精度は97%に達した。オーストラリアチームの新たな成果は、ディープラーニングに基づいて頭蓋骨CTで性別を識別し、人間の法医学者を超えた。
近年、サスペンスや犯罪をテーマにしたテレビドラマが数多くヒットし、法医学という謎めいたテーマも視聴者の注目を集めるようになりました。簡単に言えば、法医学は暗闇に隠れて真実を探すシャーロック・ホームズのようなもので、専門知識と高度な技術を駆使して、遺骨や物的証拠に残された沈黙の証言を解釈し、骨を特定して遡り、数え切れないほどの難事件を解決するための指針を提供します。それは司法の正義を保障する確固たる基盤であり、その重要性は自明です。
法医学の多くの研究分野の中で、遺体の性別を特定することは極めて重要なステップです。骨の山に直面した場合、従来の方法では、主に経験豊富な法医学者が公表された基準に基づいて推論と評価を行っていました。しかし、これらの方法は通常、主観的な要素の影響を受け、結果に必然的に偏差が生じます。コンピューターやディープラーニング技術が普及している今日、人間の偏見の影響を科学によってどのように解決するかが新たな話題となっています。
最近、西オーストラリア大学、ニューサウスウェールズ大学、インドネシアのハサヌディン大学のチームが、性別判断の精度を向上させ、認知バイアスの影響を軽減するために、ディープラーニングに基づく自動化フレームワークが提案されています。
この研究では、インドネシアの病院の頭蓋骨CTスキャン200枚を使用して、3つのディープラーニングベースのネットワーク構成をトレーニングおよびテストしました。最も正確なディープラーニングフレームワークは、性別と頭蓋骨の特徴を組み合わせて判断することができました。分類精度は 97% に達し、これは人間の観察者の 82% よりも大幅に高い値です。この実験は、法医学人類学におけるディープラーニング フレームワークの深層応用の可能性を裏付けています。
関連する研究結果は、「ディープラーニング対人間の評価者：3次元コンピューター断層撮影スキャンによる法医学的性別推定」というタイトルで学術誌「Scientific Reports」に掲載されました。
用紙のアドレス:
https://www.nature.com/articles/s41598-024-81718-y
オープンソース プロジェクト「awesome-ai4s」は、200 を超える AI4S 論文の解釈をまとめ、膨大なデータ セットとツールを提供します。
https://github.com/hyperai/awesome-ai4s
AIを「信頼でき、使える」ものにするためにさらに一歩進む
法医学人類学では、骨格構造、特に頭蓋骨には性別による特徴の多くの違いが隠れています。現代の法医学実務において最も一般的な形態学的頭蓋骨性別判別法は、フィリップ・L・ウォーカーが提唱した 5 つの頭蓋骨二形性特徴 (以下、ウォーカー特徴と呼ぶ) です。つまり、オトガイ隆起（MEN）、眉間（GLA）、眼窩上縁（SUP）、項部隆起（NUC）、乳様突起（MAS）の観点から男性と女性の頭蓋骨の違いを観察することです。
例えば、男性の眉毛の間は通常より目立って広く、明らかな隆起や結節がある可能性があるが、女性の眉毛の間はより滑らかで細いことが研究で述べられている。男性の眼窩は、ほとんどが四角形または長方形で、角が鋭く、全体的に厳しい印象を与えます。一方、女性の眼窩は、より丸みを帯び、自然で柔らかいエッジを持ち、目立ったエッジはありません。
しかし、法医学人類学の活動の発展に伴い、この方法が適用できなくなった状況もいくつか見つかりました。一方では、この方法によって表される識別手段の分析によって得られるデータサンプルはすべて物理的な記録からのものであり、十分なサンプルを得るには大量の物理的な骨を収集する必要がある。一方で、この方法のサンプルは、19 世紀と 20 世紀に生きたイギリス人、アメリカ人、ネイティブ アメリカンから採取されたもので、研究対象の時間的および空間的有効性にも一定の制限が生じます。
仮想人類学の出現は、法医学人類学の実践に新たな道をもたらします。データセットの取得に関しては、ウォーカーの研究で使用されたデータ収集方法とは異なり、コンピューター断層撮影 (CT) などの臨床デジタル画像化技術により、研究者は十分な骨データセットを取得できます。物理的な骨の収集と比較すると、臨床画像化によって記録された仮想骨データセットは、間違いなく簡単に作成できます。さらに、現代医学では CT が広く使用されているため、この方法で取得されたデータセットは現代の人口をよりよく代表するものとなっています。
分析と処理の面では、ディープラーニングベースのテクノロジーが法医学人類学にも応用されています。研究者はディープラーニングを使用して大規模なデータセットを処理し、骨の性別を評価するモデルを構築し、法医学人類学者の生物学的評価を支援しています。たとえば、Bewes らが開発した GoogleNet は、頭蓋骨の CT スキャンの 2D 側面画像を 3D に再構築し、それを使用して骨格の性別を識別することができます。男性では96%、女性では94%の識別精度が達成されました。
これらの方法は大きな進歩を遂げてきましたが、これまでのディープラーニングベースの骨による性別識別方法には依然としていくつかの課題が残っていることは注目に値します。完全に自動化され、説明可能です。
