基于深度学习和虚拟影像技术的法医学骨盆性别鉴别方法技术

本发明专利技术公开了基于深度学习和虚拟影像技术的法医学骨盆性别鉴别方法，包括以下步骤：基于CT的dicom数据，构建骨盆虚拟三维重建模型，选取目标分析部位并进行截图，获得目标分析部位图片进行扩充处理，基于骨盆样本的性别进行性别标注，获得骨盆样本数据集；通过构建深度学习模型，基于骨盆样本数据集，对深度学习模型进行迭代训练，构建骨盆特定区域性别推断模型；基于尸体或骨骼残骸样本，获取对应骨盆影像学数据，选取目标分析部位进行截图，获取待测骨盆样本数据集；基于骨盆特定区域性别推断模型，通过待测骨盆样本数据集，判断待测骨盆样本的性别概率，本发明专利技术降低了人为观察造成的偏差，采用骨盆多区域综合判断，提高了性别推断的准确性。

【技术实现步骤摘要】
基于深度学习和虚拟影像技术的法医学骨盆性别鉴别方法
本专利技术属于法医人类学检验
，涉及基于深度学习和虚拟影像技术的法医学骨盆性别鉴别方法。
技术介绍
在法医人类学实践中，性别推断是明确人体骨骼遗骸身份信息的首要步骤，其主要原因在于该指标是确定其他生物要素(如种族、年龄及身高)的重要基础。人体部分骨骼含有的性别二态性是法医人类学家进行性别推断的重要实践依据，而骨盆通常被法医人类学家认为是最富有性别二态性的骨骼，是用来进行性别推断的最优选择。目前，形态学观察法是法医学骨盆性别推断的主要方法，该方法因其操作简便、快速而被广泛应用于实践，但其推断的准确性往往依赖于观察者的主观判断及个人经验。此外，现有的骨盆形态学观察指标多通过从古代欧美骨盆样本中总结而来，受外界环境、种族人群差异性因素的影响，这些指标难以适用于我国当代汉族人群，加之部分案件中存在骨盆缺损、中性骨盆特征等影响，为后续刑事案件的侦破带来了一定的不确定性因素。因此，建立更符合我国当代人群骨盆形态特征的数据集合并基于此开发更为客观、准确的方法是目前法医人类学领域的重要研究热点。
技术实现思路
本专利技术的目的在于提供基于深度学习技术和虚拟影像技术的法医学骨盆性别推断方法，该方法针对骨盆不同解剖学特征提供对应的性别概率。相较于传统方法，本专利技术具有准确性高、客观性强、可重复性高等诸多优点，可作为侦破人体骨骼遗骸案件的有效辅助手段。本专利技术提供基于深度学习和虚拟影像技术的法医学骨盆性别鉴别方法，包括以下步骤：S1.基于CT的dicom数据，对人体骨盆影像学数据进行三维重建，构建骨盆虚拟三维重建模型，基于骨盆虚拟三维重建模型，选取目标分析部位并进行截图，获得目标分析部位图片，对目标分析部位图片进行扩充处理，基于骨盆样本的性别，对目标分析部位图片进行性别标注，获得骨盆样本数据集；S2.通过构建深度学习模型，基于骨盆样本数据集，对深度学习模型进行迭代训练，构建骨盆特定区域性别推断模型；S3.基于尸体或骨骼残骸样本，采用影像学仪器获取对应的影像数据集，构建待测骨盆虚拟三维重建模型，基于骨盆虚拟三维重建模型的目标分析部位，选取待测骨盆虚拟三维重建模型的待测目标分析部位并进行截图，获得待测目标分析部位图片，获得待测骨盆样本数据集；S4.基于骨盆特定区域性别推断模型，通过待测骨盆样本数据集，判断待测骨盆样本的性别概率。优选地，S1包括，基于CT扫描数据导入三维重建软件Mimics，通过设置CT扫描数据导入三维重建软件Mimics的HU阈值为180-2976，分离骨盆样本的骨骼与骨骼临近软组织，随后对骨盆样本的骨盆与骨盆临近的腰椎和股骨分离，最终构建骨盆虚拟三维重建模型。