🧬 biology

Semi-automated sex estimation from cochlear shape using clinical CT imaging and OTOPLAN segmentation

本研究表明，通过分析耳蜗形态描述符，一种利用临床CT扫描和OTOPLAN分割的半自动化流程在性别鉴定方面可以达到中等准确度（79%），为传统骨骼鉴定方法不可用时提供了一种非破坏性且可扩展的法医学替代方案。

原作者： Priya VISHNUMURTHY, Mary DAVAL, Luke HELPARD, Ismael OUZZINE, Ralph HADDAD, Nikola IVANOVIC, Vincent JOURDES, Justin MICHEL, Stéphane GARGULA

发布于 2026-07-07

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Priya VISHNUMURTHY, Mary DAVAL, Luke HELPARD, Ismael OUZZINE, Ralph HADDAD, Nikola IVANOVIC, Vincent JOURDES, Justin MICHEL, Stéphane GARGULA

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

想象一下你是一名正在试图破解谜团的侦探，但你留下的唯一线索是藏在头骨深处的一个微小的、坚硬的、螺旋形的壳。这个壳就是耳蜗，它是你内耳的一部分，帮助你听觉。通常情况下，法医专家（死亡者的“侦探”）在需要判断一副骸骨属于男性还是女性时，会观察像骨盆或头骨这样的大型骨骼。但如果这些大骨头丢失了、被烧焦了或者破碎了呢？这就是这项研究的意义所在。

以下是对研究人员所做工作的简单拆解，使用了日常类比：

核心理念：“耳壳”藏着秘密

研究人员想看看，仅仅通过观察耳蜗的形状，是否就能猜出一个人的性别。把耳蜗想象成一个蜗牛壳。尽管所有的蜗牛壳看起来大致相同，但如果你测量得非常仔细，你可能会发现，雄性蜗牛壳比雌性蜗牛壳稍微大一点，或者扭转的方式略有不同。

挑战在于？手动进行这项工作就像是在一个装满水的罐子里，用尺子去测量一个正在旋转的蜗牛壳。这既缓慢又困难，而且需要显微镜（或非常高科技的扫描仪）。

新工具：“机器人测量员”

研究人员没有采用手工测量，而是使用了一款名为 OTOPLAN 的软件。

它是什么： 想象一个机器人在电脑屏幕上自动描绘蜗牛壳的轮廓。它最初是为帮助医生规划人工耳蜗植入手术而设计的，但研究人员意识到它也可以用来测量用于解决这个谜题的蜗牛壳形状。
过程： 他们对 87 名成年人的耳朵进行了 CT 扫描（类似于 3D X 射线）。软件自动追踪了耳蜗的“路径”，并测量了它的尺寸和扭转程度。

实验：教计算机进行猜测

研究人员将这些数据输入到一个计算机程序（“机器学习”模型）中。这就像是在教一只狗去分辨两种不同类型的球。

训练阶段： 他们向计算机展示了成千上万个男性和女性耳蜗的例子。
测试阶段： 然后，他们给计算机一组它从未见过的新的耳朵，并问道：“这是男人还是女人？”

他们的发现

计算机的正确率约为 79%。

“神奇”线索： 计算机观察到的最重要的特征是直径（即外壳有多宽）。男性的耳蜗壳通常更宽。
“扭转”线索： 第二个最重要的线索是扭转与弯曲的比率。这不仅仅关乎大小，还关乎外壳弯曲的方式。
陷阱： 如果他们只看尺寸（直径）而忽略形状，计算机就会产生混乱，并在面对新的人群进行测试时失败。这就像一个学生背下了练习题的所有答案，却无法解决一道新题目。他们需要同时利用尺寸和形状才能得出正确结果。

为什么这很重要（根据论文内容）

论文强调，这种方法并不是能完美解决所有案件的“魔杖”。

它是一个“备选方案”： 它是为那些常规线索（骨盆、头骨）缺失的棘手案例设计的。如果你只剩下一块耳骨，这种方法能给你一个优于随机猜测的判断。
它是无损的： 你不需要为了观察它而破坏骨头。你只需要扫描即可。
它快速且可重复： 因为是由机器人进行测量，所以任何人都可以使用它，并且每次都会得到相同的结果。

总结

研究人员证明了你可以使用标准的医院 CT 扫描和机器人软件，根据内耳形状来推测一个人的性别。它并不完美（大约 10 次中有 8 次是正确的），但在你几乎没有任何其他线索的情况下，拥有 80% 的准确率是一个非常有用的工具。

