ut stadium pro quolibet dente destinato. DM adhiberi potest ad correlationem inter stadium aestimationis dentalis et aetatem actualem analysandam et potentiam habet ad analysin statisticisticam traditionalem substituendam. Ergo, si rationes DM ad aestimationem aetatis adhibemus, doctrinam automaticam in aestimatione aetatis forensi adhibere possumus sine sollicitudine de responsabilitate legali. Plura studia comparativa divulgata sunt de possibilibus alternativis methodis manualibus traditis in praxi forensi adhibitis et methodis EBM fundatis ad aetatem dentalem determinandam. Shen et al.23 demonstraverunt exemplar DM accuratius esse quam formulam Camerer traditam. Galibourg et al.24 diversas methodos DM ad aetatem secundum criterium Demirdjian25 praedicendam adhibuerunt et eventus demonstraverunt methodum DM methodos Demirdjian et Willems in aestimanda aetate populationis Francicae superare.
Ad aetatem dentalem adolescentium et iuvenum Coreanorum aestimandam, methodus Leeana quarta late in praxi forensi Coreana adhibetur. Haec methodus analysi statistica traditionali (velut regressione multiplici) utitur ad relationem inter subiectos Coreanos et aetatem chronologicam examinandam. In hoc studio, methodi aestimationis aetatis per methodos statisticas traditionales obtentae "methodi traditionales" definiuntur. Methodus Leeana methodus traditionalis est, et eius accuratio ab Oh et al. 5 confirmata est; tamen, applicabilitas aestimationis aetatis secundum exemplar DM in praxi forensi Coreana adhuc dubia est. Propositum nostrum erat scientificam utilitatem potentialem aestimationis aetatis secundum exemplar DM validare. Propositum huius studii erat (1) accuratiam duorum exemplarium DM in aestimanda aetate dentali comparare et (2) perfunctionem classificationis septem exemplarium DM aetate 18 annorum cum illis obtentis per methodos statisticas traditionales. Maturitas molarum secundi et tertii in ambabus maxillis.
Mediae et deviationes normales aetatis chronologicae per stadium et genus dentis in Tabula Suppletoria S1 (serie exercitationis), Tabula Suppletoria S2 (serie probationum internarum), et Tabula Suppletoria S3 (serie probationum externarum) in interreti monstrantur. Valores kappa pro fidelitate intra- et interobservatorem ex serie exercitationis obtenti 0.951 et 0.947 respective erant. Valores P et intervalla fiduciae 95% pro valoribus kappa in tabula supplementaria S4 in interreti monstrantur. Valor kappa ut "fere perfectus" interpretatus est, congruens cum criteriis Landis et Koch26.
Cum error absolutus medius (MAE) comparatur, methodus traditionalis exemplar DM leviter superat omnibus generibus et in experimentis externis masculinis, excepto perceptrone multistrato (MLP). Differentia inter exemplar traditionale et exemplar DM in experimentis MAE internis erat 0.12–0.19 anni pro viris et 0.17–0.21 anni pro mulieribus. Pro experimentis externis, differentiae minores sunt (0.001–0.05 anni pro viris et 0.05–0.09 anni pro mulieribus). Praeterea, radix quadratica media erroris (RMSE) paulo minor est quam methodus traditionalis, cum minoribus differentiis (0.17–0.24, 0.2–0.24 pro experimentis internis masculinis, et 0.03–0.07, 0.04–0.08 pro experimentis externis). MLP paulo meliorem efficaciam quam Perceptron Singularis Strati (SLP) ostendit, excepto in casu experimentorum externorum femininorum. Pro MAE et RMSE, series probationum externarum altiores notas quam series probationum internarum pro omnibus generibus et exemplaribus obtinet. Omnes MAE et RMSE in Tabula 1 et Figura 1 monstrantur.
MAE et RMSE exemplorum regressionis traditionalium et fodinarum datorum. Error absolutus medius MAE, radix erroris quadratici medii RMSE, perceptron unius strati SLP, perceptron multistrati MLP, methodus CM traditionalis.
