การพัฒนาต้นแบบปัญญาประดิษฐ์ในการจำแนกเพศจากภาพถ่ายเอกซเรย์คอมพิวเตอร์ของกะโหลกด้านข้างบริเวณกระดูกสันคิ้วและสันกระดูกท้ายทอย ในประชากรไทย
คำสำคัญ:
ปัญญาประดิษฐ์, การจำแนกเพศ , ภาพการตรวจเอกซเรย์คอมพิวเตอร์ , กระดูกสันคิ้ว , สันกระดูกท้ายทอยบทคัดย่อ
บทนำ : การศึกษากะโหลกศีรษะในงานนิติวิทยาศาสตร์มีบทบาทสำคัญในการระบุอัตลักษณ์บุคคล โดยเฉพาะในกรณีที่พบเพียงชิ้นส่วนกะโหลก ซึ่งอาจมีข้อจำกัดทั้งด้านสภาพแวดล้อม เวลา และข้อกำหนดทางศาสนา ปัจจุบันการประยุกต์ใช้ปัญญาประดิษฐ์ (Artificial Intelligence: AI) โดยเฉพาะอัลกอริธึมแบบ Deep Learning มีแนวโน้มที่สามารถสนับสนุนกระบวนการจำแนกเพศจากโครงสร้างกะโหลกศีรษะได้อย่างมีประสิทธิภาพ
วัตถุประสงค์การวิจัย : งานวิจัยนี้เพื่อพัฒนาต้นแบบ AI สำหรับจำแนกเพศจากภาพเอกซเรย์คอมพิวเตอร์ของกะโหลกศีรษะด้านข้าง โดยมุ่งเน้นที่ตำแหน่งกระดูกสันคิ้วและสันกระดูกท้ายทอยในประชากรไทย
วิธีการดำเนินการวิจัย : โดยใช้ภาพ CT scan ของกะโหลกศีรษะด้านข้างจำนวน 190 ตัวอย่าง แบ่งเป็นชุดพัฒนาโมเดล 150 ตัวอย่าง และชุดทดสอบ 40 ตัวอย่าง โดยใช้โมเดล Roboflow 3.0 Object Detection (Accurate) ซึ่งเป็นสถาปัตยกรรมแบบ Deep Learning (YOLOv8-compatible) สร้างโมเดล 2 แบบ คือ แบบที่มีการเพิ่มข้อมูล (augmentation) และไม่เพิ่มข้อมูล ดำเนินการเปรียบเทียบค่าประสิทธิภาพ ได้แก่ ค่าความแม่นยำเฉลี่ยในการตรวจจับตำแหน่งวัตถุเป้าหมาย (mAP@50), ค่าความแม่นยำ (precision) และ ค่าความสามารถของโมเดลในการตรวจจับวัตถุจริงได้ครบถ้วน (recall) และเปรียบเทียบกับค่าพารามิเตอร์กะโหลก MCL และ OCC ที่ได้จากการวัดเชิงกายวิภาค
ผลการศึกษา : โมเดลที่ผ่านการเพิ่มข้อมูลให้ค่า Precision ร้อยละ 98.1 และ Recall ร้อยละ 99.9 สูงกว่าแบบไม่เพิ่มข้อมูล ขณะที่ mAP@50 ทั้งสองโมเดลอยู่ที่ร้อยละ 99.5 ในชุด unknown พบว่าโมเดลที่ผ่านการเพิ่มข้อมูลตรวจจับได้ 39 จาก 40 ภาพ พร้อมค่าความมั่นใจสูง (โดยเฉพาะเพศชายสูงถึงร้อยละ 95) ในขณะที่ค่าความถูกต้องจากการวัด MCL และ OCC อยู่ที่ร้อยละ 76.31 และ ร้อยละ 52.65 ตามลำดับ
สรุปผล : ต้นแบบปัญญาประดิษฐ์ที่พัฒนาขึ้นสามารถจำแนกเพศจากภาพกะโหลกศีรษะด้านข้างได้อย่างแม่นยำและเสถียร โดยเฉพาะเมื่อใช้เทคนิคการเพิ่มข้อมูลภาพ มีแนวโน้มที่จะประยุกต์ใช้ในงานนิติวิทยาศาสตร์ของไทยในอนาคตได้อย่างมีศักยภาพ
เอกสารอ้างอิง
บางกอกบรอดคาสติ้ง แอนด์ ทีวี. ล่าเบาะแส ปริศนากะโหลกสาวผมแดง [อินเทอร์เน็ต]. 28 พฤษภาคม2568 [เข้าถึงเมื่อ 1 กรกฎาคม พ.ศ. 2568]. เข้าถึงได้จาก: https://news.ch7.com/detail/805391.
