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

Resumo Técnico: Estimativa Automatizada do Sexo Biológico a partir de Imagens de Arco Dentário Bidimensionais Utilizando Aprendizado Profundo

Problema
A identificação forense do sexo biológico é uma etapa inicial crítica para restringir o grupo de candidatos em casos de restos mortais não identificados. Embora a pelve e o crânio sejam os elementos esqueléticos mais sexualmente dimórficos, eles são frequentemente destruídos em desastres de massa, incêndios ou sepultamentos prolongados. Os restos dentários, sendo o tecido mais mineralizado, frequentemente sobrevivem a essas condições. No entanto, os métodos existentes de estimativa de sexo automatizados baseados na morfologia dentária dependem de radiografia ionizante (ortopantomografia/OPG ou tomografia computadorizada de feixe cônico/CBCT). Essas modalidades apresentam barreções significativas para a implementação em ambientes de campo, incluindo a exposição à radiação, a necessidade de equipamentos de capital e a dependência de infraestrutura clínica. Além disso, a odontometria manual clássica requer coroas intactas e não desgastadas, sendo suscetível à variabilidade interobservador. Os autores postulam que uma alternativa livre de radiação existe na forma de projeções oclusais bidimensionais (2D) do arco dentário, que codificam características geométricas sexualmente dimórficas (ex: larguras intercanina e intermolar) sem dados estruturais internos. O estudo aborda a lacuna na avaliação sistemática de se modelos de aprendizado profundo podem estimar o sexo de ponta a ponta a partir dessas imagens de arco 2D livres de radiação, sem a necessidade de marcação manual de pontos de referência (landmarks).

Metodologia
O estudo utilizou um corpus equilibrado de 6.000 imagens (3.000 masculinas, 3.000 femininas) derivadas de escaneamentos intraorais digitais de adultos entre 18 e 65 anos, adquiridos em uma única instituição em Marrocos. As imagens foram geradas projetando ortogonalmente malhas de superfície 3D no plano oclusal, garantindo um eixo de projeção reproduzível e livre de variância de perspectiva.

• Divisão de Dados: Um conjunto de teste retido de 1.000 imagens (500 masculinas, 500 femininas) foi reservado antes do ajuste do modelo. As 5.000 imagens restantes foram particionadas em cinco dobras de validação cruzada estratificadas para manter o equilíbrio de idade e sexo.
• Pipeline de Pré-processamento: As imagens passaram por quatro etapas determinísticas: (1) Redimensionamento Letterbox para 224×224 pixels para preservar a proporção; (2) Conversão para tons de cinza e aplicação de Equalização de Histograma Adaptativa Limitada por Contraste (CLAHE) para aumentar o contraste das bordas do arco; (3) Aumento geométrico (rotação ±15°, inversão horizontal, oscilação de escala) durante o treinamento; e (4) Normalização de intensidade baseada nas estatísticas do ImageNet.
• Arquiteturas: Quatro backbones de Redes Neurais Convolucionais (CNN) foram testados sob um protocolo idêntico com uma cabeça de classificação compartilhada (Global Average Pooling, Dense 512, Dropout, Softmax):
  • CNN Customizada: Uma linha de base treinada do zero com três blocos convolucionais.
  • EfficientNetB0: Uma arquitetura de escala composta com módulos Squeeze-and-Excitation (SE).
  • MobileNetV2: Uma arquitetura de profundidade separável otimizada para implantação em dispositivos de borda (edge).
  • ResNet50: Uma rede residual profunda com 25,6 milhões de parâmetros.
• Treinamento e Avaliação: Os modelos foram treinados usando o otimizador Adam com perda de entropia cruzada categórica. O desempenho foi avaliado usando acurácia, precisão, revocação (recall), F1-score e Área Sob a Curva (AUC), com significância estatística avaliada via testes t pareados com correção de Bonferroni e tamanhos de efeito de Cohen's d.
• Explicabilidade: O mapeamento de Ativação de Classe ponderado por Gradiente (Grad-CAM) foi aplicado à EfficientNetB0 para verificar se a atenção do modelo se alinhava com as zonas dimórficas biologicamente estabelecidas (larguras intercanina e intermolar).
• Estudo de Ablação: Um design fatorial isolou as contribuições do CLAHE e do aumento geométrico.

