セファロメトリックX線写真と頭蓋骨写真を用いた性予測のためのコンボリューションニューラルネットワークモデルの開発と評価
Vitria Wuri Handayani1,2, Mieke Sylvia Margareth Amiatun Ruth3, Riries Rulaningtyas4
1Doctoral Program of Medical Science, Faculty of Medicine, Universitas Airlangga, Surabaya, Indonesia.
BMC medical imaging
|August 25, 2025
まとめ
収縮性ニューラルネットワーク (CNN) モデルは,セファロメトリックX線写真から性別を正確に予測しますが,ドメインのシフトのために写真の画像に苦労します. 現実の世界での法医応用にはさらなる最適化と多様なデータが必要です.
科学分野:
- 法医学人類学
- バイオメトリクス
- 医療における人工知能
背景:
- 正確な性別決定は,法医学調査で未知の個人を特定するために不可欠です.
- lateral cephalometric radiographsは,コンピュータによる識別モデルのための詳細な頭蓋骨構造を提供します.
研究 の 目的:
- 様々なコンボリューションニューラルネットワーク (CNN) のアーキテクチャを使用して性予測モデルを開発および評価する.
- 標準化されたX線データと実際の頭蓋骨の写真の両方のモデルパフォーマンスを評価します.
主な方法:
- 6つのCNNアーキテクチャ (VGG16,VGG19,MobileNetV2,ResNet50V2,InceptionV3,InceptionResNetV2) は340のセファロメトリック画像で訓練されました.
- データセットのクラス不均衡に対処するためにデータ増強が使用されました (70%のトレーニング,15%の検証,15%のテスト).
- 解剖学的標本からの40の頭蓋骨画像を使用してモデルの汎用性をテストしました.
主要な成果:
- VGG19とResNet50V2は,セファロメトリックデータで高いF1スコア (95%の女性,83%の男性) を達成し,クラス固有のパフォーマンスを示しました.
- 全体的な精度は90%を超えましたが,F1スコアは不均衡のデータセットでのパフォーマンスをより良く表しています.
- 女性のサンプルを誤った分類で,頭蓋骨の写真でモデルの性能が著しく低下しました.
結論:
- CNNモデルは,標準化された頭蓋骨画像では高い性能を示しているが,写真の頭蓋骨画像では一般化が制限されている.
- 画像モデルの間の領域シフトは,現実世界の法医学アプリケーションのパフォーマンスを妨げます.
- モデルのさらなる最適化と多様なトレーニングデータセットは,法医学的な識別精度を向上させるのに不可欠です.
