کد مقاله کد نشریه سال انتشار مقاله انگلیسی ترجمه فارسی نسخه تمام متن
95150 160415 2016 10 صفحه PDF سفارش دهید دانلود رایگان
عنوان انگلیسی مقاله ISI
From binary presumptive assays to probabilistic assessments: Differentiation of shooters from non-shooters using IMS, OGSR, neural networks, and likelihood ratios
ترجمه فارسی عنوان
از روش احتمالی باینری به ارزیابی احتمالاتی: تمایز از بورس از غیر بورس با استفاده از IMS، OGSR، شبکه های عصبی، و نسبت احتمال
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
سفارش ترجمه تخصصی
با تضمین قیمت و کیفیت
خدمات تولید محتوا

این مقاله ISI می تواند منبع ارزشمندی برای تولید محتوا باشد.

  • تولید محتوا برای سایت و وبلاگ
  • تولید محتوا برای کتاب
  • تولید محتوا برای نشریات و روزنامه ها
  • و...

پایگاه «دانشیاری» آمادگی دارد با همکاری مجموعه «شهر محتوا» با استفاده از این مقاله علمی، برای شما به زبان فارسی، تولید محتوا نماید.

تولید محتوا
با 10 درصد تخفیف ویژه دانشیاری
کلمات کلیدی
مانده گلوله آلی؛ طیف سنجی تحرک یونی؛ علم پزشکی قانونی؛ شبکه های عصبی؛ مطالعه جمعیت
موضوعات مرتبط
مهندسی و علوم پایه شیمی شیمی آنالیزی یا شیمی تجزیه
چکیده انگلیسی


• Ion mobility spectrometry (IMS) was used to characterize skin swabs for the presence of organic gunshot residue.
• A population of 73 individuals was studied and included survey responses on firearm use.
• Neural networks were successful in classifying shooters from non-shooters.
• Neural network outputs were used to model distributions and calculate likelihood ratios (shooter/non-shooter).
• Background population positives and false positives was <6%.

Screening tests are used in forensic science for field testing and directing laboratory analysis of physical evidence. These tests are often binary in that the data produced is interpreted as yes/no or present/absent. The utility of screening assays can be improved by evaluating a relevant background population and incorporating prior knowledge to refine the decision boundary. This paper describes the results of using ion mobility spectrometry (IMS) and hand swab samples collected from 73 individuals to differentiate shooters from non-shooters by targeting organic constituents of firearms discharge residues. Each individual completed a questionnaire helpful in analyzing positive results when they did occur. Pattern matching was undertaken using neural networks, and decision thresholds were established using likelihood ratios derived from the population study. This approach significantly reduced the background positive rates compared to an arbitrary decision threshold technique. This methodology could be extended to other pattern-recognition algorithms used with instrumental data. This paper also reports the largest population study to date focused on the organic residues of firearms discharge. The proportion of positives found in the population sample were less than 5%; when a likelihood ratio of 10:1 (shooter/not shooter) was used, the frequency of positives fell below 2%. The results suggest that background levels of organic gunshot residue will not be a significant analytic concern for assay development.

Figure optionsDownload high-quality image (194 K)Download as PowerPoint slide

ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Forensic Science International - Volume 263, June 2016, Pages 176–185
نویسندگان
,,
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
سفارش ترجمه تخصصی
با تضمین قیمت و کیفیت