법의인류학분야 활용을 위한 사후전산화단층촬영영상 기반 위턱굴 부피 자동 계산 심층학습 모델 개발
Development of Deep Learning-based Model for Automatic Calculation of Maxillary Sinus Volume Using Post-mortem Computed Tomograpy in Forensic Anthropology
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
성별 추정은 법의학적 신원 확인 과정에서 핵심적인 절차로, 뼈를 활용한 추정은 주로 골반과 두개골에서나타나는 성적 이형성을 기반으로 수행된다. 위턱굴을 포함한 코곁굴은 안면골 내부에 위치하여 사후에도 형태가 비교적 잘 보존되며, 개인 간 해부학적 다양성이 크기 때문에 보조적인 신원 확인 지표로서 활용 가능성이 제기되고 있다. 본 연구는 한국인 사후전산화단층촬영 70사례를 대상으로 U-Net 기반 심층학습 모델을 활용해 위턱굴을 자동 분할하고, 위턱굴 부피를 계산해 성별 및 좌우간 차이가 있는지를 확인하고자 했다. 그 결과로 U-Net 모델은 전반적으로 높은 정확도의 분할 성능 (0.8921±0.019)을 보였다. 모델의 예측에 의해 출력된 위턱굴의 부피는 성별 간, 좌우 간 통계적으로 유의미한 차이를 보이지 않았으며, 이는 선행연구와 유사한 결과를 나타낸다. 본 연구는 심층학습 기반 위턱굴 형태 분석의 가능성을 제시하였으며, 향후 본 모델을 활용한 생전 및 사후전산화단층영상 데이터를 활용한 대량의 학습 데이터를 작성함으로서 3차원 CNN 모델을 제작 성별 및 연령 추정모델을 작성, 기존의 성능을 뛰어넘는 결과를 얻을 수 있을 것으로 기대된다.
Abstract
Sex estimation is a key procedure in the forensic identification process, and skeletal-based assessment is primarily performed using sexual dimorphism observed in the pelvis and skull. The paranasal sinuses, including the maxillary sinus, are located within the facial bones and tend to remain relatively well-preserved after death. Due to their substantial anatomical variability among individuals, their potential use as an auxiliary indicator in forensic identification has been suggested. This study aimed to determine whether differences in sex and laterality exist by automatically segmenting the maxillary sinus and calculating its volume using a U-Net-based deep learning model applied to 70 Korean postmortem computed tomography scans. As a result, the U-Net model demonstrated overall high segmentation performance (0.8921±0.019). The maxillary sinus volumes calculated by the model showed no statistically significant differences between sexes or between the left and right sides, which is consistent with findings reported in previous studies. This study demonstrates the feasibility of deep learning-based morphological analysis of the maxillary sinus. In the future, by generating a large training dataset using both ante-mortem and postmortem computed tomography images with the proposed model, it is expected that a three-dimensional CNN-based system for sex and age estimation may be developed, potentially achieving superior performance compared with existing approaches.