顕微鏡ソーマーク分析：経験的アプローチ

顕微鏡SAW Mark分析は、よく公開され、一般的に認められている定性的分析方法です。ただし、この方法に関連するエラーの潜在的なソースの特定と緩和に焦点を当てている研究はほとんどありません。提示された研究では、分類ツリーとランダムフォレスト分類器の使用は、微視的なSAW MARK分析における変動性と結果エラーの誤りの可能性を軽減するための最適な統計的に健全なアプローチとして提案しています。統計モデルは、4種類のこぎりで作成された58の実験的ソーマークに適用されました。のこぎりは、解剖学的贈り物を通じて得られた新鮮な人間の大腿骨で作られ、Keyence Digital Microscopeを使用して分析されました。統計的アプローチは、差別的価値に基づいて変数を比較検討し、関連する結果エラー率が8.62-17.82％で決定ツリーを生成しました。

Microscopic saw mark analysis is a well published and generally accepted qualitative analytical method. However, little research has focused on identifying and mitigating potential sources of error associated with the method. The presented study proposes the use of classification trees and random forest classifiers as an optimal, statistically sound approach to mitigate the potential for error of variability and outcome error in microscopic saw mark analysis. The statistical model was applied to 58 experimental saw marks created with four types of saws. The saw marks were made in fresh human femurs obtained through anatomical gift and were analyzed using a Keyence digital microscope. The statistical approach weighed the variables based on discriminatory value and produced decision trees with an associated outcome error rate of 8.62-17.82%.