综述：法医影像学的现状 —— 展望

《International Journal of Legal Medicine》：The current state of forensic imaging – perspectives

这篇综述探讨了法医影像学中人工智能的应用、培训、非传统成像工具等，展现其发展前景。

　　

法医影像学的现状 —— 展望

在全球范围内，法医影像学正蓬勃发展。它紧跟利用和改进经典放射学工具的趋势，人工智能在其中的应用也日益凸显。本文作为法医影像学现状综述的第四部分，主要探讨了人工智能在法医影像学中的未来潜在影响，详细讨论了法医影像学的培训问题，还介绍了摄影、摄影测量、3D 表面扫描和 3D 打印模型等非传统成像工具在文档记录方面的可能性。

成像数据库

随着尸体解剖成像的广泛应用，产生了大量的成像数据。为了对罕见病例或儿科病例进行更深入的研究，创建和协调大规模的尸体解剖成像数据库势在必行。通过增加研究病例数量、统一数据标准，可以减少法医案例中的高变异性影响。目前，新墨西哥州死者数据库是较大的可公开访问的尸体解剖成像数据存储库，荷兰也有大型数据库，但仅限本国研究人员使用，瑞士团队提出了 “集中式虚拟解剖数据库” 概念。不过，在推进数据库建设过程中，面临诸多挑战。研究团队间需就数据库目的、方法、内容及临床数据达成一致；要遵守各国不同的法规和法律要求；还要重视伦理考量，同时获取资金以支持图像和数据存储、安全保障及人员投入。

人工智能和深度学习

机器学习是人工智能的一个分支，主要研究能在无明确指令下执行任务的统计算法。监督学习算法通过对包含输入和期望输出的训练数据进行迭代优化，构建数学模型，进而预测新输入对应的输出。支持向量机（SVMs）等多种模型被应用于机器学习系统。深度学习则是基于具有表征学习能力的人工神经网络的机器学习方法，因其网络中使用多层结构而得名。它可采用监督、半监督或无监督的方式学习，在计算机视觉、医学图像分析等多个领域成果斐然，在肝癌分割、气胸分割等方面发挥了重要作用。

在人类学和法医学领域，机器学习技术和数据挖掘算法有助于探索、提取和解释数据，构建预测模型。例如，在性别估计中，多种机器学习算法（如 k - 最近邻、高斯朴素贝叶斯等）被用于通过骨骼测量数据建立预测模型。深度学习在医学图像分析的多个方面取得进展，在溺水或致命低温症预测、年龄评估等方面也有研究。将股骨和下颌骨的 PMCT 扫描数据作为输入，利用 3D 卷积神经网络（CNN）能更准确地估计成年人年龄。但深度学习存在一些问题，其算法原理复杂，难以解释结果，在某些对算法可解释性要求较高的领域（如金融、银行）应用受限。此外，深度学习技术相对较新，自动年龄估计方法在不同人群和采集设备上的验证不足，其泛化性有待提高。

有限元分析在法医学中的应用

随着先进医学成像和计算机模拟技术的发展，基于 CT 的有限元分析等非侵入性技术在研究成人骨骼强度方面得到广泛应用，如预测跌倒风险。目前，已开发出儿科股骨的 CT 有限元模型，并在弯曲和扭转载荷下进行模拟，为婴幼儿和年幼儿童的骨骼强度研究提供了有价值的信息。这一技术为研究儿科骨骼生物力学提供了替代方法，未来有望创建婴幼儿替代模型，更深入地研究骨骼生长和强度，还可应用于成人和儿童的头部面部创伤、枪伤创伤等研究。

教育

随着尸体解剖成像的普及以及越来越多的法医病理学家和放射科医生关注该领域，培训的重要性日益凸显。尸体解剖成像不仅是法医工作的重要手段，也可作为教学辅助工具提升教育质量。近年来，出版了许多有参考价值的教育书籍，详细介绍了如何进行和解读尸体解剖成像。然而，面对面培训机会有限且分布不均，大学提供的理论课程结合实践阅读练习的培训方式虽好，但成本高且名额有限。疫情推动了远程教育的发展，为法医影像学教学提供了新途径。构建高质量、逐步进阶且具有认证功能的远程教育课程是未来法医影像学教育工作者面临的挑战之一。国际法医放射学和成像学会（ISFRI）举办的年会也是促进法医放射学家和病理学家交流、分享最新研究成果的重要平台。

