Cross-center sex estimation from patellar CT: multi-feature transformer fusion of morphometry, radiomics, and deep features
本研究提出了一种鲁棒的多特征 Transformer 融合框架，该框架整合了来自 CT 扫描的髌骨形态学、影像组学和深度学习特征，以实现高准确度和高泛化性的性别鉴定，其性能超越了单特征模型和法医专家，并显著缩短了处理时间。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在灾难或犯罪发生后的沉寂时刻，法医科学家面临着一个艰巨的谜题：这个人是谁？解开这个谜题的第一步也是最关键的一步，就是确定遗骸的性别。几十年来，专家们一直将目光投向骨盆和头颅，因为这些骨骼最能清晰地展示男女之间的生理差异。但在大规模灾难或古代遗址的混乱现实中，这些骨骼往往是破碎、烧焦或完全缺失的。当常规线索消失时，调查人员必须转向骨骼的其他部分。髌骨（膝盖骨）便是其中一种幸存者，这种体积小、密度大的骨头通常比身体其他部分更能抵御火灾和创伤。虽然它不像骨盆那样庞大且显眼，但其形状和纹理中隐藏着生物性别的地图，等待着被解读。
来自中国青海大学及其附属医院的一个研究小组开发了一种读取该地图的新方法。他们创建了一个计算机系统，充当“超级观察者”，通过结合三种不同的观察髌骨的方式来推测其属于男性还是女性。该系统并非依赖单一方法，而是融合了简单的尺寸测量、对骨骼内部纹理的详细分析，以及对骨骼整体形态的深度抽象理解。通过教计算机如何综合权衡所有这些线索，研究人员发现了一种比现有的人类方法更快、更一致且更准确的性别估计方法，即使骨骼扫描图像来自使用不同设备的医疗机构，该方法依然有效。
研究始于对青海省两家医院的大量膝关节扫描图像的收集。研究人员收集了836人的影像，并仔细筛选出具有健康膝关节且图像清晰的样本。他们将这些样本分为两组：一组较大的样本用于教计算机识别模式，另一组较小的样本则用于测试计算机是否能将所学知识应用于新的、未见的数据。为了构建这一工具，团队首先在每张扫描图中手动勾勒出髌骨轮廓，将其从其余膝关节部分中分离出来。从这块分离出的骨骼中，他们提取了三种截然不同的信息。首先，他们测量了骨骼的基本几何特征，计算了其长度、宽度、厚度、体积、表面积以及边缘周长。其次，他们使用了一种称为“影像组学”（radiomics）的技术，将图像分解为数百个微小的纹理细节，捕捉人类肉眼无法看到的骨骼内部纹理与图案。第三，他们利用先进的人工智能模型扫描骨骼，提取代表骨骼整体形状与结构的深层抽象特征，这种方式模拟了人类大脑识别面部或物体的方式。
他们的核心创新在于如何结合这三股信息流。该系统并非简单地平均结果或将数据堆叠在一起，而是使用了一种被称为“Transformer”的高级计算机架构。这个系统就像一个动态的决策者，学习如何为每一块特定的骨骼关注最重要的线索。它可以决定对于某一块髌骨，纹理是最具指示性的特征，而对于另一块，整体尺寸则更为重要。这种灵活性使系统能够适应数据的变化，例如扫描方式的差异。研究人员将该系统与仅使用一种信息的简单模型，以及其他结合数据的方法进行了对比测试。
结果表明，这种结合的方法更为优越。在内部测试集中，该系统的性别识别正确率达到了94.3%，较单一方法有了显著提升。更重要的是，当在来自不同医院、使用略有不同的扫描设备的外部组进行测试时，该系统依然保持了极高的准确度，正确识别性别的比例为87.9%。相比之下，那些依赖单一类型数据的简单模型在面对这些新条件时，准确度下降更为剧烈。研究还对比了计算机与人类专家的表现。三位人类阅读者（从学生到获得执照的法医专家不等）使用传统公式对相同的15块骨骼进行了手动测量。虽然人类专家通常比较准确，但他们的测量结果在彼此之间存在显著差异；对于同一块骨骼，一位专家可能测量长度为40毫米，而另一位则测量为48毫米。然而，计算机每次都能产生完全相同的结果，消除了人类的不一致性。此外，计算机完成单块骨骼分析的平均时间仅为30秒，而人类专家则需要四到十三分钟不等。
研究人员指出，扫描切片的厚度对不同方法的效果起到了至关重要的作用。当扫描切片非常薄、能够捕捉精细细节时，基于纹理和深度学习的方法表现得异常出色。然而，当扫描切片稍厚（这在某些现实场景中很常见）时，这些复杂方法的性能就会下降。简单的尺寸测量则不受扫描厚度影响而保持稳定，这就是为什么该系统融合三种方法的能力如此有效的原因：它可以在详细的纹理数据变得不再可靠时，转而依赖稳定的测量数据。研究结论认为，这种多特征方法提供了一个稳健且客观的工具。它表明，通过让计算机学习如何权衡不同类型的证据，调查人员可以获得关于个人性别的更可靠答案，即使在骨骼受损或数据来源多样的情况下也是如此。尽管这项研究局限于特定的中国人群，且使用的是活体扫描数据，但作者认为，该方法为未来的工作奠定了坚实基础，有助于在处理大规模灾难中的受害者身份识别或考古背景下的遗骸分析时发挥作用，将这块微小且常被忽视的骨头转化为身份识别的强大钥匙。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。