基于机器学习与深度神经网络的胸骨CT影像性别鉴定研究及其在土耳其法医人类学中的应用

本研究针对法医人类学中骨骼遗骸性别鉴定难题，利用计算机断层扫描（CT）技术测量土耳其人群胸骨形态参数，系统比较K近邻（KNN）、随机森林、XGBoost、朴素贝叶斯、逻辑回归和线性判别分析（LDA）六种机器学习算法与深度神经网络（DNN）模型的性能。结果表明所有胸骨测量指标均存在显著性别二态性（p<0.001），其中LDA模型表现最优（AUC=0.961），DNN虽性能稍逊但无统计学差异（p>0.05）。该研究为人口特异性法医鉴定提供了可靠的技术方案和自动化分析路径。

　　

在法医人类学领域，对无名骨骼遗骸进行身份识别时，性别鉴定是构建生物特征档案的关键第一步。虽然骨盆和颅骨一直被视作性别二态性最显著的骨骼部位，但在实际法医案件中，这些骨骼可能因各种原因缺失或保存不完整，迫使专家转向其他骨骼结构寻找解决方案。胸骨作为连接肋骨的重要扁骨，近年来其性别鉴定潜力逐渐受到关注，但传统方法存在明显局限：形态学评估依赖主观经验，而度量分析方法又面临人口特异性差异的挑战，且缺乏跨人群的普适性标准。

正是在这样的背景下，Bakan等研究人员在《Egyptian Journal of Radiology and Nuclear Medicine》发表了创新性研究，他们采用多维度分析方法，不仅系统评估了胸骨在土耳其人群中的性别二态性表现，还首次将深度神经网络技术应用于胸骨影像的自动化性别分类。这项研究的重要意义在于：一方面为土耳其人群提供了专门化的法医鉴定标准，另一方面探索了人工智能技术在法医人类学中的实践路径，为处理大规模骨骼数据提供了技术可行性。

研究人员采用回顾性研究设计，从医院放射学档案中筛选出485例（248男性，237女性）18-65岁土耳其成年人的胸部CT影像。使用16排或128排多层螺旋CT（MDCT）设备采集数据，通过三维体积渲染技术在多平面重组（MPR）图像上精准定位10个解剖标志点，测量5项线性参数（胸骨柄长M、胸骨体长CSL、胸骨柄宽MW、第一胸骨体宽CSW1和第三胸骨体宽CSW3），并计算3项衍生指标（胸骨指数SI、联合长度CL和胸骨面积SA）。为保障数据可靠性，由一位具有10年经验的放射科医生进行重复测量，组内相对技术误差测量（TEM）值均低于1.5%。影像数据经过零值填充和双三次插值处理统一调整为256×256像素，分别输入六种机器学习模型和深度神经网络进行性能比较。

测量参数的性别差异分析

所有测量指标在男女间均显示显著差异（p<0.001）。男性胸骨各维度值普遍大于女性，唯独胸骨指数（SI）呈现相反趋势，女性中位值55.87显著高于男性的51.09（p<0.001）。效应量分析显示胸骨面积（SA）、联合长度（CL）和胸骨柄宽（MW）的性别区分能力最强。

多变量逻辑回归结果

多元分析确认M（OR=0.863）、CSL（OR=0.882）、MW（OR=0.805）和CSW1（OR=0.887）是性别鉴定的独立预测因子（p<0.05），而CSW3未显示显著关联（p=0.214）。该结果为机器学习模型的特征选择提供了理论依据。

机器学习模型性能比较

线性判别分析（LDA）表现最优，曲线下面积（AUC）达0.961，马修斯相关系数（MCC）0.839，准确率92.0%。其他模型排序依次为：逻辑回归（AUC=0.960）、朴素贝叶斯（AUC=0.959）、XGBoost（AUC=0.950）、随机森林（AUC=0.942）和K近邻（AUC=0.937）。值得注意的是，尽管深度神经网络（DNN）以0.937的AUC值位列末位，但与LDA的差异无统计学意义（p>0.05）。

深度神经网络的应用价值

虽然DNN的绝对性能略低于传统机器学习模型，但其直接处理原始CT影像的能力避免了繁琐的人工测量步骤，显著提升了分析效率。研究采用的DNN架构支持同时处理矢状面和冠状面影像，通过可分离卷积层减少计算负担，为法医实践中的自动化分析提供了技术基础。

研究结论强调胸骨在土耳其人群中具有显著的性别二态性特征，传统度量分析方法结合机器学习算法可实现85-95%的分类准确率。特别值得关注的是，尽管深度神经网络在当前小样本数据集下未显现优势，但其端到端的处理能力代表着法医人类学分析的发展方向。讨论部分指出三个关键局限：样本量的限制可能影响DNN性能发挥；二元性别分类框架未涵盖性别多样性光谱；缺乏外部验证使模型泛化性存疑。

这项研究的深层意义在于构建了人口特异性法医鉴定标准的技术范式——通过传统统计方法验证生物学特征的有效性，再利用机器学习优化分类精度，最终探索深度学习实现自动化分析的路径。研究者特别建议未来工作应聚焦于多中心合作扩大样本规模，开发多骨骼联合分析模型，以及将解释性人工智能（XAI）技术融入法医决策系统，增强模型预测结果的可信度和可接受性。随着医学影像数据的持续积累和人工智能技术的不断发展，胸骨这类传统上被忽视的骨骼结构，有望在法医人类学实践中发挥更为重要的作用。