Hibrit çoklu model konvolüsyonel sinir ağı ile lateral sefalogramlardan cinsiyet tahmini

Gerçek dünya soruşturmalarında kafatası röntgenlerinin önemi

Bir suç, kaza veya felaket sonrası kimliği bilinmeyen kalıntılarla karşılaşan soruşturmacıların yanıtlaması gereken ilk sorulardan biri, kişinin erkek mi yoksa kadın mı olduğudur. Bunun hızlıca bilinmesi arama alanını daraltır ve tıbbi ile arkeolojik araştırmaları yönlendirebilir. Bu çalışma, rutin olarak çekilen ortodontik yan görüş kafatası röntgenleri olan lateral sefalogramların yapay zekâ ile birleştirilerek çok yüksek doğrulukla cinsiyet tahmini yapıp yapamayacağını araştırıyor; bu da geleneksel adli yöntemlere hızlı ve objektif bir yardımcı sağlar.

Diş hekimi röntgeninden adli ipucuna

Lateral sefalogramlar, diş hekimleri ve ortodontistler tarafından tedavi planlaması için standart olarak kullanılan görüntülerdir. Alın, burun köprüsü, çene ve kafatası tabanının yan görünümünü gösterirler. Bu bölgeler, alın çıkıntısı, kranial taban uzunluğu ve yüzün dikey yüksekliği gibi erkekler ve kadınlar arasında ince şekil farklılıkları taşır. Bugüne kadar uzmanlar bu farklılıkları iyi tanımlanmış anatomik noktalar arasındaki açılar ve mesafelerle elle ölçüyorlardı. Bu manuel çalışma yavaştır, özel eğitim gerektirir ve kemikler zarar görmüş veya görüntüler net değilse muayenin yargısından etkilenebilir.

İki yapay zekâ türünü harmanlamak

Araştırmacılar, bir insan uzmanının sefalogramı nasıl incelediğini taklit eden ve aynı zamanda çıplak gözle görülemeyebilecek görüntü desenlerinden doğrudan öğrenen “hibrit” bir bilgisayar sistemi tasarladı. Sistemin bir bölümü, DenseNet169 adlı sinir ağına dayanıyordu ve alın (glabella), burun köprüsü (nasion), sella (kafatası tabanındaki küçük oyuk), basion (kafatası açıklığının arka alt kısmı) ve menton (çenenin en alt noktası) olmak üzere beş ana işaretin dikkatle işaretlendiği röntgenler üzerinde eğitildi. Bu noktalar kullanılarak model otomatik olarak iki önemli mesafeyi —kranial taban uzunluğu ve total yüz yüksekliği— ve noktaların üçgenler oluşturarak oluşturduğu üç açıyı hesapladı. Bu ölçümler daha önceki çalışmalarda geliştirilen formüllere girilip kafatasının muhtemelen erkek mi yoksa kadın mı olduğunu veren çıktılar elde edildi.

Bilgisayarın talimat olmadan “bakmasına” izin vermek

Hibrit sistemin ikinci kısmı, herhangi bir işaret veya ölçüm verilmeden çalışan EfficientNetB3 adlı bir ağı kullandı. Bunun yerine, ham röntgen görüntülerine doğrudan bakarak cinsiyetle ilişkili desenleri tanımayı öğrendi. Rolü, çok sayıda vaka görmüş deneyimli bir radyoloğun, erkeklerde veya kadınlarda daha sık görülen gölge ve şekil kombinasyonlarını fark etmeyi öğrenmesine benziyor. EfficientNetB3 tarafından çıkarılan özellikleri yorumlayan ayrı bir makine öğrenmesi yöntemi olan random forest sınıflandırıcısı ise kendi cinsiyet tahminini üretti. Önemli olarak, bu denetimsiz yol emeğe dayalı manuel işaretleme gerektirmeyen görüntülerle eğitildi; bu da sistemi gelecekte daha büyük veri kümelerine genişletmeyi kolaylaştırıyor.

En iyi cevap için oylama

Nihai karara varmak için araştırmacılar üç “görüşü” birleştirdi: birisi doğrusal mesafelere dayanan, birisi açısal ölçümlere dayanan ve birisi yalnızca görüntü analizine dayanan. Sistem, çoğunluk oylaması kullandı—üç yöntemden en az ikisi tarafından önerilen cinsiyet nihai çıktı oldu. Görüntü artırma teknikleriyle genişletilmiş 150 yetişkinden oluşan ana veri kümesinde yalnızca mesafeye dayanan yaklaşım %100 doğruluğa ulaştı; açıya dayanan yaklaşım ise neredeyse %100’e yakın sonuç verdi. Yalnızca görüntü modelinin doğruluğu daha düşüktü, yaklaşık %81 civarındaydı; ancak üçü birleştiğinde toplam doğruluk yaklaşık %99,7 oldu. Bunu gerçek dünyada ne kadar iyi çalışacağını test etmek için ekip, orijinal görüntü kalitesi kurallarını tam olarak karşılamayan ek 46 röntgenden oluşan bir küme üzerinde de hibrit modeli değerlendirdi. Buna rağmen sistem vakaların yaklaşık %98’inde cinsiyeti doğru tahmin etti ve standart tıbbi istatistiklere göre “mükemmel” tanısal güç gösterdi.

Bilim ve toplum için ne anlama geliyor

Adli bilimciler, arkeologlar ve tıbbi inceleme uzmanları için bu çalışma, insan rehberli ölçümler ile serbest biçimli görüntü öğrenimini dikkatle harmanlayan bir yaklaşımın günlük diş röntgenlerinden neredeyse kusursuz cinsiyet tahminleri sağlayabileceğini gösteriyor. Yöntem uzmanların veya manuel ölçümün geleneksel altın standardının yerine geçmeyi amaçlamıyor; bunun yerine özellikle toplu afetlerde olduğu gibi çok sayıda vakayı aynı anda işlemeleri gerektiğinde hızlı ve tutarlı bir ikinci görüş sağlıyor. Yazarlar, daha büyük ve daha çeşitli kalıntı koleksiyonları üzerinde ek testlerin, etik, şeffaflık ve yasal standartlara dikkat edilmesinin gerektiğini vurguluyor. Yine de bu hibrit sinir ağı, ölülerin kimliğinin belirlenmesine ve yasal kimliklerinin geri verilmesine yardımcı olabilecek pratik, açıklanabilir yapay zekâ araçlarına doğru önemli bir adımı temsil ediyor.

Atıf: 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

Anahtar kelimeler: adli kimliklendirme, lateral sefalogram, cinsiyet tahmini, derin öğrenme, kraniofasiyal radyoloji