中國維吾爾族人顱骨性別識別方法

（西北大學信息科學與技術學院，陜西 西安 710127）

在法醫學鑒定實踐中，經常遇到尸體被肢解并高度腐敗或重大災難中只遺留尸骨的情況。從零碎骨骼中獲取死者身份信息變得尤為重要。性別識別是骨骼遺骸鑒定的第一步也是鑒定的關鍵，其將可能的身份匹配數量減少近50%，也為面部重建提供基本參考。

骨盆、顱骨、股骨、脛骨、肱骨、橈骨和下頜骨都可用于性別識別[1]。但有研究[2-3]表明，骨盆是性別評估中最可靠的指標，其次為顱骨。但骨盆不易保存且易碎，而顱骨由硬組織組成，在大多數情況下可以保存完好且性別二態性特征的穩定性更好。因此，顱骨成為性別識別中最常用的骨骼。

顱骨性別的確定在法醫學、人類學、面貌復原及識別未知顱骨等領域都有重要價值，隨著計算機技術和統計學研究理論的成熟，借助信息技術完成各項研究成為科研熱點。運用三維數字化信息實現顱骨性別判別的研究具有重大的科研及實用價值，通過測量顱骨相關指標進行性別分析已成為法醫人類學的研究熱點。本研究擬對我國新疆吐魯番地區維吾爾族人群的三維顱骨數字模型相關指標進行測量和分析，并建立多元回歸性別判別函數，為實際應用提供參考。

1 材料與方法

1.1 樣本及顱骨特征點

本研究的顱骨數據采集自新疆吐魯番地區的維吾爾族志愿者（均已知情同意），由托克遜縣人民醫院使用西門子64排螺旋CT機采集，掃描間隔為1.5mm，每人CT圖像數量為200～300張。共收集了117個性別明確的成年人的完整顱骨數據，其中男性60個，女性57個，年齡為21～60歲。將CT圖像重建得到顱骨三維模型，參考法醫學和人類形態學[4]定義了顱骨的29個特征點。

利用本課題組自主研發的軟件對顱骨三維建模并將其調整在Frankfurt坐標系[5]下，然后利用自主研發的特征點標定系統手工標定上述29個顱骨特征點，如圖1所示。

1.2 測量指標的定義

對定義的29個特征點，依據《人體測量方法》[6]使用西北大學可視化技術研究所自主開發的顱面測量軟件進行自動化測量。結合實際需求，本研究定義了16項測量指標，如表1所示。

圖1 顱骨三維模型及特征點

表1 測量指標及其定義

1.3 統計學處理

使用SPSS 22.0軟件進行統計分析。各指標的測量數據采用±s表示。使用t檢驗對各測量指標在男女性間的差異進行比較，檢驗水準α=0.05。

1.4 顱骨性別判別函數的建立及檢驗

本研究采用Logistic回歸方法對顱骨性別進行鑒定，并通過回代檢驗驗證其判定的準確率。

從117個顱骨模型中隨機選擇78個（男性40個，女性38個）作為訓練樣本，采用基于最大似然估計的Logistic回歸方法建立回歸模型，并用其余的39個顱骨（男性20個，女性19個）根據建立的回歸模型進行性別預測，完成回代檢驗。

考慮到實際考古發掘現場或殺人毀尸案件中破損顱骨更為常見，針對破損顱骨建立適合的判別函數具有重要意義。由于破損顱骨數據獲取困難，本研究利用上述117個完整顱骨模型分別模擬無額骨、無枕骨、無下頜骨的破損顱骨來建立破損顱骨的性別判別函數。分別在117個無額骨模型、117個無枕骨模型、117個無下頜骨模型中隨機各選擇78個（男性40個，女性38個）作為訓練樣本，采用基于最大似然估計的Logistic回歸方法建立回歸模型，并用其余的39個顱骨（男性20個，女性19個）根據建立的回歸模型進行性別預測，完成回代檢驗。

