准确率达97%，澳大利亚团队新成果基于深度学习凭颅骨CT鉴定性别，赶超人类法医

基于 200 次真实颅骨 CT 扫描进行训练

原标题：准确率达97%，澳大利亚团队新成果基于深度学习凭颅骨CT鉴定性别，赶超人类法医
文章来源：HyperAI超神经
内容字数：9322字

AI赋能法医学：深度学习提升遗骸性别鉴定准确率

本文介绍了澳大利亚和尼西亚研究团队利用深度学习技术提升遗骸性别鉴定准确率的研究成果。传统方法依赖经验丰富的法医学家进行判断，容易受到主观因素影响，准确率有限。而该研究利用深度学习框架，显著提高了鉴定的准确性和客观性。

1. 传统方法的局限性

传统的遗骸性别鉴定方法主要依赖于法医学家根据已有的颅骨特征标准进行判断，例如Walker提出的5个颅骨二态性特征(颏隆凸、眉间、眶上缘、颈区和乳突)。然而，这种方法存在以下局限性：

1. 主观性强：依赖于法医学家的经验和判断，易受主观因素影响，导致结果偏差。

2. 数据样本限制：传统方法的数据样本主要来自于19世纪和20世纪的英、美及美洲原住民的物理骨骼，时间和空间效力有限。

2. 深度学习框架的应用

该研究利用尼西亚医院提供的200次颅骨CT扫描数据，训练和测试了三种基于深度学习的网络配置。其中，最准确的模型将性别和颅骨特征结合进行判断，准确率高达97%，显著高于人类观察者的82%。该模型利用预训练的深度学习网络进行颅骨分割，并采用多任务学习或单任务学习进行性别鉴定。

3. 模型架构与结果

研究团队基于ResNet构建了三种深度学习网络变体(N1,N2,N3)。N2模型（多任务配置，分别估计Walker颅骨二态性特征分数和性别）在不同输入下实现了最高的AUROC和准确性，当以颅骨区域作为输入时，准确率达到0.97。与之相比，人类观察者的准确率仅为82%。

4. 模型可解释性

为了提升模型的可解释性，研究团队使用了梯度加权类激活映射(Grad-CAM)技术，可视化网络识别的判别性颅骨区域。结果显示，模型主要关注眉间和颈区等关键区域，也考虑了整个颅骨的形态和大小。

5. 未来展望

这项研究证明了深度学习框架在法医人类学中的巨大潜力，为遗骸性别鉴定提供了一种更客观、准确、高效的方法，减少了人为偏见的影响，推动了法医人类学向智慧化、自动化方向发展。此外，其他研究也尝试利用AI技术进行颅面重建和基于骨盆特征的性别鉴定，进一步丰富了AI在法医人类学领域的应用。

联系作者

文章来源：HyperAI超神经
作者微信：
作者简介：解构技术先进性与普适性，报道更前沿的 AIforScience 案例