Оценка пола по латеральным цефалограммам с помощью гибридной мультимодельной сверточной нейронной сети

Почему рентген черепа важен в реальных расследованиях

Когда следователи сталкиваются с неопознанными останками после преступления, аварии или катастрофы, один из первых вопросов — был ли человек мужчиной или женщиной. Быстрое знание этого существенно сужает круг поиска совпадений и помогает направлять медицинские и археологические исследования. В этом исследовании показано, как рутинные ортодонтические боковые рентгеновские снимки черепа, называемые латеральными цефалограммами, могут быть объединены с искусственным интеллектом для оценки пола с очень высокой точностью, предлагая быстрое и объективное дополнение к традиционным судебным методам.

От стоматологического снимка до судебной подсказки

Латеральные цефалограммы — стандартные изображения, которые используют стоматологи и ортодонты при планировании лечения. Они показывают боковой профиль головы, включая лоб, переносицу, челюсть и основание черепа. В этих областях содержатся тонкие особенности формы, различающиеся у мужчин и женщин, например выступ лба, длина основания черепа и вертикальная высота лица. До настоящего времени эксперты измеряли эти различия вручную, используя углы и расстояния между чётко определёнными анатомическими точками. Такая ручная работа медленная, требует специальной подготовки и может зависеть от суждений экзаменатора, особенно если кости повреждены или снимки нечёткие.

Сочетание двух видов искусственного интеллекта

Исследователи разработали «гибридную» компьютерную систему, которая имитирует то, как человеческий эксперт изучает цефалограмму, и одновременно учится на образцах изображений, невидимых невооружённым глазом. Одна часть системы, основанная на нейронной сети DenseNet169, обучалась на снимках, где были аккуратно отмечены пять ключевых ориентиров: глабелла (область лба), назион (переносица), селла (маленькое углубление в основании черепа), базион (нижняя задняя часть основания черепа) и ментион (низшая точка подбородка). На основе этих точек модель автоматически рассчитывала два важных расстояния — длину основания черепа и общую высоту лица — и три угла, образованные соединением точек в треугольники. Эти измерения затем подавались в формулы, разработанные в ранних работах, которые выдавали вероятный пол черепа.

Позволить компьютеру «смотреть» без инструкций

Вторая часть гибридной системы использовала сеть EfficientNetB3, которой не давали ориентиров или измерений. Она училась распознавать паттерны, связанные с полом, прямо по исходным рентгеновским снимкам. Её роль похожа на роль опытного рентгенолога, который за счёт практики замечает комбинации теней и форм, чаще встречающихся у мужчин или у женщин. Отдельный метод машинного обучения, известный как классификатор случайного леса, интерпретировал признаки, извлечённые EfficientNetB3, и выдавал собственный прогноз пола. Важно, что этот неинструктированный путь обучался на изображениях без трудоёмкой ручной разметки, что облегчает расширение системы на большие наборы данных в будущем.

Голосование за лучший ответ

Для принятия окончательного решения исследователи объединили три «мнения»: одно на основе линейных расстояний, одно на основе угловых измерений и одно на основе анализа только изображения. Система использовала правило большинства — тот пол, который предлагали как минимум два из трёх методов, становился итоговым результатом. На основном наборе из 150 взрослых, дополненном методами аугментации изображений, подход, основанный на расстояниях, показал 100% точности, а угловой метод был близок к этому, чуть менее 100%. Модель, работающая только с изображением, оказалась менее точной — около 81%, но при соединении всех трёх методов общая точность составила примерно 99,7%. Чтобы проверить работоспособность в реальных условиях, команда также оценивала гибридную модель на дополнительной выборке из 46 снимков, которые не полностью соответствовали исходным правилам по качеству изображения. И даже в этом случае система правильно определила пол примерно в 98% случаев и продемонстрировала «отличную» диагностическую силу по стандартной медицинской статистике.

Что это значит для науки и общества

Для судебных экспертов, археологов и судебно-медицинских специалистов исследование показывает, что тщательно спроектированное сочетание измерений, управляемых человеком, и свободного обучения по изображениям может давать почти безошибочные оценки пола по повседневным стоматологическим рентгенам. Метод не предназначен для замены экспертов или традиционного золотого стандарта ручного измерения, а служит быстрым и согласованным вторым мнением — особенно полезным при обработке большого числа случаев одновременно, как при массовых катастрофах. Авторы подчёркивают, что необходимы дальнейшие испытания на более крупных и разнообразных коллекциях останков, а также внимательное отношение к этике, прозрачности и юридическим нормам. Тем не менее эта гибридная нейронная сеть — важный шаг к практичным и объяснимым инструментам ИИ, которые могут помогать в идентификации погибших и восстановлении их правового статуса.

Цитирование: 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

Ключевые слова: судебная идентификация, латеральная цефалограмма, определение пола, глубокое обучение, черепно-лицевая радиология