Classificationis efficacitas (cum limite annorum XVIII) exemplarium traditionalium et DM demonstrata est secundum sensibilitatem, specificitatem, valorem praedictivum positivum (PPV), valorem praedictivum negativum (NPV), et aream sub curva characteristica operativa receptoris (AUROC) 27 (Tabula 2, Figura 2 et Figura Suppletoria 1 online). Quod ad sensibilitatem copiae internae probationum attinet, methodi traditionales optime inter viros et peius inter feminas perfecerunt. Tamen, differentia in efficacia classificationis inter methodos traditionales et SD est 9.7% pro viris (MLP) et tantum 2.4% pro feminis (XGBoost). Inter exemplaria DM, regressio logistica (LR) meliorem sensibilitatem in utroque sexu ostendit. De specificitate copiae internae probationum, observatum est quattuor exemplaria SD bene in maribus perfecisse, dum exemplar traditionale melius in feminis perfecerit. Differentiae in efficacia classificationis pro maribus et feminis sunt 13.3% (MLP) et 13.1% (MLP), respective, quod indicat differentiam in efficacia classificationis inter exemplaria sensibilitatem superare. Inter exempla DM, exempla machinae vectoris sustentatricis (SVM), arboris decisionis (DT), et silvae fortuitae (RF) inter mares optime se gesserunt, dum exemplum LR inter feminas optime se gessit. AUROC exempli traditionalis et omnium exemplorum SD maior quam 0.925 erat (k-vicinus proximus (KNN) in viris), demonstrans excellentem classificationis efficaciam in discernendis exemplaribus 18 annorum28. Pro grege probationum externo, diminutio in efficacia classificationis secundum sensibilitatem, specificitatem, et AUROC comparata cum grege probationum interno observata est. Praeterea, differentia in sensibilitate et specificitate inter efficaciam classificationis optimorum et pessimorum exemplorum a 10% ad 25% variabat et maior erat quam differentia in grege probationum interno.
Sensibilitas et specificitas exemplorum classificationis effossionis datorum comparatae cum methodis traditis cum limine 18 annorum. KNN k vicinus proximus, SVM machina vectoris sustentantis, regressio logistica LR, arbor decisionis DT, silva fortuita RF, XGB XGBoost, perceptron multistratum MLP, methodus CM tradita.
Primum gradum in hoc studio fuit comparare accuratiam aestimationum aetatis dentalis ex septem exemplaribus DM obtentarum cum illis quae per regressionem traditam obtentae sunt. MAE et RMSE in experimentis internis pro utroque sexu aestimatae sunt, et differentia inter methodum traditam et exemplar DM a 44 ad 77 dies pro MAE et a 62 ad 88 dies pro RMSE variabat. Quamquam methodus tradita paulo accuratior in hoc studio erat, difficile est concludere utrum tam parva differentia significationem clinicam an practicam habeat. Haec eventa indicant accuratiam aestimationis aetatis dentalis utens exemplar DM fere eandem esse ac illam methodi traditae. Comparatio directa cum eventibus ex studiis prioribus difficilis est quia nullum studium accuratiam exemplarium DM cum methodis statisticis traditis utens eadem technica notandi dentes in eodem spatio aetatis ac in hoc studio comparavit. Galibourg et al.24 MAE et RMSE inter duas methodos traditas (methodum Demirjian25 et methodum Willems29) et 10 exemplaria DM in populatione Gallica aetatis 2 ad 24 annorum comparaverunt. Renuntiaverunt omnia exempla DM accuratiora esse quam methodos traditionales, cum differentiis 0.20 et 0.38 annorum in MAE et 0.25 et 0.47 annorum in RMSE comparatis cum methodis Willems et Demirdjian respective. Discrepantia inter exemplar SD et methodos traditionales, quae in studio Halibourg demonstrata est, numerosas relationes in rationem ducit30,31,32,33, quae dicunt methodum Demirdjianam non accurate aestimare aetatem dentalem in populationibus praeter Franco-Canadenses, quibus studium fundatum est. In hoc studio, Tai et al.34 algorithmo MLP usi sunt ad aetatem dentium ex 1636 photographiis orthodonticis Sinicis praedicendam et eius accuratiam cum resultatibus methodi Demirjian et Willems comparaverunt. Renuntiaverunt MLP accuratiorem habere quam methodos traditionales. Differentia inter methodum Demirdjianam et methodum traditionalem est <0.32 anni, et methodus Willems est 0.28 anni, quod simile est resultatibus huius studii. Resultatus horum studiorum priorum24,34 etiam cum resultatibus huius studii congruunt, et accuratio aestimationis aetatis exempli DM et methodi traditae similis est. Attamen, ex resultatibus exhibitis, caute tantum concludere possumus usum exemplorum DM ad aetatem aestimandam methodos existentes substituere posse propter inopiam studiorum comparativorum et referentialium priorum. Studia subsequentia maioribus exemplaribus utens necessaria sunt ad confirmandos resultatus in hoc studio obtentos.
