CNN-basierte forensische Altersschätzung anhand von CT-Untersuchungen der Epiphysenfugen der Claviculae: Ein Schülerbeitrag zum BWKI Finale 2020

Zielsetzung Zur forensischen Altersschätzung bei Personen im Alter zwischen 15 und 25 Jahren werden üblicherweise CT-Untersuchungen der Epiphysenfugen der Claviculae herangezogen. Etablierte Atlanten und Schemata erlauben eine Einteilung in fünf Stadien (Kellinghaus et al., 2009). Ziel des Projektes im Rahmen des Bundeswettbewerbs für künstliche Intelligenz (BWKI) ist zu untersuchen, ob das Lebensalter durch einen Deep-Learning-Ansatz mit Convolutional Neural Networks (CNN) aus CT-Untersuchungen der Epiphysenfugen der Claviculae automatisiert bestimmt werden kann.

Material und Methoden Ein positives Votum der Ethikkommission liegt vor. Das dokumentierte kalendarische Lebensalter bildet den Referenzstandard für die Zielvariable Alter. Zum Training wurde ein anonymisierter Thorax-CT-Datensatz verwendet, der unter Berücksichtigung einer gleichmäßigen Altersverteilung zusammengestellt wurde. In jeder CT-Untersuchung wurde das Sternum manuell markiert und ein Volumen definierter Größe unter Einbeziehung des Sternums und der Epiphysenfugen extrahiert. Ein modifiziertes VGG16 3D-CNN wurde zur Altersvorhersage trainiert. Die Genauigkeit der Altersvorhersage wurde mit einer 10-fachen Kreuzvalidierung evaluiert.

Ergebnisse Der analysierte Thorax-CT-Datensatz umfasst 394 Untersuchungen von 278 Personen (124/278 (45%) weiblich) und wurde in 10 Trainings- und Testsets mit jeweils ca. 354 und ca. 40 Untersuchungen geteilt. Das trainierte CNN konnte das Alter in den Testsets im Durchschnitt mit einem mittleren absoluten Fehler von 34,9 (Min.: 29,4; Max.: 41,1) Monaten vorhersagen. Die benötigte Zeit für eine Vorhersage lag im Sekundenbereich.

Schlussfolgerungen Unsere experimentellen Resultate zeigen, dass ein CNN-Ansatz für die automatisierte Vorhersage des Alters anhand von CT-Untersuchungen der Epiphysenfugen im Alter zwischen 15 und 25 Jahren geeignet ist. Anders als etablierte, Atlanten-basierte Methoden erlaubt der vorgestellte Algorithmus eine direkte Vorhersage des Alters und stellt zugleich eine deutliche Zeitersparnis in Aussicht.

Publication History

Article published online:
11 May 2021