膝关节MRI活体年龄推断研究进展

doi:10.12116/j.issn.1004-5619.2022.220503

法医学杂志 ›› 2023, Vol. 39 ›› Issue (1): 66-71.DOI: 10.12116/j.issn.1004-5619.2022.220503

膝关节MRI活体年龄推断研究进展

郝虹霞¹^,²(), 王亚辉², 周智露³, 刘太昂⁴, 陈瑾⁴, 何宇亨⁴, 万雷²(), 夏文涛²()

^1.佳木斯大学基础医学院微生态-免疫调节网络与相关疾病重点实验室，黑龙江佳木斯 154007
^2.司法鉴定科学研究院司法部司法鉴定重点实验室上海市法医学重点实验室上海市司法鉴定专业技术服务平台，上海 200063
^3.贵州医科大学法医学院，贵州贵阳 550009
^4.上海帆阳信息科技有限公司，上海 200444

收稿日期:2022-05-06 发布日期:2023-02-25 出版日期:2023-02-28
通讯作者: 万雷,夏文涛
作者简介:万雷，男，副研究员，副主任法医师，主要从事法医临床学研究和鉴定；E-mail：wanl@ssfjd.cn
夏文涛，男，研究员，主任法医师，主要从事法医临床学研究和鉴定；E-mail：xiawt@ssfjd.cn
郝虹霞（1996—），女，硕士研究生，主要从事法医临床学研究；E-mail：haohongxia_hhx@163.com
基金资助:
国家重点研发计划资助项目(2022YFC3302001);中央级公益性科研院所资助项目(GY2021G-8);国家自然科学基金面上资助项目(81571859);上海市2019年度“科技创新行动计划”技术标准资助项目(19DZ2201300);上海市法医学重点实验室资助项目(21DZ2270800);司法部司法鉴定重点实验室资助项目;上海市司法鉴定专业技术服务平台资助项目

Research Progress of Age Estimation in the Living by Knee Joint MRI

Hong-xia HAO¹^,²(), Ya-hui WANG², Zhi-lu ZHOU³, Tai-ang LIU⁴, Jin CHEN⁴, Yu-heng HE⁴, Lei WAN²(), Wen-tao XIA²()

^1.Key laboratory of Microecology-Immune Regulatory Network and Related Diseases, School of Basic Medicine, Jiamusi University, Jiamusi 154007, Heilongjiang Province, China
^2.Shanghai Key Laboratory of Forensic Medicine, Key Laboratory of Forensic Science, Ministry of Justice, Shanghai Forensic Service Platform, Academy of Forensic Science, Shanghai 200063, China
^3.Department of Forensic Medicine, Guizhou Medical University, Guiyang 550009, China
^4.Shanghai Fanyang Information Technology Co. , Ltd, Shanghai 200444

Received:2022-05-06 Online:2023-02-25 Published:2023-02-28
Contact: Lei WAN,Wen-tao XIA

1. 作者贡献声明和利益冲突声明.pdf(166KB)

摘要/Abstract

摘要：

骨骺发育随年龄增长呈现一定的规律，通过该规律推断年龄，可服务于司法、医学、考古等多个领域。MRI作为一种无侵入性的骨骺发育阶段的评估方法，被广泛应用于活体年龄推断。近年来，机器学习发展迅速，显著提升了活体年龄推断的有效性和可靠性，是目前研究的主要发展方向之一。本文通过总结膝关节MRI推断年龄的分析方法，介绍目前研究动态并展望后期应用趋势。

关键词: 法医人类学, 年龄推断, 磁共振成像, 膝关节, 深度学习, 综述

Abstract:

Bone development shows certain regularity with age. The regularity can be used to infer age and serve many fields such as justice， medicine， archaeology， etc. As a non-invasive evaluation method of the epiphyseal development stage， MRI is widely used in living age estimation. In recent years， the rapid development of machine learning has significantly improved the effectiveness and reliability of living age estimation， which is one of the main development directions of current research. This paper summarizes the analysis methods of age estimation by knee joint MRI， introduces the current research trends， and future application trend.

Key words: forensic anthropolgy, age estimation, magnetic resonance imaging, knee joint, deep learning, review

中图分类号:

DF795.6

郝虹霞, 王亚辉, 周智露, 刘太昂, 陈瑾, 何宇亨, 万雷, 夏文涛. 膝关节MRI活体年龄推断研究进展[J]. 法医学杂志, 2023, 39(1): 66-71.

