23 yapay zeka mimarisi kullanılarak cinsiyet ve yaş için maksiller sinüs sınıflandırması

Yanaklarınızdaki Sinüslerin Neden Önemi Var

Nefes almanıza yardımcı olan ve kafatasınızı hafifleten yanaklardaki boşluklar, kim olduğunuz hakkında ipuçları da barındırıyor olabilir. Bu çalışma, burun kenarlarındaki hava dolu boşluklar olan maksiller sinüslerin — rutin diş röntgenlerinde görülen şekil ve boyutlarının — yapay zekâ (YZ) tarafından bir kişinin cinsiyetini ve ergenlik ortası yaşın altında mı yoksa üstünde mi olduğunu tahmin etmede işe yarayıp yaramayacağını inceliyor. Böyle araçlar bir gün, geleneksel kimliklendirme yöntemlerinin eksik veya yetersiz olduğu adli soruşturmalarda ve tıbbi kayıt eşleştirmelerinde yardımcı olabilir.

Yüzünüzün İçindeki Gizli Odalar

Paranazal sinüsler, yüz ve kafatası kemiklerindeki boşluklardır; bu boşluklar arasında yanaklardaki maksiller kemikler de vardır. Solunan havayı şartlandırmaya, başın ağırlığını azaltmaya ve bağışıklık savunmalarını desteklemeye yardımcı olurlar. Bu boşluklar çocukluktan yetişkinliğe büyüyüp değiştiği ve genellikle erkeklerde kadınlardan biraz daha büyük olma eğiliminde olduğu için, röntgenlerdeki konturları yaş ve cinsiyet hakkında bilgi taşıyor olabilir. Önceki araştırmalar bu sinüsleri elle veya geleneksel yazılımlarla, sıklıkla üç boyutlu taramalarda ölçmüş; orta düzeyde başarı elde edilmiş, ancak yüksek maliyet ve çaba gerektirmiştir.

Bilgisayarlara Diş Röntgenlerini Okutmak

Bu çalışmada araştırmacılar, 6 yaştan hemen önce 23 yaşa kadar Brezilyalı hastalara ait yaklaşık 19.000 panoramik diş radyografisi topladı. Bunlar, diş hekiminde sıkça çekilen geniş, kavisli röntgen görüntüleridir. Eğitilmiş adli diş hekimleri her bireyin sol ve sağ maksiller sinüsü etrafına dikdörtgen kutular çizerek bilgisayar için ilgi alanını tanımladı. Görüntüler daha sonra boyut ve parlaklık açısından standart hale getirildi ve modellerin belirli resimleri ezberlemek yerine sağlam desenler öğrenmesine yardımcı olmak için küçük döndürmeler veya yatay çeviriler gibi hafif değişiklikler uygulandı.

23 Dijital “Göz”ü Sınamak

Araştırma ekibi klasik konvolüsyonel sinir ağları (CNN’ler), daha yeni Vision Transformer’lar (ViT ve DeiT) ve YOLOv11 olarak bilinen modern bir tespit modelini içeren 23 farklı YZ görüntü analiz sistemini değerlendirdi. Bu modeller üç görevle karşı karşıya bırakıldı: bir kişinin erkek mi yoksa kadın mı olduğunu belirlemek; kişinin 15 yaş ve altında mı yoksa 15’ten büyük mü olduğunu sınıflandırmak; ve cinsiyet ile yaşı birleştiren dört gruba ayırmak (küçük kızlar, büyük kadınlar, küçük erkekler, büyük erkekler). Değerlendirmenin adil olması için veriler eğitim, doğrulama ve kesin olarak ayrı test kümelerine ayrıldı ve beş katlı çapraz doğrulama adı verilen bir teknik her görüntünün tam olarak bir kez test edilmesini sağladı.

Makineler Ne Kadar İyi Performans Gösterdi

Sadece cinsiyeti tahmin etmede en iyi modeller — iki Transformer sistemi ve bir ileri CNN — vakaların yaklaşık %78–81’ini doğru sınıflandırdı. Bu, önceki en iyi yöntemlerle yaklaşık olarak uyumlu, ancak bu sonuç sinüslerin tek başına kullanılması durumunda yaklaşık her beş kişiden birinin hatalı sınıflandırılacağı anlamına geliyor; yani belirsizlik hâlâ yüksek. Yaş tahmini daha kolay çıktı: görevin yalnızca birinin 15 yaş veya daha küçük olup olmadığını belirlemek olduğu durumda, en iyi modeller yaklaşık %95 doğrulukla doğru yanıt verdi; hem genç hem de daha büyük gruplar için performans mükemmele yakındı. Ancak cinsiyet ve yaş birlikte dört kategoriye ayrılmak zorunda kaldığında doğruluk yaklaşık %73–75’e düştü; bu da sorunun ayrıntısı arttıkça YZ’nin sinüs görünümündeki ince farkları ayırt etmesinin zorlaştığını gösteriyor.

Adli Tıp ve Diş Hekimliği İçin Ne Anlama Geliyor

Tüm üç görevde de yeni Transformer tabanlı modeller çoğu geleneksel CNN’den tutarlı biçimde daha iyi performans gösterdi; muhtemelen bunlar tüm röntgeni daha iyi alıp sinüslerdeki uzun menzilli desenleri tespit edebildiği için. Görüntülerde nesne bulmak için tasarlanmış bir model olan YOLOv11 de özellikle yaşla ilgili görevlerde dikkat çekici sonuç verdi. Buna karşın, yazarlar bu araçların şu an için gerçek dünya adli vakalarında tek başına çözüm olarak değil, yardımcı asistanlar olarak görülmesi gerektiğini vurguluyor. Örneğin bilinmeyen kalıntıların 15 yaş altı mı yoksa üstü mü olacağına hızla işaret edebilir veya dişler ya da kemikler gibi daha güçlü kanıtlarla doğrulanacak ön bir cinsiyet tahmini sağlayabilir. Daha çeşitli veri setleri, daha ince yaş grupları ve muhtemelen üç boyutlu taramalarla yapılacak gelecekteki çalışmalar, yanak sinüslerinin YZ tabanlı okumasının kim olduğumuzu belirlemede merkezi bir rol oynayabilmesi için gerekecektir.

Atıf: Anees, W., Silva, R., Khan, A. et al. Maxillary sinus classification for sex and age using 23 artificial intelligence architectures. Sci Rep 16, 5716 (2026). https://doi.org/10.1038/s41598-026-36112-1

Anahtar kelimeler: adli odontoloji, maksiller sinüs, yaş tahmini, cinsiyet tahmini, derin öğrenme