《International Journal of Legal Medicine》：Automated femoral measurement from postmortem computed tomographic images using artificial intelligence for forensic stature estimation in a Japanese population
编辑推荐：
为解决传统法医身高估计方法依赖人工测量、耗时且易产生误差的问题，研究人员利用人工智能对死后计算机断层扫描图像进行股骨长度的自动测量，并建立了适用于日本人群的身高回归估计模型。结果显示，该方法具有极高的测量重复性和准确性，模型决定系数r2>0.80，均方根误差RMSE≤3.5 cm，平均处理时间仅需23.05秒，为法医实践提供了一种高效、精准且可重复的新技术。
在法医人类学领域，对无名遗骸进行身份鉴定是一项至关重要的工作。构建生物学档案，包括性别、年龄、身高和人群归属，是这一过程的核心。其中，身高估计是识别个体的关键参数之一。长期以来，肢体长骨，尤其是股骨，因其与身高的强相关性，被认为是估计身高最可靠的骨骼之一。然而，传统的骨骼测量方法，即便是基于影像技术，也大多依赖于人工操作。这不仅需要操作者具备相当的专业技能，导致结果可能受到测量者技术水平的影响，还往往过程繁琐、耗时较长。更值得注意的是，不同软件和测量技术的使用，可能导致结果缺乏可重复性，影响了法医鉴定的标准化和准确性。面对这些挑战，开发更简单、高效且客观的自动化测量方法，以替代传统人工技术，减少时间成本和人为误差，成为了法医科学领域的迫切需求。
近年来，人工智能技术的浪潮席卷了各个学科领域。人工智能旨在让机器执行通常需要人类智能的任务，其核心能力包括从数据中学习并适应新情况。在医学和生物学研究中，基于人工智能算法的应用正在迅速扩展。特别地，将高分辨率的计算机断层扫描与人工智能的分析能力相结合，为优化骨骼异常诊断和生物学特征估计的准确性与效率展现了巨大潜力。虽然已有研究将人工智能应用于骨骼的性别判定和年龄估计，但利用人工智能基于死后计算机断层扫描（PMCT）图像的骨骼测量进行身高估计的研究仍然较少。人工智能带来的自动化测量优势，有望显著减少法医实践中的时间和人力消耗。为此，一项发表在《International Journal of Legal Medicine》上的研究，首次评估了利用人工智能从PMCT图像中自动测量股骨长度，并据此为日本人群建立身高估计回归模型的可行性与准确性。
为开展这项研究，研究人员收集了163具20-73岁已知年龄、性别的日本籍尸体（其中女性68名，男性95名）的全身PMCT数据。研究排除了存在腐败、骨折、烧伤等情况或非日本籍的个体。技术方法的核心流程包括：首先，使用基于人工智能的分割工具TotalSegmentator库对CT图像进行语义分割，自动识别出股骨等117个解剖结构。接着，利用Double Sweep（双扫描）方法估算分割后股骨的最大长度（即最大股骨长度）。为了评估该自动测量方法的可重复性，研究随机选取了50个样本进行重复测量，并计算了组内相关系数。此外，研究人员在尸检时测量了尸体的身长，并通过减去2.0厘米来估算其生前身高，称为调整后身高。最后，通过简单的线性回归分析，建立了股骨测量值与调整后身高之间的相关模型，并记录了从开始股骨测量到显示估计身高所需的平均时间。
研究结果揭示了以下几个主要发现：
测量具有极高的可重复性和准确性：对50个样本子集的重复测量显示，左右股骨测量的ICC值均大于0.999，表明测量误差可忽略不计，且未检测到异常值。这证实了人工智能自动测量方法具有出色的可靠性。
股骨长度与身高存在显著正相关：简单线性回归分析显示，无论是总样本还是按性别分组，股骨测量值与调整后身高之间均存在显著的统计学正相关。如图1所示，散点图直观地展示了股骨测量值与身高之间的线性关系。对于总样本，决定系数r2值超过了0.80，均方根误差值小于或等于3.5厘米。这表明基于股骨长度预测身高的模型具有很高的解释力和预测精度。
建立了高效的身高估计流程：在将回归分析得到的身高估计公式集成到Python代码中后，从开始股骨测量到显示估计身高的平均时间仅为23.05秒。这相较于之前报道的需要约140秒的手动测量方法，效率得到了极大提升。
与既往研究结果具有可比性：本研究通过人工智能测得的股骨尺寸，与以往针对日本人群使用手动或半自动方法在PMCT图像上测量的结果具有可比性，说明样本的股骨尺寸处于日本人群的已知范围内。同时，本研究得到的身高估计公式，其r2值和RMSE值与以往研究相比，显示了较高的模型解释力和较小的误差，证明了该人工智能方法的有效性。
在结论与讨论部分，本研究指出，这是首次将人工智能应用于日本人群PMCT图像的自动股骨测量。该方法实现了高度准确、高效且可重复的法医身高估计。人工智能自动化不仅大幅缩短了处理时间（平均约23秒），其卓越的测量可重复性也减少了对操作者专业技能的依赖和潜在的人为误差，为解决传统手动测量方法的局限性提供了有力方案。与Simon等人使用人工智能从站立位长腿X光片进行自动化测量的研究相比，本方法在PMCT图像上未出现测量失败案例，展现了更好的鲁棒性。研究所采用的Double Sweep方法，为在人工智能和PMCT图像结合的身高估计研究中高效估算最大股骨直径提供了有价值的技术路径。
然而，研究也指出了若干局限性及未来方向。首先，本研究为单中心研究，未来需要利用更大规模的外部数据集进行多中心验证。其次，目前方法仅适用于完整的股骨，对于仅存部分骨骼残骸的情况无法估计身高，因此开发基于部分股骨的身高估计方法是未来的需求。再者，样本年龄跨度较大（20-73岁），未考虑年龄相关的股骨形态变化可能带来的影响。此外，研究样本来源于接受法医尸检的尸体，缺乏关于社会经济状况、营养水平和体力活动水平等可能影响骨骼形态的关键信息。最后，股骨测量虽然可靠，但已知许多其他骨骼测量值也与身高相关，未来应将人工智能应用于采集股骨以外的骨骼测量数据，以寻找更佳的身高预测指标和回归公式。同时，由于骨骼形态存在已知的人群差异，未来研究还需验证此人工智能测量方法在其他地区和人群中的普适性与准确性。
总而言之，这项研究证明了基于人工智能的PMCT股骨自动测量技术，为日本人群的法医身高估计提供了一种极具前景的新工具。它通过将先进的影像学与智能算法结合，实现了法医人类学分析流程的自动化、标准化与高效化，不仅提升了鉴定工作的科学性和效率，也为应对不断变化的法医实践需求提供了新的技术支撑。随着技术的进一步发展和验证，该方法有望在更广泛的情境中发挥重要作用。
