Estimation du sexe à partir de céphalogrammes latéraux via un réseau de neurones convolutionnels multimodèle hybride

Pourquoi les radiographies du crâne comptent dans les enquêtes réelles

Lorsque les enquêteurs sont confrontés à des restes non identifiés après un crime, un accident ou une catastrophe, l’une des premières questions à trancher est de savoir si la personne était de sexe masculin ou féminin. Connaître cela rapidement réduit considérablement la recherche d’une correspondance et peut aussi orienter la recherche médicale et archéologique. Cette étude examine comment des radiographies latérales du crâne, couramment prises en orthodontie et appelées céphalogrammes latéraux, peuvent être combinées à l’intelligence artificielle pour estimer le sexe avec une très grande précision, offrant une aide rapide et objective aux méthodes médico-légales traditionnelles.

De la radiographie du dentiste à un indice médico-légal

Les céphalogrammes latéraux sont des images standard utilisées par les dentistes et orthodontistes pour planifier les traitements. Elles montrent la vue de profil de la tête, y compris le front, le pont nasal, la mâchoire et la base du crâne. Ces régions présentent des différences subtiles de forme entre hommes et femmes, comme la saillie du front, la longueur de la base crânienne et la hauteur verticale du visage. Jusqu’à présent, les experts mesuraient ces différences à la main, en utilisant des angles et des distances entre des points anatomiques bien définis. Ce travail manuel est lent, exige une formation spécialisée et peut être influencé par le jugement de l’examinateur, en particulier lorsque les os sont endommagés ou que les images sont peu nettes.

Mélanger deux types d’intelligence artificielle

Les chercheurs ont conçu un système informatique « hybride » qui imite la manière dont un expert humain étudie un céphalogramme, tout en apprenant aussi directement à partir de motifs d’image potentiellement invisibles à l’œil nu. Une partie du système, basée sur un réseau de neurones appelé DenseNet169, a été entraînée sur des radiographies où cinq repères clés étaient soigneusement marqués : la glabelle (front), le nasion (pont du nez), la sella (petite cavité à la base du crâne), le basion (partie inférieure postérieure de l’orifice du crâne) et le menton (point le plus bas du menton). À partir de ces points, le modèle a automatiquement calculé deux distances importantes — la longueur de la base crânienne et la hauteur faciale totale — et trois angles formés en reliant les points en triangles. Ces mesures ont ensuite été intégrées dans des formules, développées dans des travaux antérieurs, qui déterminent si le crâne est le plus probablement masculin ou féminin.

Laisser l’ordinateur « regarder » sans instructions

La seconde partie du système hybride utilisait un réseau nommé EfficientNetB3, auquel aucun repère ni aucune mesure n’avaient été fournis. Il a appris à reconnaître des motifs liés au sexe en regardant directement les images radiographiques brutes. Son rôle ressemble à celui d’un radiologue expérimenté qui, au fil de nombreux cas, apprend à repérer des combinaisons d’ombres et de formes qui apparaissent plus souvent chez les hommes ou chez les femmes. Une méthode d’apprentissage automatique distincte, connue sous le nom de classifieur par forêt aléatoire (random forest), a interprété les caractéristiques extraites par EfficientNetB3 et produit sa propre prédiction de sexe. Fait important, cette voie non supervisée a été entraînée sur des images ne nécessitant pas de marquage manuel fastidieux, ce qui facilite l’extension du système à des jeux de données plus importants à l’avenir.

Voter pour la meilleure réponse

Pour parvenir à une décision finale, les chercheurs ont combiné trois « opinions » : l’une basée sur des distances linéaires, l’une sur des mesures angulaires et l’une sur l’analyse uniquement d’image. Le système a utilisé un vote majoritaire : le sexe proposé par au moins deux des trois méthodes devenait la sortie finale. Sur un jeu de données principal de 150 adultes, étendu par des techniques d’augmentation d’images, l’approche basée sur les distances a atteint à elle seule 100 % de précision, et celle basée sur les angles s’en est approchée, légèrement en dessous de 100 %. Le modèle basé uniquement sur l’image était moins précis, autour de 81 %, mais lorsque les trois méthodes ont été combinées, la précision globale était d’environ 99,7 %. Pour tester la robustesse en conditions réelles, l’équipe a aussi évalué le modèle hybride sur un jeu supplémentaire de 46 radiographies ne respectant pas strictement les règles initiales de qualité d’image. Là encore, le système a correctement estimé le sexe dans environ 98 % des cas et a montré une puissance diagnostique « excellente » selon les statistiques médicales standard.

Ce que cela signifie pour la science et la société

Pour les scientifiques médico-légaux, les archéologues et les médecins légistes, l’étude suggère qu’un mélange soigneusement conçu de mesures guidées par l’expert et d’apprentissage d’image libre peut fournir des estimations du sexe quasi parfaites à partir de radiographies dentaires usuelles. La méthode n’a pas vocation à remplacer les experts ni l’étalon-or traditionnel de la mesure manuelle, mais à fournir un second avis rapide et cohérent — particulièrement utile lorsque de nombreux cas doivent être traités simultanément, comme lors de catastrophes de masse. Les auteurs soulignent qu’il est nécessaire de poursuivre les tests sur des collections plus larges et plus variées de restes, ainsi que d’accorder une attention rigoureuse à l’éthique, à la transparence et aux normes juridiques. Néanmoins, ce réseau neuronal hybride marque une étape importante vers des outils d’IA pratiques et explicables qui peuvent aider à identifier les défunts et à rétablir leur identité légale.

Citation: 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

Mots-clés: identification médico-légale, céphalogramme latéral, estimation du sexe, apprentissage profond, radiologie cranio-faciale