人工智能助力法医学齿科鉴定：基于卷积神经网络（CNN）算法比对口腔全景片（OPG）的突破

为解决法医学齿科鉴定中成像分析复杂耗时的问题，来自 Unidade Local de Saúde Santa Maria 口腔科的研究人员开展基于卷积神经网络（CNN）算法比对口腔全景片（OPG）的研究。结果显示模型准确率达 85%，该模型对 16 - 30 岁未知尸体法医学鉴定有重要意义。

　　法医学齿科学（Forensic Odontology）在法医鉴定中起着至关重要的作用，它通过对比生前（antemortem，AM）和死后（postmortem，PM）的牙科记录，包括口腔全景片（orthopantomograms，OPGs）中的牙齿证据来进行鉴定。由于这一过程复杂且耗时，优化成像分析迫在眉睫。卷积神经网络（Convolutional neural networks，CNN）作为人工智能（artificial intelligence，AI）结构，在法医学齿科学的图像分析方面效率高且细致，是法医鉴定的宝贵工具。因此，本研究致力于开发一种 CNN 算法，用于比对 OPGs 中的 AM 和 PM 牙齿证据，以对未知尸体进行法医鉴定。本研究共纳入了来自 Unidade Local de Saúde Santa Maria 口腔科 1050 名患者的 1235 张 OPGs，患者年龄在 16 至 30 岁之间。基于预训练模型 VGG16 开发了两种算法，一种用于年龄分类，另一种用于阳性识别，并通过预测指标和热图评估性能。两种开发的模型最终准确率均达到 85%，整体性能较高。年龄分类模型对 16 至 23 岁个体的 OPGs 分类效果更好，而阳性识别模型在识别不同个体的 OPGs 对方面表现更为出色。所开发的 AI 模型在 16 至 30 岁个体的未知尸体法医鉴定中很有用，在大规模灾难遇难者身份识别方面具有优势，通过比对 OPGs 中的 AM 和 PM 牙齿证据来实现。