《Knowledge-Based Systems》：Enhancing Forensic Human Identification Using Panoramic Dental Radiographs with a Binarized Simplicial Convolutional Neural Networks Approach
编辑推荐：
法医人类身份识别中采用全景牙片结合二进制单纯卷积神经网络（BSCNN）提升识别准确率，通过ATSUKF图像预处理、WMVEC区域分割、DSTFRFT特征提取及HEO权重优化实现，实验表明该方法准确率达99.9%并优于现有方法。
萨加尔·V·乔希博士 | 特鲁普蒂·N·帕瓦塞博士 | 迪帕克·B·帕蒂尔博士 | 阿莫尔·B·拉杰马内博士 | 瓦伊什纳夫·G·卡莱博士 | 舒班吉·B·帕蒂尔博士
印度马哈拉施特拉邦浦那塔莱加昂达巴德市努坦马哈拉施特拉工程与技术学院电子与电信工程系
摘要
法医人类识别主要针对传统方法无法解决的尸检案例中的个体身份确认问题。全景牙科X光片因牙科结构的独特性和持久性而具有很高的价值，但身份识别的准确性受到年龄变化、牙科治疗和成像噪声的影响。本文提出了一种利用二值化单纯形卷积神经网络（FHI-PDR-BSCNN）方法来增强法医人类识别的技术。首先，从全景牙科X光片中收集图像以提高基于牙科特征的身份识别准确性；接着对图像进行预处理，使用自适应两阶段无迹卡尔曼滤波器（ATSUKF）进行归一化；然后应用加权多视图证据聚类（WMVEC）对牙科区域进行分割；随后利用方向短时分数傅里叶变换（DSTFRFT）提取特征；最后将提取的特征输入二值化单纯形卷积神经网络（BSCNN）以根据独特的牙科特征识别个体。通过人类进化优化（HEO）算法调整BSCNN的权重参数。实验表明，FHI-PDR-BSCNN方法在准确性和接收者操作特征曲线（ROC）方面均有显著提升，其准确率达到了99.9%，优于现有的自动牙齿分割算法（CNN-ATS-IS）、用于死亡者身份识别的CT牙科重建方法（CTDR-UID-DCN）以及基于DentifyNet的全景X光片牙齿检测与编号技术（OMSD-NTPR-DN）。
引言
生物识别系统在全球范围内被用于识别具有唯一特征（如指纹、面部、声音或虹膜图案）的人。虽然生物识别系统能够可靠地识别个体，但在重大事故或火灾中，身体可能受到严重损伤，导致传统生物特征无法使用。在这种情况下，牙科特征因其耐热性和抗冲击性而成为可靠的替代方案。因此，在软组织或其他标识符受损时，急救人员和法医专家常依赖牙科特征进行身份确认。尽管DNA分析可以确认身份，但其成本高昂、耗时且需要专业技能。全景牙科X光片广泛用于检查牙齿、颌骨和口腔的完整结构。法医牙科利用这些图像对比生前和死后的情况，计算机辅助技术可快速评估图像、精确提取特征并与庞大的牙科数据库进行比对。因此，在指纹、面部特征或其他传统标识符不可用或受损时，牙科生物识别成为重要的身份确认工具。
然而，牙科生物识别面临诸多挑战：图像角度、分辨率和成像设备的差异可能导致比对结果不一致；不准确的分割可能遗漏关键牙科结构；填充物、牙冠、拔牙和种植等牙科治疗会改变牙齿的自然形态，增加识别难度；此外，成像技术和参数（如亮度和对比度）的差异也会影响识别准确性。当分析严重受损的遗体时，这些挑战更加突出。还需注意的是，牙科记录往往不完整或已损坏，从而影响识别过程。因此，需要改进方法、开发稳健的系统并规范操作流程。为提升牙科生物识别的准确性和可靠性，亟需解决这些挑战。标准化牙科X光片的采集流程至关重要，以减少设备和技术差异带来的影响；一致的成像质量、分辨率和角度有助于提高比对准确性。应用对比度增强、去噪和归一化等图像预处理技术可提升图像质量，支持更准确的分割；先进的基于AI的分割技术能更好地区分因老化或牙科治疗引起的牙齿变化。基于特征的匹配方法（如关注牙齿形状、排列和间距）比整体图像比对具有更高的准确性。
文献综述
利用牙科X光片进行法医人类识别的研究领域随着人工智能（AI），特别是计算机视觉和深度学习（DL）技术的结合而取得了显著进展。本研究遵循综合信息评估（GIIE）标准，通过可视化相似性（VOS）方法对现有文献进行了定量分析，以识别核心研究趋势和知识领域。
提出的方法
本文介绍了一种名为“利用全景牙科X光片和BSCNN进行法医人类识别”的新方法（FHI-PDR-BSCNN），该方法包括五个阶段：数据集确定、数据预处理、牙科信息分割、特征提取及权重优化。首先从全景牙科数据集中获取下颌和上颌的全景牙科X光片以捕捉独特牙科特征。
结果与讨论
本文讨论了所提出方法的实际应用效果。FHI-PDR-BSCNN方法在Python环境中实现，使用Jupiter笔记本编写，并配备500GB SSD存储空间、64GB RAM和Intel Core I9-13900k CPU运行。数据集分为60%的训练集和40%的测试集，以确保模型训练有足够的数据并评估其泛化能力。为消除偏差，数据进行了合理分配。
结论
总之，FHI-PDR-BSCNN方法通过结合全景牙科X光片和BSCNN技术，有效提升了法医人类识别的准确性。该方法采用多阶段流程：ATSUKF进行图像归一化，WMVEC进行分割，DSTFRFT提取特征，HEO进行优化，成功应对了具有挑战性的尸检案例。实验结果表明，该方法在准确性和性能上均有显著提升。
人类与动物伦理
不适用
出版同意
不适用
材料与方法
不相关
结果与讨论
不相关
声明
不相关
资助
本研究未获得任何公共、商业或非营利机构的资助。
作者贡献声明
萨加尔·V·乔希博士：撰写初稿。
特鲁普蒂·N·帕瓦塞博士：指导。
迪帕克·B·帕蒂尔博士：指导。
阿莫尔·B·拉杰马内博士：指导。
瓦伊什纳夫·G·卡莱博士：指导。
舒班吉·B·帕蒂尔博士：指导。
利益冲突声明
作者声明没有可能影响本文研究的已知财务利益或个人关系。
