基于计算机断层扫描图像的定量图谱测量数据在性别估计中的可用性:一种机器学习方法

《Morphologie》:Usability of quantitative atlas measurements from computed tomography images for sex estimation: A machine learning approach

【字体: 大 中 小 】 时间:2026年01月13日 来源:Morphologie CS2.9

编辑推荐:

  性别鉴定在法医人类学中至关重要。本研究通过CT扫描获取200例土耳其人群寰椎的18项量化参数(16长度、2角度),应用13种机器学习算法评估性别预测效能。结果显示,GNB算法使用5项参数(lenAVAP等)达89%准确率,15/18参数经t检验显示显著性别差异(P≤0.05)。证实寰椎CT影像结合机器学习能有效推断性别,为法医人类学提供新工具。

  
Mensure Sahin|Muhammed Kamil Turan|Zulal Oner|Serkan Oner
土耳其卡拉布克大学医学院解剖学系

摘要

性别鉴定在法医鉴定、失踪人员搜寻和法医调查中起着关键作用。本研究旨在评估通过计算机断层扫描(CT)获得的寰椎(第一颈椎)图像的定量测量数据,利用机器学习算法进行性别鉴定的可行性。研究使用了200名个体的CT图像(100名男性和100名女性)。测量了寰椎的18个参数,包括16个长度和2个角度。这些参数通过13种不同的机器学习算法进行了分析。使用基本的统计方法比较了每个参数对性别鉴定的影响。机器学习模型的预测准确率在86%到89%之间。其中,高斯朴素贝叶斯算法仅使用5个选定的参数时取得了最高的准确率(89%)。此外,18个测量参数中有15个在性别之间存在统计学上的显著差异。研究表明,仅利用寰椎的定量测量数据和机器学习算法就可以高精度地鉴定性别。特别是当只有寰椎可用时,这种方法可以为法医医学检查提供重要的初步数据。

引言

准确的性别鉴定对于法医鉴定非常重要[1]。在法医人类学中,性别鉴定被认为是人类鉴定过程中的第一步和最关键步骤。随后会进行年龄和身高的鉴定,因为这些参数受到性别差异的影响[2][3]。骨测量学、牙测量学和DNA分析常用于预测正确的性别[4]。骨测量学是一种易于实施、成本低廉且广泛使用的性别鉴定方法[5]。而DNA分析则既昂贵又需要专业设备[6]。
法医人类学家不断需要新的方法来准确鉴定性别[7]。近年来,机器学习(ML)已成为一种新技术,在健康领域尤其是计算生物学中得到了有效应用[5][8][9][10][11]。因此,当DNA分析结果不可用或尚未获得时,这种方法有助于性别鉴定的过程。
如果拥有完整的骨骼,性别鉴定并不困难,因为头骨和骨盆都可以被有效利用[12]。然而,当这些解剖结构缺失或变形时,就需要开发从骨骼其他部分准确预测性别的方法[13][14]。
头骨、下颌骨和股骨是骨骼遗骸中最常见的骨头[15]。由于解剖学上的接近性,寰椎在这种情况下也很可能存在[16]。在地震、火灾等自然灾害中,椎骨是最受保护的骨头[16][17]。研究表明,椎骨可以高精度地用于性别鉴定[1][13][14][16][18]。区分寰椎与其他椎骨的最重要特征是其独特的结构和易于识别的形状[16][17]。因此,一些研究在评估和使用寰椎特征进行性别鉴定时取得了高准确率[16][18][19]。然而,据我们所知,尚未发现任何使用ML应用通过寰椎的测量属性来鉴定性别的研究。
本研究的目的是评估基于寰椎测量数据的机器学习算法在性别鉴定中的性能,并提出一个新的预测模型。为此,研究确定了寰椎测量数据中的性别相关差异,并比较了各种机器学习算法的预测性能,以确定产生最高准确率的参数组合。因此,研究的重点既在于寰椎定量测量数据在性别鉴定中的有效性,也在于机器学习模型在此背景下的有效性。

伦理批准

本研究已获得卡拉布克大学医学院伦理委员会的批准,批准号为2019/115,属于非介入性临床研究。

图像获取

本研究回顾性地从卡拉布克大学医学院培训与研究医院的图像存档和通信系统(PACS)中获取了2017年至2019年间收治患者的CT图像。共收集了200名个体的颈椎区域CT图像,包括100名男性和100名女性。

结果

参数angAAA、lenAVAP、lenFVAP、lenAAAAP、lenAV、lenFTS、lenFTD、lenTA_PTD、lenTA_PTS、lenTP_PTD和lenFTD_FTS在两性中均呈正态分布。通过t检验发现,参数lenAVAP、lenFVAP、lenAV、lenFTS、lenFTD、lenTA_PTD、lenTA_PTS、lenTP_PTD和lenFTD_FTS在男性中的值均高于女性,且差异具有统计学意义(P<0.05)。参数angAAA和lenAAAAP在两性之间没有显著差异(P>0.05)(见表2)。

讨论

本研究使用了200名土耳其人群(100名男性,100名女性)的寰椎CT图像来预测正确的性别,并利用机器学习(ML)分析了预测结果的准确性。在每个寰椎的CT图像上测量了18个参数。经过13种机器学习算法的应用,从这些参数值预测正确性别的准确率为86%至89%。其中,高斯朴素贝叶斯(GNB)算法的准确率最高。

结论

总之,本研究表明,寰椎CT图像和机器学习算法可以用于性别鉴定。所获得的高准确率证明了机器学习算法是人类学中性别鉴定的有力工具。GNB算法使用较少参数即可达到高准确率,为未来的研究开辟了新的方向。我们的研究结果为人类学和医学领域中基于性别的研究和应用提供了新的视角。然而,尽管取得了这些有希望的结果,

资助

本研究未收到任何财务支持。

伦理批准

本研究已获得卡拉布克大学非介入性伦理委员会2019/115号协议的批准。

作者贡献

Mensure Sahin:研究构思与设计;数据收集;数据分析与解释;文章撰写。Muhammed Kamil Turan:研究构思与设计;数据收集;数据分析与解释。Zulal Oner:概念化、方法论制定、验证、撰写与编辑。Serkan Oner:概念化、资源协调、监督与验证。

利益冲突声明

作者声明没有利益冲突。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号