피부 상처의 나이를 정확하게 추정하는 것은 법의학의 진단에서 큰 도전과제입니다. 이 연구는 기계 학습 기반의 분할 방법을 사용하여 돼지 실험 상처에서 시간을 두고 콜라겐 밀도와 증식 활동을 정량화하여 상처 나이 추정에 대한 객관적인 방법을 제공하는 것을 목표로 했습니다. 돼지 실험 상처(68개)의 조직 절편은 Masson의 삼색 염색 방법으로 염색되었거나 Ki67에 의해 증식 활동을 위해 면역조직화학적으로 표시되었습니다. 실험 상처는 등에 위치했으며, 상처의 나이는 5일에서 35일 사이였습니다. 상처에서의 콜라겐 및 증식 활동은 신경망 픽셀 및 랜덤 트리 객체 분류기를 교육하고 적용하여 정량화되었습니다. 아래 상처 부위와 위 상처 부위 사이의 상대적 콜라겐 비율과 콜라겐 비율은 시간 의존적인 패턴을 나타냈습니다. Ki67-양성 세포의 백분율로 평가된 증식 활동은 나이 평가에 적합하지 않았습니다. 결론적으로, 콜라겐과 세포 구성 요소를 구별하도록 훈련된 신경망 픽셀 분류기의 적용은 법의학 상처 나이 평가의 객관적인 방법입니다. 하지만 더 높은 정밀도를 얻기 위해, 이 방법은 다른 시간 의존적인 지표와 결합하여 보조 도구로 사용되어야 합니다.