1、基于高效埃尔曼神经网络与蜻蜓优化的牙科年龄自动检测

基于高效埃尔曼神经网络与蜻蜓优化的牙科年龄自动检测

1. 引言

近年来，人口迁移使得法医年龄估计的需求日益增长，特别是在出生记录缺失的情况下。年龄估计在庇护法规中至关重要，因为司法程序会因个人年龄而异。此外，法医年龄估计在刑事或民事法律程序中也是一个关键因素。

目前，针对青少年法医年龄计算的牙科年龄（DA）估计方法包括身体外部检查、骨骼阶段评估和牙齿发育评估。在欧洲国家，13 - 21岁是第三磨牙发育的年龄阶段，通常通过全景X射线（即口腔全景片，OPG）进行评估。研究人员已经建立了许多基于牙齿发育不同形态标准的分期模型，其中一种广泛使用的方法是基于矿化评估和第三磨牙萌出情况。

然而，OPG依赖于电离辐射，在许多非临床领域，电离辐射的使用受到合法限制，且其在一般医疗问题中的应用也存在争议。相比之下，MRI不涉及X射线和电离辐射暴露，它能提供图像的焦点评估，并支持3D后期处理。尽管MRI在初步研究中被认为适用于识别牙科和颌骨异常，且对青少年和儿童较为合适，但到目前为止，它在牙科领域尚未得到广泛应用。

未知个体的年龄可以通过身体特征、牙齿成熟度和骨骼成熟度来测量。许多放射学方法将牙齿成熟度作为一个重要指标进行了深入研究，包括基于开放牙尖测量、牙髓牙比例和牙齿发育阶段的年龄估计。Demirjian及其团队提出的牙齿发育阶段（TDS）方法，因其在评估者间和评估者内的高度一致性，被认为是一种简单且可靠的方法。

研究人员已经探索了多种牙科年龄估计方法。Demirjian方法基于从放射图像中获取的牙齿八个发育阶段，被广泛用于法医年龄估计。然而，当将Demirjian分数应用于不同人群样本时，发现该方法在本地人群样本中存在年龄高估的问题。因此，Willems