优选地，目标分析部位图片包括耻骨腹侧面图片，耻骨背侧面图片，坐骨大切迹平面图片，骨盆入口平面图片，坐骨腹侧面图片以及髋臼图片。优选地，目标分析部位图片的处理过程为，基于目标分析部位图片进行集中剪裁并调整剪裁后的图片大小为255×255像素，获得初始数据集，基于初始数据集，按照8:2分为训练集和验证集，对训练集和验证集进行扩充得到骨盆样本数据集。优选地，基于训练集和验证集扩充包括以下步骤：S5.1.基于训练集和验证集的初始数据图片，对数据图片进行随机翻转和旋转，获得第一变换数据图片；S5.2.对数据图片进行随机对比度、亮度、色差平衡、强度变换，获得第二变换数据图片；S5.3.将第一变换数据图片和第二变换数据图片补充到初始数据图片中，构建骨盆样本数据集。优选地，随机翻转和旋转的角度为90°或180°或270°。优选地，深度学习模型包括输入层、卷积层、输出层，其中卷积层由3个Inception模块和2个Reduction模块组成；输入层通过卷积层与输出层连接；基于Adadelta优化器对深度学习模型的模型参数进行调整，得到目标模型参数；基于目标模型参数，通过深度学习模型，对骨盆样本数据集进行训练；基于深度学习模型对骨盆样本数据集的准确率、敏感度、特异性、感受性曲线下方面积指标对深度学习模型的性别推断效能、泛化能力进行评估，得到骨盆特定区域性别推断模型。优选地，目标模型参数包括单次训练数量为64，学习率为0.01，学习率衰减指数为0.8，学习率衰减步数为10。本专利技术的积极进步效果在于：本专利技术应用电子计算机断层扫描数据构建虚拟三维骨盆数据集，骨盆样本的保存形式由实体转换为电子数据，避免了实体样本处理复杂且需要特定保存空间等缺点，结合数字化平台有利于办案人员对检验素材深层次分析以及后续调取和复检；此外，该方法涉及的骨盆性别推断结果完全由计算机自行得出，大幅度降低了人为观察所造成的偏差，且采用骨盆多区域综合判断，可有效提高性别推断的准确性。附图说明图1为本专利技术所述的方法流程图。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。如图1所示，本专利技术提供基于深度学习和虚拟影像技术的法医学骨盆性别鉴别方法，包括以下步骤：S1.基于CT的dicom数据，对人体骨盆影像学数据进行三维重建，构建骨盆虚拟三维重建模型，基于骨盆虚拟三维重建模型，选取目标分析部位并进行截图，获得目标分析部位图片，对目标分析部位图片进行处理，基于骨盆样本的性别，对目标分析部位图片进行性别标注，获得骨盆样本数据集；S2.通过构建深度学习模型，基于骨盆样本数据集，对深度学习模型进行迭代训练，构建骨盆特定区域性别推断模型；S3.基于尸体或骨骼残骸样本，采用影像学仪器获取对应的影像数据集，构建待测骨盆虚拟三维重建模型，基于骨盆虚拟三维重建模型的目标分析部位，选取待测骨盆虚拟三维重建模型的待测目标分析部位并进行截图，获得待测目标分析部位图片，获得待测骨盆样本数据集；S4.基于骨盆特定区域性别推断模型，通过待测骨盆样本数据集，判断待测骨盆样本的性别概率。S1包括，基于CT扫描数据导入三维重建软件Mimics，通过设置CT扫描数据导入三维重建软件Mimics的HU阈值为180-2976，分离骨盆样本的骨骼与骨骼临近软组织。随后，对骨盆样本的骨盆与骨盆临近的腰椎和股骨分离，最终构建骨盆虚拟三维重建模型。目标分析部位图片包括耻骨腹侧面图片，耻骨背侧面图片，坐骨大切迹平面图片，骨盆入口平面图片，坐骨腹侧面图片以及髋臼图片。目标分析部位图片的处理过程为，基于目标分析部位图片进行集本文档来自技高网...

