Automated Biological Sex Estimation from Two-Dimensional Dental Arch Images Using Deep Learning

Sintesi Tecnica: Stima Automatica del Sesso Biologico da Immagini di Archi Dentali Bidimensionali mediante Deep Learning

Definizione del Problema
L'identificazione forense del sesso biologico è una fase iniziale critica per restringere il campo dei potenziali candidati in caso di resti umani non identificati. Sebbene il bacino e il cranio siano gli elementi scheletrici con la maggiore dimorfismo sessuale, essi sono spesso distrutti in disastri di massa, incendi o deiezioni prolungate. I resti dentali, essendo i tessuti più mineralizzati, sopravvivono frequentemente a tali condizioni. Tuttavia, gli attuali metodi automatizzati di stima del sesso basati sulla morfologia dentale dipendono dalla radiografia ionizzante (ortopantomografia/OPG o tomografia computerizzata a fascio conico/CBCT). Queste modalità presentano barriere significative alla distribuzione in contesti sul campo, tra cui l'esposizione alle radiazioni, la necessità di attrezzature capitali e la dipendenza da infrastrutture cliniche. Inoltre, l'odontometria manuale classica richiede corone intatte e non usurate ed è suscettibile della variabilità inter-osservatore. Gli autori postulano che esista un'alternativa priva di radiazioni sotto forma di proiezioni occlusali bidimensionali (2D) dell'arco dentale, che codificano caratteristiche geometriche sessualmente dimorfe (ad es. larghezze inter-canine e inter-molari) senza dati strutturali interni. Lo studio affronta la lacuna nella valutazione sistematica se i modelli di deep learning possano stimare il sesso end-to-end da queste immagini 2D dell'arco prive di radiazioni senza il ricorso al landmarking manuale.

Metodologia
Lo studio ha utilizzato un corpus bilanciato di 6.000 immagini (3.000 maschili, 3.000 femminili) derivate da scansioni intraorali digitali di adulti tra i 18 e i 65 anni, acquisite presso una singola istituzione in Marocco. Le immagini sono state generate proiettando ortogonalmente le mesh superficiali 3D sul piano occlusale, garantendo un asse di proiezione riproducibile e privo di varianza prospettica.

• Suddivisione dei Dati: Un set di test tenuto da parte di 1.000 immagini (500 maschili, 500 femminili) è stato riservato prima del fitting del modello. Le restanti 5.000 immagini sono state suddivise in cinque fold di cross-validazione stratificata per mantenere l'equilibrio di età e sesso.
• Pipeline di Preprocessing: Le immagini sono state sottoposte a quattro passaggi deterministici: (1) Ridimensionamento Letterbox a 224×224 pixel per preservare l'aspect ratio; (2) Conversione in scala di grigi e applicazione della Contrast-Limited Adaptive Histogram Equalization (CLAHE) per migliorare il contrasto dei bordi dell'arco; (3) Augmentation geometrica (rotazione ±15°, flip orizzontale, jitter di scala) durante l'addestramento; (4) Normalizzazione dell'intensità basata sulle statistiche di ImageNet.
• Architetture: Quattro backbone di Reti Neurali Convoluzionali (CNN) sono stati messi a confronto sotto un protocollo identico con una testa di classificazione condivisa (Global Average Pooling, Dense 512, Dropout, Softmax):
  • Custom CNN: Una baseline addestrata da zero con tre blocchi convoluzionali.
  • EfficientNetB0: Un'architettura con scaling composto dotata di moduli Squeeze-and-Excitation (SE).
  • MobileNetV2: Un'architettura depthwise-separable ottimizzata per l'implementazione su dispositivi edge.
  • ResNet50: Una rete residuale profonda con 25,6 milioni di parametri.
• Addestramento e Valutazione: I modelli sono stati addestrati utilizzando l'ottimizzazione Adam con perdita di cross-entropy categorica. Le prestazioni sono state valutate utilizzando accuratezza, precisione, recall, punteggio F1 e Area Under the Curve (AUC), con la significatività statistica valutata tramite t-test accoppiati con correzione di Bonferroni e dimensioni dell'effetto di Cohen.
• Spiegabilità: La tecnica Gradient-weighted Class Activation Mapping (Grad-CAM) è stata applicata a EfficientNetB0 per verificare che l'attenzione del modello si allineasse con le zone dimorfe biologicamente stabilite (larghezza inter-canina e larghezza inter-molare).
• Studio di Ablazione: Un design fattoriale ha isolato i contributi di CLAHE e dell'augmentation geometrica.

