基于CT胸椎形态组学特征的自动化身份识别系统在重大灾难中的应用研究

来自某研究团队（未明确署名单位）的科研人员针对重大灾难中受害者身份识别难题，开发了一套基于胸椎(T1-T12)形态组学特征的自动化CT比对系统。该研究通过分析66例生前-死后CT配对数据和1018例LIDC数据库样本，采用马氏距离(Mahalanobis distance)剔除异常值后，利用欧氏距离相似度评分实现个体匹配。结果显示：系统Top-1匹配准确率达98.4%（60/61），受试者工作特征曲线下面积(AUC)达0.99938，最佳相似度阈值为0.832。这项突破为大规模灾难事件中的法医鉴定提供了高效自动化解决方案。

　　

在重大灾难事件中，快速准确的遇难者身份识别始终是应急响应的核心挑战。这项创新研究另辟蹊径，将目光投向人体最稳定的生物特征之一——胸椎形态。科研团队通过计算机断层扫描(CT)技术，对12节胸椎(T1-T12)进行三维建模，从中提取14个具有"生物身份证"特性的形态组学(Radiomics)特征参数。

研究采用智能算法双保险：先用马氏距离(Mahalanobis distance)筛除"不合群"的异常椎体，再通过欧氏距离(Euclidean distance)计算相似度评分。有趣的是，匹配成功的案例中，排名第一的相似度中位数高达0.910（0.899-0.918），与第二名0.834（0.819-0.853）形成显著差异（P<0.001）。曼-惠特尼U检验(Mann–Whitney U test)和约登指数(Youden index)双验证显示，当相似度超过0.832这个"黄金分割点"时，系统就能像指纹识别般精准判定身份。

这项技术的惊艳表现（AUC=0.99938）不仅刷新了法医影像学的精度纪录，更意味着未来在空难、地震等突发事件中，救援人员或许只需扫描一截胸椎，就能从海量数据库中快速锁定遇难者身份，让每个生命都能有尊严地"回家"。