评估利用全景牙片下颌支和切迹特征进行法医性别鉴定的机器学习与神经网络架构

《International Journal of Legal Medicine》：Evaluating machine learning and neural network architectures for forensic sex estimation using mandibular ramus and notch features on panoramic radiographs

　　

摘要

当主要身份标识无法用于直接个体比较时，估计生物特征（如性别）是法医鉴定的基本步骤。在涉及高度腐烂、特定埋藏学改变或面部中部钝器打击的法医场景中，由于下颌支具有明显的性别二态性和较厚的皮质骨结构，使其比其他更脆弱的面部骨骼更能抵抗碎裂，因此它作为一个有价值的解剖标志物。尽管其具有实用性，但在印度尼西亚人群中应用机器学习（ML）和人工神经网络（ANN）评估下颌测量值仍受限于样本量限制和预测变异性。本研究分析了来自 1,000 名印度尼西亚个体的数字化全景 X 线片中的三个连续垂直参数（髁突 - 下颌支高度、下颌支投影高度和喙突 - 下颌支高度）以及一个分类形态变量（乙状切迹），采用了十种 ML 算法和三种 ANN 架构。采用十折嵌套交叉验证方法来验证每个模型并确保无偏的性能估计。优化的 ANN 和逻辑回归框架表现出最高的总体判别能力（AUC > 0.99），而随机森林算法达到了最高的分类准确率（97.10%）。SHAP 分析证实，这些垂直参数共同对模型性能做出贡献，其中髁突 - 下颌支高度被确定为最具影响力的特征，这与已知的男性下颌垂直生长模式相符。本研究证实，将这些维度与计算模型结合可以创建一种可靠的法医性别估计工具。然而，由于这项研究依赖于局部数据集，因此有必要进行涉及多样人群的进一步多中心研究，以建立更广泛的法医标准。