基于深度学习对口腔全景摄影片进行性别推断的研究

目的 探究深度学习技术对中国汉族人群口腔全景摄影图像（OPG）进行性别推断的可行性和准确性。方法 收集18～70岁汉族人群OPG影像数据10 600份（男性5 300份,女性5 300份）,按照8:1:1比例随机划分为训练集、验证集、测试集。采用MobileNetV2、Swin Transformer模型进行训练,通过准确率、F1分数及GradCAM算法评估模型分类性能及可视化展示。结果 MobileNetV2、Swin Transformer Small和Swin Transformer Tiny模型的准确率为97.57%、95.13%、96.28%,其中MobileNetV2模型表现最佳。Grad-CAM算法显示男性OPG图像主要关注左右侧下颌支及牙槽骨,而女性的OPG图像主要关注上颌窦、左侧下颌支及左侧后牙槽骨。结论 本研究基于深度学习技术构建的中国汉族人群OPG图像性别推断模型具有较高的准确性及泛化能力,为法医学性别推断提供了新的方法。     

基于深度学习实现肋软骨CT图像自动化骨龄推断

目的 利用深度学习方法对第1～7对成人肋软骨CT重建图像进行特征提取,实现成人肋软骨骨龄的自动化推断。方法 回顾性收集年龄在20岁～70岁之间的男性和女性样本各625例,并通过容积再现技术（VRT）得到对应的VRT图像。通过图像预处理和数据增强之后,将其中的500例作为训练集,125例作为测试集,运用5折交叉验证的方法分别评估Res Net、Res Ne Xt、Dense Net及Google Net网络模型的性能,并将5折交叉验证结果的平均值作为最终推断结果。结果 Res Net50网络模型在男性和女性数据集中都取得了最佳实验结果,平均绝对误差分别为4.56岁和3.91岁,±5.0岁范围内预测准确率分别达到64.00%和70.88%,±10.0岁范围内预测准确率分别达到88.96%和94.40%。结论 与传统方法和机器学习方法相比,深度学习方法能够避免人为因素的影响,并且大大提高了成人肋软骨骨龄推断的准确率、降低了预测年龄与真实年龄之间的平均绝对误差,具有较高的临床应用价值。     

基于深度学习实现维吾尔族青少年左手腕关节骨龄自动化评估

目的将深度学习运用于维吾尔族青少年左手腕关节数字化X线摄影(digital radiography,DR)图像识别中,实现骨龄评估的自动化,探索该方法在法医骨龄鉴定中的应用价值。方法在我国新疆维吾尔自治区采集13.0~19.0岁维吾尔族男性青少年245例、女性青少年227例左手腕关节DR图像,将预处理后的图像作为研究对象,将AlexNet作为图像识别的回归模型。在上述总样本中分别选取男、女性60%左手腕关节DR图像样本作为网络训练集,10%的样本作为验证集,余30%作为测试集,获取与样本真实年龄误差范围分别在±1.0岁、±0.7岁以内的图像识别准确率。结果深度学习的内测结果:误差范围在±1.0岁及±0.7岁以内的网络训练集准确率,男性分别为81.4%和75.6%,女性分别为80.5%和74.8%。误差范围在±1.0岁及±0.7岁以内的测试集准确率,男性分别为79.5%和71.2%,女性分别为79.4%和66.2%。结论青少年左手腕关节骨龄研究与深度学习相结合,具有较高的准确性及较好的可行性,为躯体其余骨关节的骨龄自动化评估体系奠定研究基础。     

基于多尺度特征融合的穿鞋足迹识别网络

近年来，随着人工智能的快速发展，赤足足迹和穿袜足迹的自动识别均取得了不错的效果，但因为需要脱鞋，应用场景受到了很大的限制。单枚穿鞋足迹识别由于鞋底花纹的多样性、随机性给智能识别造成了很大的阻碍，识别准确率普遍较低，成为了一个具有挑战性的任务。本文聚焦于不同人穿同一种鞋的足迹识别，提出一种基于多尺度特征融合的穿鞋足迹识别网络。采集大量的足迹样本，通过旋转、平移、加噪声等方式模拟犯罪现场足迹图像可能产生的变化，制作了足迹数据集，然后以ResNet为骨干网络，利用双向金字塔特征融合模块充分融合足迹图像的深层特征和浅层特征，最后针对鞋底花纹变化造成网络识别准确率降低的问题，提出了用迁移学习解决的思路，让网络学习未知花纹与现有花纹之间的联系，快速拟合出模型。经过训练测试，本文提出的方法在自制足迹数据集上识别准确率达到了93.1%,CMC评价指标也明显优于其他网络。在新的足底花纹上，迁移学习对比从头开始训练，速度更快、准确率更高。大量的实验证明，本文提出的穿鞋足迹识别网络识别准确率更高，提出的迁移学习的方法在面对新的鞋底花纹时，能够实现更好的效果。     

