
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于CT鼻部及上颌窦测量指标的机器学习驱动法医性别预测
《International Journal of Legal Medicine》:Machine learning-driven forensic sex prediction using CT-based nasal and maxillary sinus metrics
【字体: 大 中 小 】 时间:2026年09月20日 来源:International Journal of Legal Medicine 2.6
编辑推荐:
摘要背景性别鉴定是法医身份识别中的关键环节,尤其适用于涉及碎片化或腐败遗体、无法获取常规骨骼标志物的案件。上颌窦和鼻腔结构是受保护的颅面组成部分,具有性别二态性特征,可用于辅助性别推断。本研究利用机器学习(ML)方法,评估了基于CT扫描的这些结构的测量学指标在埃及人群中用于性
性别鉴定是法医身份识别中的关键环节,尤其适用于涉及碎片化或腐败遗体、无法获取常规骨骼标志物的案件。上颌窦和鼻腔结构是受保护的颅面组成部分,具有性别二态性特征,可用于辅助性别推断。本研究利用机器学习(ML)方法,评估了基于CT扫描的这些结构的测量学指标在埃及人群中用于性别鉴定的可行性。
本研究对195名成年埃及人(100名女性,95名男性)进行了比较性横断面研究,样本分别来自上埃及(阿斯尤特,n?=?104)和下埃及(本哈,n?=?91)。通过分析鼻窦CT扫描图像,获取了6项上颌窦测量指标和3项鼻腔测量指标。在此基础上衍生出年龄及10项附加工程特征,共计20项特征用于机器学习分析。本研究评估了两种在特征选择与超参数优化顺序上不同的机器学习框架,采用6种分类器和5种特征选择方法。性能评估指标包括准确率、受试者工作特征曲线下面积(AUC)、精确率、召回率、F1分数和特异性。
多项测量指标中观察到显著的性别相关差异,且上埃及与下埃及之间存在地域性变异。框架2的总体表现优于框架1。最佳模型AUC分别达到0.771和0.768,最高准确率可达74.4%。鼻额角、鼻根–鼻尖距离以及上颌窦平均前后径是最一致的预测指标。
基于CT的鼻腔和上颌窦测量学指标在埃及人群法医性别推断中显示出中等程度的应用价值。机器学习通过捕捉复杂的形态测量关系提高了分类性能,其中鼻腔测量指标是稳健的性别判别标志。
性别鉴定是法医身份识别中的关键环节,尤其适用于涉及碎片化或腐败遗体、无法获取常规骨骼标志物的案件。上颌窦和鼻腔结构是受保护的颅面组成部分,具有性别二态性特征,可用于辅助性别推断。本研究利用机器学习(ML)方法,评估了基于CT扫描的这些结构的测量学指标在埃及人群中用于性别鉴定的可行性。
本研究对195名成年埃及人(100名女性,95名男性)进行了比较性横断面研究,样本分别来自上埃及(阿斯尤特,n?=?104)和下埃及(本哈,n?=?91)。通过分析鼻窦CT扫描图像,获取了6项上颌窦测量指标和3项鼻腔测量指标。在此基础上衍生出年龄及10项附加工程特征,共计20项特征用于机器学习分析。本研究评估了两种在特征选择与超参数优化顺序上不同的机器学习框架,采用6种分类器和5种特征选择方法。性能评估指标包括准确率、受试者工作特征曲线下面积(AUC)、精确率、召回率、F1分数和特异性。
多项测量指标中观察到显著的性别相关差异,且上埃及与下埃及之间存在地域性变异。框架2的总体表现优于框架1。最佳模型AUC分别达到0.771和0.768,最高准确率可达74.4%。鼻额角、鼻根–鼻尖距离以及上颌窦平均前后径是最一致的预测指标。
基于CT的鼻腔和上颌窦测量学指标在埃及人群法医性别推断中显示出中等程度的应用价值。机器学习通过捕捉复杂的形态测量关系提高了分类性能,其中鼻腔测量指标是稳健的性别判别标志。