Os autores informam não haver conflito de interesse.
Danilo Aires Alves (1)
Pedro Henrique Macedo dos Santos (1)
Pedro Augusto Prado Mota (1)
Fillipe Thiago Xavier de Campos (1)
Giovanna Herculano Tormena (2)
(1) IML Goiânia;
(2) Escola de Engenharia da USP de São Carlos
A identificação sexual de cadáveres em decomposição avançada desafia métodos tradicionais dependentes de análise antropológica visual. Este estudo avalia redes neurais convolucionais com transfer learning para determinar sexo biológico automaticamente a partir de tomografias computadorizadas forenses. Analisaram-se 144 cadáveres necropsiados no Instituto Médico-Legal de Goiânia-GO, incluindo todas as faixas etárias e graus de decomposição. Reconstruções 3D de pelve e crânio foram convertidas em projeções 2D padronizadas. Técnicas de data augmentation compensaram limitações amostrais.
Validaram-se dois cenários: classificação binária e quaternária (sexo vs. região anatômica). Os modelos alcançaram acurácia mínima de 81% em todos os cenários testados, mantendo desempenho consistente em casos extremos. A abordagem demonstrou robustez frente à heterogeneidade etária e tafonômica. Limitações incluem padronização das projeções e desbalanceamento de classes. Os resultados indicam viabilidade técnica da metodologia, requerendo refinamento algorítmico, expansão amostral e validação multicêntrica antes da implementação forense rotineira.
