UTooth：基于深度学习的法医死后CT扫描牙齿三维分割新方法

本文提出UTooth创新方案，通过三维U-Net架构与Focal Tversky Loss优化，实现死后CT（PMCT）扫描中牙齿的自动分割（平均Dice系数达0.831±0.061）。该研究填补了法医影像学技术空白，为基于牙齿的个体识别与生物特征分析建立了自动化基础框架。

　　

模型评估

我们采用医学图像分割的金标准指标——Dice系数来评估UTooth的性能，该指标通过计算预测结果与真实标注之间的重叠度来提供平衡的评估：Dice = 2 × |Prediction ∩ GroundTruth| / (|Prediction| + |GroundTruth|)。Dice系数的取值范围为0（无重叠）到1（完美重叠），通常认为高于0.7表示分割效果良好，高于0.8则属于优秀水平。UTooth在严格的10折交叉验证中表现出色，平均Dice系数达到0.831 ± 0.061，其中表现最佳的单次验证结果高达0.897，这证明了我们的方法在标准分辨率死后CT扫描中具备卓越的牙齿分割精度。

扩展至全口牙列

UTooth在犬齿分割上取得的成功，为我们将系统扩展至全口牙列分割奠定了坚实基础。这一扩展将极大提升UTooth在法医学应用中的价值，使得包括基于第三磨牙发育的年龄估计、基于门齿形态的祖先成分分析以及用于身份识别的完整牙科图表生成等全面牙科分析成为可能。此次扩展面临的主要挑战在于生成足够数量的高质量全口牙列分割标注数据，以及开发能够处理牙齿间紧密接触和形态复杂性的更强大分割算法。未来的工作将探索半监督学习和主动学习策略，以高效利用有限的标注数据，同时研究图神经网络（Graph Neural Networks）等先进技术来建模牙齿之间的空间和形态关系。

结论与法医学应用

UTooth成功展示了应用人工智能技术从死后CT扫描中自动分割犬齿的能力，并取得了优异的准确度（平均Dice系数0.831 ± 0.061）。这一成果填补了法医影像学中的一个关键技术空白，在该领域，从直接观察到数字化分析的转变一直受限于手动分割的耗时性。随着死后影像学在法医实践中的地位日益重要，像UTooth这样的自动化工具对于将牙科分析的强大能力整合到现代法医工作流程中至关重要。