【技术保护点】
1.基于深度学习和虚拟影像技术的法医学骨盆性别鉴别方法，其特征在于，包括以下步骤：/nS1.基于CT的dicom数据，对人体骨盆影像学数据进行三维重建，构建骨盆虚拟三维重建模型，基于所述骨盆虚拟三维重建模型，选取目标分析部位并进行截图，获得目标分析部位图片，对所述目标分析部位图片进行扩充处理，基于所述骨盆样本的性别，对所述目标分析部位图片进行性别标注，获得骨盆样本数据集；/nS2.通过构建深度学习模型，基于所述骨盆样本数据集，对所述深度学习模型进行迭代训练，构建骨盆特定区域性别推断模型；/nS3.基于尸体或骨骼残骸样本，采用影像学仪器获取对应的影像数据集，构建待测骨盆虚拟三维重建模型，基于所述骨盆虚拟三维重建模型的所述目标分析部位，选取所述待测骨盆虚拟三维重建模型的待测目标分析部位并进行截图，获得待测目标分析部位图片，获得待测骨盆样本数据集；/nS4.基于所述骨盆特定区域性别推断模型，通过所述待测骨盆样本数据集，判断所述待测骨盆样本的性别概率。/n

【技术特征摘要】
1.基于深度学习和虚拟影像技术的法医学骨盆性别鉴别方法，其特征在于，包括以下步骤：
S1.基于CT的dicom数据，对人体骨盆影像学数据进行三维重建，构建骨盆虚拟三维重建模型，基于所述骨盆虚拟三维重建模型，选取目标分析部位并进行截图，获得目标分析部位图片，对所述目标分析部位图片进行扩充处理，基于所述骨盆样本的性别，对所述目标分析部位图片进行性别标注，获得骨盆样本数据集；
S2.通过构建深度学习模型，基于所述骨盆样本数据集，对所述深度学习模型进行迭代训练，构建骨盆特定区域性别推断模型；
S3.基于尸体或骨骼残骸样本，采用影像学仪器获取对应的影像数据集，构建待测骨盆虚拟三维重建模型，基于所述骨盆虚拟三维重建模型的所述目标分析部位，选取所述待测骨盆虚拟三维重建模型的待测目标分析部位并进行截图，获得待测目标分析部位图片，获得待测骨盆样本数据集；
S4.基于所述骨盆特定区域性别推断模型，通过所述待测骨盆样本数据集，判断所述待测骨盆样本的性别概率。


2.如权利要求1所述基于深度学习和虚拟影像技术的法医学骨盆性别鉴别方法，其特征在于，
所述S1包括，基于CT扫描数据导入三维重建软件Mimics，通过设置所述CT扫描数据导入三维重建软件Mimics的HU阈值为180-2976，分离所述骨盆样本的骨骼与骨骼临近软组织，随后对所述骨盆样本的骨盆与所述骨盆临近的腰椎和股骨分离，最终构建所述骨盆虚拟三维重建模型。


3.如权利要求1所述基于深度学习和虚拟影像技术的法医学骨盆性别鉴别方法，其特征在于，
所述目标分析部位图片包括耻骨腹侧面图片，耻骨背侧面图片，坐骨大切迹平面图片，骨盆入口平面图片，坐骨腹侧面图片以及髋臼图片。


4.如权利要求1所述的基于深度学习和虚拟影像技术的法医学骨盆性别鉴别方法，其特征在于，
所述目标分析部位图片的处理过程为，基于所述目标分析部位图片进...

【专利技术属性】
技术研发人员：黄平，张吉，邓恺飞，陈忆九，秦志强，张建华，曹永杰，
申请(专利权)人：司法鉴定科学研究院，
类型：发明
国别省市：上海;31