تقدير الجنس من صور الأشعة الجانبية للرأس عبر شبكة عصبية تلافيفية هجينة متعددة النماذج

لماذا تهم أشعة الجمجمة في التحقيقات الواقعية

عندما يواجه المحققون بقايا غير معروفة بعد جريمة أو حادث أو كارثة، يعد أحد الأسئلة الأولى التي يجب الإجابة عنها ما إذا كان الشخص ذكراً أم أنثى. معرفة هذا بسرعة يضيق نطاق البحث عن تطابق ويمكن أن يوجه أيضاً البحث الطبي والأثري. تستكشف هذه الدراسة كيف يمكن لصور الأشعة الجانبية للجمجمة المستخدمة روتينياً في تقويم الأسنان، والمعروفة باسم صور السيفالوغرام الجانبية، أن تُدمَج مع الذكاء الاصطناعي لتقدير الجنس بدقة عالية جداً، مما يقدم مساعدة سريعة وموضوعية للأساليب الجنائية التقليدية.

من أشعة طبيب الأسنان إلى دليل جنائي

صور السيفالوغرام الجانبية هي صور قياسية يستخدمها أطباء الأسنان وأخصائيو تقويم الأسنان لتخطيط العلاج. تُظهر المنظر الجانبي للرأس، بما في ذلك الجبهة وجسر الأنف والفك وقاعدة الجمجمة. تحتوي هذه المناطق على فروق شكلية دقيقة بين الذكور والإناث، مثل بروز الجبهة، وطول قاعدة الجمجمة، والارتفاع الرأسي للوجه. حتى الآن، كان الخبراء يقيسون هذه الاختلافات يدوياً باستخدام زوايا ومسافات بين نقاط تشريحية محددة جيداً. هذا العمل اليدوي بطيء، ويتطلب تدريباً متخصصاً، ويمكن أن يتأثر بحكم الفاحص، خاصة عندما تكون العظام تالفة أو الصور غير واضحة.

مزج نوعين من الذكاء الاصطناعي

صمم الباحثون نظاماً حاسوبياً «هجيني» يحاكي كيف يدرس الخبير البشري السيفالوغرام، بينما يتعلم أيضاً مباشرة من أنماط الصورة التي قد تكون غير مرئية للعين المجردة. جزء من النظام، يعتمد على شبكة عصبية تسمى DenseNet169، تم تدريبه على صور أشعة حيث وُسِمت بعناية خمسة معالم رئيسية: الجلَبِلا (الجبهة)، الناسيون (جسر الأنف)، السيلا (تجويف صغير في قاعدة الجمجمة)، الباسيون (الجزء الخلفي السفلي لفتحة الجمجمة)، والمينتون (أدنى نقطة في الذقن). باستخدام هذه النقاط، حسب النموذج تلقائياً مسافتين مهمتين — طول قاعدة الجمجمة والارتفاع الكلي للوجه — وثلاث زوايا تتشكل بربط النقاط على شكل مثلثات. ثم دخلت هذه القياسات في صيغ طورت في أعمال سابقة لتعطي مخرجاً يحدد على الأرجح ما إذا كانت الجمجمة تعود لذكر أم أنثى.

إتاحة المجال للحاسوب "للنظر" دون تعليمات

الجزء الثاني من النظام الهجين استخدم شبكة تُدعى EfficientNetB3، لم تُعطَ لها أي معالم أو قياسات. بدلاً من ذلك، تعلمت التعرف على أنماط مرتبطة بالجنس عبر النظر مباشرة إلى صور الأشعة الخام. يشبه دورها دور أخصائي تصوير شعاعي متمرس يتعلم عبر حالات متعددة ملاحظات تراكيب من الظلال والأشكال التي تظهر أكثر لدى الرجال أو لدى النساء. طريقة تعلم آلي منفصلة، معروفة بمصنف الغابة العشوائية، فسرت السمات التي استخلصتها EfficientNetB3 وأنتجت تنبؤها الخاص بالجنس. والأهم من ذلك، أن هذا المسار غير المشرف تم تدريبه على صور لم تتطلب وسمًا يدويًا مكثفاً، مما يسهل توسيع النظام لمجموعات بيانات أكبر في المستقبل.

التصويت لأفضل إجابة

للوصول إلى قرار نهائي، جمع الباحثون ثلاث «آراء»: واحدة تعتمد على المسافات الخطية، وأخرى على القياسات الزاوية، وثالثة على تحليل الصورة فقط. استخدم النظام تصويت الأغلبية — أي الجنس المقترح من قِبل اثنين على الأقل من الطرق الثلاث يصبح المخرج النهائي. على مجموعة بيانات رئيسية مكونة من 150 بالغاً، والتي وسعت بتقنيات تكبير الصور، وصلت طريقة المسافات وحدها إلى دقة 100%، وكانت الطريقة المعتمدة على الزوايا قريبة جداً من ذلك، بأقل من 100% بقليل. كان نموذج الصورة فقط أقل دقة، نحو 81%، لكن عندما جمعت الثلاثة معاً، كانت الدقة الإجمالية نحو 99.7%. لاختبار مدى فاعلية ذلك في العالم الواقعي، قيّم الفريق أيضاً النموذج الهجين على مجموعة إضافية من 46 صورة أشعة لم تَطابق بدقة قواعد جودة الصورة الأصلية. حتى في هذه الحالة، قدر النظام الجنس بشكل صحيح في حوالي 98% من الحالات وأظهر قوة تشخيصية «ممتازة» وفقاً للإحصاءات الطبية المعيارية.

ما يعنيه هذا للعلم والمجتمع

لباحثي الأدلة الجنائية، وعلماء الآثار، وفاحصي الطب الشرعي، تشير الدراسة إلى أن مزيجاً مصمماً بعناية من القياسات الموجهة بشرياً والتعلم الحر من الصور يمكن أن يقدم تقديرات للجنس قريبة من الكمال من أشعة الأسنان اليومية. لا يقصد من هذه الطريقة أن تحل محل الخبراء أو المعيار الذهبي التقليدي للقياس اليدوي، بل أن تقدم رأياً ثانياً سريعاً ومتسقاً — مفيد بشكل خاص عندما يجب معالجة حالات كثيرة دفعة واحدة، كما في الكوارث الجماعية. يؤكد المؤلفون على أن هناك حاجة لاختبارات إضافية على مجموعات أكبر وأكثر تنوعاً من البقايا، بالإضافة إلى عناية خاصة بالأخلاقيات والشفافية والمعايير القانونية. ومع ذلك، يمثل هذا الشبكة العصبية الهجينة خطوة مهمة نحو أدوات ذكاء اصطناعي عملية وقابلة للتفسير يمكن أن تساعد في تحديد هوية المتوفين واستعادة هويتهم القانونية.

الاستشهاد: Widyaningrum, R., Rosyida, N.F., Ningtyas, A.H. et al. Sex estimation from lateral cephalograms via a hybrid multimodel convolutional neural network. Sci Rep 16, 6490 (2026). https://doi.org/10.1038/s41598-026-36147-4

الكلمات المفتاحية: التعرف الجنائي, صورة الرأس الجانبية, تقدير الجنس, التعلم العميق, أشعة الجمجمة والوجه