从胸部X射线图中提取骨特征的灰度抽取,基于在法医医学中进行个人识别和分类的深度学习技术
Yeji Kim1, Yongsu Yoon1, Yusuke Matsunobu2
1Department of Multidisciplinary Radiological Sciences, Graduate School of Dongseo University, 47 Jurye-ro, Sasang-gu, Busan 47011, Republic of Korea.
Diagnostics (Basel, Switzerland)
|August 29, 2024
概括
这项研究表明,U-Net可以准确地从死后的X射线中提取骨图像,帮助个人识别. 这种技术有助于克服法医病理学中的软组织分解挑战.
科学领域:
- 法医放射学 法医放射学
- 医学成像分析 医学成像分析
- 人工智能在病理学中的应用
背景情况:
- 验尸后 (PM) 影像扫描通过与验尸前 (AM) 扫描进行比较,有助于个人识别.
- 放射图像中的骨结构对于识别至关重要,但在PM图像中被软组织分解所掩盖.
- 精确的骨图像提取对于可靠的法医鉴定至关重要.
研究的目的:
- 评估U-Net在从二维X射线数据中提取骨图像方面的有效性.
- 评估U-Net在模拟的PM和真实AM放射图像上的性能.
- 确定提取的骨头图像在法医背景下用于个人识别的实用性.
主要方法:
- 使用来自PM计算机断层扫描 (CT) 数据的伪二维X射线图像来训练U-Net模型.
- 产生了两种图像类型:所有组织的投影和仅骨的投影.
- 性能指标包括交叉与联盟,子系数和接收器运行特征曲线下的面积.
主要成果:
- U-Net成功地从AM和PMX射线数据集中视觉和准确地提取了骨图像.
- 该方法在真实2D AM胸部X射线图上表现出强大的性能.
- 定量评估证实了骨提取过程的高精度.
结论:
- U-Net是从二维X射线中提取骨图像的有效工具,即使是死后分解.
- 提取的骨头图像为法医病理学中的个人识别提供了有价值的信息.
- 这种人工智能驱动的方法提高了使用放射性成像进行法医识别的可靠性.