Inter studia quae accuratiam SD in aestimanda aetate dentali explorant, quaedam accuratiam maiorem quam nostrum studium demonstraverunt. Stepanovsky et al. [35] XXII exempla SD radiographiis panoramicis 976 incolarum Bohemorum inter annos 2.7 et 20.5 adhibuerunt et accuratiam cuiusque exempli probaverunt. Progressionem 16 dentium permanentium superiorum et inferiorum sinistrorum in summa aestimaverunt, utentes criteriis classificationis a Moorrees et al. [36] propositis. MAE (Maximum Examen Dentium Permanentium) a 0.64 ad 0.94 annos et RMSE (Mediocrisis Reductioris Specierum) a 0.85 ad 1.27 annos variat, quae accuratiora sunt quam duo exempla DM (Decayed Diameter) in hoc studio adhibita. Shen et al. [23] methodum Cameriere ad aetatem dentalem septem dentium permanentium in mandibula sinistra in incolis Sinarum orientalium inter annos 5 et 13 aestimandam adhibuerunt et eam cum aetatibus per regressionem linearem, SVM (Systema Visus-Magneticum) et RF (Regressio Radiographica) aestimatis comparaverunt. Demonstraverunt omnia tria exempla DM accuratiam maiorem habere comparata cum formula Cameriere traditionali. Aestimationes aetatis mediae (MAE) et mediae scalae mediae (RMSE) in studio Shen inferiores erant quam illae in exemplo DM in hoc studio. Praecisio aucta studiorum a Stepanovsky et al. 35 et Shen et al. 23 factorum fortasse ob inclusionem subiectorum iuniorum in exemplaribus studiorum eorum est. Quia aestimationes aetatis pro participantibus cum dentibus crescentibus accuratiores fiunt cum numerus dentium crescit durante evolutione dentium, accuratio methodi aestimationis aetatis resultantis minui potest cum participes studii iuniores sunt. Praeterea, error MLP in aestimatione aetatis paulo minor est quam error SLP, quod significat MLP accuratiorem esse quam SLP. MLP paulo melior habetur ad aestimationem aetatis, fortasse propter stratas occultas in MLP 38. Attamen, exceptio est pro exemplo externo mulierum (SLP 1.45, MLP 1.49). Inventio quod MLP accuratior est quam SLP in aestimanda aetate, studia retrospectiva additionalia requirit.
Classificationis effectus exemplaris DM et methodi traditae ad limen 18 annorum etiam comparati sunt. Omnia exemplaria SD probata et methodi traditae in probationibus internis gradus discriminationis practice acceptabiles pro exemplo 18 annorum ostenderunt. Sensibilitas pro viris et mulieribus maior quam 87.7% et 94.9% respective erat, et specificitas maior quam 89.3% et 84.7%. AUROC omnium exemplarium probatorum etiam 0.925 excedit. Quantum scimus, nullum studium effectum exemplaris DM pro classificatione 18 annorum secundum maturitatem dentalem probavit. Resultatus huius studii cum effectu classificationis exemplarium discendi profundi in radiographiis panoramicis comparare possumus. Guo et al.15 effectum classificationis exemplaris discendi profundi fundati in CNN et methodi manualis fundatae in methodo Demirjian pro certo limine aetatis computaverunt. Sensibilitas et specificitas methodi manualis erant 87.7% et 95.5% respective, et sensibilitas et specificitas exempli CNN excedebant 89.2% et 86.6% respective. Concluserunt exempla discendi profundi posse aestimationem manualem in classificandis liminibus aetatis vel substituere vel superare. Resultata huius studii similem classificationis efficaciam demonstraverunt; Creditur classificationem utens exemplis DM posse methodos statisticas traditionales ad aestimationem aetatis substituere. Inter exempla, DM LR optimum exemplum erat quod ad sensibilitatem pro exemplo masculino et sensibilitatem et specificitatem pro exemplo feminino attinet. LR secundum locum in specificitate pro viris tenet. Praeterea, LR habetur unum ex exemplis DM35 facilioribus utendis et minus complexum et difficile ad tractandum est. His resultatis positis, LR optimum exemplum classificationis liminis pro iuvenibus 18 annorum in populatione Coreana habitum est.