まず、いくつかの研究では、ハウンスフィールド単位 (HU) しきい値を経験値に設定して周囲の構造を除去し、頭蓋骨を抽出する市販のソフトウェアに依存していましたが、これはソフトウェアのアクセシビリティ、ノイズ、アーティファクト、不要な骨構造、HU 値の変動などの問題の影響を受ける可能性があります。
第二に、頭蓋骨の特徴を識別する人間の観察者とは異なり、ディープラーニングベースのネットワークは「ブラックボックス」と呼ばれることが多く、その中の隠れ層の構造化が通常は困難であり、これもディープラーニングベースのネットワークの解釈可能性を制限します。
複数の設計により、人間を超えるAIフレームワークが生まれる
この研究では、研究者らは頭蓋骨CTスキャンを使用した法医学的性別識別のための完全に自動化されたAIフレームワークを開発し、ウォーカー氏が提案した特徴を使用してモデルをテストした。
AI フレームワークは、前処理段階と性別分類ネットワークで構成されています。まず、事前トレーニング済みのディープラーニング ネットワークを使用して頭蓋骨をセグメンテーションし、次に、異なる入力構成を使用して異なる分類ネットワーク構成をトレーニングします。マルチタスク学習を使用して Walker 特徴スコアを生成し、性別識別を実行するか、またはシングルタスク学習を使用して性別識別を実行します。具体的なネットワーク設定は以下の図の通りです。
* I は前処理されたCT画像です。
* (I, S) は、前処理された CT 画像と頭蓋骨マスクを含むデュアル チャネル入力です。
* I∩Sは個々の頭蓋領域を示します。
* N1 と N2 は結合損失関数を使用し、N3 はバイナリクロスエントロピー損失関数を使用します。
3 つのディープラーニング ネットワーク バリアント N1、N2、N3 は ResNet 上に構築されており、入力ブロックと 3 つの残差ブロック (3D 畳み込み (Conv3D)、バッチ正規化 (Batch Norm)、および正規化線形ユニット (ReLU) アクティベーション レイヤーを含む) で構成されています。入力ブロックは 32 個のフィルターで構成され、残差ブロックにはそれぞれ 64 個、128 個、256 個のフィルターがあります。 Conv3D のカーネル サイズは 3 x 3 x 3 です。次の図に示すように:
すべてのネットワークは、Python v3.9 を使用して Torch 2.0 で実装され、16GB RAM を搭載した NVIDIA Tesla P100 GPU でトレーニングされました。
この研究で使用されたデータセットは、インドネシアのワヒディン・スディロフソド総合病院（RSWS）から提供されたもので、主に2020年1月から2022年8月までに同病院で放射線検査を受けた患者のマルチスライスCT（MSCT）スキャンが含まれています。写真は全部で200枚あり、そのうち女性が87枚、男性が113枚です。データセット内の 166 枚の画像はトレーニングに使用され、34 枚の画像はテストに使用されます。
3 つのネットワーク アーキテクチャを具体的に見ると、N2 のマルチタスク構成 (さまざまなブランチでウォーカーの頭蓋骨二形性特徴スコアと性別を推定) は、さまざまな入力で最高の AUROC と精度を達成し、性別識別のための最もバランスの取れたモデルでした。頭蓋骨領域を入力として使用する場合、N2 は 0.97 という最高の精度と 0.30 という最低のログ損失を達成しました。
N1 のマルチタスク構成 (Walker の頭蓋骨二形性特徴スコアを順番に推定し、次に性別を推定する) では、頭蓋骨領域を入力として使用します。精度は0.91です。ただし、異なる入力での AUROC は N2 および N3 よりも低く、対数損失は高くなります。
異なる入力下での単一タスクネットワークN3（性別を直接推定する）のAUROCはN2と類似しているが、頭蓋骨を入力として使用すると、その精度はわずか0.85です。すべてのネットワークの中で最も低い。具体的な結果は下の図に示されています。
注目すべきことに、人間の観察者のパフォーマンスと比較すると、3 つのディープラーニング ベースのネットワーク モデルすべてが、性別の分類において人間の観察者よりも高い精度を達成しました。具体的には、N2は97%という最高の性別識別精度を達成しましたが、人間の観察者は82%しか達成できませんでした。
ネットワークの意思決定プロセスの解釈可能性を向上させるために、研究チームは勾配加重クラス活性化マッピング (Gradient-CAM) を使用して、ネットワークによって識別された識別可能な頭蓋骨領域を視覚化しました。 Grad-CAM は、畳み込みニューラル ネットワークの決定を説明する方法です。重要な考え方は、出力カテゴリの勾配をレイヤーの出力に掛け合わせ、平均を取って「大まかな」ヒート マップを取得することです。このヒートマップを拡大して元の画像に重ね合わせると、分類時にモデルが最も重点を置く領域を表示できます。その利点は、構造の変更や再トレーニングなしで、あらゆる畳み込みニューラル ネットワークに使用できることです。
