Amrant Singh*, Savid Gershony
Hintergrund: Gaumenfalten sind eine Reihe von Furchen am harten Gaumen des Mundes mit hoher Haltbarkeit und Stabilität, was sie zu einem nützlichen Hilfsmittel zur Identifizierung von Opfern von Katastrophen macht. Darüber hinaus sind bestimmte Merkmale der Gaumenfalten geschlechts- oder altersübergreifend. Derzeit müssen forensische Zahnärzte Gaumenfaltenabdrücke manuell untersuchen, um das Geschlecht einer Person zu bestimmen, ein zeitaufwändiger Prozess, der anfällig für Voreingenommenheit und menschliches Versagen ist.
Methodik: Ziel dieses Projekts war es, den Prozess der palatoskopiebasierten Klassifizierung zu automatisieren. Dies geschah durch die Entwicklung der Rugae Classification Sequence (RCS), einem umfassenden Tool zur Geschlechtsbestimmung auf Grundlage von Merkmalen der Gaumenfalten. Zunächst wurden wichtige Daten zu Gaumenfalten – nämlich Gaumenlänge, Gaumenbreite, Alter und Geschlecht des Probanden – aus anonymisierten Gaumenbildern extrahiert, um eine Grundlage für Trainings- und Testdaten zu schaffen. Der Datensatz wurde in eine Reihe von maschinellen Lernalgorithmen eingespeist, insbesondere Random Decision Forest, Decision Tree Classifier, Logistic Binary Classifier und K-Nearest Neighbors. Jedes Modell wurde dann einer umfassenden Hyperparameter-Optimierung unterzogen, um die Genauigkeit und Robustheit bei der Vorhersage des Geschlechts anhand der anatomischen Eigenschaften der Gaumenfalten zu maximieren.
Ergebnisse: Im Testsatz erreichte der K-Nearest-Neighbor-Algorithmus mit 65 % bzw. 68 % die höchste Genauigkeit und Spezifität und erfüllte damit die Designanforderungen einer Mindestgenauigkeit von 60 % bei der Geschlechtsklassifizierung.
Schlussfolgerung: Das RCS ist eine neuartige Anwendung des maschinellen Lernens in der Palatoskopie und verfügt mit diesen Ergebnissen über das Potenzial für eine Anwendung im großen Maßstab. Tatsächlich könnte es Forensikern ein effizienteres und zuverlässigeres Instrument zur Identifizierung von Opfern anhand von Zahnresten an die Hand geben.