Hong-xia HAO, Ya-hui WANG, Zhi-lu ZHOU, Tai-ang LIU, Jin CHEN, Yu-heng HE, Lei WAN, Wen-tao XIA. Research Progress of Age Estimation in the Living by Knee Joint MRI[J]. Journal of Forensic Medicine, 2023, 39(1): 66-71.

参考文献 52

1	鲁婷，范飞，施蕾，等. MRI在法医学活体年龄推断中的研究进展[J].法医学杂志，2020，36（4）：549-558. doi：10.12116/j.issn.1004-5619.2020.04.022 .
	LU T， FAN F， SHI L， et al. Research progress on the forensic age estimation in living individuals using MRI[J]. Fayixue Zazhi，2020，36（4）：549-558.
2	SCHMELING A， DETTMEYER R， RUDOLF E， et al. Forensic age estimation[J]. Dtsch Arztebl Int，2016，113（4）：44-50. doi：10.3238/arztebl.2016.0044 .
3	DVORAK J， GEORGE J， JUNGE A， et al. Age determination by magnetic resonance imaging of the wrist in adolescent male football players[J]. Br J Sports Med，2007，41（1）：45-52. doi：10.1136/bjsm.2006.031021 .
4	CATTANEO C， RITZ-TIMME S， GABRIEL P， et al. The difficult issue of age assessment on pedo-pornographic material[J]. Forensic Sci Int，2009，183（1/2/3）：e21-e24. doi：10.1016/j.forsciint. 2008.09.005 .
5	RÖSING F W， GRAW M， MARRÉ B， et al. Arbeitsgemeinschaft für forensische altersdiagnostik der deutschen gesellschaft für rechtsmedizin[J]. Rechtsmedizin，2005，15（1）：32-38. doi：10.1007/s00194-004-0296-9 .
6	SWEET M B， THONAR E J， IMMELMAN A R， et al. Biochemical changes in progressive osteoarthrosis[J]. Ann Rheum Dis，1977，36（5）：387-398. doi：10.1136/ard.36.5.387 .
7	MOSHER T J， DARDZINSKI B J. Cartilage MRI T₂relaxation time mapping： Overview and applications[J]. Semin Musculoskelet Radiol，2005，8（4）：355-368. doi：10.1055/s-2004-861764 .
8	SHIMADA Y， SHIMAO D， KOBAYASHI J， et al. Comparison of MR images for age determination； T₁ weighted images （T₁WI） versus T₂* weighted images （T₂*WI）[J]. Asian J Sports Med，2012，3（1）：47-52. doi：10.5812/asjsm.34727 .
9	南细柳. 多序列MRI扫描在诊断腰椎压缩性骨折中的效果观察[J].基层医学论坛，2022，26（11）：66-68. doi：10.19435/j.1672-1721.2022.11.022 .
	NAN X L. Effect of multi-sequence MRI scanning in the diagnosis of lumbar compression fracture[J]. Jiceng Yixue Luntan，2022，26（11）：66-68.
10	李承启，曹代荣，邢振，等. MRI场强及设备类型对同反相位成像定量分析健康志愿者腰椎脂肪含量的影响[J].中国中西医结合影像学杂志，2015，13（2）：122-125. doi：10.3969/j.issn.1672-0512.2015.02.002 .
	LI C Q， CAO D R， XING Z， et al. Influence of different field strength and different MR scanner with same field on quantitative analysis for lumbar bone marrow fat content with in- and opposed-phase in healthy volunteers[J]. Zhongguo Zhongxiyi Jiehe Yingxiangxue Zazhi，2015，13（2）：122-125.
11	FAN F， ZHANG K， PENG Z， et al. Forensic age estimation of living persons from the knee： Comparison of MRI with radiographs[J]. Forensic Sci Int，2016，268：145-150. doi：10.1016/j.forsciint. 2016.10.002 .
12	HERRMANN J， SÄRING D， DER MAUER M AUF， et al. Forensic age assessment of the knee： Proposal of a new classification system using two-dimensional ultrasound volumes and comparison to MRI[J]. Eur Radiol，2021，31（5）：3237-3247. doi：10.1007/s00330-020-07343-1 .
13	DODIN P， MARTEL-PELLETIER J， PELLETIER J P， et al. A fully automated human knee 3D MRI bone segmentation using the ray casting technique[J]. Med Biol Eng Comput，2011，49（12）：1413-1424. doi：10.1007/s11517-011-0838-8 .
14	O’CONNOR J E， BOGUE C， SPENCE L D， et al. A method to establish the relationship between chronological age and stage of union from radiographic assessment of epiphyseal fusion at the knee： An Irish population study[J]. J Anat，2008，212（2）：198-209. doi：10.1111/j.1469-7580.2007.00847.x .
15	BANJAR M， HORIUCHI S， GEDEON D N， et al. Review of quantitative knee articular cartilage MR imaging[J]. Magn Reson Med Sci，2022，21（1）：29-40. doi：10.2463/mrms.rev.2021-0052 .
16	LU T， QIU L R， REN B， et al. Forensic age estimation based on magnetic resonance imaging of the proximal humeral epiphysis in Chinese living individuals[J]. Int J Legal Med，2021，135（6）：2437-2446. doi：10.1007/s00414-021-02653-5 .
17	SCHMIDT S， VIETH V， TIMME M， et al. Examination of ossification of the distal radial epiphysis using magnetic resonance imaging. New insights for age estimation in young footballers in FIFA tournaments[J]. Sci Justice，2015，55（2）：139-144. doi：10.1016/j.scijus.2014.12.003 .
