AI辅助法医牙科学:自动化身份识别与数字化牙科证据的进展
《Legal Medicine》:AI-assisted forensic odontology: Advances in automated human identification and digital dental evidence
【字体:
大
中
小
】
时间:2026年10月10日
来源:Legal Medicine 1.4
编辑推荐:
•AI可实现生前与死后牙科证据的自动匹配。
•牙齿检测与放射影像检索最接近法医学应用。
•年龄、性别和修复体模型需要进行基于人群的独立外部验证。
•AI无法解决咬痕分析的固有有效性局限。
•具有法律效力的实施需要透明、专家监督的AI工作流程。
**引言**
当软组织、指纹
•AI可实现生前与死后牙科证据的自动匹配。
•牙齿检测与放射影像检索最接近法医学应用。
•年龄、性别和修复体模型需要进行基于人群的独立外部验证。
•AI无法解决咬痕分析的固有有效性局限。
•具有法律效力的实施需要透明、专家监督的AI工作流程。
**引言**
当软组织、指纹或DNA无法提取时,法医牙科学在人类身份识别中发挥着至关重要的作用。这在涉及腐败、焚烧或碎尸的案件中尤为如此,在灾难受害者身份识别中也同样重要[1]。牙齿和牙科修复体在死后相对稳定,放射影像可提供牙齿形态、缺失牙、牙根解剖、根管治疗、义齿和种植体的信息[2]。传统身份识别工作由经过训练的法医牙科学专家完成,通过将生前与死后记录进行关联[3]。尽管该方法在科学上已被证实,但此过程繁琐,依赖检验人员,在处理大规模死亡事件时难以扩展。然而,已有研究探讨了利用人工智能(AI)自动化牙科图表记录、图像检索,以及通过生物特征资料估计和比对牙科证据的可能性[1][2][3]。
**文献搜索与证据筛选策略**
本研究作为对法医牙科学中AI应用近期文献的批判性叙述性综述进行。为了筛选具有代表性、方法学信息量和应用相关性的研究,并批判性评估其技术性能、验证质量、法医适用性和证据局限性。从PubMed、Scopus、Web of Science和Google Scholar数据库获取了2020年1月至2026年7月间发表的英文文章。检索术语
**生前与死后影像比对**
AI辅助身份识别涉及根据牙齿形态、牙根构型、牙槽结构、缺失牙、修复体、种植体和根管治疗评估生前(AM)和死后(PM)牙科数据[13]。根尖片可提供更详细的局部信息,全景片可提供双侧信息。三维口内扫描也可以捕捉表面形态,且不存在投影畸变。
**基于牙科数据的自动身份识别**
**牙齿发育与萌出评估**
牙齿发育在恒牙列完成前具有重要的揭示作用。传统的Demirjian和Willems方法通过对发育阶段进行视觉判定赋予成熟度评分或估计年龄,但这两种方法存在观察者变异和人群依赖性误差。基于Demirjian阶段的机器学习模型在3605例2至24岁法国患者的全景X线片上产生了比传统参考方法更低的预测误差,显示
**基于AI的生物学性别估计**
牙齿的性别二态性体现在牙冠近远中和颊舌向尺寸、下颌升支高度、下颌角形状以及皮质骨厚度和放射影像纹理上[11][12][13][14]。但这些变量的预测能力在不同人群中有所差异。在一项使用了108例石膏牙模和下颌骨测量的研究中,逻辑回归、支持向量机、随机森林、梯度提升和神经网络达到的测试准确率在58%至79%之间。
**数字图像处理与三维分析**
数字增强可以提高对比度、校正比例尺并辅助标志点定位,而标定摄影可以减少放大率和相机角度误差[20][21][22][23][24][25]。三维扫描保留了传统摄影无法捕捉的表面深度信息。Fournier等人使用自动颜色编码叠加法比较了27名志愿者在蜡、奶酪、巧克力和苹果上留下的咬痕网格[40]。该
**基于AI的唇纹学**
在计算机辅助唇纹学中,唇纹被转化为定量纹理描述符,而不仅仅是手动分类为沟纹。Farrukh和Haar比较了常规特征提取与深度学习方法在常见唇纹数据集上的表现,速度稳健特征与支持向量机(SVM)可达到95.45%的准确率,K近邻(KNN)可达到94.31%的准确率,VGG16可达到91.53%的准确率,VGG19可达到
