DOI: https://doi.org/10.1007/s00414-024-03159-6
PMID: https://pubmed.ncbi.nlm.nih.gov/38252284
تاريخ النشر: 2024-01-22
المؤلف: Suguru Torimitsu وآخرون
الموضوع الرئيسي: دراسات الأنثروبولوجيا الجنائية والبيوآركيولوجيا
نظرة عامة
تدرس هذه الدراسة التباين الشكلي في الهياكل القحفية للأفراد اليابانيين والأستراليين الغربيين، مع التأكيد على أهمية تقدير السلالة للتطبيقات الجنائية. باستخدام صور الأشعة المقطعية (CT) من 230 يابانيًا (111 أنثى، 119 ذكر) و225 بالغًا أستراليًا غربيًا (112 أنثى، 113 ذكر)، قام الباحثون بحساب 18 قياسًا قحفيًا واستخدموا تقنيات التعلم الآلي، وتحديدًا نمذجة الغابات العشوائية (RFM) وآلات الدعم الناقل (SVM)، لتصنيف السلالة. أظهرت النتائج دقة تصنيف عالية، حيث حقق النموذج غير المحدد ثنائي الاتجاه 93.2% لـ RFM و97.1% لـ SVM، بينما حقق نموذج السلالة والجنس الرباعي 84.0% لـ RFM و93.0% لـ SVM. ومن الجدير بالذكر أن النماذج المحددة حسب الجنس حققت أعلى دقة في عينات الإناث، حيث حقق SVM 100%.
تؤكد النتائج أن القياسات القحفية من صور الأشعة المقطعية ثلاثية الأبعاد يمكن أن تصنف الأفراد بفعالية حسب السلالة، مما يمثل تقدمًا كبيرًا في الأنثروبولوجيا الجنائية. تعتبر هذه الدراسة رائدة في نهجها لتقدير السلالة باستخدام التصوير ثلاثي الأبعاد للقياسات القحفية. يدعو المؤلفون إلى جمع بيانات CT إضافية من مجموعات سكانية متنوعة لتعزيز قابلية تطبيق هذه الأساليب ويقترحون استكشاف قياسات هيكلية أخرى لتقدير السلالة.
مقدمة
تؤكد مقدمة ورقة البحث على الدور الحاسم في تحديد بقايا البشر غير المحددين في التحقيقات الجنائية، خاصة في الحالات التي تتضمن جثث مقطعة أو تالفة بشدة. يتم تسليط الضوء على تقدير السلالة كعنصر صعب ولكنه ضروري في هذه العملية التعريفية، حيث يساعد في تحديد سمات بيولوجية أخرى مثل الجنس، والعمر عند الوفاة، والطول. يتم تحديد الجمجمة، وخاصة منطقة الوجه الأوسط، كأكثر المناطق تشخيصًا لتقدير السلالة، مع وجود نهجين منهجيين رئيسيين: الشكلية (غير المترية) والمورفومترية (المترية). بينما تتطلب الطرق غير المترية خبرة واسعة وتكون ذات طابع ذاتي، فإن الطرق المترية أكثر موضوعية نظرًا لتعريف القياسات القحفية بوضوح استنادًا إلى المعالم المحددة.
تناقش الورقة استخدام تحليل التمييز الخطي (LDA) كطريقة إحصائية شائعة لتقدير السلالة، مدعومة بأدوات برمجية مثل FORDISC وCRANID التي توفر مقاييس دقة إحصائية. ومع ذلك، تشير إلى مشكلة كبيرة حيث يتم تصنيف جماجم الأمريكيين من أصل إسباني في الجنوب الغربي غالبًا بشكل خاطئ على أنها آسيوية، وخاصة يابانية، مما يبرز الحاجة إلى دراسات مقارنة عبر السكان العالميين. يقترح المؤلفون استخدام الأشعة المقطعية (CT) لتصوير الهياكل العظمية بدقة والحصول على قياسات قابلة للمقارنة مع العينات الحقيقية. ومن الجدير بالذكر أن هذه الدراسة تهدف إلى دراسة الفروق الشكلية بين جماجم اليابانيين المعاصرين والأستراليين الغربيين وتقييم جدوى تصنيف السلالة باستخدام البيانات المورفومترية المستمدة من صور الأشعة المقطعية متعددة الكواشف من خلال تقنيات التعلم الآلي.