西南地区汉族男性CT颅面径线与身高的关系

目的通过CT测量西南地区汉族男性颅面径线,建立该地区汉族男性颅面径线与身高的回归模型,为法医人类学研究积累数据。方法收集273例西南地区汉族男性头部CT资料,确定颅面部7条径线,运用图像后处理软件进行多平面重建和容积再现,对所选径线进行测量。对各测量指标与身高的相关性运用SPSS 21.0进行分析,建立推断身高的回归方程,并重新选取50例样本代入该数学模型进行检验。结果建立了7条径线的线性回归方程(P0.05);一元线性回归方程相关系数为0.190~0.439,标准估计误差(SEE)为4.597~5.023 cm;多元线性回归方程复相关系数为0.494~0.524,SEE为4.418~4.458 cm。回代检验得y=83.959+3.589 x_6+2.573 x_2,±1SEE准确率最高,为30%;y=72.646+3.316 x6+1.586 x_2+1.553 x_4+2.211 x_3,±2SEE准确率最高,为92%。结论本研究所选取的7条径线与身高均有明显的直线相关性,所建立的多元回归方程适用于推断西南地区汉族男性身高。     

Nolla法在乌鲁木齐地区维、汉未成年人群中通过牙龄推断年龄的应用

目的 评估应用Nolla法推断乌鲁木齐地区维吾尔族和汉族3～16岁未成年人群年龄的适用性和准确性。方法 收集2019年～2021年新疆医科大学附属口腔医院年龄在3～16岁的乌鲁木齐地区维吾尔族和汉族拍摄的全口曲面体层片1 208例，其中维吾尔族547例（男性：267例，女性：280例），汉族661例（男性：347例，女性：314例）。按照Nolla法分期标准及其提供的年龄转换表获得牙龄。将所得牙龄与生理年龄进行配对t检验。结果 维吾尔族男性平均生理年龄为（8.81±3.75）岁，女性为（9.62±3.68）岁；男性平均低估了0.06岁，女性平均低估了0.52岁；平均绝对误差（Mean Absolute Error,MAE）男、女性分别为0.70岁和0.80岁。汉族男性平均生理年龄为（9.07±3.77）岁，女性为（8.96±3.86）岁；男性平均低估了0.13岁，女性平均低估了0.64岁；MAE男、女性分别为0.69岁和0.90岁。结论 Nolla法适用于除女性15～16岁的乌鲁木齐地区维吾尔族和汉族未成年人群，维吾尔族准确性高于汉族，男性较女性准确。另外，本研究提出了恒牙总成熟度-生...     

基于深度学习的颅脑损伤机制自动化鉴别

目的 应用卷积神经网络Inception＿v3模型进行基于颅脑CT图像的加、减速性损伤自动鉴别,探讨深度学习技术在法医学颅脑损伤成伤机制推断中的应用前景。方法 收集190例加、减速性脑损伤的影像学资料作为实验组,另选取130例正常颅脑的影像学资料作为对照。将上述320例影像学资料根据随机抽样的方法分为训练验证集和测试集。采用准确率、精确率、召回率、F1值及AUC值评估模型分类性能。结果 模型在训练过程和验证过程中对3种图像（加速性损伤、减速性损伤及正常颅脑）分类的最高准确率分别为99.00%、87.21%,满足要求。使用优化后的模型对测试集数据进行测试,该模型在测试集中的三分类准确率为87.18%,识别加速性损伤的精确率、召回率、F1值及AUC值分别为84.38%、90.00%、87.10%、0.98,识别减速性损伤的各值分别为86.67%、72.22%、78.79%、0.92,识别正常颅脑的各值分别为88.57%、89.86%、89.21%、0.93。结论 Inception＿v3模型在基于颅脑CT图像区分加、减速性损伤中具有应用潜力,有望成为推断头部致伤方式的一种辅助工具。     