18	SERIN J， RÉROLLE C， PUCHEUX J， et al. Contribution of magnetic resonance imaging of the wrist and hand to forensic age assessment[J]. Int J Legal Med，2016，130（4）：1121-1128. doi：10.1007/s00414-016-1362-z .
19	HILLEWIG E， DEGROOTE J， VAN DER PAELT T， et al. Magnetic resonance imaging of the sternal extremity of the clavicle in forensic age estimation： Towards more sound age estimates[J]. Int J Legal Med，2013，127（3）：677-689. doi：10.1007/s00414-012-0798-z .
20	HILLEWIG E， DE TOBEL J， CUCHE O， et al. Magnetic resonance imaging of the medial extremity of the clavicle in forensic bone age determination： A new four-minute approach[J]. Eur Radiol，2011，21（4）：757-767. doi：10.1007/s00330-010-1978-1 .
21	DE TOBEL J， PHLYPO I， FIEUWS S， et al. Forensic age estimation based on development of third molars： A staging technique for magnetic resonance imaging[J]. J Forensic Odontostomatol，2017，35（2）：117-140.
22	DE TOBEL J， HILLEWIG E， BOGAERT S， et al. Magnetic resonance imaging of third molars： Developing a protocol suitable for forensic age estimation[J]. Ann Hum Biol，2017，44（2）：130-139. doi：10.1080/03014460.2016.1202321 .
23	EKIZOGLU O， HOCAOGLU E， CAN I O， et al. Magnetic resonance imaging of distal tibia and calcaneus for forensic age estimation in living individuals[J]. Int J Legal Med，2015，129（4）：825-831. doi：10.1007/s00414-015-1187-1 .
24	SAINT-MARTIN P， RÉROLLE C， DEDOUIT F， et al. Age estimation by magnetic resonance imaging of the distal tibial epiphysis and the calcaneum[J]. Int J Legal Med，2013，127（5）：1023-1030. doi：10.1007/s00414-013-0844-5 .
25	PRÖVE P L， JOPP-VAN WELL E， STANCZUS B， et al. Automated segmentation of the knee for age assessment in 3D MR images using convolutional neural networks[J]. Int J Legal Med，2019，133（4）：1191-1205. doi：10.1007/s00414-018-1953-y .
26	WITTSCHIEBER D， CHITAVISHVILI N， PAPA-GEORGIOU I， et al. Magnetic resonance imaging of the proximal tibial epiphysis is suitable for statements as to the question of majority： A validation study in forensic age diagnostics[J]. Int J Legal Med，2022，136（3）：777-784. doi：10.1007/s00414-021-02766-x .
27	DENG X D， LU T， LIU G F， et al. Forensic age prediction and age classification for critical age thresholds via 3.0T magnetic resonance imaging of the knee in the Chinese Han population[J]. Int J Legal Med，2022，136（3）：1-12. doi：10.1007/S00414-022-02797-Y .
28	SCHMELING A， SCHULZ R， REISINGER W， et al. Studies on the time frame for ossification of the medial clavicular epiphyseal cartilage in conventional radiography[J]. Int J Legal Med，2004，118（1）：5-8. doi：10.1007/s00414-003-0404-5 .
29	SCHMIDT S， MÜHLER M， SCHMELING A， et al. Magnetic resonance imaging of the clavicular ossification[J]. Int J Legal Med，2007，121（4）：321-324. doi：10.1007/s00414-007-0160-z .
30	ZEMBER J S， ROSENBERG Z S， KWONG S， et al. Normal skeletal maturation and imaging pitfalls in the pediatric shoulder[J]. Radiographics，2015，35（4）：1108-1122. doi：10.1148/rg.2015140254 .
31	ALTINSOY H B， GURSES M S， ALATAS O. Evaluation of proximal humeral epiphysis ossification in 3.0 T MR images according to the Dedouit staging method： Is it be used for age of majority?[J]. J Forensic Leg Med，2021，77：102095. doi：10.1016/j.jflm.2020.102095 .
32	TERADA Y， KONO S， UCHIUMI T， et al. Improved reliability in skeletal age assessment using a pediatric hand MR scanner with a 0.3T permanent magnet[J]. Magn Reson Med Sci，2014，13（3）：215-219. doi：10.2463/mrms.2013-0098 .
33	NEUMAYER B， LESCH A， THALER F， et al. The four-minute approach revisited： Accelerating MRI-based multi-factorial age estimation[J]. Int J Legal Med，2020，134（4）：1475-1485. doi：10.1007/s00414-019-02231-w .
34	JOPP E， SCHRÖDER I， MAAS R， et al. Proximale tibiaepiphyse im magnetresonanztomogramm[J]. Rechtsmedizin，2010，20（6）：464-468. doi：10.1007/s00194-010-0705-1 .
35	KRÄMER J A， SCHMIDT S， JÜRGENS K U， et al. Forensic age estimation in living individuals using 3.0 T MRI of the distal femur[J]. Int J Legal Med，2014，128（3）：509-514. doi：10.1007/s00414-014-0967-3 .
