Parameter dice

1 Unet 1,962,625 0.8788

2 Unet 1,179,121 0.5747
3 Unet 31,031,685 Hitam semua
4 MobileNetV2 416,209 0.7917 berwarna

Hasil 2
https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_morphological_ops/py_morpholo
https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_colorspaces/py_colorspaces.html

Z. Ying, G. Li, Y. Ren, R. Wang, and W. Wang, “A new image contrast enhancement algorithm using exposure fusio
Z. Ying, G. Li, Y. Ren, R. Wang, and W. Wang, “A New Low-Light Image Enhancement Algorithm Using Camera R

Hasil 1

Hasil 4
gical_ops/py_morphological_ops.html
s/py_colorspaces.html

m using exposure fusion framework,” Lect. Notes Comput. Sci. (including Subser. Lect. Notes Artif. Intell. Lect. Notes Bioinfor
orithm Using Camera Response Model,” Proc. - 2017 IEEE Int. Conf. Comput. Vis. Work. ICCVW 2017, vol. 2018-Janua, no. 2
l. Lect. Notes Bioinformatics), vol. 10425 LNCS, pp. 36–46, 2017.
vol. 2018-Janua, no. 2014, pp. 3015–3022, 2017.
Melakukan Segmentasi Mandibula

Artikel Conference & Jurnal

Segmentasi Mandibula Radiografi Panoramik

Automatic Segmentation of Mandibular Cortical Bone on Cone-

Beam CT Images Based on Histogram Thresholding and
Polynomial Fitting (Indraswari, Arifin, et al., 2019)

Automated Measurement of Mandibular Cortical Width on Dental

Panoramic Radiographs (Muramatsu et al., 2013)

Automatic Segmentation of Mandible in Panoramic X-ray (Abdi

et al., 2015)

Segmentation of the Mandibular Canal in Cone-Beam CT Data

(Kroon, 2011)
The Use of Pre and Post Processing to Enhance Mandible
Segmentation using Active Contours on Dental Panoramic
Radiography Images (Conference 2020)

Mengusulkan Segmentasi Mandibula dengan Ensemble

Segmentasi Deep Learning
 Melakukan Ekstraksi Fitur b

Ekstraksi Fitur Mandibula

A novel geometric feature extraction method for ear recognition (Omara et al., 2016)

A local feature with multiple line descriptors and its speeded-up

matching algorithm (Shi & Wang, 2017)

A novel classifier based on shortest feature line segment (Han et

al., 2011)

A robust geometric mean-based subspace discriminant analysis

feature extraction approach for image set classification (Gao & Li,
2019)
Mengusulkan Ekstraksi 11 Fitur Mandibula dengan Geometri
Garis dan Sudut
Melakukan Ekstraksi Fitur bagian
Mandibula Radiografi

Artikel Jurnal

Sistem Identifikasi Jenis Kelamin dan Pengelompokan Usia

Assessment of Effect of Age, Gender, and Dentoalveolar Changes

on Mandibular Morphology: A Digital Panoramic Study (Sairam
et al., 2018)

Mandibular ramus: An indicator for sex determination - A digital

radiographic study (Markande et al., 2012)

Mengusulkan Identifikasi Jenis Kelamin dan Pengelompokan Usia

dengan Deep Learning
Sistem Identifikasi Jenis Kelamin dan
Pengelompokan Usia Manusia
https://github.com/zym1119/DeepLabv3_MobileNetv2_PyTorch
https://arxiv.org/abs/1801.04381
https://towardsdatascience.com/review-mobilenetv2-light-weight-model-image-classification-8febb490e61c
https://github.com/pytorch/vision/blob/6db1569c89094cf23f3bc41f79275c45e9fcb3f3/torchvision/models/mobilenet.py#L7
https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_thresholding/py_thresholding.html

y[y==127] = 0
y[y==255] =1
https://idiotdeveloper.com/unet-segmentation-with-pretrained-mobilenetv2-as-encoder/
https://ai.googleblog.com/2018/04/mobilenetv2-next-generation-of-on.html

unet++
https://arxiv.org/abs/1807.10165
unet
https://arxiv.org/abs/1505.04597

MobileNet
https://machinethink.net/blog/mobile-architectures/
https://github.com/tensorflow/tensorflow/blob/v2.5.0/tensorflow/python/keras/applications/mobilenet.py#L80-L313
MobilenNetV2
https://github.com/tensorflow/tensorflow/blob/v2.5.0/tensorflow/python/keras/applications/mobilenet_v2.py#L92-L421
 hasil segmentasi Mobilen

hasil larget connected com

/models/mobilenet.py#L77
g/py_thresholding.html

hasil morfologi closing

ilenet.py#L80-L313

ilenet_v2.py#L92-L421
hasil segmentasi MobilenetV2

hasil larget connected component

hasil morfologi closing

Dice Dice Dice asli

0.904 0.9 0.903

asli dhe Ying

0.905 0.88 0.89 0.89 0.9 0.88

0.91 0.901 0.906 0.92 0.91 0.92

0.92 0.9 0.905 0.92 0.92 0.92

0.908 0.9 0.906 0.91 0.92 0.92

0.9 0.9 0.91

0.9094 0.8962 0.902

 0.91 0.91 0.91

Hasil gabungan

Asli Asli Yin

+Yi +D g+D
ng HE HE

asli+Ying asli+DHE Ying+DHE

 0.92 0.92 0.92

0.92 0.91 0.92

 0.91 0.91 0.91

0.92 0.908 0.91

0.89 0.89 0.89

0.905 0.89 0.902

 0.92 0.92 0.91

0.9115 0.898625 0.90525

0.91 0.91 0.92

0.91 0.91 0.91

0.9 0.9 0.9

0.91 0.91 0.91

Ying DHE asli ying

0.9000 0.9100

0.9100 0.9100

0.9100 0.9000
0.9000 0.9000

0.9200 0.9200

0.8990 0.8900
0.9100 0.9100

0.9100 0.9200

0.8900 0.8800
0.9100 0.9100

0.9142 0.9108
avg 0.9067 0.9055
dhe asli+ying asli+dhe

0.9100 0.9100 0.9000

0.9000 0.9000 0.9000

0.9100 0.9000 0.8980

0.9000 0.8997 0.9000

0.9200 0.9200 0.9200

0.8900 0.8900 0.8900

0.9100 0.9000 0.9000

0.9200 0.9100 0.9100

0.8800 0.8900 0.8900

0.9100 0.9000 0.9000

0.9111 0.9071 0.9099

0.9056 0.9024 0.9016
dhe+ying

0.9000

0.9000

0.8996
0.9000

0.9200

0.8900
0.9000

0.9100

0.8800
0.9000

0.9050
0.9004
asli ying dhe asli+ying asli+dhe dhe+ying
0.8841 0.9043 0.9004 0.8918 0.8903 0.8965
0.9194 0.9168 0.9202 0.9126 0.9168 0.9141
0.938 0.935 0.9355 0.931 0.9319 0.9279
0.9246 0.9261 0.9262 0.9228 0.9242 0.9222
0.9099 0.9122 0.9101 0.9072 0.9062 0.9086
0.9148 0.9138 0.9171 0.9096 0.9084 0.9102
0.9155 0.9118 0.9199 0.9085 0.9121 0.9113
0.9012 0.9102 0.9147 0.8995 0.9002 0.9099
0.9011 0.8995 0.9 0.8988 0.896 0.8972
0.9171 0.9184 0.92 0.9154 0.9124 0.9148

0.91257 0.91481 0.91641 0.90972 0.90985 0.91127

multitask learning

Multi-Task Learning (MTL) is a learning paradigm in machine learning and its aim is to leverage useful information contained
help improve the generalization performance of all the tasks. In this paper, we give a survey for MTL from the perspective of a
applications and theoretical analyses. For algorithmic modeling, we give a definition of MTL and then classify different MTL a
categories, including feature learning approach, low-rank approach, task clustering approach, task relation learning approach an
as well as discussing the characteristics of each approach. In order to improve the performance of learning tasks further, MTL c
other learning paradigms including semi-supervised learning, active learning, unsupervised learning, reinforcement learning, m
graphical models. When the number of tasks is large or the data dimensionality is high, we review online, parallel and distribut
dimensionality reduction and feature hashing to reveal their computational and storage advantages. Many real-world applicatio
performance and we review representative works in this paper. Finally, we present theoretical analyses and discuss several futu

Machine learning approaches have had tremendous success in various disciplines. However, such success highly depends on th
datasets. Scientific datasets are often small and difficult to collect. Currently, improving machine learning performance for sma
remains a major challenge in many academic fields, such as bioinformatics or medical science. Gradient boosting decision tree
optimal for small datasets, while deep learning often performs better for large datasets. This work reports a boosting tree-assist
(BTAMDL) architecture that integrates GBDT and multitask deep learning (MDL) to achieve near-optimal predictions for sma
exists a large dataset that is well correlated to the small datasets. Two BTAMDL models are constructed, one utilizing purely M
input while the other admitting additional features in GBDT input. The proposed BTAMDL models are validated on four categ
toxicity, partition coefficient, solubility, and solvation. It is found that the proposed BTAMDL models outperform the current s
various applications involving small datasets.

