评估通过人类牙齿体积估算性别的准确性：利用自动化人工智能分割技术及机器学习算法的比较分析

《Head & Face Medicine》：Evaluating the accuracy of sex estimation from human tooth volume: leveraging automated AI segmentation and comparative analysis of machine learning algorithms

　　

摘要

背景

准确估计生物性别是法医牙科学、人类学和考古学中的基本步骤。牙齿体积已被认为是一个有价值的性别估计特征。然而，牙齿形态存在人群特异性差异，这在北方汉族人群中尚未得到充分研究。此外，锥形束计算机断层扫描（CBCT）图像的手动分割容易受到主观性和误差的影响，传统的建模方法可能具有有限的预测准确性。本研究旨在通过结合自动化人工智能（AI）分割技术和多种机器学习算法来提高性别预测的客观性和预测性能，以解决这些限制。

方法

使用完全自动化的深度学习系统分析了398张CBCT图像，最终保留了357个样本（185名女性，172名男性）。牙齿的体积数据被自动计算，缺失值通过链式方程多重插补（MICE）方法进行填补。应用了四种机器学习算法来构建用于性别估计的二元分类模型。通过嵌套交叉验证实现了超参数优化，并使用一系列综合指标在测试集上评估了模型性能。

结果

所有16颗测量牙齿的体积在性别之间存在显著差异，男性在所有牙齿类型中的平均体积始终大于女性。嵌套交叉验证显示，所有模型在性别估计方面都表现出了良好的性能，平均准确率（ACC）超过0.77，平均AUC值达到或超过0.85。在测试集上，模型的准确率范围为0.803至0.859，AUC值范围为0.893至0.903。SHAP可解释性分析表明犬齿对预测结果的影响最大。

结论

本研究首次证明了北方汉族人群中牙齿体积的显著性别差异。我们利用基于AI的自动化分割技术和机器学习建模流程，通过牙齿体积特征准确估计了性别，为法医和人类学应用提供了一种有价值的方法。

背景

准确估计生物性别是法医牙科学、人类学和考古学中的基本步骤。牙齿体积已被认为是一个有价值的性别估计特征。然而，牙齿形态存在人群特异性差异，这在北方汉族人群中尚未得到充分研究。此外，锥形束计算机断层扫描（CBCT）图像的手动分割容易受到主观性和误差的影响，传统的建模方法可能具有有限的预测准确性。本研究旨在通过结合自动化人工智能（AI）分割技术和多种机器学习算法来提高性别预测的客观性和预测性能。

方法

使用完全自动化的深度学习系统分析了398张CBCT图像，最终保留了357个样本（185名女性，172名男性）。牙齿的体积数据被自动计算，缺失值通过链式方程多重插补（MICE）方法进行填补。应用了四种机器学习算法来构建用于性别估计的二元分类模型。通过嵌套交叉验证实现了超参数优化，并使用一系列综合指标在测试集上评估了模型性能。

结果

所有16颗测量牙齿的体积在性别之间存在显著差异，男性在所有牙齿类型中的平均体积始终大于女性。嵌套交叉验证显示，所有模型在性别估计方面都表现出了良好的性能，平均准确率（ACC）超过0.77，平均AUC值达到或超过0.85。在测试集上，模型的准确率范围为0.803至0.859，AUC值范围为0.893至0.903。SHAP可解释性分析表明犬齿对预测结果的影响最大。

结论

本研究首次证明了北方汉族人群中牙齿体积的显著性别差异。我们利用基于AI的自动化分割技术和机器学习建模流程，通过牙齿体积特征准确估计了性别，为法医和人类学应用提供了一种有价值的方法。