|
|
Odhad pohlaví lebky podle povrchu exokrania s využitím CT skenů
Musilová, Barbora ; Brůžek, Jaroslav (vedoucí práce) ; Friedl, Lukáš (oponent)
Diplomová práce vychází metodologicky ze studie Abdel Fatah et al. (2014), kterou rozvíjí a modifikuje. Tato metoda za použití exokraniálních a endokraniálních povrchových sítí lebek dosáhla vysoké úspěšnosti klasifikace pohlaví (97 %). V naší studii jsme využili anonymizovaná CT objemová data lebek současné francouzské populace, ze kterých jsme segmentovali pouze exokraniální povrch. Na takto získaných virtuálních modelech jsme provedli CPD-DCA (Dupej et al., 2014). Analýza hlavních komponent byla provedena ve formě i tvaru (po odškálování velikosti). Celkem bylo analyzováno 104 lebek (51 žen a 53 mužů) ve věkovém rozpětí 18 až 92 let, s průměrným věkem 58 let u žen a 52,46 u mužů. Po využití analýzy Support vector machine (SVM) s radiálním jádrem (a s cross-validací), byla dosažena nejvyšší úspěšnost metody 87,5 % při modelování formy lebky za využití 27 hlavních komponent. Nejpřesnější klasifikace pohlaví na základě pouhého tvaru lebek byla nižší pouze o dvě procenta. V našem případě mohla být úspěšnost negativně ovlivněna vysokým věkem testovaných jedinců, protože míra pohlavního dimorfismu se se zvyšujícím věkem snižuje (Wells et al., 2007), nebo rozdílnou mírou pohlavního dimorfismu v populaci (např. Brůžek a Murail, 2006, Walker et al., 2008). Dalším, a to nejvíce pravděpodobným důvodem,...
|
|
|
Odhad pohlaví lebky podle povrchu exokrania s využitím CT skenů
Musilová, Barbora ; Brůžek, Jaroslav (vedoucí práce) ; Friedl, Lukáš (oponent)
Diplomová práce vychází metodologicky ze studie Abdel Fatah et al. (2014), kterou rozvíjí a modifikuje. Tato metoda za použití exokraniálních a endokraniálních povrchových sítí lebek dosáhla vysoké úspěšnosti klasifikace pohlaví (97 %). V naší studii jsme využili anonymizovaná CT objemová data lebek současné francouzské populace, ze kterých jsme segmentovali pouze exokraniální povrch. Na takto získaných virtuálních modelech jsme provedli CPD-DCA (Dupej et al., 2014). Analýza hlavních komponent byla provedena ve formě i tvaru (po odškálování velikosti). Celkem bylo analyzováno 104 lebek (51 žen a 53 mužů) ve věkovém rozpětí 18 až 92 let, s průměrným věkem 58 let u žen a 52,46 u mužů. Po využití analýzy Support vector machine (SVM) s radiálním jádrem (a s cross-validací), byla dosažena nejvyšší úspěšnost metody 87,5 % při modelování formy lebky za využití 27 hlavních komponent. Nejpřesnější klasifikace pohlaví na základě pouhého tvaru lebek byla nižší pouze o dvě procenta. V našem případě mohla být úspěšnost negativně ovlivněna vysokým věkem testovaných jedinců, protože míra pohlavního dimorfismu se se zvyšujícím věkem snižuje (Wells et al., 2007), nebo rozdílnou mírou pohlavního dimorfismu v populaci (např. Brůžek a Murail, 2006, Walker et al., 2008). Dalším, a to nejvíce pravděpodobným důvodem,...
|
host ::
RSS.