A multitask deep learning model might be useful in large epidemiologic studies wherein detailed structural assessment of osteo
expert radiologists’ readings. The potential of such a model in clinical routine should be investigated. To develop a multitask d
grading radiographic hip osteoarthritis features on radiographs and compare its performance to that of attending-level radiologi
study analyzed hip joints seen on weight-bearing anterior-posterior pelvic radiographs from participants in the Osteoarthritis In
were recruited from February 2004 to May 2006 for baseline measurements, and follow-up was performed 48 months later. Fem
acetabular osteophytes (AOs), and joint-space narrowing (JSN) were graded as absent, mild, moderate, or severe according to t
Society International atlas. Subchondral sclerosis and subchondral cysts were graded as present or absent. The participants wer
10% (n = 437), and 10% (n = 437) by using split-sample validation into training, validation, and testing sets, respectively. The
was based on DenseNet-161, a shared convolutional features extractor trained with multitask loss function. Model performance
internal test set from the OAI and in an external test set by using temporal and geographic validation consisting of routine clini
Image-based plant phenotyping has been steadily growing and this has steeply increased the need for more efficient image anal
evaluating multiple plant traits. Deep learning has shown its potential in a multitude of visual tasks in plant phenotyping, such a
counting. Here, we show how different phenotyping traits can be extracted simultaneously from plant images, using multitask l
leverages information contained in the training images of related tasks to improve overall generalization and learns models with
a multitask deep learning framework for plant phenotyping, able to infer three traits simultaneously: (i) leaf count, (ii) projected
genotype classification. We adopted a modified pretrained ResNet50 as a feature extractor, trained end-to-end to predict multip
MTL to show that through learning from more easily obtainable annotations (such as PLA and genotype) we can predict a bette
obtain annotation). We evaluate our findings on several publicly available datasets of top-view images of Arabidopsis thaliana.
show that the proposed MTL method improves the leaf count mean squared error (MSE) by more than 40%, compared to a sing
same dataset. We also show that our MTL framework can be trained with up to 75% fewer leaf count annotations without signi
performance, whereas a single task model shows a steady decline when fewer annotations are available.

Predicting flows (e.g., the traffic of vehicles, crowds, and bikes), consisting of the in-out traffic at a node and transitions betwe
spatio-temporal network plays an important role in transportation systems. However, this is a very challenging problem, affecte
factors, such as the spatial correlation between different locations, temporal correlation among different time intervals, and exte
and weather). In addition, the flow at a node (called node flow) and transitions between nodes (edge flow) mutually influence e
these issues, we propose a multitask deep-learning framework that simultaneously predicts the node flow and edge flow throug
network. Based on fully convolutional networks, our approach designs two sophisticated models for predicting node flow and e
These two models are connected by coupling their latent representations of middle layers, and trained together. The external fac
the framework through a gating fusion mechanism. In the edge flow prediction model, we employ an embedding component to
transitions between nodes. We evaluate our method based on the taxicab data in Beijing and New York City. Experimental resu
our method beyond 11 baselines, such as ConvLSTM, CNN, and Markov Random Field.
Multi-Task Learning (MTL) adalah paradigma pembelajaran dalam pembelajaran mesin dan tujuannya adalah untuk memanfaa
generalisasi semua tugas. Dalam makalah ini, kami memberikan survei untuk MTL dari perspektif pemodelan algoritmik, aplik
mengklasifikasikan algoritma MTL yang berbeda ke dalam lima kategori, termasuk pendekatan pembelajaran fitur, pendekatan
dekomposisi serta membahas karakteristik masing-masing pendekatan . Untuk meningkatkan kinerja tugas pembelajaran lebih
supervised, pembelajaran aktif, pembelajaran tanpa pengawasan, pembelajaran penguatan, pembelajaran multi-view dan model
terdistribusi serta pengurangan dimensi dan hashing fitur untuk mengungkapkan keunggulan komputasi dan penyimpanannya.
representatif dalam makalah ini. Akhirnya, kami menyajikan analisis teoretis dan mendiskusikan beberapa arah masa depan un

Pendekatan pembelajaran mesin telah sukses luar biasa dalam berbagai disiplin ilmu. Namun, keberhasilan tersebut sangat terg
Saat ini, meningkatkan kinerja pembelajaran mesin untuk kumpulan data ilmiah kecil tetap menjadi tantangan utama di banyak
biasanya optimal untuk set data kecil, sementara deep learning sering kali berkinerja lebih baik untuk set data besar. Karya ini m
mengintegrasikan GBDT dan pembelajaran mendalam multitugas (MDL) untuk mencapai prediksi yang hampir optimal untuk
dibangun, satu menggunakan output MDL murni sebagai input GBDT sementara yang lain mengakui fitur tambahan dalam inp
koefisien partisi, kelarutan, dan solvasi. Ditemukan bahwa model BTAMDL yang diusulkan mengungguli metode mutakhir saa

Model pembelajaran mendalam multitask mungkin berguna dalam studi epidemiologi besar di mana penilaian struktural rinci o
harus diselidiki. Untuk mengembangkan model pembelajaran mendalam multitugas untuk menilai fitur osteoartritis pinggul rad
retrospektif ini menganalisis sendi panggul yang terlihat pada radiografi panggul anterior-posterior menahan beban dari peserta
dan tindak lanjut dilakukan 48 bulan kemudian. Osteofit femoralis (FO), osteofit acetabular (AO), dan penyempitan ruang send
Sklerosis subkondral dan kista subkondral dinilai ada atau tidak ada. Para peserta dibagi pada 80% (n = 3494), 10% (n = 437),
pengujian, masing-masing. Jaringan saraf multitugas didasarkan pada DenseNet-161, ekstraktor fitur konvolusi bersama yang d
dalam set tes eksternal dengan menggunakan validasi temporal dan geografis yang terdiri dari radiografi klinis rutin.
Fenotip tanaman berbasis citra terus berkembang dan hal ini secara tajam meningkatkan kebutuhan akan teknik analisis citra ya
potensinya dalam banyak tugas visual dalam fenotip tanaman, seperti segmentasi dan penghitungan. Di sini, kami menunjukkan
pembelajaran multitask (MTL). MTL memanfaatkan informasi yang terkandung dalam gambar pelatihan tugas terkait untuk m
kerangka kerja pembelajaran mendalam multitugas untuk fenotip tanaman, yang dapat menyimpulkan tiga sifat secara bersama
pra-terlatih yang dimodifikasi sebagai ekstraktor fitur, dilatih ujung ke ujung untuk memprediksi banyak sifat. Kami juga mem
(seperti PLA dan genotipe), kami dapat memprediksi jumlah daun yang lebih baik (lebih sulit untuk mendapatkan anotasi). Kam
atas Arabidopsis thaliana. Hasil eksperimen menunjukkan bahwa metode MTL yang diusulkan meningkatkan jumlah daun mea
Kami juga menunjukkan bahwa kerangka kerja MTL kami dapat dilatih dengan anotasi jumlah daun hingga 75% lebih sedikit t
stabil ketika anotasi yang tersedia lebih sedikit.

Memprediksi arus (misalnya, lalu lintas kendaraan, keramaian, dan sepeda), yang terdiri dari lalu lintas masuk-keluar pada suat
dalam sistem transportasi. Namun, ini adalah masalah yang sangat menantang, dipengaruhi oleh beberapa faktor kompleks, sep
faktor eksternal (seperti peristiwa dan cuaca). Selain itu, aliran pada suatu node (disebut node flow) dan transisi antar node (edg
pembelajaran mendalam multitugas yang secara bersamaan memprediksi aliran node dan aliran tepi di seluruh jaringan spatio-t
memprediksi aliran node dan aliran tepi, masing-masing. Kedua model ini dihubungkan dengan menggabungkan representasi la
melalui mekanisme gating fusion. Dalam model prediksi aliran tepi, kami menggunakan komponen embedding untuk menanga
York City. Hasil eksperimen menunjukkan keunggulan metode kami di luar 11 baseline, seperti ConvLSTM, CNN, dan Marko
segmentasi mandibula

Segmentation of mandibular bone in CT scans is crucial for 3D virtual surgical planning of craniofacial tumor resection and free
resection defect, in order to obtain a detailed surface representation of the bones. A major drawback of most existing mandib
they require a large amount of expert knowledge for manual or partially automatic segmentation. In fact, due to the lack of ex
high quality expert knowledge is hard to achieve in practice. Furthermore, segmentation of mandibles in CT scans is influence
large variations in their shape and size among individuals. In order to address these challenges we propose an automatic man
scans, which considers the continuum of anatomical structures through different planes. The approach adopts the architectur
the resulting 2D segmentations from three orthogonal planes into a 3D segmentation. We implement such a segmentation ap
datasets and then evaluate the performance. Experimental results show that our proposed approach for mandible segmentati
accuracy.

Purpose: Classic encoder-decoder-based convolutional neural network (EDCNN) approaches cannot accurately segment detai
mandible in computed tomography (CT), for instance, condyles and coronoids of the mandible, which are often affected by no
reason is that EDCNN approaches ignore the anatomical connectivity of the organs. In this paper, we propose a novel CNN-ba
approach that has the ability to accurately segment detailed anatomical structures. Methods: Different from the classic EDCN
whole CT scan into 2D slices or 3D patches during the segmentation process, our proposed approach can perform mandible se
scans. The proposed method, namely, RCNNSeg, adopts the structure of the recurrent neural networks to form a directed acy
recurrent connections between adjacent nodes to retain their connectivity. Each node then functions as a classic EDCNN to se
Our proposed approach can perform 3D mandible segmentation on sequential data of any varied lengths and does not require
proposed RCNNSeg was evaluated on 109 head and neck CT scans from a local dataset and 40 scans from the PDDCA public d
proposed RCNNSeg was evaluated by calculating the Dice similarity coefficient (DSC), average symmetric surface distance (ASD
(95HD) between the reference standard and the automated segmentation. Results: The proposed RCNNSeg outperforms the
datasets and yields superior quantitative and qualitative performances when compared to the state-of-the-art approaches on
RCNNSeg generated the most accurate segmentations with an average DSC of 97.48%, ASD of 0.2170 mm, and 95HD of 2.656
average DSC of 95.10%, ASD of 0.1367 mm, and 95HD of 1.3560 mm on the PDDCA dataset. Conclusions: The proposed RCNN
accurate automated segmentations than those of the other classic EDCNN segmentation techniques in terms of quantitative a
proposed RCNNSeg has potential for automatic mandible segmentation by learning spatially structured information.

