基于根尖片犬齿全自动深度学习框架的成人年龄估计研究

来自某研究团队的研究人员针对法医鉴定中牙齿遗骸年龄估计的难题，开发了一套基于YOLOv8-Nano牙齿检测和四种CNN架构（ResNet-18/DenseNet-121/EfficientNet-B0/MobileNetV3）的双阶段深度学习框架。该研究利用2,587张13.42-85.45岁患者的犬齿根尖片，实现98.94%检测成功率（F1=0.994）和3.55-5.18岁中位绝对误差，证实单一犬齿即可实现高精度年龄推断，为法医人类学提供了自动化解决方案。

　　

这项突破性研究构建了首个端到端自动化深度学习框架，专门用于通过根尖X线片（periapical radiographs）中犬齿（canine teeth）的形态特征来估算成人年龄。研究团队巧妙设计了两阶段流程：首先采用轻量级YOLOv8-Nano模型精确定位犬齿（F1分数高达0.994，检测成功率98.94%），随后通过ResNet-18、DenseNet-121、EfficientNet-B0和MobileNetV3四种卷积神经网络(CNN)架构，分别针对上颌左右侧与下颌左右侧犬齿（牙位编号13/23/33/43）进行年龄预测建模。

实验数据涵盖1,004名13.42-85.45岁受试者（女性691例，男性313例）的2,587张影像。令人惊讶的是，引入性别特征并未提升模型性能，且不同位置犬齿的预测准确度无统计学差异（中位绝对误差3.55-5.18年）。这些发现颠覆了传统法医牙科学认知，证明单一犬齿影像即可实现可靠年龄推断。该框架的卓越表现，为大规模灾难遇难者识别、考古遗骸分析等场景提供了高效精准的AI驱动解决方案。