尸体解剖成像在解剖学教学中也具有重要价值。许多解剖学教学项目将尸体解剖成像（如 PMCT 和 PMCTA）纳入课程，辅助传统的尸体解剖教学，帮助学生更好地理解头颈部、血管和骨骼的大体解剖结构，提升学生在 CT 图像上辨别解剖结构的能力，增强对空间解剖关系的理解。荷兰胎儿生物样本库创建的胚胎学图谱，将研究、创新和教育有机结合，是很好的教育资源。

法医文档记录

1. 表面扫描：表面扫描技术近年来取得显著进展，在医学、考古学和制造业等领域广泛应用，在法医领域也极具潜力。3D 激光扫描利用激光束精确获取物体形状，通过测量激光返回时间创建 3D 模型，适用于扫描大面积和复杂表面。结构光扫描则通过投射光图案并利用相机捕捉变形来确定物体形状，速度更快，更适合捕捉精细细节和纹理。激光扫描生成的是无色的 “点云” 3D 模型，而结构光扫描和摄影测量 3D 模型能捕捉物体的纹理和颜色，但需要校准和缩放以保证测量准确。目前，融合激光扫描和结构光或摄影测量的混合扫描仪不断发展，可提供更精确的表面细节。
2. 摄影测量：摄影测量是通过从不同角度拍摄物体，利用软件创建 3D 模型的技术。它成本效益高，使用标准数码相机即可进行，尤其适用于户外或大型场景。无人机搭载相机可用于完整捕捉场景及其周边环境，智能手机应用程序也方便现场快速捕捉。
3. 法医应用：表面扫描和摄影测量等虚拟技术在法医领域有诸多应用。它们能精确记录犯罪现场，克服传统记录方法（如草图和照片）在捕捉空间关系和精确尺寸方面的不足。3D 扫描生成的数字记录可长期保存和反复分析，在复杂犯罪现场，能清晰呈现家具、血迹等物证的位置，辅助调查人员还原事件经过，也便于向陪审团展示。这些技术还可用于非接触式创建物理证据的详细数字副本，保护易碎或易腐坏的证据，如土壤或雪地上的脚印、工具痕迹等。通过 3D 模型重建事件，在交通事故调查中，能准确还原车辆位置、碰撞痕迹等，辅助分析事故原因；在法医弹道学中，可分析子弹轨迹和撞击角度，确定枪手位置和射击顺序。此外，在受害者身份不明时，通过数字捕捉头骨形状，可辅助面部重建，帮助确定身份。但这些技术也存在局限性，高端扫描设备和软件价格昂贵，操作和数据解读需要专业培训，大量数据的存储、管理和处理也需要强大的技术支持，且环境条件（如光照、天气、表面反射率）会影响数据采集质量。
4. 3D 打印：3D 打印在法医领域的应用逐渐增多，常见的 3D 打印技术有熔融沉积建模（FDM）、立体光刻（SLA）、数字光处理（DLP）、选择性激光烧结（SLS）和 PolyJet 技术等。FDM 通过加热喷嘴挤出融化的热塑性塑料丝逐层构建物体，材料常见有 PLA、ABS 等，成本较低。SLA 利用激光固化液态树脂形成物体，可制作高精度、表面光滑的模型。DLP 与 SLA 类似，但能一次固化一层。SLS 使用激光烧结粉末材料，适合制作复杂几何形状和高强度、耐用的部件。PolyJet 技术可喷射光聚合物树脂并通过紫外线固化，支持多材料和多色打印。
5. 法医应用：3D 打印在犯罪现场重建中具有重要作用，结合 3D 扫描技术，能创建精确的法医证据和犯罪现场物理模型，帮助调查人员、陪审团等更好地理解复杂场景的空间关系和关键元素。它还可用于保存和分析法医证据，如骨骼、工具等，法医科学家可对 3D 打印的复制品进行详细检查和实验，而不会损坏原始证据。在法医人类学中，3D 打印有助于分析骨骼遗骸，如打印头骨骨折模型可研究伤口形成原因，还可作为支架重建破碎的遗骸。在法医面部重建中，可打印头骨数字模型作为基础，重建面部特征，辅助身份识别。然而，3D 打印在法医学中的应用也引发了法律和伦理问题，如法庭需要考虑 3D 打印模型作为证据的可采性。目前，3D 打印在法医学中的应用研究相对较少，其应用、可靠性和使用规范还有待进一步探索和完善。

法医影像学作为一门新兴的医学领域，在科学和实践方面都在不断发展。未来十年，建立国家和国际数据库、探索人工智能在检查解读中的应用、开发创新培训课程等都是重要的发展方向。法医影像学团队应保持开放的态度，积极探索新技术、新方法，推动该领域的持续进步。