El desarrollo de los métodos actuales de sexado depende en gran medida del uso de fuentes de datos adecuadas y técnicas de clasificación ajustables. La mayoría de los métodos de estimación de sexo se han basado en mediciones lineales, mientras que los ángulos han sido en gran parte ignorados, lo que puede llevar a la pérdida de información valiosa para la discriminación sexual. Este estudio tiene como objetivo evaluar la utilidad de los ángulos craneales para la estimación del sexo y diferenciar los más dimórficos mediante el entrenamiento de algoritmos de aprendizaje automático. Se utilizaron imágenes de tomografía computarizada de 154 hombres y 180 mujeres para derivar datos de 36 ángulos craneales. Los modelos de clasificación se crearon mediante máquinas de soporte vectorial, Bayes ingenuo, regresión logística y el algoritmo de inducción de reglas CN2. Se organizó una serie de subconjuntos de ángulos craneales mediante un esquema de selección de atributos. Los algoritmos lograron la mayor precisión en subconjuntos de ángulos craneales, la mayoría de los cuales corresponden a características bien conocidas para la discriminación sexual. Los ángulos que caracterizan la frente inferior y la parte media superior de la cara se incluyeron en los modelos de mejor rendimiento de todos los algoritmos. Los resultados de precisión mostraron el considerable potencial de clasificación de los ángulos craneales. El estudio demuestra el valor de los ángulos craneales como indicadores de sexo y la posibilidad de mejorar la precisión de la estimación del sexo al utilizarlos.