36	KELLINGHAUS M， SCHULZ R， VIETH V， et al. Enhanced possibilities to make statements on the ossification status of the medial clavicular epiphysis using an amplified staging scheme in evaluating thin-slice CT scans[J]. Int J Legal Med，2010，124（4）：321-325. doi：10.1007/s00414-010-04 48-2 .
37	DEDOUIT F， AURIOL J， ROUSSEAU H， et al. Age assessment by magnetic resonance imaging of the knee： A preliminary study[J]. Forensic Sci Int，2012，217（1/2/3）：232.e1-232.e7. doi：10.1016/j.forsciint.2011.11.013 .
38	VIETH V， SCHULZ R， HEINDEL W， et al. Forensic age assessment by 3.0T MRI of the knee： Proposal of a new MRI classification of ossification stages[J]. Eur Radiol，2018，28（8）：3255-3262. doi：10.1007/s00330-017-5281-2 .
39	THAPA M M， IYER R S， KHANNA P C， et al. MRI of pediatric patients： Part 1， normal and abnormal cartilage[J]. AJR Am J Roentgenol，2012，198（5）： W450-W455. doi：10.2214/ajr.10.7280 .
40	EKIZOGLU O， HOCAOGLU E， INCI E， et al. Forensic age estimation via 3-T magnetic resonance imaging of ossification of the proximal tibial and distal femoral epiphyses： Use of a T2-weighted fast spin-echo technique[J]. Forensic Sci Int，2016，260：102.e1-102.e7. doi：10.1016/j.forsciint.2015.12.006 .
41	SIEGALL E， FAUST J R， HERZOG M M， et al. Age predicts disruption of the articular surface of the femoral condyles in knee OCD： Can we reduce usage of arthroscopy and MRI?[J]. J Pediatr Orthop，2018，38（3）：176-180. doi：10.1097/bpo.000 0000000000796 .
42	OTTOW C， SCHULZ R， PFEIFFER H， et al. Forensic age estimation by magnetic resonance imaging of the knee： The definite relevance in bony fusion of the distal femoral- and the proximal tibial epiphyses using closest-to-bone T₁ TSE sequence[J]. Eur Radiol，2017，27（12）：5041-5048. doi：10.1007/s00330-017-4 880-2 .
43	KRÄMER J A， SCHMIDT S， JÜRGENS K U， et al. The use of magnetic resonance imaging to examine ossification of the proximal tibial epiphysis for forensic age estimation in living individuals[J]. Forensic Sci Med Pathol，2014，10（3）：306-313. doi：10.1007/s12024-014-9559-2 .
44	KIM H K， SHIRAJ S， ANTON C G， et al. Age and sex dependency of cartilage T₂ relaxation time mapping in MRI of children and adolescents[J]. AJR Am J Roentgenol，2014，202（3）：626-632. doi：10.2214/ajr.13.11327 .
45	DING C， CICUTTINI F， SCOTT F， et al. Association between age and knee structural change： A cross sectional MRI based study[J]. Ann Rheum Dis，2005，64（4）：549-555. doi：10.1136/ard.2004.023069 .
46	DER MAUER M AUF， SÄRING D， STANCZUS B， et al. A 2-year follow-up MRI study for the evaluation of an age estimation method based on knee bone development[J]. Int J Legal Med，2019，133（1）：205-215. doi：10.1007/s00414-018-1826-4 .
47	MUTASA S， CHANG P D， RUZAL-SHAPIRO C， et al. MABAL： a novel deep-learning architecture for machine-assisted bone age labeling[J]. J Digit Imaging，2018，31（4）：513-519. doi：10.1007/s10278-018-0053-3 .
48	LIU Y， ZHANG C， CHENG J， et al. A multi-scale data fusion framework for bone age assessment with convolutional neural networks[J]. Comput Biol Med，2019，108：161-173. doi：10.1016/j.compbiomed.2019.03.015 .
49	DALLORA A L， ANDERBERG P， KVIST O， et al. Bone age assessment with various machine learning techniques： A systematic literature review and meta-analysis[J]. PLoS One，2019，14（7）：e0220242. doi：10.1371/journal.pone.0220242 .
50	MAUER M A， WELL E J， HERRMANN J， et al. Automated age estimation of young individuals based on 3D knee MRI using deep learning[J]. Int J Legal Med，2021，135（2）：649-663. doi：10.1007/s00414-020-02465-z .
51	DALLORA A L， BERGLUND J S， BROGREN M， et al. Age assessment of youth and young adults using magnetic resonance imaging of the knee： A deep learning approach[J]. JMIR Med Inform，2019，7（4）：e16291. doi：10.2196/16291 .
52	DALLORA A L， KVIST O， BERGLUND J S， et al. Chronological age assessment in young individuals using bone age assessment staging and nonradiological aspects： Machine learning multifactorial approach[J]. JMIR Med Inform，2020，8（9）：e18846. doi：10.2196/18846 .

