シアミーズ、転移学習およびカスタム深層学習モデルを用いた法医学的同定
カテゴリ：診断支援・画像解析
公開日：2026年1月9日
タイトル：Forensic identification using siamese, transfer learning and custom deep learning models.
雑誌名：Sci Rep. 2025 Nov 29; 16(1): 890.
概 要：
本研究は、法医学人類学における人間の頭蓋骨からの同定に焦点を当て、性別や祖先、その他の重要な特徴を特定するための深層学習モデルの可能性を探求しています。特に、提案されたシアミーズニューラルネットワークを含む複数の深層学習モデル（VGG-16、カスタムCNN、ResNet50、DenseNet、MobileNet、InceptionV3、EfficientNet、AlexNet）を用いて、ニューメキシコ死者画像データベース（NMDID）から取得したDICOMファイルの頭蓋骨画像を分析しました。結果として、シアミーズニューラルネットワークは85.33%の高精度で法医学的同定を行うことができ、従来の最先端手法を上回る性能を示しました。
方 法：
本研究では、ニューメキシコ死者画像データベース（NMDID）から取得したDICOMファイルの頭蓋骨画像を対象に、さまざまな深層学習モデルを適用しました。使用したモデルには、シアミーズニューラルネットワーク、VGG-16、カスタムCNN、ResNet50、DenseNet、MobileNet、InceptionV3、EfficientNet、AlexNetが含まれます。主要評価指標は、法医学的同定の精度です。
結 果：
提案されたシアミーズニューラルネットワークは、法医学的同定において85.33%の高精度を達成しました。また、このモデルは文献における最先端手法を上回る性能を示しました。
結 論：
シアミーズニューラルネットワークを用いた法医学的同定は、高い精度での識別が可能であり、従来の手法よりも優れた結果を示しました。このアプローチは、法医学分野における自動化された分析と分類タスクにおいて有望な手段となるでしょう。