الطرق
في هذه الدراسة، تم إجراء تصوير قحفي على المشاركين اليابانيين والأستراليين الغربيين باستخدام نظامي مسح CT مختلفين: جهاز CT بصفوف 16 للكشف للمشاركين اليابانيين وجهاز CT بقطع 64 للأستراليين الغربيين. تضمنت بروتوكولات المسح معلمات محددة مثل التوازي، جهد الأنبوب، والتيار. تم تحديد وقياس ما مجموعه 35 معلمًا قحفياً على صور ثلاثية الأبعاد تمت معالجتها باستخدام MorphDB وExcel. لتقييم موثوقية القياس، تم تقييم أخطاء المراقب الداخلي والخارجي باستخدام مجموعة فرعية من ستة مواضيع، مع حساب الخطأ الفني النسبي للقياسات (rTEM) ومعامل الموثوقية (R) لضمان الدقة.
شملت التحليلات الإحصائية اختبار كروسكال-واليس لمقارنة القياسات عبر المجموعات، مع اختبارات مان-ويتني U اللاحقة لمزيد من المقارنات. تم استخدام تقنيات التعلم الآلي، وتحديدًا نمذجة الغابات العشوائية (RFM) وآلة الدعم الناقل (SVM)، لتصنيف السلالة بناءً على القياسات القحفية. استخدمت RFM طرق التجميع لتعزيز استقرار النموذج ودقته، بينما ركزت SVM على زيادة الهامش بين المجموعات لتحسين أداء التصنيف. كانت الدراسة تهدف إلى استكشاف فعالية هذه النماذج في التمييز بين الخصائص القحفية للسكان المختلفين.
النتائج
تشير النتائج إلى مجموعة من مقاييس الخطأ الزمني النسبي (rTEMs) تتراوح من 0.41% إلى 2.66% وقيم R تتراوح من 0.785 إلى 0.993، كما هو موضح في الجدول 3. أظهر تحليل 18 قياسًا أن الذكور في كل من السكان اليابانيين والأستراليين الغربيين أظهروا قيمًا متوسطة أعلى من نظرائهم الإناث، باستثناء عرض العظم الجبهي (FRB) في الأستراليين الغربيين. ومن الجدير بالذكر أن بعض القياسات مثل الطول القحفي الأقصى (MCL)، وعرض الوجنتين (ZYB)، وغيرها أظهرت اختلافات كبيرة بين المجموعات، حيث أكد اختبار كروسكال-واليس هذه الاختلافات (p < 0.001). أظهرت نماذج التعلم الآلي دقة تصنيف عالية، حيث حقق النموذج غير المحدد ثنائي الاتجاه 93.2% لنموذج الغابات العشوائية (RFM) و97.1% لآلة الدعم الناقل (SVM)، مع تفضيل خاص للعينة اليابانية. حقق النموذج الرباعي دقة إجمالية بلغت 84.0% لـ RFM و93.0% لـ SVM، حيث تم تصنيف الأفراد الإناث بدقة أكبر من الذكور. كما أبرزت تحليلات السلالة أن الإناث حققن معدلات تصنيف صحيحة أعلى (95.1% لـ RFM و100% لـ SVM) مقارنة بالذكور (91.4% لـ RFM و97.4% لـ SVM). حدد تحليل أهمية الميزات MCL وZYB وmaximum breadth (MXB) وbi-auricular breadth (BAE) كأهم القياسات التي تسهم في دقة التصنيف، كما هو موضح في الشكل 2 ومفصل في المورد عبر الإنترنت 2.