基于CT三维重建技术推断西部地区汉族成人颅骨性别

目的 利用颅骨CT三维重组技术检验Walker模型推断我国西部地区汉族成人性别的可靠性和准确性,并研究适用于西部地区汉族人群的颅骨性别推断模型。方法 收集陕西省汉中医院2017—2021年的576例颅骨CT三维重组图像,分为实验组486例、验证组90例。观察者1采用Walker模型对实验组样本评分进行性别推断,并修正为适用于西部地区汉族样本的logistic函数,3名观察者对验证组90例样本评分,代入修正后的logistic函数完成回代检验。结果 应用Walker模型推断西部地区汉族成人性别准确率为63.2%～77.2%,修正的性别推断模型的准确率为82.9%。3名观察者回代检验性别推断准确率为75.6%～91.1%,观察者之间Kappa一致性检验结果为0.689(P<0.05),观察者内部Kappa一致性检验结果为0.874(P<0.05)。结论 不同地区人群骨骼特征存在差异,修正后的logistic函数在西部地区汉族成人获得了更高的准确率。     

三维几何形态学在下颌骨性别推断中的应用

目的 使用基于标志点的三维几何形态法对下颌骨进行分析,评估下颌骨形状和大小的性别差异,为进一步了解下颌骨的形态特征及性别推断提供新思路和理论依据。方法 纳入164名北方汉族成年人（男性80名,女性84名）的颅面部薄层CT图像进行三维重建,获取了18个地标,采用普鲁克氏叠加、主成分分析和回归分析等评估了下颌骨大小和形状的性别差异。结果 异速生长分析显示下颌骨大小对形状的影响具有统计学意义（P <0.001）,下颌骨大小和形状均具有性别差异,男性下颌骨大于女性,PCA图显示男性和女性下颌骨的重叠较多,逻辑回归表明总体性别推断准确率为67.1%～89.6%。结论 下颌骨大小比形状提供了更多的性别推断信息,当形状和大小信息结合分析时,性别分类精度会较大程度提高。     

Demirjian法测定广东地区青少年第三磨牙牙龄

目的评估Demirjian法用于测定广东地区青少年牙龄的可行性。方法收集344例(男性171例,女性173例)广东地区9~25岁汉族青少年全口曲面断层片,应用Demirjian法进行分期评定,并比较测得牙龄与生理年龄的差异,分析男女之间的差异性,并分别比较相应分期与16岁和18岁实际年龄的似然率。结果本文344例样本的统计学分析显示,生理年龄与第三磨牙发育程度呈高度相关,相关系数男性为0.837,女性为0.886;Demirjian法分期为D、E、G期的不同性别之间,第三磨牙的发育程度差异具有统计学意义(P0.05);根据样本分期推断的牙龄与相应个体生理年龄的平均差异,女性为0.98岁,男性为0.88岁,其差异具有统计学意义(P0.05);分期为G期的样本与达到以及大于16岁个体似然率男性为85.7%,女性为94.3%,H期与达到以及大于18岁的似然率男性及女性均为100%。结论根据全口曲面断层片对广东汉族青少年牙龄进行推断不能单独采用Demirjian法,需用其他方法综合校正;而分期中的G及H期可用于对16及18岁年龄的推断。     

利用Phenice征判断中国人性别的研究

对已知性别中国人的干燥髋骨191副(其中男性126副,女性65副)进行现察,发现利用Phenice征判断性别的准确率为87.1%,利用腹侧弧耻骨下支的凹凸程度以及耻骨下支的宽窄判别性别准确率分别为82.3%、93.8%及85.1%,其中利用耻骨下支凹凸程度判别性别的准确率最高.并将本研究成果与其他人群进行了比较.     

目击者辨别相貌特征能力的研究

目的验证通过目击者的描述,刻画犯罪嫌疑人模拟像及计算机人像组合技术和准确性.方法分别将15名男性和女性照片的发型、下巴、眼睛等五官部位单独取下,并确定其中1人为辨别目标(对象),由786名目击者进行辨认.结果目击者辨别面部特征的总体准确率为17.4%.结论犯罪嫌疑人模拟像制作领域中,在世界上使用最广泛、影响最大的人像组合技术--犯罪嫌疑人模拟像相貌特征组合成像法,存在技术缺陷.     

应用锁骨薄层CT容积重建影像推算四川汉族身高

目的探讨锁骨薄层CT三维容积重建影像(CT-VRT)在身高推算中的应用价值,以期更新我国西南地区身高推算数据,为鉴定实践提供技术支撑。方法应用300例锁骨薄层CT-VRT影像,测量并计算左侧锁骨长(LCL)、右侧锁骨长(RCL)、双侧锁骨均长(ACL),分析身高与LCL、RCL、ACL相关性及性别差异,建立身高推算线性回归方程,并对所建模型进行回代检验。结果男性、女性ACL和身高的相关系数分别为0.534、0.707;LCL和身高的相关系数分别为0.484、0.680;RCL和身高的相关系数分别为0.523、0.695。分别建立ACL、LCL、RCL男女性身高推算线性回归模型。回代检验示ACL方程男性身高推算平均绝对误差(MAD)为4.48cm,女性MAD为3.51cm;LCL方程男性身高推算MAD为4.60cm,女性MAD为3.64cm;RCL方程男性身高推算MAD为4.49cm,女性MAD为3.59cm。结论建立的推算身高的回归方程具有统计学意义,模型预测精度较高,表明利用薄层CT-VRT影像测量的锁骨可运用于四川汉族人群身高推算研究。但模型R2较小,因此在应用ACL进行身高推算时最好结合其他指标。     

