Szacowanie płci na podstawie bocznych cefalogramów za pomocą hybrydowej wielomodelowej konwolucyjnej sieci neuronowej

Dlaczego zdjęcia rentgenowskie czaszki mają znaczenie w rzeczywistych śledztwach

Gdy badacze stają przed nierozpoznanymi szczątkami po przestępstwie, wypadku lub katastrofie, jednym z pierwszych pytań jest, czy osoba była mężczyzną, czy kobietą. Szybkie ustalenie tej informacji zawęża poszukiwania dopasowania i może również ukierunkować badania medyczne i archeologiczne. W niniejszym badaniu zbadano, jak rutynowo wykonywane ortodontyczne boczne zdjęcia czaszki, zwane cefalogramami bocznymi, można połączyć ze sztuczną inteligencją, aby bardzo dokładnie oszacować płeć — oferując szybkie i obiektywne wsparcie dla tradycyjnych metod sądowych.

Od rentgena dentysty do wskazówki sądowej

Cefalogramy boczne to standardowe obrazy używane przez dentystów i ortodontów do planowania leczenia. Pokazują widok boczny głowy, obejmujący czoło, grzbiet nosa, szczękę i podstawę czaszki. Te obszary zawierają subtelne różnice kształtów między mężczyznami a kobietami, takie jak wyrazistość czoła, długość podstawy czaszki czy pionowa wysokość twarzy. Do tej pory eksperci mierzyli te różnice ręcznie, stosując kąty i odległości między dobrze zdefiniowanymi punktami anatomicznymi. Praca ręczna jest powolna, wymaga specjalistycznego przeszkolenia i może być podatna na subiektywną ocenę badającego, szczególnie gdy kości są uszkodzone lub obrazy nieostre.

Łączenie dwóch rodzajów sztucznej inteligencji

Naukowcy zaprojektowali „hybrydowy” system komputerowy, który naśladuje sposób, w jaki ekspert bada cefalogram, a jednocześnie uczy się bezpośrednio z wzorców obrazu, niewidocznych dla oka. Jedna część systemu, oparta na sieci neuronowej DenseNet169, była trenowana na zdjęciach, na których starannie oznaczono pięć kluczowych punktów: glabella (czoło), nasion (grzbiet nosa), sella (małe zagłębienie u podstawy czaszki), basion (dolna tylna krawędź otworu podstawy czaszki) oraz menton (najniższy punkt podbródka). Korzystając z tych punktów, model automatycznie obliczał dwie ważne odległości — długość podstawy czaszki i całkowitą wysokość twarzy — oraz trzy kąty utworzone przez połączenie punktów w trójkąty. Te pomiary były następnie użyte w formułach opracowanych wcześniej, które określały, czy czaszka jest najprawdopodobniej męska czy żeńska.

Poleganie na tym, że komputer „patrzy” bez instrukcji

Druga część hybrydowego systemu wykorzystała sieć EfficientNetB3, której nie podano żadnych punktów orientacyjnych ani pomiarów. Zamiast tego nauczyła się rozpoznawać wzorce związane z płcią, patrząc bezpośrednio na surowe obrazy rentgenowskie. Jej rola przypomina doświadczonego radiologa, który na podstawie wielu przypadków zauważa kombinacje cieni i kształtów występujące częściej u mężczyzn lub kobiet. Oddzielna metoda uczenia maszynowego, znana jako klasyfikator lasu losowego (random forest), interpretowała cechy wyekstrahowane przez EfficientNetB3 i dawała własne przewidywanie płci. Co ważne, ta bez nadzoru ścieżka była trenowana na obrazach, które nie wymagały pracochłonnego ręcznego znakowania, co ułatwia rozszerzanie systemu na większe zbiory danych w przyszłości.

Głosowanie ostateczne

Aby dojść do ostatecznej decyzji, badacze połączyli trzy „opinie”: jedną opartą na odległościach liniowych, jedną na pomiarach kątowych i jedną na analizie samego obrazu. System używał głosowania większościowego — którąkolwiek płeć wskazywały co najmniej dwie z trzech metod, stawała się wynikiem końcowym. Na głównym zbiorze danych obejmującym 150 dorosłych, rozszerzonym za pomocą technik augmentacji obrazu, podejście oparte na odległościach osiągnęło samodzielnie 100% dokładności, a oparte na kątach niemal 100%. Model analizujący tylko obrazy był mniej dokładny, około 81%, ale gdy połączono wszystkie trzy, ogólna dokładność wyniosła około 99,7%. Aby sprawdzić, jak model poradzi sobie w rzeczywistych warunkach, zespół ocenił także hybrydowy model na dodatkowym zestawie 46 zdjęć, które nie spełniały ściśle pierwotnych reguł jakości obrazu. Nawet wtedy system poprawnie oszacował płeć w około 98% przypadków i wykazał „doskonałą” siłę diagnostyczną według standardowych miar medycznych.

Co to oznacza dla nauki i społeczeństwa

Dla naukowców sądowych, archeologów i lekarzy sądowych badanie sugeruje, że starannie zaprojektowane połączenie pomiarów prowadzonych przez człowieka i swobodnego uczenia się obrazu może dostarczyć niemal doskonałych oszacowań płci z rutynowych zdjęć dentystycznych. Metoda nie ma zastępować ekspertów ani tradycyjnego złotego standardu pomiarów ręcznych, lecz ma zapewnić szybkie, konsekwentne drugie zdanie — szczególnie przydatne, gdy trzeba przetworzyć wiele przypadków jednocześnie, np. w masowych katastrofach. Autorzy podkreślają, że potrzebne są dalsze testy na większych i bardziej zróżnicowanych zbiorach szczątków oraz ostrożne podejście do etyki, przejrzystości i standardów prawnych. Mimo to ta hybrydowa sieć neuronowa stanowi ważny krok w stronę praktycznych, wyjaśnialnych narzędzi AI, które mogą pomagać w identyfikacji zmarłych i przywracaniu ich tożsamości prawnej.

Cytowanie: 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

Słowa kluczowe: identyfikacja sądowa, boczny cefalogram, oszacowanie płci, uczenie głębokie, radiologia czaszkowo‑twarzowa