ハイブリッドマルチモデル畳み込みニューラルネットワークによる側面頭部X線写真からの性別推定
カテゴリ：診断支援・画像解析
公開日：2026年2月19日
タイトル：Sex estimation from lateral cephalograms via a hybrid multimodel convolutional neural network.
雑誌名：Sci Rep. 2026 Jan 28; 16(1): 6490.
概 要：
この研究は、法医学、人類学、考古学における人間の識別において重要なステップである性別推定を目的としています。側面頭部X線写真は、性別推定に有用な頭蓋顔面形態を捉えます。本研究では、監視型のDenseNet169と非監視型のEfficientNetB3を組み合わせたハイブリッド畳み込みニューラルネットワーク（CNN）を開発し、側面頭部X線写真からの自動性別推定を行いました。データセットは150枚の頭部X線写真で構成され、訓練（69.33%）、検証（20%）、テスト（10.67%）のサブセットに分けられました。
方 法：
この研究は、150枚の側面頭部X線写真を用いた機械学習研究です。DenseNet169は、注釈付き画像を用いて5つの頭蓋顔面ランドマークを検出し、性別推定のための線形および三角測量角度に基づく測定を計算しました。EfficientNetB3は、注釈なしの画像を用いてランダムフォレスト分類器と統合されました。最終的な予測は、DenseNet169からの測定とEfficientNetB3からの画像ベースの分類による多数決で決定されました。
結 果：
DenseNet169は、線形測定で100%の精度（ROC曲線下面積AUC 0.935）、三角測量角度測定で99.69%の精度（AUC 0.891）を達成しました。一方、EfficientNetB3は80.63%の精度（AUC 0.826）を示しました。ハイブリッドマルチモデルCNNは、外部データに対して99.69%の精度（AUC 0.978）と97.83%の精度（AUC 0.947）を達成し、強化された堅牢性を示しました。
結 論：
提案されたハイブリッドフレームワークは、側面頭部X線写真を用いた自動性別推定の可能性を示しており、法医学や関連分野での応用が期待されます。