编辑推荐：
在急诊中，未知身份患者的识别颇具挑战。研究人员开展基于胸部 CT 的 MIP 图像的 CV 个人识别研究，分析 12465 例 CT 检查，识别率在 rank 1 达 98.67%。该研究为急诊身份识别提供新方法，助力获取患者病史。
在现实生活中，各种突发状况，如自然灾害、恐怖袭击、严重事故等，总会导致一些身份不明的患者被送往急诊室。在这些紧急时刻，准确识别患者身份成为了一个棘手的难题。因为无法快速知晓患者身份，不仅可能延误最佳治疗时机，也给后续与患者家属的沟通带来极大困难。为了解决这一迫切问题，来自德国耶拿大学医院（Jena University Hospital） - 弗里德里希?席勒大学（Friedrich Schiller University）的研究人员展开了深入研究，相关成果发表在《European Radiology》上。
这项研究聚焦于利用计算机视觉（Computer Vision，CV）技术，通过胸部计算机断层扫描（Computed Tomography，CT）的最大密度投影（Maximum Intensity Projection，MIP）图像进行个人身份识别。其意义重大，若该技术可行，就能在紧急情况下快速准确地识别患者身份，医生可及时获取患者病史，为精准治疗提供有力支持，从而显著改善患者的医疗护理质量。
研究人员在此次研究中运用了多种关键技术方法。首先，从 12465 例胸部 CT 检查中获取数据，这些检查涉及 8177 名患者，年龄跨度从 8 岁到 102 岁。接着，通过一系列图像处理步骤，将 CT 的冠状面图像构建成 3D 体积，生成 2D MIP 图像，并使用对比受限自适应直方图均衡化（CLAHE）增强图像对比度。之后，利用 AKAZE 算法提取图像中的 CV 特征，并将这些特征存储在加密数据库中。在匹配过程中，采用 Lowe’s 比率测试和随机抽样一致（RANSAC）算法，以此提高匹配准确性 。
下面来看具体的研究结果：
- 身份识别率：在 300 次身份识别过程中，整体识别率在 rank 1 时达到 98.67%（296/300），rank 5 时为 99.33%，rank 10 时高达 99.67%。这表明该方法在众多潜在身份中，能高精度地识别出目标身份。
- 匹配分数差异：同一患者图像的匹配分数（7.43 ± 5.83%）显著高于不同患者图像的匹配分数（0.16 ± 0.14%），两者对比 p 值＜0.001，差异具有高度统计学意义。这说明该技术能够有效区分不同个体的图像特征。
- 年龄与分数关系：对相同身份不同年龄组的图像进行分析发现，部分年龄组之间匹配分数存在显著差异。例如，30 - 39 岁与 60 - 69 岁、70 - 79 岁、80 - 89 岁，40 - 49 岁与 80 - 89 岁，50 - 59 岁与 80 - 89 岁年龄组之间均有显著差异 。
- 成功与失败案例分析：成功识别的案例中，胸部骨骼尤其是胸骨和脊柱的独特特征提供了大量匹配点。即使图像存在部分差异，只要有可比部分就能实现成功识别。而失败案例主要是由于医疗设备遮挡、患者体位不佳、图像对比度降低等因素导致匹配点减少 。
- 参数优化结果：通过系统地改变参数设置发现，使用 CLAHE 且 clipLimit 为 100 时效果最佳，这进一步证实了图像处理步骤对提高识别率的重要性。
在研究结论和讨论部分，该研究充分证明了基于胸部 CT 的 MIP 图像的 CV 个人识别方法具有高度可行性和准确性，即使面对庞大的数据库，也能实现近乎 100% 的识别率。这种方法适用于多种 2D 重建图像，只要解剖结构能合理呈现即可。不过，该方法目前并非法律认可的身份识别手段，主要用于缩小潜在身份范围，为后续更可靠的法医识别提供线索。同时，研究也存在一些局限，如 CT 切片选择可能影响结果，未来可进一步研究严重损伤、种族因素等对识别准确性的影响，以及探索将死后 MIP CT 图像用于身份识别的可行性 。
总体而言，这项研究为急诊场景下的患者身份识别开辟了新路径，有望大幅提升医疗服务效率和质量，也为后续相关研究奠定了坚实基础，推动计算机视觉技术在医学领域的更广泛应用。