Contributi Chiave

1. Pipeline Priva di Radiazioni: Ha definito e validato una pipeline end-to-end completamente automatizzata che mappa le immagini 2D dell'arco dentale direttamente alla probabilità del sesso senza misurazioni manuali o radiazioni ionizzanti.
2. Benchmarking Completo: Ha confrontato sistematicamente quattro diverse architetture CNN (custom, compound-scaled, mobile-separable e deep-residual) sotto un rigoroso protocollo di cross-validazione a cinque fold.
3. Rigore Statistico: Ha fornito una validazione statistica dettagliata, inclusi intervalli di confidenza bootstrap al 95%, confronti a coppie e dimensioni dell'effetto per supportare le conclusioni inter-modello.
4. Tracciabilità Biologica: Ha presentato l'analisi qualitativa Grad-CAM dimostrando che l'attenzione del modello si concentra sulle regioni dimorfe anatomicamente rilevanti (larghezze inter-canina e inter-molare), offrendo una base per l'ammissibilità forense.
5. Analisi del Preprocessing: Ha condotto uno studio di ablazione quantificando l'impatto quasi additivo del miglioramento del contrasto e dell'augmentation geometrica sulle prestazioni del modello.

Risultati

• Prestazioni: EfficientNetB0 ha raggiunto l'accuratezza più elevata (96,39% ± 0,84%) e l'AUC (0,980 ± 0,006). MobileNetV2 è seguita da vicino con il 95,88% ± 0,91% di accuratezza.
• Significatività Statistica: EfficientNetB0 ha superato significativamente la Custom CNN e ResNet50 (p < 0,001). Tuttavia, la differenza tra EfficientNetB0 e MobileNetV2 non è stata statisticamente significativa dopo la correzione di Bonferroni (p = 0,042), suggerendo che MobileNetV2 sia un'alternativa valida per ambienti con risorse limitate.
• Sottoperformance di ResNet50: Nonostante i suoi 25,6 milioni di parametri, ResNet50 ha ottenuto l'accuratezza più bassa (79,38%) e la varianza più alta, indicando un overfitting sui dati strutturalmente sparsi.
• Risultati dell'Ablazione: La combinazione di CLAHE e augmentation geometrica ha fornito un guadagno di accuratezza di 4,69 punti percentuali rispetto alla baseline (senza preprocessing), con i due passaggi che agiscono in modo quasi additivo.
• Bilanciamento delle Classi: Il miglior modello (EfficientNetB0) ha dimostrato una precisione e una recall simmetriche tra le classi maschile e femminile, indicando l'assenza di bias sistematici.
• Spiegabilità: Le visualizzazioni Grad-CAM hanno confermato che il modello si è concentrato sulle regioni inter-canina e inter-molare, coerentemente con gli studi morfometrici di popolazione, ignorando al contempo aree non dimorfe come la linea mediana palatale.

Significato e Rivendicazioni
L'articolo sostiene che la geometria dell'arco dentale, quando catturata tramite proiezioni occlusali 2D, sia una modalità valida e priva di radiazioni per la stima del sesso forense. Il metodo proposto raggiunge livelli di accuratezza competitivi con i modelli di deep learning radiografici all'avanguardia (ad es. quelli che utilizzano OPG o CBCT), eliminando al contempo la necessità di radiazioni ionizzanti e di infrastrutture cliniche specializzate.

Gli autori sottolineano che per l'impiego sul campo, in particolare nella identificazione delle vittime di disastri (DVI) dove l'attrezzatura e l'energia sono limitate, MobileNetV2 è preferibile a causa del suo minor numero di parametri (3,4M vs 5,3M) e del costo computazionale, dato il suo parallelismo statistico con EfficientNetB0. Lo studio conclude che questo approccio offre un'alternativa "priva di radiazioni" più veloce da implementare rispetto alla radiografia e applicabile anche a soggetti parzialmente edentuli (tramite i contorni del crinale alveolare), a condizione che i dati siano acquisiti tramite scansioni intraorali standardizzate. Gli autori notano esplicitamente che, sebbene i risultati siano promettenti, la modalità richiede una validazione esterna su dataset multi-etnici e multi-sito e una ulteriore caratterizzazione del gap di dominio tra le proiezioni derivate da scanner e la fotografia sul campo prima dell'adozione operativa.