下の図は、頭蓋骨を入力として使用した場合のネットワーク N1 および N2 の Walker 特徴ブランチにおける各特徴予測に関連する Grad-CAM ヒート マップを示しています。ここで、a、b、c、d、e はそれぞれ GLA、MAS、MEN、NUC、SUP です。ヒート マップでは、特に GLA と NUC が強調表示されています。
下の図は、頭蓋骨を入力として使用した場合の 3 つのネットワークの出力 Grad-CAM ヒートマップを示しています。 GLA が活性化されていることに加えて、頭蓋骨の周囲の領域も活性化されていることが観察され、特に N3 のヒートマップがより顕著になっています。 CT画像は均一な物理的サイズに前処理されているため、これは、モデルが頭蓋骨全体の形態を分析していることを示している可能性がある。おそらくそれはその大きさと形でしょう。頭蓋骨の大きさと形は人間の性的二形性を反映する重要な特徴であり、男性の頭蓋骨は一般的に女性の頭蓋骨よりも大きくて重いからです。
要約すると、この実験は、完全に自動化されたディープラーニングベースの AI フレームワークが骨格の性別判定の精度を向上させる上で有効であることを実証し、すでに開発されている基礎的な方法に比べて大幅に幅広い法医学的適用性を確認しています。同時に、このフレームワークは人間の観察者を超える可能性があり、法医学人類学のさらなるインテリジェント化と自動化を支援する可能性を探っています。
さらに、Grad-CAM は、頭蓋骨から性別を識別する際のディープラーニングベースのネットワーク モデルの解釈可能性も実証しました。これらの統合により、法医学人類学の評価はより標準化され、客観的になり、認知バイアスや変動性の影響が軽減されました。
AIが法医学人類学に新たな章を開く
実際、法医学人類学における性別識別を強化するために AI を使用する研究は数多く行われています。偶然にも、Scientific Reports に掲載されている関連論文では、画期的な手法が数多く明らかにされています。
例えば、「ディープラーニングによる死後コンピューター断層撮影からの頭蓋骨シルエット画像を用いた性別推定」という研究では、ディープラーニングを使用してCTスキャンから2次元のシルエット画像を取得し、頭蓋骨の輪郭形状を強調した後、さまざまな角度からシルエット画像を観察し、多数決で性別を判定しました。
用紙のアドレス:
https://www.nature.com/articles/s41598-024-74703-y
四川大学コンピュータサイエンス学院と華西基礎医学・法医学学院が共同で開発したディープラーニングベースの頭蓋顔面再構築法は、CTスキャンの頭蓋骨データから頭蓋顔面画像を自動的に復元することに成功した。研究チームは頭蓋顔面修復の技術的困難を克服し、初の頭蓋顔面再建顔検索システムを開発したと述べられた。このシステムは、頭蓋骨データに基づいて、年齢や性別は異なるが一貫したアイデンティティを持つ一連の復元顔を生成し、年齢や変形の変化がアイデンティティ認識に与える影響を排除し、認識精度を向上させた。
「CR-GAN: 個人識別のための自動頭蓋顔面再構成」と題されたこの論文は、パターン認識分野のトップジャーナルである「Pattern Recognition」に掲載されました。
用紙のアドレス:
https://www.sciencedirect.com/science/article/abs/pii/S0031320321005768
もちろん、骨による性別の識別は頭蓋骨だけに頼るものではありません。前述のように、骨の構造には男性と女性の特徴に関する多くの差別化された情報が隠されています。たとえば、男性と女性の骨盤の生理機能が異なるため、骨盤は性別の識別において非常に明白な差別化された特徴を持っています。これらの特徴を踏まえ、関連するディープラーニングベースの性別識別方法も同時に研究されています。
まとめると、AI の普及により、法医学人類学における性別識別の問題に対する客観的かつ持続可能な解決策がもたらされます。また、この神秘的でニッチな分野が古い識別方法から離れ、他の分野と同様に徐々にインテリジェンスと自動化を取り入れるようになります。
参考文献:
1.https://www.nature.com/articles/s41598-024-81718-y
2.https://www.csiro.au/en/news/All/News/2025/February/CSIRO-develops-AI-tool-for-rapid-identification-in-forensic-investigations
3.https://blog.csdn.net/qq_68308828/article/details/132663304
4.https://mp.weixin.qq.com/s/bpZCZMM5MJRShhZvI2fcsw
最後に、皆さんに学術ライブ放送をおすすめしたいと思います！ 3月7日正午、最新のMeet AI4Sライブ放送は「AI時代の彼女の力：ハードコアテクノロジーによる変革」をテーマに、華中科技大学の黄紅准教授、上海人工知能研究所AI科学センターの若手研究員周東展氏、上海交通大学自然科学研究所の助手研究員周秉馨氏、個人の業績を紹介し、科学研究の経験を共有します。