使用23种人工智能架构进行上颌窦的性别与年龄分类

为什么你脸颊里的窦腔很重要

帮助你呼吸并减轻颅骨重量的脸颊空腔，可能也藏有人身身份的线索。本研究考察了常规牙科X光中记录的上颌窦——位于鼻侧的充气腔室——的形态与大小，是否能被人工智能（AI）用来估计一个人的性别以及他们是否处于中青少年期之后。此类工具未来可能在法医调查或病历匹配中发挥作用，尤其是在传统识别方法缺失或不完整的情况下。

隐藏在你面部内的房间

鼻旁窦是面部和颅骨骨质中的空腔，包括位于面颊的上颌骨窦。它们有助于调节吸入空气、减轻头颅重量并支持免疫防御。由于这些空腔从儿童期到成年会生长和变化，而且男性通常比女性略大，所以在X光片上的轮廓可能包含关于年龄和性别的信息。以往研究常用手工或传统软件测量这些窦，通常使用三维扫描，虽有中等成功率，但代价和工作量都相当高。

教计算机“读”牙科X光片

在本研究中，研究者收集了近1.9万张来自巴西、年龄在6岁到不足23岁的全景牙科放射影像。这类影像是在牙医处常见的宽幅弯曲X光图。受过训练的法医牙科医师手工为每位受试者的左右上颌窦绘制矩形框，定义了供计算机处理的感兴趣区域。影像随后被标准化为统一的尺寸和亮度，并通过轻微旋转或翻转等方式进行数据增强，以帮助AI模型学习稳健的模式而非记住具体图片。

用23只“数字之眼”来测试

研究团队评估了23种不同的图像分析AI系统，包括传统的卷积神经网络（CNNs）、较新的视觉转换器（ViT和DeiT），以及一种现代检测模型YOLOv11。他们让这些模型完成三项任务：判断一个人是男性还是女性；将其归为15岁及以下或超过15岁；以及将其按性别与年龄合并为四类（年轻女孩、年长女性、年轻男孩、年长男性）。为确保评估公平，数据被分为训练、验证和严格独立的测试集，并采用五折交叉验证技术，保证每张影像恰好被用于一次测试。

机器的表现如何

在仅估计性别的任务中，表现最佳的模型——两种Transformer系统和一种先进的CNN——正确分类的比例约为78%–81%。这大致与先前最佳方法相当，但仍意味着约五分之一的个体会被误判，单凭窦腔作为唯一线索不够可靠。年龄判断相对容易：在将对象简单分为15岁及以下或超过15岁的任务中，顶尖模型的准确率约为95%，对年轻组和年长组都表现优异。然而，当需同时判断性别与年龄并分为四类时，准确率降至约73%–75%，表明问题越细化，AI越难从窦腔外观中区分微妙差异。

这对法医和牙科意味着什么

在这三项任务中，新型的基于Transformer的模型总体上优于大多数传统CNN，可能因为它们更擅长整体读取X光并识别窦腔中的长程模式。最初为图像目标检测设计的YOLOv11在与年龄相关的任务上也表现尤为出色。尽管如此，作者强调目前应把这些工具视为有用的辅助工具，而非实务法医案件中的独立解决方案。例如，它们可以快速提示不明遗骸是否更可能属于15岁以下或以上的人群，或提供一个初步的性别估计，需与牙齿或骨骼等更有力证据核对。要想让基于AI的面颊窦解读在身份识别中发挥核心作用，还需要更加多样化的数据集、更细的年龄分层，或采用可能的三维扫描等后续工作。

引用: 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

关键词: 法医牙科, 上颌窦, 年龄估计, 性别估计, 深度学习