Halide Temelci; Aynur Emine Cicekcibasi; Zulal Oner; Yusuf Secgin; Serkan Oner & Gulay Acar

Resumen

Los estudios de identificación se desarrollan con mayor precisión y facilidad después de que se realiza la estimación de sexo. Por lo tanto, la determinación de sexo es el primer paso en los estudios de identificación. El objetivo de nuestro estudio fue realizar la estimación del sexo de la población turca a partir de la escápula utilizando algoritmos de aprendizaje automático (ML) con parámetros obtenidos a partir de imágenes de tomografía computarizada multidetector (MDCT). El estudio se realizó en imágenes MDCT de 300 individuos (150 mujeres y 150 hombres) entre 20 y 60 años de edad. Las imágenes MDCT de la escápula se importaron al programa Radiant DICOM Viewer y se midieron los siguientes parámetros: la longitud máxima de la escápula (SML), el ancho máximo de la escápula (SMW), la longitud de la espina escapular (SSL), la longitud de la cavidad glenoidea (GCL), el ancho de la cavidad glenoidea (GCW), la distancia del proceso coracoides al ángulo inferior de la escápula (CPIA), la distancia del acromion al ángulo inferior de la escápula(AIA), la distancia de la cavidad glenoidea al ángulo inferior de la escápula (GCIA), el grosor del margen lateral de la escápula (LBT), la altura de la fosa supraespinosa (SSH), la altura de la fosa infraespinosa (ISH), la longitud máxima del acromion (AML) y el ancho máximo del acromion (AMW). Los datos obtenidos se utilizaron para la predicción del sexo mediante algoritmos ML. Todos los parámetros medidos en la escápula tenían una diferencia significativa en términos del sexo (p<0,05). Se determinó que los parámetros utilizados en la estimación de sexo utilizando modelos ML tenían una tasa de precisión del 97 %. Utilizando el solucionador SHAP del algoritmo Random Forest, se encontró que el parámetro del SSH tenía la mayor contribución a la precisión. Como resultado de nuestro estudio, creemos que podemos obtener resultados cercanos a la morfometría pélvica, que se considera el hueso más dimórfico en la literatura, cuando la determinación de sexo se realiza con base en la morfometría de la escápula con análisis ML. Creemos que nuestro estudio será una importante contribución a las ciencias y la literatura forenses. PALABRAS CLAVE: Escápula; Algoritmos de aprendizaje automático; Tomografía computarizada; Predicción del sexo; Antropometría.

Como citar este artículo

TEMELCI, H.; CICEKCIBASI, A. E.; ONER, Z.; SECGIN, Y.; ONER, S. & ACAR, G. Sex prediction in Turkish population with anthropometric measurements of scapula on MDCT images using machine learning algorithms. Int. J. Morphol., 43(2):494-501, 2025.