Principais Contribuições

1. Pipeline Livre de Radiação: Definiu e validou um pipeline totalmente automatizado e de ponta a ponta, mapeando imagens de arco dentário 2D diretamente para a probabilidade de sexo, sem medição manual ou radiação ionizante.
2. Benchmarking Abrangente: Comparou sistematicamente quatro distintas arquiteturas de CNN (customizada, de escala composta, de profundidade separável para dispositivos móveis e residual profunda) sob um rigoroso protocolo de validação cruzada de cinco dobras.
3. Rigor Estatístico: Forneceu validação estatística detalhada, incluindo intervalos de confiança de bootstrap de 95%, comparações pareadas e tamanhos de efeito para apoiar as conclusões intermodelos.
4. Rastreabilidade Biológica: Apresentou análise qualitativa de Grad-CAM demonstrando que a atenção do modelo se concentra em regiões dimórficas anatomicamente relevantes (larguras intercanina e intermolar), oferecendo uma base para admissibilidade forense.
5. Análise de Pré-processamento: Realizou um estudo de ablação quantificando o impacto quase aditivo do aumento de contraste e do aumento geométrico no desempenho do modelo.

Resultados

• Desempenho: A EfficientNetB0 alcançou a maior acurácia (96,39% ± 0,84%) e AUC (0,980 ± 0,006). A MobileNetV2 seguiu de perto com 95,88% ± 0,91% de acurácia.
• Significância Estatística: A EfficientNetB0 superou significativamente a CNN Customizada e a ResNet50 (p < 0,001). No entanto, a diferença entre a EfficientNetB0 e a MobileNetV2 não foi estatisticamente significativa após a correção de Bonferroni (p = 0,042), sugerindo que a MobileNetV2 é uma alternativa viável para ambientes com recursos limitados.
• Subdesempenho da ResNet50: Apesar de possuir 25,6 milhões de parâmetros, a ResNet50 alcançou a menor acurácia (79,38%) e a maior variância, indicando overfitting nos dados estruturalmente esparsos.
• Achados de Ablação: A combinação de CLAHE e aumento geométrico proporcionou um ganho de 4,69 pontos percentuais de acurácia sobre a linha de base (sem pré-processamento), com os dois passos atuando de maneira quase aditiva.
• Equilíbrio de Classes: O melhor modelo (EfficientNetB0) demonstrou precisão e revocação simétricas entre as classes masculina e feminina, indicando ausência de viés sistemático.
• Explicabilidade: As visualizações de Grad-CAM confirmaram que o modelo focou nas regiões intercanina e intermolar, consistentes com estudos morfométricos populacionais, enquanto ignorou áreas não dimórficas como a linha média palatina.

Significância e Alegações
O artigo alega que a geometria do arco dentário, quando capturada via projeções oclusais 2D, é uma modalidade viável e livre de radiação para a estimação do sexo forense. O método proposto atinge níveis de acurácia competitivos com modelos de aprendizado profundo radiográficos de última geração (ex: usando OPG ou CBCT), eliminando a necessidade de radiação ionizante e infraestrutura clínica especializada.

Os autores enfatizam que para implantação em campo, particularmente em identificação de vítimas de desastres (DVI) onde equipamentos e energia são limitados, a MobileNetV2 é preferível devido ao seu menor número de parâmetros (3,4M vs. 5,3M) e custo computacional, dado o seu paridade estatística com a EfficientNetB0. O estudo conclui que esta abordagem oferece uma alternativa "livre de radiação" que é mais rápida de implementar do que a radiografia e aplicável mesmo a sujeitos parcialmente edêntulos (via contornos da crista alveolar), desde que os dados sejam adquiridos via escaneamento intraoral padronizado. Os autores explicitamente observam que, embora os resultados sejam promissores, a modalidade requer validação externa em conjuntos de dados multiétnicos e multilocais, além de uma caracterização adicional do hiato de domínio entre projeções derivadas de scanners e fotografia de campo antes da adoção operacional.