Mandible segmentation is an essential step in craniomaxillofacial surgery planning, which aims to segment mandible from mu
(MSCT) images. One main disadvantage of most existing mandible segmentation methods is that they require numerous expe
segmentation. However, the high-quality expert knowledge is hard to achieve in practice due to the scarcity of experienced do
problem, we propose an end-to-end trainable deep learning based method, which performs segmentation in an automatic, ac
Different from the popular convolutional neural network (CNN), our proposed symmetric convolutional neural network (SCNN
deconvolution computation to be symmetric as to achieve a good segmentation performance. Furthermore, benefiting from t
could automatically perform mandible segmentation from raw image data. Such advantages remarkably reduce the human eff
performance. To verify the effectiveness of our method, we build a multi-slice computer tomography mandible dataset which
experimental results show that the proposed SCNN is superior to several popular baselines in terms of the dice similarity coeffi
Accurate mandible segmentation is significant in the field of maxillofacial surgery to guide clinical diagnosis and treatment and
plans. In particular, cone-beam computed tomography (CBCT) images with metal parts, such as those used in oral and maxillo
susceptibilities when metal artifacts are present such as weak and blurred boundaries caused by a high-attenuation material a
acquisition. To overcome this problem, this paper proposes a novel deep learning-based approach (SASeg) for automated man
overall mandible anatomical knowledge. SASeg utilizes a prior shape feature extractor (PSFE) module based on a mean mandi
connections maintain the continuity structure of the mandible. The effectiveness of the proposed network is substantiated on
orthodontic treatment containing 59 patients. The experiments show that the proposed SASeg can be easily used to improve
CBCT dataset corrupted by metal artifacts. In addition, the experimental results on the PDDCA dataset demonstrate that, com
mandible segmentation models, our proposed SASeg can achieve better segmentation performance.

Accurate segmentation of the mandible from cone-beam computed tomography (CBCT) scans is an important step for buildin
mandible model for maxillofacial surgery and orthodontic treatment planning because of the low radiation dose and short sca
however, exhibit lower contrast and higher levels of noise and artifacts due to extremely low radiation in comparison with the
tomography (CT), which makes automatic mandible segmentation from CBCT data challenging. In this work, we propose a nov
framework based on 3D convolutional neural network and recurrent SegUnet for mandible segmentation in CBCT scans. Spec
is decomposed into two stages: localization of the mandible-like region by rough segmentation and further accurate segmenta
method was evaluated using a dental CBCT dataset. In addition, we evaluated the proposed method and compared it with sta
datasets. The experiments indicate that the proposed algorithm can provide more accurate and robust segmentation results f
comparison with the state-of-the-art models with respect to these three datasets.

Objectives: To segment the mandible from cone-beam computed tomography (CBCT) images efficiently and accurately for the
for subsequent research and diagnosis. Methods: This paper proposes a local region-based variational region growing algorith
and shape prior to segment the mandible accurately. Firstly, we select initial seeds in the CBCT image and then calculate cand
region energy function of each point. If a point reduces the energy, it is selected to be a pixel of the foreground region. By mu
segmentation of the slice can be obtained. Secondly, the segmented result of the previous slice is adopted as the shape prior
slices in CBCT are segmented. At last, the final mandible model is reconstructed by the Marching Cubes algorithm. Results: Th
datasets illustrate the LRVRG algorithm can obtain satisfied 3D mandible models from CBCT images and it can solve the fuzzy
quantitative comparisons with other methods demonstrate the proposed method achieves the state-of-the-art performance i
Conclusions: Experiments demonstrate that our method is efficient and accurate for the mandible model segmentation.
Cone beam computed tomography (CBCT) is a medical imaging technique employed for diagnosis and treatment of patients w
deformities. CBCT 3D reconstruction and segmentation of bones such as mandible or maxilla are essential procedures in surgi
However, CBCT image processing may be impaired by features such as low contrast, inhomogeneity, noise and artifacts. Besid
relative Hounsfield units unlike traditional computed tomography (CT). Such drawbacks render CBCT segmentation a difficult a
performed manually with tools designed for medical image processing. We present an interactive two-stage method for the s
perform an automatic segmentation of bone structures with super-voxels, allowing a compact graph representation of the 3D
process guides a graph partitioning algorithm, splitting the extracted bones into mandible and skull. We have evaluated our se
different scenarios and compared the results with ground truth data of the mandible and the skull. Results show that our met
segmentation and is robust to changes in parameters. We also compared our method with two similar segmentation strategy
accurate segmentation. Finally, we evaluated our method for CT data of patients with deformed or missing bones and the seg
data. The segmentation of a typical CBCT takes in average 5 min, which is faster than most techniques currently available.

Three-dimensional representation of facial bone surface is needed in the virtual surgical planning for orthognathic surgery. Se
from computed tomography images is first step in developing the 3D model. This paper focuses on segmentation of mandible
segmentation of Insight Segmentation and Registration Toolkit library. The results are given as 3D stereo lithographic image. T
ground truth image segmented by an expert radiologist. Various evaluation metrics are used for finding the segmentation acc
segmentation accuracy of 97.50%. Therefore, this method can be used as an initial step in automatic cephalometric land mark
surgical planning for orthognathic surgery.

Mandible bone segmentation from computed tomography (CT) scans is challenging due to mandible's structural irregularities,
of contrast in joints. Furthermore, connections of teeth to mandible and mandible to remaining parts of the skull make it extre
boundary automatically. This study addresses these challenges by proposing a novel framework where we define the segmen
tasks: recognition and delineation. For recognition, we use random forest regression to localize mandible in 3D. For delineatio
based fuzzy connectedness (FC) image segmentation algorithm, operating on the recognized mandible sub-volume. Despite he
consisting half of the CT image data in our experiments, we have achieved highly accurate detection and delineation results. S
more than 96% (measured by union of intersection (UoI)), the delineation accuracy of 91% (measured by dice similarity coeffic
mismatch (Hausdorff Distance) were found.

The purpose of this study is to generate a set of discriminant functions in order to estimate the sex of modern Japanese skulls
anthropological measurement data of 113 individuals (73 males and 40 females) were collected from recent forensic anthropo
Research Institute of Police Science, Japan. Birth years of the individuals ranged from 1926 to 1979, and age at death was ove
of 10 anthropological measurements were used in the discriminant function analysis: maximum cranial length, cranial base len
maximum frontal breadth, basion-bregmatic height, upper facial breadth, bizygomatic breadth, bicondylar breadth, bigonial b
result, nine discriminant functions were established. The classification accuracy ranged from 79.0 to 89.9% when the measure
substituted into the established functions, from 77.8 to 88.1% when a leave-one-out cross-validation procedure was applied t
when the measurements of 50 new individuals (25 males and 25 females), unrelated to the establishment of the discriminant
Elsevier Ltd and Faculty of Forensic and Legal Medicine. All rights reserved.
Sex determination from bones is important in forensic investigations for establishing identity in cases of mutilated bodies. Ma
been laid down for various bones for sex determination in previous studies. The present study aimed at setting up some param
indicators of sex in the Indian population. The length of body of the mandible, angle of the mandible and minimum ramus bre
parameters for sex determination from dried bones obtained from the Departments of Anatomy in two medical colleges of Pu
statistically significant difference found in the diagonal length, horizontal length and minimum ramus breadth with their mean
4.54 mm and 30.93 ± 2.56 mm in adult males, respectively and 73.83 ± 4.84 mm, 68.62 ± 4.78 mm and 29.57 ± 2.86 mm in adu
no significant difference was found in the mandibular angle of males and females. The parameters used for the present study
determining the sex of the mandible.

Human teeth are the most stable and durable tissues in the body. Teeth can be identified even after complete decomposition
identification of sex and age from fragmentary adult skeleton. This study aimed to compare the morphological and radiologica
investigate its accuracy in sex determination. Materials and Methods: This study involved 60 males and 60 females between t
Mesiodistal (MD) widths of mandibular left canines and mandibular inter-canine distance (ICD) were measured and compared
intraoral periapical and occlusal radiographs. Discriminant function analysis was carried out for gender determination. Discrim
were used in determining the gender and the percentage accuracy. Kappa statistics were carried out to assess intra-observer
statistically significant difference in the MD width and ICD was found between males and females. Clinical and radiological me
efficacious in gender determination with an accuracy of 55-75% in both males and females. When all the variables were used,
determination increased substantially to 94%. k-values suggested a high intra-observer agreement. Conclusion: It can be conc
radiographic measurements of MD width of canine and ICD are quick and easy methods for determining sex and in identificati
a substantial accuracy.

The gender testimony is of vital importance in forensic science when only craniofacial fragments are only the remains. Mandib
position among the genders. Different studies have well proved that mandible shows the gender dimorphism in many morpho
height, gonial angle, bigonial width, and bicondylar width. The anatomical position of mental foramen can also be used to diff
such skeleton metric analysis done on radiographs is found to be of more accuracy. This study was conducted to assess the pr
landmark for gender differentiation. Three hundred panoramic radiographs were selected for mental foramen analysis. Distan
to basal bone mandible to tangential line drawn to upper and lower borders of mental foramen on bilateral sides was measur
cataloged were subjected to statistical analysis. The distance between mental foramen to basal bone of mandible was more in
bilateral aspect, which was statistically significant. Mental foramen can be considered as a radiographic landmark to determin
population of India

Aim: To analyze the dental arches by occlusal radiographs for possible gender differentiation. Methods: One hundred occlusal
obtained. First, a median line and a line touching the vestibular portions of the projections of the maxillary central incisors we
lines was called point I and from this point a line to the canine most vestibular portion was drawn, from the second premolar
and right sides, in the maxillary and mandibular arches, thus obtaining the angle measurements. Line measurements relative t
segments, canines, premolars and second molars were made. Results: The analyses performed by t-test indicated that all linea
statistically different (p<0.05), as may be seen in the values obtained from canine to canine, in which the female average was
average was 3.74 cm (0.21) and in respect to the angle measurements, only two angles have shown applicability in the definiti
can be determined by analysis of occlusal radiographs with greater reliability when linear measurements are performed.
The objective of this investigation was to compare the accuracy of mandibular measurements using a stabilizer (MS) with gold
(GS) images. Sixty mandibles were studied. Werth TomoScope HV Compact® was used to obtain CT images (GS), and the MS w
scans was performed using the VG Studio Max software® (Volume Graphics GmbH, Heidelberg, Germany), and MS was used a
mandible. Descriptive and paired t test measures were used, and a ROC curve was calculated, as well as sensibility and specifi
were used (95% level of significance). Bicondylar breadth, bicoronoid breadth and minimum ramus breadth reached the highe
coefficients at 0.99 (0.99-1.00), 0.99 (0.99-1.00) and 1.00 (0.99-1.00), respectively. Comparing observers with GS, the lowest a
maximum mandibular length [0.59 (0.45-0.69), 0.64 (0.51-0.74)], the breadth of the right (0.14 (0.04-0.23), 0.14 (0.004-0.24))
(0.03-0.24), 0.16 (0.05-0.26)], and the right [0.58 (0.45-0.69), 0.63 (0.51-0.73) and left (0.59 (0.45-0.70), 0.59 (0.46-0.69)] man
measurements exhibited good sensibility for males using MS: maximum mandibular length (78.12), bicondylar breadth (78.12
(84.37), and the left height of the mandibular body at the mental foramen (75.00). High specificity in discriminating females w
ramus height (85.19), mandibular length (85.71), bicoronoid breadth (96.43), right height of the mandibular body at the ment
breadth (78.57), breadth right (92.86) and left (96.43) mandibular body, minimum ramus breadth (89.29), and left mandibular
discriminate sexual dimorphism.