基于机器学习和锁骨胸骨端薄层CT的年龄推断研究

目的 采用Kellinghaus分级法对锁骨胸骨端薄层CT进行人工阅片分级,运用多种传统统计学方法以及机器学习方法构建青少年及成人早期年龄推断模型,探索机器学习技术在四川汉族人群年龄推断研究中的应用价值。方法 回顾性收集491例10～30岁个体的胸部薄层CT影像,参照Kellinghaus分级法对所收集样本进行阅片分级赋分。随机选取10%的数据作为测试集,其余数据作为训练集,综合构建多种青少年及成人早期年龄推断的传统统计学回归模型与机器学习模型,采用平均绝对误差值（Mean Absolute Error,MAE）对模型的性能进行评估。结果统计回归模型中效能最好的模型为三次回归模型,男性MAE值为1.34,女性MAE值为1.57;三种机器学习模型中,随机森林模型对男性的预测效能最好,MAE值为1.39;支持向量模型对女性的预测效能最好,MAE值为1.51。结论在锁骨胸骨端年龄推断模型的构建中,机器学习模型在年龄推断中的准确性有一定提升,但与传统统计学回归模型相比并无明显优势,机器学习方法在锁骨胸骨端年龄推断中的应用价值仍有待进一步探索研究。     

基于数据挖掘算法的骨盆损伤判别模型

目的 利用主成分分析、偏最小二乘法对基于骨盆CT图像提取的特性信息进行降维,利用降维的数据建立判别骨盆是否受伤的支持向量机分类判别模型,评估其应用的可行性。方法 将采集的正常和受伤骨盆CT图像146例分别随机提取80%作为训练集,用于模型拟合;剩余20%作为测试集,用于模型准确性的检验。通过CT图像输入、图像预处理、特征提取、特征降维、特征选择、参数选择、模型建立和模型比较等步骤,建立骨盆是否受伤的判别模型。结果 偏最小二乘法降维方法优于主成分分析降维方法,支持向量机模型优于朴素贝叶斯模型。基于12个偏最小二乘因子建立的骨盆是否受伤支持向量机分类判别模型的建模集、留一法交叉验证和测试集结果准确率分别为100%、100%和93.33%。结论 基于CT图像建立的骨盆是否受伤数据挖掘模型在评估骨盆损伤中具有比较高的准确性,为骨盆损伤的自动快速识别奠定基础。     

基于深度学习的人体肋骨骨折智能检测技术

目的将人工智能中的深度学习技术应用到人体肋骨骨折识别,实现人体肋骨骨折智能检测,提高法医肋骨骨折诊断效率。方法采集3143例人体胸部X线数字影像(2602例用于训练,541例用于测试),标注肋骨骨折特征点,通过多层网络堆叠,分层、分级主动学习原始数据高度抽象的特征表述,并将此特征反馈至检测器进行骨折检测,输出骨折位置及相应置信度。结果基于深度学习的人体肋骨骨折检测准确率在90%以上。结论基于深度学习的人体肋骨骨折检测准确率较高,可用于辅助法医进行肋骨骨折识别诊断、检验鉴定等,本研究可为人体其他部位骨骼损伤智能检测提供参考。     

基于角膜图像的人体死亡时间推断模型初探

目的尸体角膜随死后时间延长发生的形态学变化是规律性较好的指标,常用来判断死亡时间(postmortem interval,PMI)。本文尝试用机器视觉代替人的肉眼主观判断,收集尸体样本以建立通过人体角膜图像推断PMI的模型。方法收集实际案例建立包含505例人体死后角膜图像的数据库,PMI范围为0.24h(约死后14min)至492h(约死后20.5d),大致分为三类(依次为:0~<6h、6~<20h、20h及以上)或二类(0~<15h、15h及以上);使用由华盛顿大学陈天奇博士提出的Xgboost模型分别进行二分类与三分类分析;使用多种卷积神经网络模型分别进行分类和回归学习,并通过比较最终选择了由微软研究院提出的ResNet模型进行分析。结果Xgboost在三分类时预测准确率依次为71.8%、40.7%、65.7%,二分类时为90%、48.5%。ResNet分类模型中,精准率、召回率在三分类时分别依次为:81%、75%,30%、50%,61%、71%,二分类时为:70%、92%,76%、38%。ResNet回归模型中,比较整个模型的预测结果,0~6h内的预测值与真实值较为接近,均值误差为0.5616,均方误差为0.5873,6h之后开始出现较大误差。结论分类和回归模型都在0~6h之内得到了很好的结果,说明在此时间段内,角膜图像噪声较低,可预测性强。     

