Egyptian Journal of Forensic Sciences· 2026Q2
Makine öğrenimi, burun morfolojisinin adli tıp açısından cinsiyet ve etnik köken potansiyelini ortaya koyuyor
Machine learning-based comparative analysis of nasal morphology: Forensic implications for sexual dimorphism and ethnic variation
- 0atıf
- Q2SCImago
- 2026yıl
Kısa özet
Makine öğrenimi modelleri, 500 Kuzey Hindistanlıdan alınan 18 burun morfolojik parametresine dayanarak cinsiyeti (SVM ile %69'a kadar) ve etnik kökeni (Random Forest ile %75'e kadar) doğru bir şekilde tahmin etti; burun kökü yüksekliği ve burun boyutu önemli cinsiyet belirleyicileri oldu.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Makine öğrenimi modelleri (SVM, Random Forest, CatBoost), 500 Kuzey Hindistanlıdan alınan 18 burun morfolojik parametresi üzerinde eğitildi.
- Cinsiyet tahmini doğruluğu %69'a (SVM), etnik köken sınıflandırma doğruluğu ise %75'e (Random Forest) ulaştı.
- Burun kökü yüksekliği ve burun boyutu, cinsiyet tahmini için tutarlı belirleyiciler olarak belirlendi.
- Burun morfolojisi, cinsiyetten daha fazla etnik köken için daha büyük varyasyon göstererek, etnik kimliklendirme için daha yüksek adli fayda sağlamaktadır.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Abstract Background The human nose is a prominent facial feature whose morphoscopic traits offer valuable insights into an individual's ancestry, sex, and personal identification. The study aims to evaluate the nasal morphological features to explore sexual dimorphism and ethnic differences among the two North Indian population groups using three machine learning models: Random Forest Classifier (RFC), CatBoost (CB), and Support Vector Machine (SVM). Results Snapshots of the noses of 500 participants (18–35 years) from frontal, basal, and lateral profiles belonging to two genetically distinct endogamous populations (i.e., Rajputs and Brahmins ) from North India, were collected. A total of eighteen morphoscopic parameters such as nose size, nasal bridge profile, etc. were considered and evaluated through standard procedures. Data were pre-processed and underwent a single train-test split into 80:20 ratio along with a fivefold cross-validation method. Customised machine learning models predicted sex and ethnicity, with SHAP (SHapley Additive exPlanations) used for interpretability, while intra-observer reliability was assessed to ensure data consistency. Support Vector Machine performed slightly best for sex estimation (69%), followed by Random Forest (68%) and CatBoost (62%). For ethnicity, Random Forest performed slightly better, achieving 75% accuracy, followed by CatBoost (72%) and Support Vector Machine (70%). SHAP analysis revealed nasal root height and nose size as consistent sex predictors, whereas ethnicity classification relied on a more variable traits across models. Moreover, fivefold cross-validation results provided an assessment of model performance stability. Conclusion Nasal morphoscopic parameters show greater ethnicity than sex, underscoring their forensic utility in sex and ethnicity estimation.
Yazarların özeti; kaynağından alınmıştır. Egyptian Journal of Forensic Sciences, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Arkeoloji (Sanat ve Beşeri Bilimler)
ArcheologyArts and Humanities