Introduction: Examination of bones is important for identification of deceased and determination of sex. The mandible is the l
that commonly resist post mortem damage and forms an important source of information about sexual dimorphism. Aim: The
sexual dimorphism in the mandibles of South Indian population. Materials and Methods: A random collection of 50 adult, dry,
mandibles of South Indian population were subjected to metrical parameters like Gonial angle, Bigonial width, Height of ramu
length, Length of lower jaw, Mandibular index, Body thickness, Coronoid height, Bimental breadth, Symphyseal height and Bo
and Digital Vernier caliper. Statistical Analysis used: The data's were expressed as Mean ± SD and then analyzed by unpaired t
21. Discriminating point and limiting points were also calculated. Results: After obtaining all the measurements, unpaired 't-te
angle, Bigonial width, Height of ramus, Bicondylar breadth, Mandibular length, Length of lower jaw, Body thickness, Coronoid
Symphyseal height and Body height showed statistically significant gender difference. Conclusion: The present study highlight
can be determined using different metrical parameters as an additional tool to establish the identity of a person.

A present limitation of forensic anthropology practice in China is the lack of population-specific criteria on contemporary hum
sample of 203 maxillofacial Cone beam computed tomography (CBCT) images, including 96 male and 107 female cases (20-65
explore mandible sexual dimorphism in a population of contemporary adult Han Chinese to investigate the potential use of th
three-dimensional image from mandible CBCT scans was reconstructed using the SimPlant Pro 11.40 software. Nine linear and
measured. Discriminant function analysis (DFA) and logistic regression analysis (LRA) were used to develop the mathematics m
the linear measurements studied and one angular measurement were found to be sexually dimorphic, with the maximum ma
breadth being the most dimorphic by univariate DFA and LRA respectively. The cross-validated sex allocation accuracies on mu
(direct DFA), 83.5% (direct LRA), 83.3% (stepwise DFA) to 80.5% (stepwise LRA). In general, multivariate DFA yielded a higher a
sex bias, and therefore both DFA and LRA had their own advantages for sex determination by the mandible in this sample. The
mandible expresses sexual dimorphism in the contemporary adult Han Chinese population, indicating an excellent sexual disc
computed tomography scanning can be used as alternative source for contemporary osteometric techniques.
Objective: To describe the growth, maturation, and remodeling changes of the mandible during infancy and early childhood. M
Bolton-Brush Growth Study longitudinal cephalograms (N = 336) of each of 24 females and 24 males, taken between birth and
adulthood, were traced and digitized. Five measurements and nine landmarks were used to characterize mandibular growth,
maturity. Results: Overall, mandibular length showed the greatest growth changes, followed by ramus height and corpus leng
mature of the three linear measures; ramus height was less mature than overall mandibular length. The greatest growth rates
yearly velocities decelerated thereafter. The ramus remodeled superiorly only slightly more than it remodeled posteriorly. Ma
≤.05) larger, displayed greater growth rates, and were significantly less mature than female mandibles. There were no signific
growth or maturation between Class I and Class II patients. Conclusions: The mandible displays decelerating rates of growth a
infancy and early childhood, with males showing more growth and being more mature than females.

There have been numerous attempts, with varying degrees of success, to differentiate males from females on the basis of the
investigate here whether the mandible can discriminate immature individuals by sex; the techniques we apply are from the fie
The application of these methods in forensic anthropology is still relatively new; thus, an important aspect of this research is t
applications in this discipline. The sample comprises 96 known age and sex subadult individuals; the three-dimensional coordi
using the shape analysis software morphologika. Multivariate regressions indicated no significant sexual dimorphism in the su
supported by poor cross-validated classification accuracy (59%). Our results suggest that the subadult mandible is not dimorph
is not evident within the sample we studied); thus, sex determination using previously described criteria is likely to yield poor
Segmentasi tulang mandibula pada CT scan sangat penting untuk perencanaan bedah virtual 3D reseksi tumor kraniofasial dan
reseksi, untuk mendapatkan gambaran permukaan tulang yang detail. Kelemahan utama dari sebagian besar metode segmen
bahwa mereka memerlukan sejumlah besar pengetahuan ahli untuk segmentasi manual atau sebagian otomatis. Faktanya, ka
yang berpengalaman, pengetahuan ahli yang berkualitas tinggi sulit dicapai dalam praktik. Selanjutnya, segmentasi mandibula
oleh artefak logam dan variasi besar dalam bentuk dan ukurannya di antara individu. Untuk mengatasi tantangan ini, kami me
mandibula otomatis dalam CT scan, yang mempertimbangkan kontinum struktur anatomi melalui bidang yang berbeda. Pende
U-Net dan kemudian menggabungkan segmentasi 2D yang dihasilkan dari tiga bidang ortogonal menjadi segmentasi 3D. Kami
segmentasi seperti itu pada dua set data kepala dan leher dan kemudian mengevaluasi kinerjanya. Hasil eksperimen menunju
usulkan untuk segmentasi mandibula pada CT scan menunjukkan akurasi yang tinggi.

Tujuan: Pendekatan klasik encoder-decoder-based convolutional neural network (EDCNN) tidak dapat secara akurat mensegm
mandibula dalam computed tomography (CT), misalnya kondilus dan koronoid mandibula, yang sering dipengaruhi oleh kebis
utamanya adalah pendekatan EDCNN mengabaikan konektivitas anatomis organ. Dalam makalah ini, kami mengusulkan pend
berbasis CNN baru yang memiliki kemampuan untuk secara akurat mensegmentasi struktur anatomi rinci. Metode: Berbeda d
mengiris atau memotong seluruh CT scan menjadi irisan 2D atau patch 3D selama proses segmentasi, pendekatan yang kami u
segmentasi mandibula pada CT scan 3D lengkap. Metode yang diusulkan, yaitu, RCNNSeg, mengadopsi struktur jaringan saraf
asiklik terarah untuk memungkinkan koneksi berulang antara node yang berdekatan untuk mempertahankan konektivitasnya.
sebagai EDCNN klasik untuk mensegmentasi satu irisan dalam CT scan. Pendekatan yang kami usulkan dapat melakukan segm
sekuensial dengan panjang yang bervariasi dan tidak memerlukan biaya komputasi yang besar. RCNNSeg yang diusulkan dieva
leher dari dataset lokal dan 40 scan dari dataset publik PDDCA. Akurasi akhir dari RCNNSeg yang diusulkan dievaluasi dengan m
Dice (DSC), jarak permukaan simetris rata-rata (ASD), dan jarak Hausdorff 95% (95HD) antara standar referensi dan segmentas
diusulkan mengungguli pendekatan berbasis EDCNN pada kedua kumpulan data dan menghasilkan kinerja kuantitatif dan kua
dibandingkan dengan pendekatan mutakhir pada kumpulan data PDDCA. RCNNSeg yang diusulkan menghasilkan segmentasi
97,48%, ASD 0,2170 mm, dan 95HD 2,6562 mm pada 109 CT scan, dan DSC rata-rata 95,10%, ASD 0,1367 mm, dan 95HD 1,35
PDDCA. Kesimpulan: Metode RCNNSeg yang diusulkan menghasilkan segmentasi otomatis yang lebih akurat daripada teknik s
dalam hal evaluasi kuantitatif dan kualitatif. RCNNSeg yang diusulkan memiliki potensi untuk segmentasi mandibula otomatis
yang terstruktur secara spasial.

Segmentasi mandibula merupakan langkah penting dalam perencanaan operasi kraniomaxillofacial, yang bertujuan untuk me
multi-slice computed tomography (MSCT). Salah satu kelemahan utama dari sebagian besar metode segmentasi mandibula ya
membutuhkan banyak pengetahuan ahli untuk segmentasi semi-otomatis. Namun, pengetahuan ahli yang berkualitas tinggi s
kelangkaan dokter dan ahli yang berpengalaman. Untuk mengatasi masalah ini, kami mengusulkan metode berbasis deep lear
dilatih, yang melakukan segmentasi secara otomatis, akurat dan efisien. Berbeda dari convolutional neural network (CNN) yan
convolutional neural network (SCNN) yang kami usulkan memberlakukan perhitungan konvolusi dan dekonvolusi menjadi sim
segmentasi yang baik. Selanjutnya, dengan memanfaatkan cara end-to-end, SCNN dapat secara otomatis melakukan segment
mentah. Keuntungan tersebut sangat mengurangi usaha manusia dan mencapai kinerja kompetitif. Untuk memverifikasi keefe
membangun kumpulan data mandibula tomografi komputer multi-irisan yang mencakup 93 kasus. Hasil eksperimen menunju
lebih unggul dari beberapa baseline populer dalam hal koefisien kesamaan dadu (DSC).
Segmentasi mandibula yang akurat sangat penting dalam bidang bedah maksilofasial untuk memandu diagnosis klinis dan pen
rencana bedah yang tepat. Secara khusus, gambar cone-beam computed tomography (CBCT) dengan bagian logam, seperti ya
dan maksilofasial (OMFS), sering memiliki kerentanan ketika ada artefak logam seperti batas yang lemah dan kabur yang diseb
redaman tinggi. dan dosis radiasi yang rendah dalam akuisisi citra. Untuk mengatasi masalah ini, makalah ini mengusulkan pen
mendalam baru (SASeg) untuk segmentasi mandibula otomatis yang memahami pengetahuan anatomi mandibula secara kese
modul prior shape feature extractor (PSFE) berdasarkan bentuk mandibula rata-rata, dan koneksi berulang mempertahankan
Efektivitas jaringan yang diusulkan dibuktikan pada dataset CBCT gigi dari perawatan ortodontik yang berisi 59 pasien. Eksperi
yang diusulkan dapat dengan mudah digunakan untuk meningkatkan akurasi prediksi dalam dataset CBCT gigi yang rusak oleh
eksperimen pada dataset PDDCA menunjukkan bahwa, dibandingkan dengan model segmentasi mandibula yang canggih, SAS
mencapai kinerja segmentasi yang lebih baik.