重要提示： 论文明确指出这是一个“概念验证”。它展示了该方法在受控环境下是有效的，但它旨在作为其他方法的辅助工具使用，而不是唯一的识别手段。

技术摘要：基于耳蜗形态的半自动化性别鉴定

问题陈述
性别鉴定是法医人类学和生物考古学的基石，然而当遗骸出现破碎、混杂或降解时，依赖骨盆和颅骨的传统方法往往不再适用。颞骨的岩部，特别是其中的骨迷路，由于其密度高且发育早，提供了一个具有韧性的替代方案。虽然之前的研究已经证明耳蜗形状携带性别特异性信号，但现有的高精度方法（例如 Braga 等人，2019 年）依赖于高分辨率成像、手动或半手动分割以及复杂的几何形态测量学。这些要求限制了它们在常规法医和临床工作流中的应用。本研究旨在解决的问题是：能否通过一种与标准临床 CT 成像兼容并使用自动化分割工具的半自动化流水线，在不牺牲鲁棒性的前提下实现性别鉴定。

方法论
本研究对来自 87 名已知生物性别的成年个体的 139 个耳蜗进行了回顾性分析，这些数据是通过常规临床 CT 扫描（层厚 $\le$ 0.6 mm）获取的。分析流程包含以下阶段：

数据提取： 耳蜗分割使用专为耳蜗植入规划设计的商业软件平台 OTOPLAN 进行。对于每个耳朵，系统导出了：
- 由 400 个特征点表示的三维侧壁路径。
- 六个标量指标：耳蜗直径、宽度、高度、估计的耳蜗管长度 (CDL)、从 0 开始的 CDL 以及螺旋圈数。
预处理：
- 将左耳耳蜗曲线进行镜像处理，以确保旋转方向一致。
- 将曲线平移至其质心，并通过总范数进行缩放，以分离形状与大小及位置。
- 通过主成分分析 (PCA) 去除离群值。
- 在患者层面对数据进行拆分（80% 训练集，20% 留出集），以防止数据泄露，确保同一患者的双耳保留在同一个分区中。
特征工程：
- 几何描述符： 将归一化后的曲线分为 19 个段。计算曲率 ( $\kappa$ ) 和挠率 ( $\tau$ )，以及它们的比值 ( $\tau/\kappa$ )。描述符包括各段的平均值、标准差和弧长积分。
- 标量指标： 保留了六个由 OTOPLAN 衍生的标量变量。
模型优化：
- 使用 贝叶斯优化 框架 (Optuna) 对预处理选择、特征构建和分类器超参数进行联合优化。
- 目标是通过对训练集进行 5 折交叉验证来最大化 ROC 曲线下面积 (AUC-ROC)。
- 测试了三种模型配置：仅标量指标、仅几何描述符以及结合两者的方法。
分类： 最终模型是一个基于组合特征集的 XGBoost 分类器，并在独立的留出集 ( $n=29$ ) 上进行评估。

关键结果

单变量分析： 在四个标量指标（尤其是耳蜗直径， $r=0.43$ ）和十个曲率/挠率描述符中发现了显著的性别差异。然而，效应量普遍较小到中等，且分布显示出显著重叠，表明没有任何单一指标足以进行个体分类。
模型性能：
- 仅标量模型表现出明显的过拟合（交叉验证 AUC 0.82 $\rightarrow$ 留出集 AUC 0.59）。
- 仅几何模型具有更好的泛化能力（留出集 AUC 0.69）。
- 组合模型 (XGBoost) 在独立留出集上取得了最佳性能：
  - AUC-ROC： 0.77 (95% CI: 0.55–0.95)。
  - 总体准确率： 79.3%。
  - 平衡准确率： 79.1%。
特征重要性： 置换重要性分析显示，耳蜗直径是主导特征。多个螺旋段的 $\tau/\kappa$ 比值提供了主要的、互补的几何信号。模型依赖于大小信息，但需要几何上下文以避免过拟合。

意义与主张
作者将这项工作定位为一项概念验证，证明了利用常规临床 CT 数据，通过半自动化的、可重复的流水线，可以恢复与性别相关的耳蜗形状信息。研究声称其具有以下意义：

临床与法医兼容性： 不同于以往需要微型 CT 或手动分割的高精度方法，本方法利用标准临床 CT 和自动化软件 (OTOPLAN)，具有可扩展性且是非破坏性的。
辅助用途： 作者明确指出，约 79% 的中等准确度并不支持将此方法作为个体识别的独立工具。相反，它被提议作为生物剖面的重要辅助手段，特别是在岩骨是唯一幸存元素的情况下（如火灾遇难者、大规模死亡事件或降解遗骸）。
非破坏性工作流： 该方法为后续的遗传学检测保留了样本，而后者仍是高度降解案例中身份鉴定的金标准。
未来潜力： 作者认为，使用更高分辨率的成像技术（如锥束 CT 或光子计数 CT）可能会提高性能，且当前结果代表了当代临床成像条件下的下限。

研究结论认为，虽然该方法不能取代成熟的法医技术，但在缺乏传统骨骼标记物的挑战性法医背景下，它提供了一种可行的、非侵入性的概率性指标用于性别估计。