Cross-center sex estimation from patellar CT: multi-feature transformer fusion of morphometry, radiomics, and deep features
Cette étude présente un cadre de fusion Transformer multi-caractéristiques robuste qui intègre la morphométrie patellaire, la radiomique et les caractéristiques d'apprentissage profond issues de scanners CT afin d'obtenir une estimation du sexe hautement précise et généralisable, surpassant les modèles à caractéristique unique ainsi que les experts médico-légaux tout en réduisant considérablement le temps de traitement.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Dans le calme qui suit une catastrophe ou un crime, les experts en criminalistique sont confrontés à un casse-tête redoutable : qui était cette personne ? La première étape, et la plus critique, pour résoudre ce casse-tête consiste à déterminer le sexe des restes. Pendant des décennies, les experts se sont tournés vers le bassin et le crâne, les os qui montrent le plus clairement les différences physiques entre les hommes et les femmes. Mais dans la réalité chaotique des catastrophes de masse ou des sites anciens, ces os sont souvent brisés, brûlés ou totalement manquants. Lorsque les indices habituels disparaissent, les enquêteurs doivent se tourner vers d'autres parties du squelette. L'un de ces survivants est la rotule, un petit os dense qui résiste souvent mieux au feu et aux traumatismes que le reste du corps. Bien qu'elle soit plus petite et moins évidente que le bassin, elle porte une carte cachée du sexe biologique dans sa forme et sa texture, qui n'attend que d'être lue.
Une équipe de chercheurs de l'Université du Qinghai et d'hôpitaux affiliés en Chine a développé une nouvelle façon de lire cette carte. Ils ont créé un système informatique qui agit comme un super-observateur, combinant trois méthodes différentes d'examen d'une rotule pour deviner si elle appartenait à un homme ou à une femme. Au lieu de s'appuyer sur une seule méthode, le système fusionne des mesures simples de taille, une analyse détaillée de la texture interne de l'os et une compréhension profonde et abstraite de la forme globale de l'os. En apprenant à un ordinateur à peser tous ces indices ensemble, les chercheurs ont trouvé un moyen de rendre l'estimation du sexe plus rapide, plus cohérente et plus précise que les méthodes humaines actuelles, même lorsque les scanners osseux proviennent de différents hôpitaux avec des équipements différents.
L'étude a commencé par une large collection de scanners de genoux provenant de deux hôpitaux de la province du Qinghai. Les chercheurs ont rassemblé des images de 836 personnes, en sélectionnant soigneusement celles ayant des genoux sains et des images claires. Ils ont divisé ces données en deux groupes : un groupe plus large pour apprendre à l'ordinateur à reconnaître les motifs, et un groupe plus petit et distinct pour tester si l'ordinateur pouvait appliquer ce qu'il avait appris à de nouvelles données inédites. Pour construire leur outil, l'équipe a d'abord détouré manuellement la rotule sur chaque scanner, l'isolant du reste de l'articulation du genou. À partir de cet os isolé, ils ont extrait trois types distincts d'informations. Premièrement, ils ont mesuré la géométrie de base de l'os, calculant sa longueur, sa largeur, son épaisseur, son volume, sa surface et la distance autour de son bord. Deuxièmement, ils ont utilisé une technique appelée radiomique pour décomposer l'image en des centaines de détails de texture minuscules, capturant le grain et le motif de l'intérieur de l'os que l'œil humain ne peut voir. Troisièmement, ils ont utilisé des modèles d'intelligence artificielle avancés pour scanner l'os et extraire des caractéristiques profondes et abstraites qui représentent la forme et la structure globales de l'os, de la même manière qu'un cerveau humain pourrait reconnaître un visage ou un objet.
Le cœur de leur innovation résidait dans la manière dont ils combinaient ces trois flux d'informations. Plutôt que de simplement moyenner les résultats ou d'empiler les données les unes sur les autres, ils ont utilisé une architecture informatique sophistiquée connue sous le nom de Transformer. Ce système fonctionne comme un décideur dynamique qui apprend à prêter attention aux indices les plus importants pour chaque rotule spécifique. Il peut décider que pour une certaine rotule, la texture est le signe le plus révélateur, tandis que pour une autre, la taille globale importe davantage. Cette flexibilité permet au système de s'adapter aux variations des données, telles que les différences dans la façon dont les scanners ont été réalisés. Les chercheurs ont testé ce système par rapport à des modèles plus simples qui n'utilisaient qu'un seul type d'information, ainsi qu'à d'autres façons de combiner les données.
Les résultats ont montré que l'approche combinée était supérieure. Sur l'ensemble de test interne, le système a identifié correctement le sexe dans 94,3 % des cas, une amélioration significative par rapport aux approches à méthode unique. Plus important encore, lorsqu'il a été testé sur le groupe externe de patients provenant d'un autre hôpital avec un équipement de balayage légèrement différent, le système a maintenue un haut niveau de précision, identifiant correctement le sexe dans 87,9 % des cas. En revanche, les modèles plus simples qui reposaient sur un seul type de données ont vu leur précision chuter plus brutalement face à ces nouvelles conditions. L'étude a également comparé la performance de l'ordinateur à celle d'experts humains. Trois lecteurs humains, allant d'un étudiant à un spécialiste de la criminalistique certifié, ont mesuré manuellement les mêmes 15 os en utilisant des formules traditionnelles. Bien que les experts humains aient été généralement précis, leurs mesures variaient considérablement les uns par rapport aux autres ; pour un même os, un expert pouvait mesurer la longueur à 40 millimètres tandis qu'un autre la mesurait à 48 millimètres. L'ordinateur, cependant, produisait exactement le même résultat à chaque fois, éliminant ainsi l'incohérence humaine. De plus, l'ordinateur a terminé son analyse en une moyenne de 30 secondes par os, alors que les experts humains mettaient de quatre à treize minutes chacune.
Les chercheurs ont noté que l'épaisseur des coupes de scanner jouait un rôle crucial dans la performance des différentes méthodes. Lorsque les coupes étaient très fines, capturant des détails précis, les méthodes basées sur la texture et l'apprentissage profond fonctionnaient exceptionnellement bien. Cependant, lorsque les coupes étaient légèrement plus épaisses, comme c'est courant dans certains scénarios réels, la performance de ces méthodes complexes chutait. Les mesures de taille simples restaient stables quel que soit l'épaisseur de la coupe, raison pour laquelle la capacité du système à mélanger ces trois méthodes était si efficace ; il pouvait s'appuyer sur les mesures stables lorsque les données de texture détaillées devenaient moins fiables. L'étude conclut que cette approche multi-caractéristiques offre un outil robuste et objectif pour l'identification médico-légale. Elle suggère qu'en laissant un ordinateur apprendre à peser différents types de preuves, les enquêteurs peuvent obtenir une réponse plus fiable sur le sexe d'une personne, même lorsque les os sont endommagés ou que les données proviennent de sources variées. Bien que l'étude ait été limitée à une population spécifique en Chine et ait utilisé des scanners de personnes vivantes, les auteurs estiment que cette méthode fournit une base solide pour des travaux futurs qui pourraient aider à identifier les victimes de catastrophes de masse ou à analyser des restes dans des contextes archéologiques, transformant un petit os souvent négligé en une clé puissante pour l'identification.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.