Segmentasi mandibula yang akurat dari pemindaian cone-beam computed tomography (CBCT) merupakan langkah penting un
digital 3D yang dipersonalisasi untuk bedah maksilofasial dan perencanaan perawatan ortodontik karena dosis radiasi yang re
singkat. Gambar CBCT, bagaimanapun, menunjukkan kontras yang lebih rendah dan tingkat kebisingan dan artefak yang lebih
rendah dibandingkan dengan computed tomography (CT) konvensional, yang membuat segmentasi mandibula otomatis dari d
ini, kami mengusulkan kerangka kerja segmentasi kasar-ke-halus baru berdasarkan jaringan saraf convolutional 3D dan SegUn
mandibula dalam pemindaian CBCT. Secara khusus, segmentasi mandibula didekomposisi menjadi dua tahap: lokalisasi regio s
segmentasi kasar dan segmentasi detail mandibula yang lebih akurat. Metode ini dievaluasi menggunakan dataset CBCT gigi. S
metode yang diusulkan dan membandingkannya dengan metode mutakhir dalam dua kumpulan data CT. Eksperimen menunj
diusulkan dapat memberikan hasil segmentasi yang lebih akurat dan kuat untuk teknik pencitraan yang berbeda dibandingkan
sehubungan dengan tiga kumpulan data ini.

Tujuan: Untuk mensegmentasi mandibula dari gambar cone-beam computed tomography (CBCT) secara efisien dan akurat un
penting untuk penelitian dan diagnosis selanjutnya. Metode: Makalah ini mengusulkan algoritma pertumbuhan daerah variasi
mengintegrasikan wilayah dan bentuk lokal sebelum mensegmentasi mandibula secara akurat. Pertama, kami memilih benih a
kemudian menghitung set titik kandidat dan fungsi energi wilayah lokal dari setiap titik. Jika suatu titik mengurangi energi, itu
latar depan. Dengan beberapa iterasi, segmentasi mandibula dari irisan dapat diperoleh. Kedua, hasil segmentasi dari irisan se
sebelum irisan berikutnya sampai semua irisan dalam CBCT tersegmentasi. Akhirnya, model mandibula terakhir direkonstruks
Hasil: Hasil eksperimen pada dataset CBCT menggambarkan algoritma LRVRG dapat memperoleh model mandibula 3D yang m
dapat menyelesaikan masalah fuzzy secara efektif. Selanjutnya, perbandingan kuantitatif dengan metode lain menunjukkan m
kinerja mutakhir dalam segmentasi mandibula. Kesimpulan: Eksperimen menunjukkan bahwa metode kami efisien dan akurat
mandibula.
Cone beam computed tomography (CBCT) adalah teknik pencitraan medis yang digunakan untuk diagnosis dan pengobatan p
kranio-maksilofasial. Rekonstruksi 3D CBCT dan segmentasi tulang seperti mandibula atau maksila adalah prosedur penting da
ortodontik. Namun, pemrosesan gambar CBCT mungkin terganggu oleh fitur-fitur seperti kontras rendah, ketidakhomogenan,
nilai yang diberikan ke voxel adalah unit Hounsfield relatif tidak seperti computed tomography (CT) tradisional. Kelemahan ter
menjadi tugas yang sulit dan memakan waktu, biasanya dilakukan secara manual dengan alat yang dirancang untuk pemroses
metode dua tahap interaktif untuk segmentasi CBCT: (i) pertama-tama kami melakukan segmentasi otomatis struktur tulang d
memungkinkan representasi grafik yang ringkas dari data 3D; (ii) selanjutnya, proses seed yang ditempatkan pengguna mema
membagi tulang yang diekstraksi menjadi mandibula dan tengkorak. Kami telah mengevaluasi metode segmentasi kami dalam
membandingkan hasilnya dengan data ground truth dari mandibula dan tengkorak. Hasil menunjukkan bahwa metode kami m
akurat dan tahan terhadap perubahan parameter. Kami juga membandingkan metode kami dengan dua strategi segmentasi y
bahwa metode tersebut menghasilkan segmentasi yang lebih akurat. Akhirnya, kami mengevaluasi metode kami untuk data C
atau hilang dan segmentasinya akurat untuk semua data. Segmentasi CBCT tipikal membutuhkan waktu rata-rata 5 menit, yan
kebanyakan teknik yang tersedia saat ini.

Representasi tiga dimensi dari permukaan tulang wajah diperlukan dalam perencanaan bedah virtual untuk bedah ortognatik.
wajah dari gambar computed tomography adalah langkah pertama dalam mengembangkan model 3D. Makalah ini berfokus p
menggunakan segmentasi kontur aktif dari library Insight Segmentation dan Registration Toolkit. Hasilnya diberikan sebagai g
dibandingkan dengan citra ground truth yang disegmentasi oleh ahli radiologi. Berbagai metrik evaluasi digunakan untuk men
hasilnya memberikan akurasi segmentasi sebesar 97,50%. Oleh karena itu, metode ini dapat digunakan sebagai langkah awal
sefalometrik otomatis, yang merupakan tugas penting dalam perencanaan bedah virtual untuk bedah ortognatik.

Segmentasi tulang mandibula dari computed tomography (CT) scan menantang karena ketidakteraturan struktural mandibula
kurangnya kontras pada sendi. Selanjutnya, hubungan gigi ke mandibula dan mandibula ke bagian tengkorak yang tersisa mem
mengidentifikasi batas mandibula secara otomatis. Studi ini membahas tantangan ini dengan mengusulkan kerangka kerja bar
segmentasi sebagai dua tugas yang saling melengkapi: pengenalan dan penggambaran. Untuk pengenalan, kami menggunaka
melokalisasi mandibula dalam 3D. Untuk penggambaran, kami mengusulkan untuk menggunakan algoritma segmentasi citra f
gradien 3D, yang beroperasi pada sub-volume mandibula yang dikenali. Meskipun artefak CT berat dan tambalan gigi, yang te
gambar CT dalam percobaan kami, kami telah mencapai hasil deteksi dan penggambaran yang sangat akurat. Secara khusus, a
(diukur dengan union of crossing (UoI)), akurasi delineasi 91% (diukur dengan koefisien kemiripan dadu), dan ketidaksesuaian
(Hausdorff Distance) ditemukan.

Tujuan dari penelitian ini adalah untuk menghasilkan satu set fungsi diskriminan untuk memperkirakan jenis kelamin tengkora
melakukan analisis, data pengukuran antropologis dari 113 individu (73 laki-laki dan 40 perempuan) dikumpulkan dari catatan
National Research Institute of Police Science, Jepang. Tahun kelahiran individu berkisar antara 1926 hingga 1979, dan usia saa
untuk semua individu. Sebanyak 10 pengukuran antropologi digunakan dalam analisis fungsi diskriminan: panjang tengkorak m
tengkorak, lebar tengkorak maksimum, lebar frontal maksimum, tinggi dasar-bregmatik, lebar wajah bagian atas, lebar bizygo
bigonial, dan ramal. tinggi. Hasilnya, sembilan fungsi diskriminan ditetapkan. Akurasi klasifikasi berkisar antara 79,0 hingga 89
individu disubstitusikan ke dalam fungsi yang ditetapkan, dari 77,8 hingga 88,1% ketika prosedur validasi silang tanpa-satu dit
hingga 93,0 % ketika pengukuran 50 individu baru (25 laki-laki dan 25 perempuan), tidak terkait dengan pembentukan fungsi d
Penentuan jenis kelamin dari tulang penting dalam penyelidikan forensik untuk menetapkan identitas dalam kasus tubuh yang
morfometrik telah ditetapkan untuk berbagai tulang untuk penentuan jenis kelamin dalam penelitian sebelumnya. Penelitian
beberapa parameter mandibula sebagai indikator jenis kelamin pada populasi India. Panjang badan mandibula, sudut mandib
dianggap sebagai parameter utama untuk penentuan jenis kelamin dari tulang kering yang diperoleh dari Departemen Anatom
Punjab dan Chandigarh. Terdapat perbedaan yang bermakna secara statistik pada panjang diagonal, panjang horizontal dan le
rata-rata 79,77 ± 4,68 mm, 71,99 ± 4,54 mm dan 30,93 ± 2,56 mm pada pria dewasa, dan 73,83 ± 4,84 mm, 68,62 ± 4,78 mm d
dewasa, masing-masing, sedangkan tidak ada perbedaan signifikan yang ditemukan pada sudut mandibula pria dan wanita. Pa
penelitian ini memberikan akurasi 60% secara keseluruhan dalam menentukan jenis kelamin mandibula.