用P（y=1|x）表示在測量項的約束下，判別為男性的概率；P（y=0|x）表示在測量項的約束下，判別為女性的概率。其中，P（y=0|x）=1-P（y=1|x）。

2 結 果

2.1 測量指標的結果

利用顱面測量軟件測量三維顱骨模型的各項指標，所有樣本的16項測量指標結果見表2。除鼻寬（x7）和顱骨最大寬（x13）外，其余14個指標在男女性間差異均有統計學意義（P＜0.05），其中僅枕外隆凸度夾角（x9）的女性均值大于男性。

表2 男性和女性16項指標的測量結果 （±s）

表2 男性和女性16項指標的測量結果 （±s）

注：與男性相比，P＜0.05

女性（n=57）177.8±3.11）97.7±5.81）43.6±3.31）168.6±5.71）136.4±5.5 12.9±2.91）9.2±3.11）50.2±4.11）指標x1/mm x2/mm x3/mm x4/°x5/mm x6/mm x7/mm x8/mm男性（n=60）98.7±3.1 24.9±2.7 106.3±5.1 32.3±8.9 113.5±4.9 110.9±5.9 26.5±2.1 29.9±2.7女性（n=57）95.2±3.51）23.8±2.11）103.8±4.61）29.4±5.61）110.1±5.61）107.9±4.91）25.7±1.7 29.4±8.91）指標x9/°x10/mm x11/mm x12/mm x13/mm x14/mm x15/mm x16/mm男性（n=60）167.0±11.1 102.3±6.4 45.7±3.9 178.1±7.4 138.7±6.3 13.4±3.6 9.6±2.6 52.3±4.4

2.2 顱骨性別判定結果

2.2.1 完整顱骨模型

針對作為訓練樣本的78個顱骨模型，基于最大似然估計的 Logistic回歸方法建立以x4、x6、x12、x15、x16為自變量的性別判別函數，如下所示：

利用式（1）對作為測試樣本的39個顱骨模型進行回代檢驗。其中：20個男性顱骨中有18個被正確分類，判別準確率為90.0%；19個女性顱骨中有18個被正確分類，判別準確率為94.7%。總體判別準確率為92.3%。

2.2.2 無額骨模型

對于無額骨的顱骨可測量x10、x11、x16指標，采用基于最大似然估計的Logistic回歸方法建立以x10、x11、x16為自變量的性別判別函數：

利用式（2）對作為測試樣本的39個顱骨模型進行回代檢驗。其中：20個男性顱骨中有17個被正確分類，判別準確率為85.0%；19個女性顱骨中有16個被正確分類，判別準確率為84.2%。

2.2.3 無枕骨模型

對于無枕骨的顱骨可測量x4指標，采用基于最大似然估計的Logistic回歸方法建立以x4為自變量的性別判別函數：

利用式（3）對作為測試樣本的39個顱骨模型進行回代檢驗。其中：20個男性顱骨中有16個被正確分類，判別準確率為80.0%；19個女性顱骨中有14個被正確分類，判別準確率為73.7%。

2.2.4 無下頜骨模型

對于無下頜骨的顱骨可測量x5、x9指標，采用基于最大似然估計的Logistic回歸方法建立以x5、x9為自變量的性別判別函數：

利用式（4）對作為測試樣本的39個顱骨模型進行回代檢驗。其中：20個男性顱骨中有17個被正確分類，判別準確率為85.0%；19個女性顱骨中有15個被正確分類，判別準確率為78.9%。

3 討 論

在法醫學和人類學領域，顱骨性別判別常用的方法是觀察法[7-8]、測量法[9-10]和統計法[11]。觀察法依賴于鑒定人對男女性顱骨之間形態特征差異的理解，主觀性較強，誤差大。使用測量法在對顱骨進行測量時，會對顱骨造成二次破壞且精度不高。隨著計算機的應用越來越廣泛，研究者開始使用計算機輔助顱骨測量，但由于顱骨結構復雜，精確的測量相當困難，且隨著年齡的變化，顱骨的大小也會發生改變。統計法是建立在測量法的基礎上，利用統計學方法對各類測量指標進行分析，并轉化為數學模型，進而得到判別結果，但準確度還有待進一步提高。隨著統計學、計算機技術和CT技術的發展，計算機輔助技術實現顱骨性別判別已成為法醫學、人類學以及考古學領域的重要研究內容。