Summa summarum, accuratio aestimationis aetatis vel perfunctionis classificationis in experimentis externis vel pauper vel inferior erat comparata cum eventibus in experimentis internis. Nonnullae relationes indicant accuratiam vel efficaciam classificationis decrescere cum aestimationes aetatis incolarum Coreanorum fundatae ad Iaponicam populationem applicantur5,39, et simile exemplum in hoc studio inventum est. Haec deterioratio etiam in exemplo DM observata est. Ergo, ad accurate aestimandam aetatem, etiam cum DM in processu analysis adhibetur, methodi derivatae ex datis populationis indigenae, ut methodi traditionales, praeferendae sunt5,39,40,41,42. Cum incertum sit utrum exempla discendi profundi similes inclinationes ostendere possint, studia comparantia accuratiam et efficaciam classificationis utens methodis traditionalibus, exemplis DM, et exemplis discendi profundi in eisdem exemplis necessaria sunt ad confirmandum utrum intelligentia artificialis has disparitates raciales in aestimationibus aetatis limitatae superare possit.
Demonstramus methodos traditas aestimatione aetatis, quae in exemplo DM fundatur, in usu aestimationis aetatis forensis in Corea substitui posse. Etiam possibilitatem invenimus ut machinatio discens ad aetatem forensem aestimandam adhibeatur. Tamen, manifestae sunt limitationes, ut numerus insufficiens participantium in hoc studio ad eventus definitive determinandos, et carentia studiorum priorum ad eventus huius studii comparandos et confirmandos. In futuro, studia DM cum maioribus exemplaribus et populationibus magis diversis peragenda sunt, ut eorum applicabilitas practica, comparata cum methodis traditis, melior fiat. Ut possibilitas usus intelligentiae artificialis ad aetatem in multis populationibus aestimandam confirmetur, studia futura necessaria sunt ad accuratiam et efficaciam classificationis exemplorum DM et discendi profundi cum methodis traditis in eisdem exemplaribus comparandas.
Studium usus est 2657 photographis orthographicis, collectis ab adultis Coreanis et Iaponicis inter annos XV et XXIII. Radiographiae Coreanae divisae sunt in 900 series exercitationis (annos XIX.42 ± 2.65) et 900 series probationum internarum (annos XIX.52 ± 2.59). Series exercitationis collecta est in uno instituto (Nosocomio Sanctae Mariae Seuli), et series probationum propria in duobus institutis (Nosocomio Dentali Universitatis Nationalis Seuli et Nosocomio Dentali Universitatis Yonsei). Etiam 857 radiographias ex aliis datis ex populatione (Universitate Medica Iwate, Iaponia) ad probationes externas collegimus. Radiographiae subditorum Iaponensium (annos XIX.31 ± 2.60) ut series probationum externarum selectae sunt. Data retrospective collecta sunt ad gradus evolutionis dentalis in radiographiis panoramicis, per curationem dentalem captis, analyzandos. Omnia data collecta anonyma erant, praeter genus, diem natalem et diem radiographiae. Criteria inclusionis et exclusionis eadem erant ac in studiis antea editis [4, 5]. Aetas vera exemplorum computata est subtrahendo diem natalem a die quo radiographia capta est. Coetus exemplorum in novem coetus aetatis divisus est. Distributiones aetatis et sexus in Tabula 3 monstrantur. Hoc studium secundum Declarationem Helsingiensem peractum est et a Consilio Revisionis Institutionalis (IRB) Nosocomii Sanctae Mariae Seulensis Universitatis Catholicae Coreae (KC22WISI0328) approbatum est. Ob consilium retrospectivum huius studii, consensus informatus non potuit obtineri ab omnibus aegrotis qui examinationem radiographicam ad fines therapeuticos subierunt. Nosocomium Sanctae Mariae (IRB) Universitatis Seulensis Coreae requisitum consensus informati remisit.
Stadia evolutionis molarum bimaxillarium secundi et tertii secundum criteria Demircan aestimata sunt25. Unus tantum dens electus est si idem genus dentis in lateribus sinistro et dextro utriusque maxillae inventus est. Si dentes homologi in utroque latere in diversis stadiis evolutionis erant, dens cum inferiore stadio evolutionis electus est ad incertitudinem in aetate aestimata considerandam. Centum radiographiae temere selectae ex serie exercitationis a duobus observatoribus peritis aestimatae sunt ad fidem inter observatores post praecalibrationem ad stadium maturitatis dentalis determinandum probandam. Fides intra observatorem bis trium mensium intervallis ab observatore primario aestimata est.
