《BMC Oral Health》：Automatic maxillary sinus segmentation and age estimation model for the northwestern Chinese Han population
编辑推荐：
为解决法医学中年龄估计难题，西安交通大学研究人员开展上颌窦年龄估计模型研究，构建自动分割和年龄估计模型，在成人年龄估计方面有良好表现，为法医学年龄鉴定提供新工具。
在法医学领域，准确的年龄估计对于个体身份识别至关重要，尤其在处理无身份证明文件的人员时，年龄信息具有重要的法律意义。然而，现有的年龄估计方法存在诸多局限性。基于关节和骨骼发育阶段的方法，在用于青少年时较为准确，但对成年人的可靠性较低。DNA 甲基化技术虽能提高成年人年龄估计的准确性，但其检测过程复杂，需要耗费大量时间和昂贵的设备，且对样本质量要求高，难以从老旧或高度降解的样本中提取高质量 DNA，这大大限制了其广泛应用。
为了寻找更便捷、经济有效的年龄估计方法，西安交通大学口腔医院口腔放射科的研究人员开展了一项关于利用上颌窦进行年龄估计的研究。该研究成果具有重要意义，有望为法医学年龄鉴定提供新的可靠工具，相关成果发表于BMC Oral Health。
在这项研究中，研究人员主要运用了以下关键技术方法：首先，从西安交通大学口腔医院口腔放射科选取样本，收集 292 名汉族个体（年龄范围 5 - 53 岁）的锥形束计算机断层扫描（Cone Beam Computed Tomography，CBCT）图像 。然后，使用 ITK - SNAP 4.0.2 软件对图像进行处理，选取 40 张 CBCT 图像进行手动标记，其余图像存档备用。利用渐进式平均教师（Progressive Mean Teacher，PMT）模型对数据集进行训练，该模型通过利用时间差异来促进模型的稳定性和多样性，在医学图像分割中表现出色。训练完成后，使用传统评估指标如骰子相似系数（Dice similarity coefficient，DSC）、交并比（Intersection over Union，IoU）、95% 豪斯多夫距离（95% Hausdorff Distance，95HD）和平均表面距离（Average Surface Distance，ASD）来评估分割模型的性能。最后，运用 R v.4.3.1 软件进行统计分析，构建基于随机森林算法和多元线性回归的年龄估计模型。
研究结果如下：
- 自动分割模型的效率：自动分割模型成功从 CBCT 图像中勾勒出上颌窦。通过评估指标可知，其 DSC 为 0.873，IoU 为 0.7753，95HD 为 9.8337，ASD 为 2.4507，这表明该模型具有良好的分割性能，能够快速准确地测量上颌窦的线性尺寸和体积。
- 性别差异：经 Shapiro - Wilk 检验，所有变量均符合正态分布。描述性统计分析和独立样本 t 检验结果显示，在 18 岁及以上年龄组中，男性各变量的平均值高于女性；而在 18 岁以下年龄组中，男性和女性之间没有明显差异。
- 回归拟合：通过观察散点图和 Pearson 相关检验发现，18 岁以下年龄组中，年龄与各变量之间存在明显的线性关系，所有测量变量均与年龄显著相关；在 18 岁及以上年龄组中，只有 “L_MSL、R_MSL、R_MSW、R_MSH” 与年龄显著相关。利用这些显著相关的变量，分别使用多元线性回归和随机森林算法构建年龄估计模型。在 18 岁以下年龄组，多元线性回归模型的平均绝对误差（Mean Absolute Error，MAE）为 1.45 年，随机森林模型为 1.62 年；在 18 岁及以上年龄组，多元线性回归模型的 MAE 为 3.51 年，随机森林模型为 3.84 年。多元线性回归模型在两个年龄组中的表现均优于随机森林模型。
在讨论部分，研究人员指出，上颌窦在个体遭受损伤后往往能保持完整，这使其成为年龄估计的潜在可靠指标。研究中构建的 PMT 自动分割模型在分割上颌窦方面表现优异，优于多种其他领先的分割技术。与其他年龄估计技术相比，基于上颌窦的年龄估计模型在成年人年龄估计方面具有一定优势。尽管如此，研究也存在一些局限性，如样本量相对较小，可能导致机器学习模型出现过拟合现象。未来研究可通过增加样本量、考虑性别等因素重新分组数据来进一步优化模型。此外，研究人员还假设将上颌窦测量与牙齿测量相结合的年龄估计模型可能会提高准确性，这将在后续研究中进行验证。
综上所述，该研究构建的基于上颌窦的年龄估计模型是法医学年龄估计的一个有前途的工具，尤其是在成年人年龄估计方面。自动分割模型能够快速准确地收集数据，为年龄估计提供了有力支持。该研究成果不仅为法医学实践提供了新的方法和思路，也为后续相关研究奠定了基础，推动了法医学年龄估计领域的发展。
