European Radiology：基于计算机视觉的二维最大强度投影CT图像个人识别

自然灾害、恐怖袭击、战争、严重事故、移民或无家可归等情况，都可能导致身份不明的人被送往急诊室。在这种情况下，对这些人的身份识别极具挑战性。计算机断层扫描（CT）在其中发挥着关键作用，它提供了重要的诊断支持，是用于详细解剖检查的无创工具。进一步利用 CT 数据对身份不明的人进行自动身份识别很有创新性，且在时间紧迫的情况下特别有价值。

一种基于新型计算机视觉（CV）的个人身份识别方法，通过将身份不明者的颅脑 CT 图像与大型计算机视觉数据库匹配，成功实现了人员识别。计算机视觉通过自动识别图像中的独特特征来模拟人类视觉。然后，这些计算机视觉特征能在身份不明者的查询图像和参考图像间被识别，进而产生所谓的匹配点。匹配点越多，成功识别该人身份的可能性就越大。然而，这种方法的一个关键局限是依赖选定的轴向切片，而这些切片易受头部方向变化和金属伪影影响，会增加测量的不确定性。

最近，发表在European Radiology 上的一篇文章评估了胸部计算机断层扫描（CT）检查的最大密度投影（MIP）图像是否适用于基于计算机视觉的自动个人身份识别。

本研究分析了来自 8177 名受试者的 12465 次胸部平扫 CT 检查图像，重点关注 MIP 图像，以评估其在 300 例病例中基于计算机视觉进行个人身份识别的潜力。计算机视觉可自动识别并描述图像特征，然后将其与参考图像进行匹配。匹配点的数量被用作识别准确性的指标。

在 8177 个潜在身份中，第一名的识别率为 98.67%（296/300），第十名的识别率为 99.67%（299/300）。同一受试者图像的匹配点（7.43 ± 5.83%）高于不同受试者图像的匹配点（0.16 ± 0.14%），其中 100% 代表可能的最大匹配点。可靠的匹配点主要存在于胸部骨骼、胸骨和脊柱。当患者在检查台上体位弯曲或图像中存在医疗设备时，会出现识别挑战。 

表 基于卷积神经网络的个人身份识别结果

基于胸部 CT 检查的 MIP 图像进行明确的身份识别具有高度可靠性，即使是在处理大型计算机视觉数据库时也是如此。这种方法适用于各种二维重建图像，前提是解剖结构在图像中得到了可比较的呈现。放射影像为计算机视觉数据库提供了大量参考图像，有助于在紧急情况下进行自动个人身份识别。

原文出处：

Andreas Heinrich,Michael Hubig,Gita Mall,et al.Computer vision-based personal identification using 2D maximum intensity projection CT images.DOI:10.1007/s00330-025-11630-0