Gigi manusia adalah jaringan tubuh yang paling stabil dan tahan lama. Gigi dapat diidentifikasi bahkan setelah dekomposisi len
sangat berharga untuk identifikasi jenis kelamin dan usia dari kerangka dewasa yang terpisah-pisah. Penelitian ini bertujuan u
morfologi dan radiologis anjing dan mengetahui keakuratannya dalam penentuan jenis kelamin. Bahan dan Metode: Penelitia
perempuan antara kelompok usia 20 dan 30 tahun. Lebar mesiodistal (MD) kaninus kiri mandibula dan jarak antar kaninus ma
dibandingkan baik secara klinis maupun pada radiografi periapikal dan oklusal intraoral digital. Analisis fungsi diskriminan dilak
kelamin. Persamaan diskriminan dan titik potong digunakan dalam menentukan jenis kelamin dan akurasi persentase. Statistik
kesepakatan intra-pengamat. Hasil: Perbedaan yang signifikan secara statistik dalam lebar MD dan ICD ditemukan antara pria
radiologis hampir sama efektifnya dalam penentuan jenis kelamin dengan akurasi 55-75% pada pria dan wanita. Ketika semua
penentuan jenis kelamin meningkat secara substansial menjadi 94%. k-nilai menyarankan kesepakatan intra-pengamat yang ti
disimpulkan bahwa pengukuran klinis dan radiografik lebar MD kaninus dan ICD adalah metode yang cepat dan mudah untuk
dalam mengidentifikasi individu yang tidak diketahui dengan akurasi yang substansial.

Kesaksian gender sangat penting dalam ilmu forensik ketika hanya fragmen kraniofasial yang tersisa. Mandibula menunjukkan
di antara jenis kelamin. Berbagai penelitian telah membuktikan dengan baik bahwa mandibula menunjukkan dimorfisme gend
seperti tinggi mandibula, sudut gonial, lebar bigonial, dan lebar bikondilar. Posisi anatomis foramen mentalis juga dapat digun
jenis kelamin dan analisis metrik kerangka yang dilakukan pada radiografi ternyata lebih akurat. Penelitian ini dilakukan untuk
mentalis sebagai penanda diferensiasi gender. Tiga ratus radiografi panoramik dipilih untuk analisis foramen mental. Jarak dar
tulang basal mandibula ke garis tangensial yang ditarik ke batas atas dan bawah foramen mentale pada sisi bilateral diukur da
sasaran analisis statistik. Jarak antara foramen mentale ke tulang basal mandibula lebih banyak pada pria daripada wanita pad
statistik signifikan. Foramen mental dapat dianggap sebagai penanda radiografi untuk menentukan jenis kelamin pada popula

Tujuan: Untuk menganalisis lengkung gigi dengan radiografi oklusal untuk kemungkinan diferensiasi gender. Metode: Seratus
diperoleh. Pertama, garis median dan garis yang menyentuh bagian vestibular dari proyeksi gigi insisivus sentralis rahang atas
disebut titik I dan dari titik ini ditarik garis ke bagian paling vestibular kaninus, dari premolar kedua dan molar kedua, dari sisi k
atas dan bawah, sehingga memperoleh sudut. pengukuran. Pengukuran garis relatif terhadap lebar lengkung pada tiga segme
kedua dibuat. Hasil: Analisis yang dilakukan dengan uji-t menunjukkan bahwa semua nilai linier yang diperoleh berbeda secara
pada nilai yang diperoleh dari kaninus ke kaninus, di mana rata-rata betina adalah 3,48 cm (0,16) sedangkan rata-rata pria ada
sehubungan dengan pengukuran sudut, hanya dua sudut yang menunjukkan penerapan dalam definisi gender. Kesimpulan: Je
dengan analisis radiografi oklusal dengan keandalan yang lebih besar ketika pengukuran linier dilakukan.
Tujuan dari penelitian ini adalah untuk membandingkan akurasi pengukuran mandibula menggunakan stabilizer (MS) dengan
tomography (GS). Enam puluh mandibula dipelajari. Werth TomoScope HV Compact® digunakan untuk mendapatkan gambar
Analisis CT scan dilakukan dengan menggunakan perangkat lunak VG Studio Max® (Volume Graphics GmbH, Heidelberg, Jerma
posisi mandibula yang tepat. Pengukuran deskriptif dan uji t berpasangan digunakan, dan kurva ROC dihitung, serta sensibilita
STATA 13.0® digunakan (tingkat signifikansi 95%). Lebar bikondilar, lebar bikoronoid dan lebar ramus minimum mencapai koe
masing-masing pada 0,99 (0,99-1,00), 0,99 (0,99-1,00) dan 1,00 (0,99-1,00). Membandingkan pengamat dengan GS, akurasi te
mandibula maksimum [0,59 (0,45-0,69), 0,64 (0,51-0,74)], lebar kanan (0,14 (0,04-0,23), 0,14 (0,004-0,24) ) dan badan mandib
(0,05-0,26)], dan kanan [0,58 (0,45-0,69), 0,63 (0,51-0,73) dan kiri (0,59 (0,45-0,70), 0,59 ( 0,46-0,69] sudut mandibula Berbaga
sensibilitas yang baik untuk pria menggunakan MS: panjang mandibula maksimum (78,12), lebar bikondilus (78,12), lebar takik
kiri badan mandibula di mental foramen (75,00) Spesifisitas tinggi pada wanita pembeda diamati untuk tinggi ramus maksima
(85,71), lebar bicoronoid (96,43), tinggi kanan tubuh mandibula di foramen mental (82,19), lebar bimental (78,57), lebar mand
(96,43), lebar ramus minimum (89,29), dan sudut mandibula kiri (85,71).MS mampu d membedakan dimorfisme seksual.

Pendahuluan: Pemeriksaan tulang penting untuk identifikasi jenazah dan penentuan jenis kelamin. Mandibula adalah tulang w
biasanya menahan kerusakan post mortem dan membentuk sumber informasi penting tentang dimorfisme seksual. Tujuan: T
untuk menganalisis dimorfisme seksual pada rahang bawah penduduk India Selatan. Bahan dan Metode: Sebuah koleksi acak
dewasa, kering, lengkap, tidak rusak dari populasi India Selatan menjadi sasaran parameter metrik seperti sudut Gonial, lebar
Bicondylar, Panjang mandibula, Panjang rahang bawah, Mandibula indeks, Ketebalan Badan, Tinggi Koronoid, Lebar Bimental,
Badan menggunakan Mandibulometer dan Kaliper Digital Vernier. Analisis Statistik yang digunakan: Data dinyatakan sebagai M
dengan uji-t tidak berpasangan dengan menggunakan IBM SPSS Statistics 21. Titik pembeda dan titik batas juga dihitung. Hasi
pengukuran, dilakukan 'uji-t' tidak berpasangan. Sudut Gonial, Lebar Bigonial, Tinggi ramus, Lebar Bicondylar, Panjang Mandib
Ketebalan Tubuh, Tinggi Koronoid, Lebar Bimental, Tinggi Symphyseal, dan Tinggi Badan menunjukkan perbedaan gender yan
Kesimpulan: Penelitian ini menyoroti bahwa jenis kelamin mandibula dapat ditentukan dengan menggunakan parameter metr
tambahan untuk menetapkan identitas seseorang.

Keterbatasan praktik antropologi forensik saat ini di Cina adalah kurangnya kriteria khusus populasi pada kerangka manusia ko
sampel dari 203 gambar maxillofacial Cone beam computed tomography (CBCT), termasuk 96 laki-laki dan 107 kasus perempu
mengeksplorasi dimorfisme seksual mandibula pada populasi dewasa kontemporer Han Cina untuk menyelidiki potensi pengg
seks. Gambar tiga dimensi dari pemindaian CBCT mandibula direkonstruksi menggunakan perangkat lunak SimPlant Pro 11.40
dua parameter sudut diukur. Analisis fungsi diskriminan (DFA) dan analisis regresi logistik (LRA) digunakan untuk mengembang
penentuan jenis kelamin. Semua pengukuran linier dipelajari dan satu pengukuran sudut ditemukan dimorfik seksual, dengan
dan lebar bikondilar menjadi yang paling dimorfik menurut DFA dan LRA univariat. Akurasi alokasi jenis kelamin yang divalidas
dari 84,2% (DFA langsung), 83,5% (LRA langsung), 83,3% (DFA bertahap) hingga 80,5% (LRA bertahap). Secara umum, DFA mul
lebih tinggi dan LRA memperoleh bias jenis kelamin yang lebih rendah, dan oleh karena itu baik DFA dan LRA memiliki keungg
penentuan jenis kelamin oleh mandibula dalam sampel ini. Hasil ini menunjukkan bahwa mandibula mengekspresikan dimorfi
Han dewasa kontemporer, yang menunjukkan kemampuan diskriminatif seksual yang sangat baik. Pemindaian tomografi terk
digunakan sebagai sumber alternatif untuk teknik osteometri kontemporer.
Tujuan: Mendeskripsikan perubahan pertumbuhan, maturasi, dan remodeling mandibula pada masa bayi dan anak usia dini. B
Brush Growth Study sefalogram longitudinal (N = 336) dari masing-masing 24 wanita dan 24 pria, diambil antara usia lahir dan
dilacak dan didigitalkan. Lima pengukuran dan sembilan penanda digunakan untuk mengkarakterisasi pertumbuhan mandibul
maturitas dewasa. Hasil: Secara keseluruhan, panjang mandibula menunjukkan perubahan pertumbuhan terbesar, diikuti oleh
Panjang korpus adalah yang paling matang dari tiga ukuran linier; tinggi ramus kurang matang dibandingkan panjang mandibu
pertumbuhan terbesar terjadi antara 0,4-1 tahun; kecepatan tahunan melambat setelahnya. Ramus mengalami remodeling se
banyak dari ramus yang mengalami remodeling posterior. Mandibula pria secara signifikan (P .05) lebih besar, menunjukkan ti
besar, dan secara signifikan kurang matang dibandingkan mandibula wanita. Tidak ada perbedaan yang signifikan dalam pertu
antara pasien Kelas I dan Kelas II. Kesimpulan: Mandibula menunjukkan laju pertumbuhan yang melambat dan gradien maturi
usia dini, dengan laki-laki menunjukkan lebih banyak pertumbuhan dan lebih dewasa daripada perempuan.