المناقشة
في هذه الدراسة، تم تحليل القياسات القحفية المستمدة من الأشعة المقطعية بعد الوفاة للسكان اليابانيين والأستراليين الغربيين لتقييم فائدتها في تقدير السلالة. شملت العينة 230 جثة بالغًا من اليابان و225 فردًا من أستراليا الغربية، مع معايير استبعاد صارمة لضمان سلامة الشكل القحفي. أظهرت النتائج اختلافات كبيرة في الأبعاد القحفية بين السكانين، حيث أظهر الأستراليون الغربيون قيمًا متوسطة أكبر لطول القحف الأقصى (MCL) وطول الباسيون-نازيون (BNL)، بينما كان لدى الأفراد اليابانيين ارتفاعات أكبر للماستوي الأيسر (LMH) والماستوي الأيمن (RMH). كانت دقة التصنيف للسلالة مرتفعة بشكل ملحوظ، حيث تجاوزت 90% عندما لم يتم اعتبار الجنس وتجاوزت 80% عندما تم ذلك.
كما أبرزت الدراسة فعالية خوارزميات التعلم الآلي، وخاصة آلات الدعم الناقل (SVM)، في تحقيق معدلات تصنيف أعلى مقارنة بنماذج الغابات العشوائية (RFM)، خاصة في عينات الإناث حيث تجاوزت الدقة 95%. على الرغم من النتائج الواعدة، اعترف المؤلفون بالقيود مثل التباينات في ظروف تصوير الأشعة المقطعية والحاجة إلى مزيد من البحث لاستكشاف قياسات هيكلية أخرى وتعزيز فهم التنوع القحفي الوجهي عبر مجموعات سكانية مختلفة. بشكل عام، تمثل هذه الدراسة تقدمًا كبيرًا في استخدام التصوير ثلاثي الأبعاد للأشعة المقطعية في الأنثروبولوجيا الجنائية وتقدير السلالة، داعية إلى إنشاء قواعد بيانات شاملة لتحسين جهود التعريف ومعالجة تعقيدات الشكل القحفي المتأثرة بالعوامل الوراثية والبيئية.
DOI: https://doi.org/10.1007/s00414-024-03159-6
PMID: https://pubmed.ncbi.nlm.nih.gov/38252284
Publication Date: 2024-01-22
Author(s): Suguru Torimitsu et al.
Primary Topic: Forensic Anthropology and Bioarchaeology Studies
Overview
This study investigates the morphological variation in cranial structures of Japanese and Western Australian individuals, emphasizing the importance of ancestry estimation for forensic applications. Utilizing computed tomography (CT) scans from 230 Japanese (111 female, 119 male) and 225 Western Australian adults (112 female, 113 male), the researchers calculated 18 cranial measurements and employed machine learning techniques, specifically random forest modeling (RFM) and support vector machines (SVM), to classify ancestry. The results indicated high classification accuracies, with the two-way unisex model achieving 93.2% for RFM and 97.1% for SVM, while the four-way sex and ancestry model reached 84.0% for RFM and 93.0% for SVM. Notably, sex-specific models yielded the highest accuracy in female samples, with SVM achieving 100%.
The findings confirm that cranial measurements from 3D CT images can effectively classify individuals by ancestry, marking a significant advancement in forensic anthropology. This research is pioneering in its approach to ancestry estimation using three-dimensional imaging of cranial measurements. The authors advocate for the collection of additional CT data from diverse populations to enhance the applicability of these methods and suggest further exploration of other skeletal measurements for ancestry estimation.
Introduction
The introduction of the research paper emphasizes the critical role of identifying unidentified human remains in forensic investigations, particularly in cases involving dismembered or severely damaged corpses. Estimating ancestry is highlighted as a challenging yet essential component of this identification process, as it aids in determining other biological attributes such as sex, age at death, and stature. The skull, particularly the midface region, is identified as the most diagnostic area for ancestry estimation, with two primary methodological approaches: morphoscopic (non-metric) and morphometric (metric). While non-metric methods are subjective and require extensive experience, metric methods are more objective due to clearly defined cranial measurements based on established landmarks.