Sexus et stadium evolutionis molarum secundi et tertii cuiusque maxillae in apparatu exercitationis ab observatore primario, variis exemplaribus DM exercitato, aestimati sunt, et aetas actualis ut valor scopus statuta est. Exemplaria SLP et MLP, quae late in doctrina automatica adhibentur, contra algorithmos regressionis probata sunt. Exemplar DM functiones lineares coniungit utens stadiis evolutionis quattuor dentium et haec data ad aetatem aestimandam coniungit. SLP est simplicissima rete neuronale et non continet strata occulta. SLP operatur secundum transmissionem liminalem inter nodos. Exemplar SLP in regressione mathematice simile est regressioni lineari multiplici. Dissimile exemplari SLP, exemplar MLP strata occulta multiplicia cum functionibus activationis non linearibus habet. Nostra experimenta stratum occultum cum solum XX nodis occultis cum functionibus activationis non linearibus usi sunt. Descensum gradientem ut methodum optimizationis et MAE et RMSE ut functionem amissionis ad exemplar nostrum discendi automatici exercendum usi sumus. Optimum exemplar regressionis obtentum ad exemplaria probationum interna et externa applicatum est et aetas dentium aestimata est.
Algorithmus classificationis elaboratus est qui maturitatem quattuor dentium in grege exercitationis adhibet ad praedicendum utrum exemplum annos XVIII natus sit necne. Ad exemplar construendum, septem algorithmos machinales discendi repraesentativos derivavimus6,43: (1) LR, (2) KNN, (3) SVM, (4) DT, (5) RF, (6) XGBoost, et (7) MLP. LR est unus ex algorithmis classificationis latissime usitatis44. Est algorithmus discendi supervisati qui regressione utitur ad praedicendam probabilitatem datorum pertinentium ad certam categoriam ab 0 ad 1 et data classificat ut pertinentia ad categoriam probabiliorem secundum hanc probabilitatem; praecipue ad classificationem binariam adhibetur. KNN est unus ex simplicissimis algorithmis machinalis discendi45. Cum nova data inputata dantur, k data prope gregem existentem invenit et deinde ea in classem cum maxima frequentia classificat. 3 pro numero vicinorum consideratorum (k) statuimus. SVM est algorithmus qui distantiam inter duas classes maximizat utens functione nuclei ad expandendum spatium lineare in spatium non lineare appellatum fields46. Pro hoc exemplo, utimur bias = 1, power = 1, et gamma = 1 ut hyperparametros pro nucleo polynomiali. DT in variis campis adhibita est ut algorithmus ad dividendum totum datorum gregem in plures subgreges per repraesentationem regularum decisionis in structura arboris47. Exemplar configuratum est cum minimo numero inscriptionum per nodum 2 et utitur indice Gini ut mensura qualitatis. RF est methodus coacervativa quae plures DT coniungit ad meliorem efficaciam utens methodo aggregationis bootstrap quae classificatorem debilem pro quolibet exemplo generat per exempla eiusdem magnitudinis multipliciter fortuito extrahendo ex originali grege datorum48. Usi sumus 100 arbores, 10 profunditates arborum, 1 minimam magnitudinem nodi, et indicem mixturae Gini ut criteria separationis nodorum. Classificatio novorum datorum determinatur suffragiis maioritatis. XGBoost est algorithmus qui combinat technicas boosting utens methodo quae accipit ut data exercitationis errorem inter valores actuales et praedictos exempli prioris et auget errorem utens gradientibus49. Algorithmus est late adhibitus propter bonam efficaciam et efficaciam opum, necnon magnam fidelitatem ut functio correctionis superaptationis. Modelum quadringentis rotis sustentantibus instructum est. MLP est rete neurale in quo unum vel plura perceptrona strata multiplicia formant cum uno vel pluribus stratis occultis inter strata input et output38. Hoc utens, classificationem non linearem perficere potes ubi cum stratum input addis et valorem eventus obtines, valor eventus praedictus cum valore eventus reali comparatur et error retrorsum propagatur. Stratum occultum cum viginti neuronibus occultis in unoquoque strato creavimus. Omne exemplar quod elaboravimus ad series internas et externas applicatum est ad efficaciam classificationis probandam calculando sensibilitatem, specificitatem, PPV, NPV, et AUROC. Sensibilitas definitur ut proportio exempli aestimati 18 annos nati vel maioris ad exemplum aestimatum 18 annos nati vel maioris. Specificitas est proportio exemplorum sub 18 annis nati et eorum quae aestimantur sub 18 annis nati.