Ada banyak upaya, dengan berbagai tingkat keberhasilan, untuk membedakan laki-laki dari perempuan berdasarkan kerangka
menyelidiki di sini apakah mandibula dapat membedakan individu yang belum dewasa berdasarkan jenis kelamin; teknik yang
morfometrik geometris. Penerapan metode ini dalam antropologi forensik masih relatif baru; dengan demikian, aspek penting
menunjukkan aplikasi potensial dalam disiplin ini. Sampel terdiri dari 96 individu sub-dewasa yang diketahui usia dan jenis kel
dari 38 landmark dianalisis menggunakan software analisis bentuk morphologika. Regresi multivariat menunjukkan tidak ada d
dalam sampel subdewasa; hasil ini didukung oleh akurasi klasifikasi silang yang buruk (59%). Hasil kami menunjukkan bahwa m
dimorfik (sejauh dimorfisme tidak terlihat dalam sampel yang kami pelajari); dengan demikian, penentuan jenis kelamin meng
sebelumnya kemungkinan akan menghasilkan hasil yang buruk.
Gender estimation is a key component of the individual biological profile to achieve the goal of forensic antropology1. Gender
skeletal identification is an important tool in forensic, medico-legal, bio-arkeology, and anthropology. The methods of gender
depending on the available bones.1,2 Generally, the methods of gender estimation were grouped into two categories i.e. the
and robusticity of anatomy feature and the methods that involve the evaluation of the pelvis feature related to the female ch
Based on Indonesian National Board for Disaster Management data, Indonesia is a disaster susceptible country; during 2018 t
disasters in Indonesia such as volcano eruption, tsunami, earthquake, and air-craft crashes.3 In this case, we found a lot of vic
bones.4

The accuracy of gender determination depends on the number of bone fragments and available parts of skeletons. The skull, p
most useful anatomy for radiological gender determination. Korgman stated that the gender determination accuracy of comp
gender determination by using pelvis bone was 95%, gender determination by using the skull was 90%, gender determination
skull was 98%, and gender determination by using long bones was 80%.5

When the entire skeletons are not available, the skull can be an accurate gender identification tool.5,6 The skull is the most di
pelvis. In case the skull was not complete either, mandibular plays an important role in gender determination due to dimorph
addition, mandibular is the largest and the strongest bone in the skull. Mandibular dimorphisms vary depending on races, age
activities.3,6,7

The accuracy of gender determination depends on the number of bone fragments and available parts of skeletons. The skull, p
most useful anatomy for radiological gender determination. Korgman stated that the gender determination accuracy of comp
gender determination by using pelvis bone was 95%, gender determination by using the skull was 90%, gender determination
skull was 98%, and gender determination by using long bones was 80%.5

When the entire skeletons are not available, the skull can be an accurate gender identification tool.5,6 The skull is the most di
pelvis. In case the skull was not complete either, mandibular plays an important role in gender determination due to dimorph
addition, mandibular is the largest and the strongest bone in the skull. Mandibular dimorphisms vary depending on races, age
activities.3,6,7

There were several studies about gender determination based on mandibular shape and morphometry in puberty samples; th
pubertal mandibular dimensions were not consistent.8,9 Conquerell et al. had stated that mandibular dimorphism changed du
Gender determination by using mandibular morphometric could not be detected at ages ranged 4-14 years old because there
development patterns between males and females. The mandibular
shape dimorphism could be used on post-pubertal gender determination.9 The changes in mandibular shape and size can be

observed by using a radiograph series. Radiography can assist in giving accurate dimensions for which certain formulae can be
determination.10 There have been several studies representing that it is proven that a panoramic radiograph can be used to e
morphometric. Dental practitioners usually use a panoramic radiograph to evaluate vital structures of the jaw, to evaluate jaw
ages change in the different genders, and it represents the bilateral anatomy of the jaw.10,11,12

Traditional morphological methods depended on the anthropologist subjectivity understanding in sexual dimorphism of the ja
difference among the observers.13 Therefore; we needed to devise the reliably discriminant analytical methods for dimorphic
Discriminant function analysis is increasingly used to determine sex from the skeleton, but it’s limited to a specific

population. This present study was undertaken to develop the discriminant function for gender prediction in a Surabaya-Indon
15-25 years by using a panoramic radiograph and to determine the most dimorphic parameter of the jaw taken on the panora
Gender dimorphism referred to the difference in sizes, shapes, and appearances between male and female anatomy. Recently
dimorphism studies by using metric parameters with reliable results.11,13,14,15 Therefore, we can apply gender dimorphism
determination skeletons by using discriminant analysis. The discriminant function analysis in our studies is used to quantify th
morphology.

The mandibular and maxilla are the bones that provide information about genders. Both mandibular and maxilla have differen
between males and females. Each of the 11 variables measured on mandibular and maxilla of the Surabaya population showe
gender differences between sexes, except the mandibular ramus widths. Our results suggest that the mandibular and maxilla
those of females. Therefore; we conclude that there is a gender dimorphism of the jaw in our population. Our result studies a
done by Datta et al., Dong et al., Laowansari et al., and Liu et al.16,17,18

Datta et al. studies presented 12 parameters of the mandibular such as gonial angle, bigonial width, ramus height, bicondylar
length of the lower jaw, mandibular index, body thickness, coronoid height, bimental breadth, symphyseal height, and body h
for gender determination. It was
because all the other parameters showed significant gender differentiation with high accuracies.16

Dong et al. studies in Han Chinese population found there was a significant sexual dimorphism in the examined ten parameter
condylar breadth, bi-gonial breadth, bi-antegonial notch breadth, bi-mental foramina breadth, the distance between mental f
inferior border, maximum mandibular ramus breadth, maximum mandibular length, maximum mandibular ramus height, max
length, mandibular angle, and mental angle). The accuracies of sex determination between 61.1 and 81.8%.17 Laowansari et a
there were significant differences in maxilla size between males and females, the male maxilla was greater than that of female

The research done by Datta et al., Dong et al., and Liu et al. showed that the males mandibular were greater than that of fema
differences between males and females were caused by different bone remodeling patterns. It has been found that many fact
remodeling patterns such as genetics, races, muscle mass, masticatory muscle activities, gender hormone, and socio-economy
male bone growth mainly occurs in periosteal, whereas the female bone growth mainly occurs in the endosteal, it causes the
sizes in males are greater than those of females.22,23

Based on Figures 2 and 3, our study results in the 15-25 years old samples, ramus height shows the greatest univariate gender
corpus height in the symphysis region. The least univariate gender dimorphism was the ramus width. The overall prediction ra
was 95.2%. When we removed nasal lines and the ramus widths, the accuracy was 80.20%. When we combined mandibular ra
corpus length, and mandibular corpus height the accuracy was adequate (94.90%). It means that mandibular ramus height an
in the symphysis region are a good indicator of gender determination. The mandibular showed gender dimorphism from an ea
Nevertheless, mandibular gender dimorphism is reduced during childhood (between the ages of 4 and 14), and it becomes mo
adulthood.9 Several studies investigated the mandible to determine the gender in sub-adult samples, even though some rese
bones have limited value before puberty.25,26
Gender identification by using skeletal identificati on is an important tool in forensic, medico-legal, bioarkeology, and anthrop
morphological methods depended on the anthropologist subjectivity that caused a significant difference among the observer.
the discriminant function for gender prediction in a Surabaya-Indonesia population age ranges 15-25-year olds by using a pan
research used 273 panoramic radiographs consisted of 129 male panoramic radiographs and 144 female panoramic radiograp
measured 11 parameters of the jaw such as two gonial angles, two mandibular ramus heights, two mandibular ramus widths,
lengths, two nasal line maxilla, and anterior mandibular corpus heights. The researchers analyzed the data by using the discrim
SPSS statistic 24. The result of our study shows there were significant differences in the jaw morphometry between males and
mandibular ramus widths. The jaw size in males was larger than that of the female. The biggest dimorphism variables based o
were gonial angles, mandibular ramus heights, mandibular corpus lengths, and nasal lines. While the smallest dimorphism var
ramus widths. The accuracy of discriminant analysis for each variable ranges from 47.3% to 93.8%. This preliminary study in Su
population age ranges 15-25-year-olds by using panoramic radiograph shows the highest accuracy of gender prediction by usi
obtained from the combination of the nine jaw parameters. This preliminary study in Surabaya-Indonesia population age rang
a panoramic radiograph shows the highest accuracy of gender prediction by using discriminant function was obtained from th
parameters. The ramus height is the greatest gender dimorphism, and the least gender dimorphism is ramus width. We hope
discriminant function can be used as a reference for gender prediction in future researches, especially in dental forensic scien
Estimasi gender adalah komponen kunci dari profil biologis individu untuk mencapai tujuan antropologi forensik1. Identifikasi
menggunakan identifikasi kerangka merupakan alat penting dalam forensik, mediko-legal, bio-arkeologi, dan antropologi. Met
kelamin dapat bervariasi tergantung pada tulang yang tersedia.1,2 Secara umum, metode estimasi jenis kelamin dikelompokk
yaitu metode yang berfokus pada ukuran dan kekokohan fitur anatomi dan metode yang melibatkan evaluasi panggul fitur ya
melahirkan anak perempuan.2,3 Berdasarkan data Badan Nasional Penanggulangan Bencana, Indonesia adalah negara yang re
selama tahun 2018 terjadi bencana massal tahun 1999 di Indonesia seperti letusan gunung berapi, tsunami, gempa bumi, dan
hal ini, kami menemukan banyak korban dengan tulang yang tidak lengkap.4

Keakuratan penentuan jenis kelamin tergantung pada jumlah fragmen tulang dan bagian kerangka yang tersedia. Tengkorak, p
adalah anatomi yang paling berguna untuk penentuan jenis kelamin radiologis. Korgman menyatakan bahwa akurasi penentu
rangka lengkap adalah 100%, penentuan jenis kelamin dengan menggunakan tulang panggul adalah 95%, penentuan jenis kela
tengkorak adalah 90%, penentuan jenis kelamin dengan menggunakan tulang panggul dan tengkorak adalah 98%, dan penent
menggunakan tulang panjang adalah 80%.5

