Morlock, MichaelMichaelMorlock1413094900000-0002-5330-2454Auf der Mauer, MarkusMarkusAuf der Mauer2020-07-062020-07-062020-06Zuerst veröff.: ISBN 978-3-8440-7400-0 (2020)http://hdl.handle.net/11420/6476Im Rahmen dieser Arbeit wird die Fragestellung der Altersbestimmung bei Lebenden auf Basis von Knie-MRT-Bildsequenzen untersucht. Anhand eines großen Datenkollektivs von jungen männliche Probanden, wird ein neuer KI-basierter Ansatz entwickelt, um Knochenstrukturen automatisch im Bild zu erkennen und darauf basierend das chronologische Alter zu erlernen. Mit einem mittleren absoluten Fehler (MAE) von 0,69 ± 0,47 Jahren für die Vorhersage des Alters und einer Genauigkeit von 90,9% bei der Frage nach der Volljährigkeit, belegen die Ergebnisse das Potential dieses Ansatzes.The purpose of this work is to investigate the age estimation of living individuals on the basis of MRI sequences of the knee. Using a large data collective of young male subjects, a new AI-based approach is developed to automatically detect bone structures in the image and to learn the chronological age based on this information. With a mean absolute error (MAE) of 0.69 ± 0.47 years for the prediction of the age and an accuracy of 90.9% for the majority classification on the 18-year-limit, the results demonstrate the potential of this approach.enhttps://creativecommons.org/licenses/by-nc-nd/4.0/automated age estimationmagnetic resonance imaging (MRI)kneemachine learningconvolutional neural network (CNN)segmentationBiowissenschaften, BiologieDoctoral Thesis10.15480/882.281310.2370/978384407400010.15480/882.2813Säring, DennisDennisSäringOther