基于深度学习对口腔全景摄影片进行性别推断的研究

目的 探究深度学习技术对中国汉族人群口腔全景摄影图像（OPG）进行性别推断的可行性和准确性。方法 收集18～70岁汉族人群OPG影像数据10 600份（男性5 300份,女性5 300份）,按照8:1:1比例随机划分为训练集、验证集、测试集。采用MobileNetV2、Swin Transformer模型进行训练,通过准确率、F1分数及GradCAM算法评估模型分类性能及可视化展示。结果 MobileNetV2、Swin Transformer Small和Swin Transformer Tiny模型的准确率为97.57%、95.13%、96.28%,其中MobileNetV2模型表现最佳。Grad-CAM算法显示男性OPG图像主要关注左右侧下颌支及牙槽骨,而女性的OPG图像主要关注上颌窦、左侧下颌支及左侧后牙槽骨。结论 本研究基于深度学习技术构建的中国汉族人群OPG图像性别推断模型具有较高的准确性及泛化能力,为法医学性别推断提供了新的方法。