สยามรัฐ. เจ้าหน้าที่นิติเวชตรวจสอบชิ้นส่วนกะโหลกศีรษะและชิ้นส่วนสะบักซ้าย [อินเทอร์เน็ต]. 23 เมษายน 2567 [เข้าถึงเมื่อ 1 กรกฎาคม 2568]. เข้าถึงได้จาก: https://siamrath.co.th/n/531058
ประชาไทย. เช็คข้อพิพาทระหว่างกระบวนการชันสูตรพลิกศพกับหลักศาสนบัญญัติ [อินเทอร์เน็ต]. 1 มกราคม 2565 [เข้าถึงเมื่อ 1 กรกฎาคม 2568]. เข้าถึงได้จาก: https://prachatai.com/journal/2022/01/96693
Uabundit N, Chaiyamoon A, Iamsaard S, Yurasakpong L, Nantasenamat C, Suwannakhan A, Phunchago N. Classification and Morphometric Features of Pterion in Thai Population with Potential Sex Prediction. Medicina. 2021; 57(11):1282. doi: 10.3390/medicina57111282
Mahakkanukrauh P, Sinthubua A, Prasitwattanaseree S, Ruengdit S, Singsuwan P, Praneatpolgrang S, Duangto P. Craniometric study for sex determination in a Thai population. Anat Cell Biol. 2015;48(4):275–283. doi:10.5115/acb.2015.48.4.
Zhan MJ, Cui JH, Zhang K, Chen YJ, Deng ZH. Estimation of stature and sex from skull measurements by multidetector computed tomography in Chinese. Leg Med (Tokyo). 2019; 41:101625. doi:10.1016/j.legalmed.2019
Gallagher J. Announcing Roboflow Train 3.0. Roboflow Blog [Internet]. 2023 Jul. 11 [cited 2025 Nov. 9]; Available from:https://blog.roboflow.com/roboflow-train-3-0/
Packirisamy V, Aljarrah K, Nayak SB. Morphometric evaluation of the orbital region for sex determination in a Saudi Arabian population using 3DCT images. Anat Sci Int. 2024 ;99(1):118-126. doi: 10.1007/s12565-023-00742-6
Hoshioka Y, Torimitsu S, Makino Y, Yajima D, Chiba F, Yamaguchi R, Inokuchi G, Motomura A, Tsuneya S, Iwase H. Sex estimation from skull measurements of a contemporary Japanese population using three-dimensional computed tomography images. Int J Legal Med. 2025 ;139(1):383-391. doi: 10.1007/s00414-024-03319-8
Torimitsu S, Nakazawa A, Flavel A, Swift L, Makino Y, Iwase H, et al. Estimation of ancestry from cranial measurements based on MDCT data acquired in a Japanese and Western Australian population. Int J Legal Med. 2024;138:1193–1203. doi:10.1007/ s00414-024-03159-6
Simmons-Ehrhardt TL, Parks CL, Monson KL. Cranial and facial inter-landmark distances and tissue depth dataset from computed tomography scans of 388 living persons. Data Brief. 2022; 43:108334. doi:10.1016/j.dib. 2022.108334
Shorten C, Khoshgoftaar TM. A survey on Image Data Augmentation for Deep Learning. J Big Data. 2019 (60). doi: 10.1186/s40537-019-0197-0.
Elgendi M, Nasir MU, Tang Q, Smith D, Grenier JP, Batte C, et al. The effectiveness of image augmentation in deep learning networks for detecting COVID-19: a geometric transformation perspective. Front Med (Lausanne). 2021;8:629134. doi:10.3389/fmed. 2021.629134
RSD. Sex estimation of Brazilian skulls using discriminant analysis of cranial measurements. [Internet]. 2021 Aug. 10 [cited 2025 Jul. 30];10(10):e266101018760. Available from: https://rsdjournal.org/rsd/article/view/18760
Toy S, Secgin Y, Oner Z, Turan MK, Oner S, Senol D. A study on sex estimation by using machine learning algorithms with parameters obtained from computerized tomography images of the cranium. Sci Rep. 2022;12(1):4278. doi:10.1038/ s41598-022-07415-w
Lopez-Capp TT, Rynn C, Wilkinson C, Paiva LAS, Michel-Crosato E, Biazevic MGH. Sexing the Cranium from the Foramen Magnum Using Discriminant Analysis in a Brazilian Sample. Braz Dent J. 2018; 29(6):592-598. doi: 10.1590/0103-6440201802087.
Toneva D, Nikolova S, Agre G, Harizanov S, Fileva N, Milenov G, Zlatareva D. Enhancing Sex Estimation Accuracy with Cranial Angle Measurements and Machine Learning. Biology. 2024; 13(10):780. doi: 10.3390/biology13100780
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2026 วารสารโรงพยาบาลธรรมศาสตร์เฉลิมพระเกียรติ
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
