编辑推荐：
在法医学领域，锐器伤识别对案件侦破意义重大。为解决传统方法效率低等问题，研究人员开展基于深度学习（DL）和迁移学习（TL）的锐器伤识别研究。结果显示，GoogLeNet 模型表现出色，能快速准确识别刺伤和砍伤，与资深法医相当。这为法医学提供新工具。
在法医学的世界里，锐器伤的识别与分类一直是个关键难题。想象一下，犯罪现场遗留的伤口痕迹，就像一道道神秘的谜题，等待着法医专家们去破解。传统上，法医们主要依靠观察伤口的形态来推断致伤武器、还原案发现场，区分是他杀、自杀还是意外受伤。但锐器伤在所有伤口案例中占比达 10%-30%，尤其是在 homicide（他杀）和 self - inflicted injuries（自残）案件中比例更高。而且，仅靠人工分析不仅效率低，还可能因主观因素出现误差。随着科技飞速发展，深度学习（Deep Learning，DL）和迁移学习（Transfer Learning，TL）在众多领域大放异彩，却在法医伤检分析领域应用有限，这就为科研人员提供了新的探索方向。为了更快速、准确地解开锐器伤这道谜题，来自国内多个机构的研究人员踏上了研究之旅。
他们收集了大量的锐器伤外部检查数据，从 2020 年 1 月到 2024 年 7 月，筛选出中国 9 个省份、40 多个地级市，涵盖 homicide、self - inflicted injuries 和 accidental wounds（意外伤）的 680 个案例中的 4865 张照片，这些照片伤口信息清晰、特征明显、画质优良。研究人员将处理后的数据按 8:2 的比例分成训练集和验证集，还额外收集了 212 张新案例图像作为外部数据集，用于人和 AI 的对比测试。
研究人员选用了三个在自然图像分类中表现出色的预训练分类网络：ResNet50、GoogLeNet 和 ShuffleNet - V2，通过迁移学习在训练集上进行微调。在训练过程中，所有网络的学习率都降到了预设的最低阈值，训练精度稳步提升，网络损失也趋于稳定，这表明研究采用的学习率降低策略有助于网络收敛到最佳状态。
在测试环节，研究人员从多个指标对模型进行定量测试，包括 precision（精度）、recall（召回率）、F1 score（F1 分数）和 reading time（读取时间） 。结果令人惊喜，三个模型都能成功分类三种伤口类型。其中，GoogLeNet 网络模型表现最为亮眼，总体分类准确率（total）和召回率达到 88.2% 。对于 stab wounds（刺伤），其分类准确率高达 98.4%；chop wounds（砍伤）为 96.7%；但 slash wounds（划伤）仅为 30.0%。分类准确率与样本大小呈正相关。该模型的最大精度率为 88.4%，F1 分数达到 0.860，每张图像的分类时间仅为 0.04 秒。与法医对比发现，AI 模型分类时间更短，在刺伤和砍伤的识别准确率上与资深法医相当，但划伤的识别准确率低于初级法医。通过 class activation mapping（类激活映射）技术生成的显著性图，研究人员发现 AI 模型捕捉的图像解释因素与法医识别的特征伤口位置紧密契合。
这项研究成果发表在《Forensic Science International》上，意义非凡。它表明 AI 模型能有效识别刺伤和砍伤的图像特征，实现准确、快速的区分，在刺伤和砍伤分类性能上与资深法医相当，为法医工作提供了新的高效工具，有望推动法医学伤检分析进入智能化时代。
研究人员开展研究时用到的主要关键技术方法有：数据收集与预处理，从多地区多案例收集锐器伤照片并筛选、处理；采用迁移学习（TL）技术，对预训练的 ResNet50、GoogLeNet 和 ShuffleNet - V2 三个分类网络进行微调；利用类激活映射技术分析模型捕捉的图像解释因素；通过与法医对比测试评估模型性能。
研究结果主要分为以下几方面：
- 训练结果：所有网络学习率降低至预设阈值，训练精度提升，网络损失稳定，说明学习率降低策略有效，帮助网络达到最佳训练精度。
- 分类性能：三个模型都能分类三种伤口，GoogLeNet 总体表现突出，不同伤口分类准确率有差异，且与样本量有关，精度和 F1 分数可观，分类时间短。
- 与法医对比：AI 模型分类时间短，刺伤和砍伤识别准确率与资深法医相近，划伤识别准确率低于初级法医。
- 图像解释因素：AI 模型捕捉的图像解释因素和法医认定的伤口特征位置相符。
研究结论表明，AI 模型在刺伤和砍伤识别方面表现优异，可快速准确区分，其分类性能与资深法医相当，有实际应用价值。在讨论部分，研究人员认为所选的三个分类网络在自然图像分类任务中有高准确率，经迁移学习微调后，在锐器伤分类任务中也取得不错成果。虽然研究取得进展，但也存在不足，如划伤分类准确率有待提高。不过，这项研究为后续利用人工智能技术进行法医伤检分析奠定了基础，为法医学发展开辟了新道路，有望在未来进一步优化模型，提升对各类锐器伤的识别能力，为司法公正提供更有力的支持。
