深度学习的应用用于检测植入物在计算机断层扫描侦察图像中的植入物,用于多机构和多供应商的个人识别
Yeji Kim1, Yosuke Usumoto2, Jin-Haeng Heo3
1Department of Multidisciplinary Radiological Science, The Graduate School of Dongseo University, 47 Jurye-ro, Sasang-gu, Busan 47011, Republic of Korea.
Science & justice : journal of the Forensic Science Society
|September 10, 2025
概括
深度学习模型可以在CT侦察图像中自动检测金属植入物,以便在传统方法失败时进行法医识别. 这项技术有助于通过定位医疗设备来识别已故的个人.
科学领域:
- 法医科学 法医科学 法医科学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 在法医调查中,准确识别死者的身份至关重要.
- 主要识别方法 (牙科,指纹,DNA) 可能无法使用.
- 植入的医疗器械提供了一个额外的识别资源.
研究的目的:
- 开发深度学习模型,用于CT侦察图像中的自动金属植入物检测.
- 评估跨多样性,多机构和多供应商数据集的模型通用性.
- 为了增强使用医疗器械标记器的法医识别能力.
主要方法:
- 使用计算机断层扫描 (CT) 侦察图像.
- 训练和评估了两个物体检测模型:RetinaNet和更快的R-CNN.
- 采用多机构和多供应商的数据集,以确保稳健的性能.
主要成果:
- 在检测各种金属植入物方面取得了更好的性能.
- 在植入物检测中显著降低了假阳性率.
- 在不同的成像条件下证明了增强的分类一致性.
结论:
- CT侦察图像分析是法医识别的实用工具.
- 深度学习模型有效地检测植入的医疗设备,以提供识别支持.
- 这种方法可以加强识别方法,当初级技术是不可行的.