利用醫學影像設備采集活體顱骨的相關實驗數據，利用顱面測量軟件測量和統計各類測量指標，可以提高判別準確率和效率。本研究采用由CT設備獲取的顱骨數據，對顱骨三維模型建立了由5個測量指標作為自變量的多元回歸性別判別函數，對新疆吐魯番地區維吾爾族人群成年人完整顱骨進行性別判別。由測量指標結果可知，枕外隆凸度夾角的測量結果為女性均值大于男性，與李加善等[12]的研究結果一致。枕外隆凸度夾角是枕外隆凸向兩側的弓形骨嵴間的角度，由于男性枕外隆凸粗大，形成的角度相對較小,女性枕外隆凸細小，所以角度相對較大。鼻寬和顱骨最大寬這兩項測量指標結果均值在男女性間差異無統計學意義，和李明等[13]的研究結果一致。同時，本研究結果表明：成年人完整顱骨男性的判別準確率為90.0%，女性的判別準確率為94.7%，總體判別準確率為92.3%，能夠為實際工作提供參考；用完整顱骨分別模擬無額骨、無枕骨、無下頜骨的不完整顱骨模型，無額骨顱骨的男、女性判別準確率分別為85.0%、84.2%，無枕骨顱骨的男、女性判別準確率分別為80.0%、73.7%，無下頜骨顱骨的男、女性判別準確率分別為85.0%、78.9%；完整顱骨的性別判別準確率高于無額骨、無枕骨、無下頜骨的顱骨。

近年來，國內外學者對顱骨性別判別進行了研究。國外SHAH等[14]利用Logistic回歸方法和判別函數對901名健康的古吉拉特人進行顱骨性別判別，男、女性判別準確率分別為92.0%、80.9%；AMORESAMPUERO[15]對109個西班牙人顱骨樣本測量了6項特征指標，并建立判別函數，判別準確率為75.7%；AJANOVIC等[16]測量了波斯尼亞人頭骨的7個線性直徑指標，使用多元邏輯回歸建立判別函數，男、女性判別準確率分別為85%、68%。國內李明等[13]根據我國西南地區成年人顱骨的16項指標建立了單變量判別函數和多變量判別函數，發現以顱周長和鼻高為指標的多變量判別函數的判別準確率最高，男、女性判別準確率分別為89.2%、90.0%；稅午陽等[17]對西安地區成年人顱骨進行性別鑒定時，利用計算機輔助方法測量了14項三維顱骨特征指標，采用步進Fisher法建立了包含4項特征指標的多元性別判別函數，男、女性判別準確率分別為87.5%、86.67%。本研究得到的男、女性判別準確率均高于上述報道。劉玉勇[18]使用Photoshop軟件測量了華北地區142例成年人顱骨正位X線片上的13個特征指標，利用判別分析得到95%的性別判別準確率。任榮榮等[19]通過整合可測量和非可測量特征，將非線性降維和非線性分類結合的方法對94例漢族成年人顱骨進行性別判別，準確率高達96.36%。上述研究的判別準確率略高于本研究，但是他們都是僅對完整顱骨進行了性別鑒定，沒有考慮不完整顱骨的情況，然而實際情況中不完整顱骨更為常見，如考古遺址或刑事案件等。因此，本研究不僅對完整顱骨進行了性別鑒定，還考慮到不完整顱骨性別鑒定的情況，并取得了較好的判別準確率，更加具有實用價值。有研究[20-21]表明，不同的人群具有不同的骨骼特征，因此對特定人群進行性別判別分析至關重要。因研究對象種族不同、樣本量不同，方法也有差異，顱骨性別判別的準確率也有所不同，但在應用中都有其參考價值。

顱骨樣本的規模和性別判別方法的選取直接決定了性別判別結果的準確性。大量顱骨樣本模型為性別判別提供了數據基礎，但對性別判別方法性能的優化也是難點。本研究采用計算機輔助測量顱骨模型中具有性別差異的指標，通過Logistic回歸方法建立性別判別函數，與以往研究相比，判別準確率有所提高，并且考慮了不完整顱骨的情況。同時，使用計算機技術使得操作簡單快速、誤差小，在實際應用中值得推廣。