基于肱骨与股骨外部形态的类人猿性别鉴定：几何形态计量学与机器学习方法的整合应用

本研究针对灵长类性别二态性分析难题，来自多国研究人员通过3D地标点几何形态计量学技术，对现代类人猿（Homo、Pan、Gorilla、Pongo）的肱骨与股骨外部形态展开研究。结果表明除Pan属外，骨骼尺寸是区分性别的关键指标，结合机器学习算法显著提升了Gorilla与Pongo的性别分类准确率，为灵长类进化生物学与法医人类学提供了新方法学支持。

　　

灵长类动物的骨骼性别二态性反映了演化、生态和社会压力的相互作用，其多样性与复杂性一直困扰着研究者。这项研究通过分析现代类人猿（包括人属、黑猩猩属、大猩猩属和猩猩属）的肱骨(humerus)与股骨(femur)样本，采用三维解剖标志点(3D anatomical landmarks)和几何形态计量学(geometric morphometrics)技术，结合监督式机器学习(supervised machine learning)算法展开探索。

研究发现，除黑猩猩属(Pan)外，骨骼尺寸(size)而非形状(shape)是区分类人猿性别的主要因素。大猩猩(Gorilla)和猩猩(Pongo)表现出强烈的性别二态性，智人(Homo sapiens)呈现中等程度，而黑猩猩(Pan)的二态性极弱导致分类准确率较低。研究证实整合尺寸参数能有效提升性别分类效能，但样本量不足与内部骨骼结构数据的缺失仍限制着研究深度。这项工作不仅为法医人类学提供新工具，更揭示了不同类人猿演化路径中性别选择压力的差异。