Ketika seluruh kerangka tidak tersedia, tengkorak dapat menjadi alat identifikasi gender yang akurat.5,6 Tengkorak adalah tul
setelah panggul. Dalam kasus tengkorak juga tidak lengkap, mandibula memainkan peran penting dalam penentuan jenis kela
mandibula. Selain itu, mandibula adalah tulang terbesar dan terkuat di tengkorak. Dimorfisme mandibula bervariasi tergantun
aktivitas otot pengunyahan.3,6,7

Keakuratan penentuan jenis kelamin tergantung pada jumlah fragmen tulang dan bagian kerangka yang tersedia. Tengkorak, p
adalah anatomi yang paling berguna untuk penentuan jenis kelamin radiologis. Korgman menyatakan bahwa akurasi penentu
rangka lengkap adalah 100%, penentuan jenis kelamin dengan menggunakan tulang panggul adalah 95%, penentuan jenis kela
tengkorak adalah 90%, penentuan jenis kelamin dengan menggunakan tulang panggul dan tengkorak adalah 98%, dan penent
menggunakan tulang panjang adalah 80%.5

Ketika seluruh kerangka tidak tersedia, tengkorak dapat menjadi alat identifikasi gender yang akurat.5,6 Tengkorak adalah tul
setelah panggul. Dalam kasus tengkorak juga tidak lengkap, mandibula memainkan peran penting dalam penentuan jenis kela
mandibula. Selain itu, mandibula adalah tulang terbesar dan terkuat di tengkorak. Dimorfisme mandibula bervariasi tergantun
aktivitas otot pengunyahan.3,6,7

Terdapat beberapa penelitian tentang penentuan jenis kelamin berdasarkan bentuk mandibula dan morfometri pada sampel
menunjukkan bahwa dimensi mandibula pra-pubertas tidak konsisten.8,9 Conquerell et al. telah menyatakan bahwa dimorfism
selama perkembangan. Penentuan jenis kelamin dengan menggunakan morfometrik mandibula tidak dapat dideteksi pada re
karena terdapat perbedaan pola pertumbuhan dan perkembangan antara laki-laki dan perempuan. mandibula
dimorfisme bentuk dapat digunakan pada penentuan jenis kelamin pascapubertas.9 Perubahan bentuk dan ukuran mandibula

diamati dengan menggunakan seri radiografi. Radiografi dapat membantu dalam memberikan dimensi yang akurat dimana fo
diterapkan untuk penentuan jenis kelamin.10 Ada beberapa penelitian yang membuktikan bahwa radiografi panoramik dapat
mengevaluasi morfometrik rahang. Praktisi gigi biasanya menggunakan radiografi panoramik untuk mengevaluasi struktur vita
mengevaluasi morfologi rahang segera setelah usia berubah pada jenis kelamin yang berbeda, dan itu mewakili anatomi rahan

Metode morfologi tradisional yang bergantung pada pemahaman subjektivitas antropolog dalam dimorfisme seksual rahang,
yang signifikan di antara pengamat.13 Oleh karena itu; kami perlu merancang metode analisis diskriminan yang andal untuk tu
Analisis fungsi diskriminan semakin banyak digunakan untuk menentukan jenis kelamin dari kerangka, tetapi terbatas pada ya

populasi. Penelitian ini dilakukan untuk mengembangkan fungsi diskriminan untuk prediksi jenis kelamin pada populasi Suraba
rentang usia 15-25 tahun dengan menggunakan radiografi panoramik dan untuk menentukan parameter paling dimorfik dari r
radiografi panoramik.
Dimorfisme gender mengacu pada perbedaan ukuran, bentuk, dan penampilan antara anatomi pria dan wanita. Baru-baru ini
dimorfisme gender dengan menggunakan parameter metrik dengan hasil yang dapat diandalkan.11,13,14,15 Oleh karena itu,
dimorfisme gender pada kerangka penentuan gender dengan menggunakan analisis diskriminan. Analisis fungsi diskriminan d
digunakan untuk mengukur penilaian morfologi rahang.

Mandibula dan maksila adalah tulang yang memberikan informasi tentang jenis kelamin. Baik mandibula maupun maksila mem
yang berbeda antara laki-laki dan perempuan. Masing-masing dari 11 variabel yang diukur pada mandibula dan rahang atas pe
menunjukkan perbedaan yang signifikan secara statistik antara jenis kelamin, kecuali lebar ramus mandibula. Hasil kami menu
mandibula dan maksila pada laki-laki lebih besar daripada perempuan. Karena itu; kami menyimpulkan bahwa ada dimorfisme
populasi kami. Hasil penelitian kami sama dengan penelitian yang dilakukan oleh Datta et al., Dong et al., Laowansari et al., da

Datta dkk. Penelitian mempresentasikan 12 parameter mandibula seperti sudut gonial, lebar bigonial, tinggi ramus, lebar biko
panjang rahang bawah, indeks mandibula, ketebalan tubuh, tinggi koronoid, lebar bimental, tinggi symphyseal, dan tinggi bad
penentuan jenis kelamin. Dulu
karena semua parameter lain menunjukkan diferensiasi gender yang signifikan dengan akurasi tinggi

Dong dkk. Studi pada populasi Cina Han menemukan ada dimorfisme seksual yang signifikan dalam sepuluh parameter mandi
condylar, lebar bi-gonial, lebar takik bi-antegonial, lebar foramen bi-mental, jarak antara foramen mental dan mandibula. bata
mandibula maksimum, panjang mandibula maksimum, tinggi ramus mandibula maksimum, panjang tubuh mandibula maksim
sudut mental). Akurasi penentuan jenis kelamin antara 61,1 dan 81,8%.17 Laowansari et al. hasil penelitian menunjukkan bah
ukuran rahang atas yang signifikan antara laki-laki dan perempuan, rahang atas laki-laki lebih besar dari pada perempuan.18

Penelitian yang dilakukan oleh Datta et al., Dong et al., dan Liu et al. menunjukkan bahwa mandibula jantan lebih besar daripa
betina.16,17,19 Perbedaan ukuran antara jantan dan betina disebabkan oleh pola remodeling tulang yang berbeda. Telah dite
yang mempengaruhi pola remodeling tulang seperti genetik, ras, massa otot, aktivitas otot pengunyahan, hormon gender, dan
ekonomi.20,21 Pertumbuhan tulang laki-laki terutama terjadi di periosteal, sedangkan tulang perempuan Pertumbuhan teruta
menyebabkan volume tulang, dan ukuran tulang pada laki-laki lebih besar daripada perempuan.22,23

Berdasarkan Gambar 2 dan 3, hasil penelitian kami pada sampel berusia 15-25 tahun, tinggi ramus menunjukkan dimorfisme g
diikuti oleh tinggi korpus di wilayah simfisis. Dimorfisme gender univariat terkecil adalah lebar ramus. Tingkat prediksi keselur
sembilan variabel adalah 95,2%. Ketika kami menghilangkan garis hidung dan lebar ramus, akurasinya adalah 80,20%. Ketika k
ramus mandibula, panjang korpus mandibula, dan tinggi korpus mandibula, akurasinya cukup (94,90%). Artinya, tinggi ramus m
mandibula di regio simfisis merupakan indikator penentuan jenis kelamin yang baik. Mandibula menunjukkan dimorfisme gen
kehidupan.24 Namun demikian, dimorfisme gender mandibula berkurang selama masa kanak-kanak (antara usia 4 dan 14), da
selama masa dewasa.9 Beberapa penelitian menyelidiki mandibula untuk menentukan jenis kelamin dalam sampel sub-dewas
peneliti berpendapat bahwa tulang tengkorak memiliki nilai terbatas sebelum pubertas.25,26
Identifikasi gender dengan menggunakan identifikasi kerangka merupakan alat penting dalam forensik, mediko-legal, bioarkeo
Metode morfologi tradisional bergantung pada subjektivitas antropolog yang menyebabkan perbedaan signifikan di antara pe
bertujuan untuk mengembangkan fungsi diskriminan untuk prediksi jenis kelamin pada penduduk Surabaya-Indonesia usia 15
menggunakan radiografi panoramik. Penelitian ini menggunakan 273 radiografi panoramik yang terdiri dari 129 radiografi pan
radiografi panoramik perempuan. Para peneliti mengukur 11 parameter rahang seperti dua sudut gonial, dua tinggi ramus ma
mandibula, dua panjang korpus mandibula, dua garis hidung maksila, dan tinggi korpus mandibula anterior. Para peneliti men
menggunakan analisis diskriminan dari statistik IBM SPSS 24. Hasil penelitian kami menunjukkan ada perbedaan yang signifika
antara laki-laki dan perempuan, kecuali lebar ramus mandibula. Ukuran rahang pada laki-laki lebih besar dari pada perempuan
terbesar berdasarkan nilai lambda Wilks adalah sudut gonial, tinggi ramus mandibula, panjang korpus mandibula, dan garis hi
dimorfisme terkecil adalah lebar ramus mandibula. Keakuratan analisis diskriminan untuk masing-masing variabel berkisar ant
Studi pendahuluan di Surabaya Indonesia populasi usia 15-25 tahun dengan menggunakan radiografi panoramik menunjukkan
jenis kelamin dengan menggunakan fungsi diskriminan diperoleh dari kombinasi sembilan parameter rahang. Studi pendahulu
Indonesia usia 15-25 tahun dengan menggunakan radiografi panoramik ini menunjukkan akurasi prediksi jenis kelamin terting
fungsi diskriminan diperoleh dari kombinasi sembilan parameter. Tinggi ramus adalah dimorfisme gender terbesar, dan dimor
lebar ramus. Kami berharap fungsi diskriminan yang diturunkan dapat digunakan sebagai referensi untuk prediksi jenis kelami
selanjutnya, terutama dalam ilmu forensik gigi.