Stadia dentalia in serie exercitationis aestimata in stadia numerica ad analysin statisticam conversa sunt. Regressio linearis et logistica multivariata peracta est ad exempla praedictiva pro singulis sexubus elaboranda et formulas regressionis derivandas quae ad aetatem aestimandam adhiberi possunt. His formulis usi sumus ad aetatem dentium tam pro seriebus probationum internis quam externis aestimandam. Tabula 4 exempla regressionis et classificationis in hoc studio adhibita ostendit.
Fiducia intra- et interobservatorem per statisticam kappa Cohen computata est. Ad accuratiam DM et exemplorum regressionis traditorum probandam, MAE et RMSE computavimus utens aetatibus aestimatis et actualibus copiarum probationum internarum et externarum. Hi errores vulgo adhibentur ad accuratiam praedictionum exemplorum aestimandam. Quo minor error, eo maior accuratio praedictionis24. Compara MAE et RMSE copiarum probationum internarum et externarum per DM et regressionem traditam computatarum. Perfunctio classificationis liminis 18 annorum in statisticis traditis per tabulam contingentiae 2 × 2 aestimata est. Sensibilitas, specificitas, PPV, NPV, et AUROC copiarum probationum computatae cum valoribus mensis exempli classificationis DM comparatae sunt. Data exprimuntur ut media ± deviatio standard vel numerus (%) secundum proprietates datorum. Valores P bilaterales <0.05 statistice significantes aestimati sunt. Omnes analyses statisticae ordinariae per SAS versione 9.4 (SAS Institute, Cary, NC) peractae sunt. Exemplar regressionis DM in Python implementatum est, utens Keras50 2.2.4 backend et Tensorflow51 1.8.0, praesertim ad operationes mathematicas. Exemplar classificationis DM in Waikato Knowledge Analysis Environment et Konstanz Information Miner (KNIME) 4.6.152 suggestu analytico implementatum est.
Auctores agnoscunt data conclusiones studii probantia in articulo et materiis supplementariis inveniri posse. Collectiones datorum per studium generatae et/vel analysatae ab auctore correspondenti, si rationabile petatur, praesto sunt.
Ritz-Timme, S. et al. Aestimatio aetatis: status artis ad requisita specifica praxis forensis implenda. Internationalitas. J. Medicina Legalis. 113, 129–136 (2000).
Schmeling, A., Reisinger, W., Geserik, G., et Olze, A. Status hodiernus aestimationis forensis aetatis subiectorum viventium ad proposita prosecutionis criminalis. *Forensics. Medicine. Pathology.* 1, 239–246 (2005).
Pan, J. et al. Methodus modificata ad aetatem dentalem puerorum inter annos quinque et sedecim in Sinis orientalibus aestimandam. *Clinical*. *Oral survey*. 25, 3463–3474 (2021).
Lee, SS etc. Chronologia evolutionis molarum secundarum et tertiarum in Coreanis et eius applicatio ad aestimationem aetatis forensem. *Internationalitas*. J. Medicina Legalis. 124, 659–665 (2010).
Oh, S., Kumagai, A., Kim, SY et Lee, SS. *Accuratio aestimationis aetatis et aestimatio liminis 18 annorum secundum maturitatem molarum secundi et tertii in Coreanis et Iaponensibus.* PLoS ONE 17, e0271247 (2022).
Kim, JY, et al. Analysis datorum praeoperativa, machinali doctrina innixa, exitum curationis chirurgiae somni in aegris cum OSA praedicere potest. *The Science*. Relatio 11, 14911 (2021).
Han, M. et al. *Aestimatio aetatis accurata ex doctrina automatica cum vel sine interventu humano? internationalitas*. J. *Medicina Legalis*. 136, 821–831 (2022).
Khan, S. et Shaheen, M. *A Data Mining ad Data Mining*. J. *Information*, scientia. https://doi.org/10.1177/01655515211030872 (2021).
