Zeeshan Qamar; Eisa Alturki; Hamad Almutawtah; Mesfer Alajmi & Sager Al Shatti

Resumen

Se ha considerado el dimorfismo sexual de los primeros premolares mandibulares en función de sus características morfométricas manuales. Sin embargo, existe un debate sobre su fiabilidad para la correcta predilección de los sexos. El objetivo de esta investigación fue evaluar el rendimiento de las redes neuronales convolucionales (CNN) para distinguir entre hombres y mujeres en función de la morfología radiográfica de los primeros premolares mandibulares izquierdos en imágenes 2D (OPG). Los datos se recopilaron de 12.915 pacientes que comprendían 5.983 hombres y 6.932 mujeres respectivamente con un grupo de edad de 14-29,99 años. Los datos radiográficos fueron analizados por el software Darwin V7 seguido por DenseNet121, CNNs fueron utilizados para la identificación de hombres y mujeres en grupos de edad de 14-29,99 años. El rendimiento de las CNN se midió utilizando la tasa de precisión, matrices de confusión y curvas ROC. El rango para la tasa de precisión fue de 63,20 % - 73,4 % con una desviación estándar media de 68,65 % ± 3,31 %. El AUC para el análisis de la curva ROC varió entre 0,63 para el grupo de edad de 29-29,99 años y 0,73 para el grupo de edad de 18-18,99 años. En conclusión, se puede sugerir que el análisis morfométrico de los primeros premolares mandibulares izquierdos puede utilizarse en determinadas situaciones en las que no es posible obtener otras características anatómicas para la determinación sexual. PALABRAS CLAVE: Inteligencia artificial; Redes neuronales convolucionales; Primer premolar mandibular; Radiología; Dimorfismo sexual.

Como citar este artículo

QAMAR, Z.; ALTURKI, E.; ALMUTAWTAH, H.; ALAJMI, M. & AL SHATTI, S. AI-powered CNNs analysis of mandibular first premolars radiographic morphology for sexual dimorphism in the south western population. Int. J. Morphol., 43(2):365- 372, 2025