Estimation of Stature Based on Metatarsal Bones in a Thai Population / Estimación de la Estatura Basada en los Huesos Metatarsianos en una Población Tailandesa

SUMMARY: Stature estimation is one of the essential procedures for personal identification in forensic osteology. Therefore, the purposes of this study are to analyze the correlation between length and width of metatarsal measurements and stature, and to develop the regression equations for a Thai population. In this study, the samples were divided into two groups. The first group was called the "training group" for generating stature estimation equations, comprised of 200 skeletons, aged between 19-94 years. The second group was called the "test group" for evaluating the accuracy of generated equations, comprising 40 skeletons. The correlation between metatarsal parameters and stature were moderate to high, and all variables had positive significant correlation with stature. For males, the left ML2 is the length variable that showed the most correlation degree against stature (r=0.702), and the left MSW4 is the width variable that had the most correlation degree against stature (r=0.483). For females, right ML1 is the length variable that had the most correlation degree against stature (r=0.632), and right PW3 is the width stature that had the most correlation degree against stature (r=0.481). For all samples, left ML1 was the length variable that had the most correlation degree against stature (r=0.796) and right PW3 was the width variable that had the most correlation degree against stature (r=0.712). The results of generating multiple regression equations using a stepwise method reveals that the correlation coefficient (R) and standard error of estimate (SEE) were 0.761 and 4.96 cm, respectively, for males, and 0.752 and 4.93 cm for females, with 0.841 and 5.26 cm for all samples, respectively. According to these results, the mean of absolute error from the test group ranged from 3 to 5 cm. Therefore, stature estimation equations using length and width of metatarsals from our study can be applied to estimate stature in the Thai population.

La estimación de la estatura es uno de los procedimientos esenciales para la identificación personal en osteología forense. Por lo tanto, los propósitos de este estudio fueron analizar la correlación entre la longitud y el ancho de las medidas metatarsianas y la estatura, y desarrollar las ecuaciones de regresión para una población tailandesa. Las muestras se dividieron en dos grupos. El primer grupo se denominó "grupo de entrenamiento" para generar ecuaciones de estimación de estatura, compuesto por 200 esqueletos, con edades comprendidas entre los 19 y los 94 años. El segundo grupo se denominó "grupo de prueba" para evaluar la precisión de las ecuaciones generadas, que comprende 40 esqueletos. La correlación entre los parámetros metatarsianos y la estatura fue de moderada a alta, y todas las variables tuvieron una correlación significativa positiva con la estatura. Para el sexo masculino, la variable longitud ML2 izquierda es la que mayor grado de correlación presentó con la estatura (r=0,702), y la izquierda MSW4 fue la variable ancho la que mayor grado de correlación presentó con la estatura (r=0,483). Para el sexo femenino, ML1 derecho fue la variable longitud que tuvo mayor grado de correlación con la estatura (r=0,632), y PW3 derecha fue la variable ancho estatura que tuvo mayor grado de correlación con la estatura (r=0,481). Para todas las muestras, ML1 izquierdo fue la variable longitud que tuvo mayor grado de correlación con la estatura (r=0,796) y PW3 derecha fue la variable ancho que tuvo mayor grado de correlación con la estatura (r=0,712). Los resultados de generar ecuaciones de regresión múltiple usando un método paso a paso revela que el coeficiente de correlación (R) y el error estándar de estimación (SEE) fueron 0,761 y 4,96 cm, respectivamente, para los hombres y 0,752 y 4,93 cm para las mujeres, con 0,841 y 5,26 cm para todas las muestras, respectivamente. De acuerdo con estos resultados, la media del error absoluto del grupo de prueba osciló entre 3 y 5 cm. Por lo tanto, las ecuaciones de estimación de la estatura que utilizan la longitud y el ancho de los metatarsianos de nuestro estudio se pueden aplicar para estimar la estatura en la población tailandesa.

A comparative study of visual assessment between dry bone, 2-dimensional photograph, and deep learning methods in sex classification on the auricular area of the os coxae in a Thai population / Un estudio comparativo de la evaluación visual entre el hueso seco, la fotografía bidimensional y los métodos de aprendizaje profundo en la clasificación del sexo en el área auricular del hueso coxal en una población tailandesa

SUMMARY: Sex assessment is an important process in forensic identification. A pelvis is the best skeletal element for identifying sexes due to its sexually dimorphic morphology. This study aimed to compare the accuracy of the visual assessment in dry bones as well as 2D images and to test the accuracy of using a deep convolutional neural network (GoogLeNet) for increasing the performance of a sex determination tool in a Thai population. The total samples consisted of 250 left os coxa that were divided into 200 as a 'training' group (100 females, 100 males) and 50 as a 'test' group. In this study, we observed the auricular area, both hands-on and photographically, for visual assessment and classified the images using GoogLeNet. The intra-inter observer reliabilities were tested for each visual assessment method. Additionally, the validation and test accuracies were 85, 72 percent and 79.5, 60 percent, for dry bone and 2D image methods, respectively. The intra- and inter-observer reliabilities showed moderate agreement (Kappa = 0.54 - 0.67) for both visual assessments. The deep convolutional neural network method showed high accuracy for both validation and test sets (93.33 percent and 88 percent, respectively). Deep learning performed better in classifying sexes from auricular area images than other visual assessment methods. This study suggests that deep learning has advantages in terms of sex classification in Thai samples.

RESUMEN: La evaluación del sexo es un proceso importante en la identificación forense. La pelvis es el mejor elemento esquelético para identificar sexos debido a su morfología sexualmente dimórfica. Este estudio tuvo como objetivo comparar la precisión de la evaluación visual en huesos secos, así como imágenes 2D y probar la precisión del uso de una red neuronal convolucional profunda (GoogLeNet) para aumentar el rendimiento de una herramienta de determinación de sexo en una población tailandesa. Las muestras consistieron en 250 huesos coxales izquierdos, los que fueron dividi- das de la siguiente manera: 200 como un grupo de "entrenamiento" (100 mujeres, 100 hombres) y 50 como un grupo de "prueba". En este estudio, observamos el área auricular, tanto de forma práctica como fotográfica, para una evaluación visual y clasificamos las imágenes utilizando GoogLeNet. Se analizó la confiabilidad intra-interobservador para cada método de evaluación visual. Además, las precisiones de validación y prueba fueron del 85, 72 por ciento y 79,5, 60 por ciento, para los métodos de hueso seco y de imágenes 2D, respectivamente. Las confiabilidades intra e interobservador mostraron un acuerdo moderado (Kappa = 0.54 - 0.67) para ambas evaluaciones visuales. El método de red neuronal convolucional profunda mostró una alta precisión tanto para la validación como para los conjuntos de prueba (93,33 por ciento y 88 por ciento, respectivamente). El aprendizaje se desempeñó mejor en la clasificación de sexos a partir de imágenes del área auricular que otros métodos de evaluación visual. Este estudio sugiere que el aprendizaje profundo tiene ventajas en términos de clasificación por sexo en muestras tailandesas.