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

技術要約：ディープラーニングを用いた2次元歯列弓画像からの自動的生物学的性別推定

問題提起
生物学的性別の法医学的特定は、身元不明の遺体を絞り込むための極めて重要な初期段階である。骨盤や頭蓋骨は最も性的二型性が顕著な骨格要素であるが、大規模災害、火災、または長期の埋没によって破壊されることが多い。歯科組織は最も石灰化が進んだ組織であるため、これらの条件下でも生存しやすい。しかし、歯の形態に基づく既存の自動性別推定手法は、電離放射線を用いた撮影（パノラマX線写真／OPGまたは歯科用コーンビームCT／CBCT）に依存している。これらのモダリティは、放射線曝露、高額な設備、および臨床インフラへの依存といった、フィールド環境での展開における大きな障壁となる。さらに、従来の徒手的な歯牙計測法は、摩耗のない完全な歯冠を必要とし、観察者間のばらつきが生じやすい。著者らは、放射線のない代替案として、2次元（2D）の咬合面投影による歯列弓が、内部構造のデータなしに性的二型的な幾何学的特徴（例：犬歯間幅および臼歯間幅）を符号化していると仮定している。本研究は、ディープラーニングモデルが、手動のランドマーク設定なしに、これら放射線のない2D歯列弓画像からエンドツーエンドで性別を推定できるかどうかを体系的に評価するという空白を埋めるものである。

手法
本研究では、モロッコの単一施設で取得された、成人（18〜65歳）のデジタル口腔内スキャンから得られた6,000枚（男性3,000枚、女性3,000枚）のバランスの取れたコーパスを利用した。画像は、3D表面メッシュを咬合面に直交投影することで生成され、透視による分散のない再現可能な投影軸を確保した。

• データ分割: モデル適合前に、1,000枚のホールドアウト・テストセット（男性500枚、女性500枚）を確保した。残りの5,000枚は、年齢と性のバランスを維持するために、5つの層化交差検証フォールドに分割された。
• 前処理パイプライン: 画像には、以下の4つの決定論的なステップが適用された：(1) アスペクト比を維持するためのレターボックス形式による224×224ピクセルへのリサイズ、(2) グレースケールへの変換およびコントラスト制限適応ヒストグラム平坦化（CLAHE）による歯列弓エッジの強調、(3) 学習時における幾何学的拡張（回転±15°、水平反転、スケールジッター）、(4) ImageNetの統計量に基づく強度正規化。
• アーキテクチャ: 共通の分類ヘッド（グローバル平均プーリング、Dense 512、ドロップアウト、ソフトマックス）を持つ同一のプロトコル下で、4つの畳み込みニューラルネットワーク（CNN）バックボーンをベンチマークした：
  • カスタムCNN: 3つの畳み込みブロックを用いてスクラッチから学習させたベースライン。
  • EfficientNetB0: スクイーズ・アンド・エキサイテーション（SE）モジュールを備えた複合スケーリング・アーキテクチャ。
  • MobileNetV2: エッジデバイスへの展開に最適化された、深度分離型アーキテクチャ。
  • ResNet50: 2,560万個のパラメータを持つ深い残差ネットワーク。
• 学習および評価: モデルは、カテゴリカルクロスエントロピー損失を用いたAdam最適化を使用して学習された。性能は、精度（Accuracy）、適合率（Precision）、再現率（Recall）、F1スコア、および曲線下面積（AUC）を用いて評価された。統計的有意性は、ボンフェローニ補正を伴う対応のあるt検定およびCohen's d効果量を用いて評価された。
• 説明可能性: EfficientNetB0に対して勾配加重クラス活性化マッピング（Grad-CAM）を適用し、モデルの注意が生物学的に確立された二型領域（犬歯間幅および臼歯間幅）と一致していることを検証した。
• アブレーション研究: ファクトリアルデザインを用い、CLAHEと幾何学的拡張の寄与を分離した。

主な貢献

1. 放射線のないパイプライン: 手動の計測や電離放射線を必要とせず、2D歯列弓画像から性確率へ直接マッピングする、完全に自動化されたエンドツーエンドのパイプラインを定義および検証した。
2. 包括的なベンチマーク: 厳格な5分割交差検証プロトコルの下で、4つの異なるCNNアーキテクチャ（カスタム、複合スケーリング、モバイル分離型、深い残差型）を体系的に比較した。
3. 統計的厳密性: モデル間の結論を支持するために、95%ブートストラップ信頼区間、ペアワイズ比較、および効果量を含む詳細な統計的検証を提供した。
4. 生物学的追跡可能性: Grad-CAMによる定性的分析を提示し、モデルの注意が解剖学的に関連する二型領域（犬歯間および臼歯間幅）に集中していることを示し、法医学的許容性の根拠を提示した。
5. 前処理の分析: コントラスト強調と幾何学的拡張がモデルの性能に与える、ほぼ加算的な影響を定量化したアブレーション研究を実施した。

結果

• 性能: EfficientNetB0が最高の精度（96.39% ± 0.84%）およびAUC（0.980 ± 0.006）を達成した。MobileNetV2が精度**95.88% ± 0.91%**で僅差で続いた。
• 統計的有意性: EfficientNetB0は、カスタムCNNおよびResNet50に対して有意に優れた性能を示した（p < 0.001）。しかし、ボンフェローニ補正後のEfficientNetB0とMobileNetV2の差は統計的に有意ではなく（p = 0.042）、MobileNetV2がリソース制約のある環境における実行可能な代替案であることを示唆している。
• ResNet50の低性能: 2,560万個のパラメータを持ちながら、ResNet50は最低の精度（79.38%）と最大の分散を示し、構造的に疎な入力データに対して過学習していることが示された。
• アブレーションの結果: CLAHEと幾何学的拡張の組み合わせは、ベースライン（前処理なし）に対して4.69パーセントポイントの精度向上をもたらし、これら2つのステップはほぼ加算的な形で作用した。
• クラスバランス: 最良のモデル（EfficientNetB0）は、男性および女性のクラス間で対称的な適合率と再現率を示し、系統的なバイアスがないことを示した。
• 説明可能性: Grad-CAMの可視化により、モデルの注意が人口統計学的な形態測定研究と一致して、犬歯間および臼歯間領域に集中していることが確認された。一方で、口蓋の中央線のような非二型領域は無視されていた。

意義および主張
本論文は、2Dの咬行面投影によって捉えられた歯列弓の幾何学的形状が、法医学的な性別推定のための実行可能かつ放射線のないモダリティであることを主張している。提案された手法は、放射線を使用しない（radiation-free）形態でありながら、放射線を用いた最先端のディープラーニングモデル（例：OPGやCBCTを用いるもの）に匹敵する精度レベルを達成しており、電離放射線や専門的な臨床インフラの必要性を排除している。

著者らは、特に機器や電力が限られている災害犠牲者識別（DVI）の現場での展開においては、EfficientNetB0（5.3Mパラメータ）に対し、パラメータ数が少なく（3.4M）計算コストが低いMobileNetV2が好ましいと強調している。これは、MobileNetV2がEfficientNetB0と統計的に同等であることに基づいている。本研究は、このアプローチが、標準化された口腔内スキャンによってデータが取得される限り、部分的に無歯の状態（歯槽堤の輪郭を介して）の被験者にも適用可能であり、「放射線のない」代替案を提供すると結論付けている。また、著者らは、結果は有望であるものの、このモダリティは多民族・多施設データセットによる外部検証を必要とし、運用上の採用の前に、スキャナー由来の投影とフィールド写真との間のドメインギャップをさらに特性評価する必要があると明記している。