The paper discusses the use of linear discriminant analysis (LDA) as a prevalent statistical method for ancestry estimation, facilitated by software tools like FORDISC and CRANID that provide statistical accuracy metrics. However, it notes a significant issue where American Southwest Hispanic skulls are often misclassified as Asian, particularly Japanese, underscoring the need for comparative studies across global populations. The authors propose utilizing computed tomography (CT) to accurately depict bone structures and acquire measurements comparable to real specimens. Notably, this study aims to investigate morphological differences between contemporary Japanese and Western Australian crania and assess the feasibility of ancestry classification using morphometric data obtained from multidetector CT images through machine learning techniques.
Methods
In this study, cranial imaging was conducted on Japanese and Western Australian subjects using two different CT scanning systems: a 16-row detector CT for Japanese participants and a 64-slice CT scanner for Western Australians. The scanning protocols included specific parameters such as collimation, tube voltage, and current. A total of 35 cranial landmarks were identified and measured on 3D images processed with MorphDB and Excel. To assess measurement reliability, intra- and inter-observer errors were evaluated using a subset of six subjects, with relative technical error of measurements (rTEM) and coefficient of reliability (R) calculated to ensure precision.
Statistical analyses included the Kruskal-Wallis test for comparing measurements across groups, with post hoc Mann-Whitney U tests for further comparisons. Machine learning techniques, specifically Random Forest Modeling (RFM) and Support Vector Machine (SVM), were employed to classify ancestry based on cranial measurements. RFM utilized ensemble methods to enhance model stability and accuracy, while SVM focused on maximizing the margin between groups to improve classification performance. The study aimed to explore the effectiveness of these models in distinguishing between the cranial characteristics of the different populations.
Results
The results indicate a range of relative temporal error measures (rTEMs) from 0.41% to 2.66% and R values from 0.785 to 0.993, as detailed in Table 3. Analysis of 18 measurements revealed that male subjects in both Japanese and Western Australian populations exhibited higher mean values than their female counterparts, with the exception of the frontal bone breadth (FRB) in Western Australians. Notably, certain measurements such as maximum cranial length (MCL), bi-zygomatic breadth (ZYB), and others showed significant inter-group differences, with the Kruskal-Wallis test confirming these differences (p < 0.001). Machine learning models demonstrated high classification accuracy, with the two-way unisex model achieving 93.2% for Random Forest Model (RFM) and 97.1% for Support Vector Machine (SVM), particularly favoring the Japanese sample. The four-way model yielded an overall accuracy of 84.0% for RFM and 93.0% for SVM, with female individuals being classified more accurately than males. Ancestry analyses further highlighted that females had higher correct classification rates (95.1% for RFM and 100% for SVM) compared to males (91.4% for RFM and 97.4% for SVM). Feature importance analysis identified MCL, ZYB, maximum breadth (MXB), and bi-auricular breadth (BAE) as the most significant measurements contributing to classification accuracy, as illustrated in Figure 2 and detailed in Online Resource 2.
Discussion
In this study, cranial measurements derived from postmortem CT scans of Japanese and Western Australian populations were analyzed to assess their utility in ancestry estimation. The sample included 230 adult corpses from Japan and 225 individuals from Western Australia, with strict exclusion criteria to ensure the integrity of cranial morphology. The findings indicated significant differences in cranial dimensions between the two populations, with Western Australians exhibiting larger mean values for maximum cranial length (MCL) and basion-nasion length (BNL), while Japanese individuals had larger left mastoid heights (LMH) and right mastoid heights (RMH). The classification accuracy for ancestry was notably high, exceeding 90% when sex was not considered and over 80% when it was.
The study also highlighted the effectiveness of machine learning algorithms, particularly Support Vector Machines (SVM), in achieving higher classification rates compared to Random Forest Models (RFM), especially in female samples where accuracy surpassed 95%. Despite the promising results, the authors acknowledged limitations such as variations in CT imaging conditions and the need for further research to explore other skeletal measurements and enhance the understanding of craniofacial diversity across different populations. Overall, this research represents a significant advancement in the use of 3D CT imaging for forensic anthropology and ancestry estimation, advocating for the establishment of comprehensive databases to improve identification efforts and address the complexities of cranial morphology influenced by both genetic and environmental factors.