基于卷积神经网络的儿童手部放射影像性别判定

动机：在法医或法律医学调查以及人类学中，受试者（遭遇灾难或任何创伤性情形者）的性别判定通常是最首要的步骤。在最先进的技术中，性别是通过检查颅骨与骨盆区域的骨骼尺寸来判定的。在更恶劣的情形下，当仅有少量人体遗骸可供检验且受试者为儿童时，我们需要替代技术来确定受试者的性别。本工作中我们提出一种称为 GDCNN（基于卷积神经网络的性别判定，Gender Determination with Convolutional Neural Networks）的技术，其中检查年龄在 1 个月至 18 岁宽龄范围内的儿童左手放射影像以确定性别。据我们所知，该技术属首创。进一步为识别注意力区域，我们使用了类激活映射（Class Activation Mapping, CAM）。结果：结果表明模型准确率高达 98%，考虑到儿童骨骼尚未完全发育，这是非常有说服力的。CAM 观察到的注意力发现，手部围绕腕骨（手腕）的下部区域对儿童性别判定更为重要。