Khan, S. et Shaheen, M. Wis. Regula: Primus Algorithmus Cognitivus ad Effodiendum Regulas Associationis. J.Information. Scientia. https://doi.org/10.1177/01655515221108695 (2022).
Shaheen M. et Abdullah U. Karm: *Effossio notitiarum traditionalis secundum regulas associationis secundum contextum*. *Calculate*. Matt. *Continue*. 68, 3305–3322 (2021).
Muhammad M., Rehman Z., Shaheen M., Khan M. et Habib M. Detectio similitudinis semanticae in doctrina profunda utens datis textualibus. Technologiae informationis. Moderatio. https://doi.org/10.5755/j01.itc.49.4.27118 (2020).
Tabish, M., Tanoli, Z., et Shahin, M. Systema ad actionem in pelliculis athleticis agnoscendam. Multimedia. Instrumenta Applicationum https://doi.org/10.1007/s11042-021-10519-6 (2021).
Halabi, SS et al. Provocatio Discendi Automatici RSNA in Aetate Ossium Paediatrica. Radiology 290, 498–503 (2019).
Li, Y. et al. Aestimatio aetatis forensis ex radiographiis pelvicis utens doctrina profunda. EURO. radiation. 29, 2322–2329 (2019).
Guo, YC, et al. *Accurata classificatio aetatis utens methodis manualibus et retibus neuralibus convolutionalibus profundis ex imaginibus proiectionis orthographicae.* *Internationality*. J. *Legal Medicine*. 135, 1589–1597 (2021).
Alabama Dalora et al. Aestimatio aetatis ossium utens variis methodis machinalibus discendi: recensio litterarum systematica et meta-analysis. PLoS ONE 14, e0220242 (2019).
Du, H., Li, G., Cheng, K., et Yang, J. Aestimatio aetatis Afroamericanorum et Sinarum secundum singula incolarum, fundata in voluminibus camerae pulparis primorum molarum utens tomographia computata radiorum conicorum. *Internationality*. J. *Legal Medicine*. 136, 811–819 (2022).
Kim S., Lee YH, Noh YK, Park FK et Oh KS. Aetates hominum viventium definire utens imaginibus primorum molarum in intelligentia artificiali fundatis. *The Science*. Relatio 11, 1073 (2021).
Stern, D., Payer, C., Giuliani, N., et Urschler, M. *Aestimatio aetatis automatica et classificatio aetatis maioritatis ex datis MRI multivariatis*. IEEE J. Biomed. *Health Alerts*. 23, 1392–1403 (2019).
Cheng, Q., Ge, Z., Du, H. et Li, G. Aestimatio aetatis innixa segmentationi tridimensionali camerae pulpalis primorum molarum ex tomographia computata radiorum conicorum per integrationem doctrinae profundae et scalarum graduum. *Internationality*. *J. Legal Medicine*. 135, 365–373 (2021).
Wu, WT, et al. *Effossio datorum in magnis datis clinicis: communes bases datorum, gradus, et exempla methodorum*. *World. Medicine. Resource*. 8, 44 (2021).
Yang, J. et al. Introductio ad Databases Medicas et Technologias Explorationis Datarum in Aetate Magnorum Datarum. J. Avid. Medicina fundamentalis. 13, 57–69 (2020).
Shen, S. et al. Methodus Camerer ad aetatem dentium aestimandam per doctrinam machinalem. BMC Oral Health 21, 641 (2021).
Galliburg A. et al. Comparatio variarum methodorum machinationis discendi ad aetatem dentalem praedicendam utens methodo stadiorum Demirdjiana. *Internationality*. J. *Legal Medicine*. 135, 665–675 (2021).
Demirdjian, A., Goldstein, H. et Tanner, JM. Novum systema ad aetatem dentium aestimandam. Snort. Biology. 45, 211–227 (1973).
Landis, JR, et Koch, GG. Mensurae consensus observatorum in datis categoricis. Biometrics 33, 159–174 (1977).
Bhattacharjee S, Prakash D, Kim C, Kim HK et Choi HK. Analysis texturalis, morphologica et statistica imaginis resonantiae magneticae bidimensionalis utens technicis intelligentiae artificialis ad differentiationem tumorum cerebri primariorum. Informationes de salute. fons. https://doi.org/10.4258/hir.2022.28.1.46 (2022).
Tempus publicationis: IV Ianuarii MMXXIV