**数字牙科记录与多模态身份识别**
牙齿自动记录,牙位自动编号,检查结果(如牙齿缺失、修复体、义齿或根管治疗)自动编码。在本研究中,设计了一种既能定位牙齿又能分类牙科问题的深度学习方法,从而实现牙科图表的自动创建。这种统一方法提高了自动牙科图表记录和法医牙科学的效率和精确度[56]。在他们的研究中,
**有效性、泛化性与偏倚风险**
大量牙科AI研究使用了规模较小、同质性较高的数据集与大型网络。在这些情况下报告的测试性能可能是扫描器特性、人群人口学构成或标注实践的产物,而非目标法医特征的体现[60][61]。因此,医学影像AI检查清单(CLAIM)指南要求明确说明数据来源、参考标准、选择
**可解释性、伦理与法律可采性**
注意力图和特征归因方法可以识别参与预测的牙齿或放射影像区域,但它们无法确认模型的科学推理是有效的。Ghassemi等人警告,使用后验解释可能导致看似令人信服的可视化结果,但不一定反映模型的实际行为[65]。Amann等人也建议,可解释性应根据临床医生、受影响个人的需求进行
**AI应用的转化成熟度**
唇纹学、腭皱襞比对和咬痕分析在很大程度上仍处于探索阶段。基于唇纹和腭皱襞的模型显示,在受控条件下具有分割和分类模式的潜力[50][51][52];然而,基于独立、地理多样且实际法医数据集的证据有限。咬痕应用的另一个问题是皮肤上痕迹的生物不稳定性,这种不稳定性无法通过一致性的
**批判性讨论与未来研究重点**
AI可以加快牙科影像的解读速度、简化测量流程,并将庞大的生前数据库缩减为可管理的候选名单。然而,在人类身份识别、年龄和性别估计、咬痕分析、唇纹学、腭皱襞比对和数字图表记录等领域所审视的证据的方法学并不一致[1][2][3][4][5][6][7][8][9]。牙齿检测、牙齿编号、治疗模式识别的
**讨论**
文献综述表明,法医牙科学中的AI已超越技术概念验证阶段,不同应用的成熟度差异很大。自动化牙齿检测、编号、牙科治疗识别以及放射影像候选检索具有最高的转化潜力,因为这些是已经确立的比较程序,自动化后可产生可由检验人员验证的输出[3][4][5][6][7][8][9][10][11][12]。
**结论**
AI在法医牙科学中提供了实际的机遇,包括自动牙齿检测、牙科图表记录、放射影像比对、年龄估计和治疗模式识别。其主要近期效益是标准化重复性测量并为专家检查优先排列候选对象,而非做出自主身份识别结论。目前证据不足的表现包括数据集规模小、回顾性数据、患者级别数据泄露
**作者贡献声明**
H.J.P, P.V:构思、文献检索、数据整理、形式分析、调查研究、可视化、撰写初稿。S.K.M:数据整理、形式分析。V.P.V:构思、方法学、监督、验证、撰写—审阅与编辑、稿件批判性修订、项目管理。
**患者知情同意**
这是一项体外实验室研究,未涉及人或动物受试者。因此,伦理审批和患者知情同意不适用。
**伦理审批**
本研究未涉及任何人或动物受试者、组织或生物样本。因此,无需伦理审批。
**资金**
本研究未获得公共、商业或非营利部门的任何专门拨款。
**生成式AI使用声明**
作者声明在撰写本文期间未使用任何生成式AI或AI辅助技术。
**利益冲突声明**
作者声明不存在可能影响本文所述工作的已知竞争性经济利益或个人关系。
**致谢**
作者衷心感谢印度古吉拉特邦P P Savani大学、印度泰米尔纳德邦哥印拜陀P.S.G文理学院以及印度泰米尔纳德邦金奈Chettinad医院和研究研究所(Chettinad研究与教育学院)在撰写本综述期间提供的机构支持和研究设施。本研究未获得任何公共、商业或非营利部门资助机构的专门拨款或财务支持。
Heer Jigneshbhai Patel | Varadhan Prathiba | Kunnathur Murugesan Sakthivel | Venugopal Vinod Prabhu
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号