4种深度学习图像分类算法在人工智能硅藻检验中的比较

目的 选择深度学习图像分类算法中复杂性和准确性较为平衡的4种算法进行硅藻的自动识别,探究最适用于硅藻识别的分类算法,为法医学自动化硅藻检验研究提供数据参考。方法 建立真实水中尸体肺组织消化液涂片的“硅藻”“背景”小样本量数据集（20 000张）,用于4种算法（VGG16、ResNet50、InceptionV3和Inception-ResNet-V2）模型的训练、验证和测试。绘制受试者工作特征曲线、混淆矩阵并计算召回率、查准率、特异性、准确率及F1分数,对各模型性能进行系统性评估。结果 InceptionV3的硅藻识别性能明显优于其他3种算法,具有更为均衡的硅藻查全（89.80%）与查准（92.58%）性能;VGG16和InceptionResNet-V2的硅藻识别性能相当,虽无法做到硅藻查全与查准的性能均衡,但其识别能力尚可接受;特征,且都以硅藻区域为主要识别依据。结论 包含Inception结构的模型,在硅藻特征提取方面具有更强的指向性和靶向性。其中,InceptionV3算法能够更为准确、靶向地提取到硅藻特征,具有最优的硅藻识别性能,更适合应用于日常法医学硅藻检验。     

基于腰椎高度X线测量技术推断四川汉族女性身高

目的通过腰椎高度X线测量技术,建立四川汉族女性身高的数学模型,为法医人类学研究积累基础数据。方法收集206例四川汉族女性个体按年龄分为A、B、C 3组,其中A组(206例)不分年龄,B组(116例)为20~45岁,C组(90例)为45岁以上,并应用计算机X线摄影(computer radiography,CR)技术分别测量所有样本腰椎CR片中5个椎体(L1~L5)前缘、后缘、中央高度(x1~x15),脊柱腰段中央总长度(x16),同时测量每个个体真实身高,对各测量指标联合与身高的相关性进行线性回归分析,建立推断身高的数学模型,并重新选取62例样本代入数学模型,检验模型的准确性。结果所建立的数学模型经线性回归模型假设检验,均具有统计学意义(P0.05),回归方程的推断标准误为2.982~5.004cm,相关系数为0.370~0.779,复相关系数为0.533~0.834。对每组相关系数、复相关系数最高的方程进行回代检验,其中A组的y=100.33+1.489 x3-0.548 x6+0.772 x9+0.058 x12+0.645 x15的准确率最高,为80.6%(±1SE)、100%(±2SE)。结论本研究建立的数学模型适用于推断四川汉族女性身高。     

基于YOLOv3的硅藻电子显微镜图像识别模型的构建及应用

目的 基于YOLOv3模型构建硅藻电子显微镜图像识别模型,测试在实际案例中的应用效果,探讨该模型在法医学硅藻鉴定中的优势。方法 选取25 000张1 500×的硅藻电子显微镜图像作为初始图像集,经专家标注和图像处理后,输入YOLOv3网络训练识别模型。收集8例溺死案例肺、肝、肾组织样本的硅藻电子显微镜图像,分别在0.4、0.6、0.8的阈值下利用该模型识别硅藻,同时进行人工识别,以识别速度、召回率和查准率评价该模型的实际应用效果。结果 模型在验证集和测试集上的平均精度均值分别为94.8%和94.3%,平均召回率分别为81.2%和81.5%。实际应用中,该模型识别速度是人工识别速度的9倍以上。阈值为0.4时,肺组织硅藻总体召回率均值达89.6%、总体查准率均值达87.8%;肝、肾组织硅藻总体召回率达100%、查准率低于5%。随着阈值的增加,各组织硅藻召回率下降、查准率上升;模型在肺组织的F1分数随着阈值升高而降低,在肝、肾组织的F1分数随着阈值升高而升高。结论 基于YOLOv3的硅藻电子显微镜图像识别模型能够快速识别硅藻图像,并能在一定的阈值下取得良好的硅藻召回率和肺组织较高的硅藻查准率...