[1]	李雯, 李豪喆, 陈琛, 蔡伟雄. 面部微表情分析技术在法医精神病学领域的研究现状及应用展望[J]. 法医学杂志, 2023, 39(5): 493-500.
[2]	王中华, 李淑瑾. 人类身高推断的分子生物学研究进展[J]. 法医学杂志, 2023, 39(5): 487-492.
[3]	陈璐, 周喆, 王升启. 陈旧骸骨DNA身份鉴定的法医学进展[J]. 法医学杂志, 2023, 39(5): 478-486.
[4]	曾勇, 邹冬华, 范颖, 徐晴, 陶陆阳, 陈忆九, 李正东. 人体血管有限元建模及生物力学的研究进展与法医学应用[J]. 法医学杂志, 2023, 39(5): 471-477.
[5]	王紫薇, 李成涛, 刘希玲. DNA甲基化年龄推断模型在华东汉族人群中的跨平台应用[J]. 法医学杂志, 2023, 39(5): 441-446.
[6]	范飞, 武娟, 邓振华. 听力学客观检测技术在法医临床学中的应用进展[J]. 法医学杂志, 2023, 39(4): 360-366.
[7]	向青青, 陈立方, 苏秦, 杜宇坤, 梁沛妍, 康晓东, 石河, 徐曲毅, 赵建, 刘超, 陈晓晖. 微生物群落演替在死亡时间推断中的研究进展[J]. 法医学杂志, 2023, 39(4): 399-405.
[8]	曹宇奇, 施妍, 向平, 郭寅龙. 机器学习辅助非靶向筛查策略用于芬太尼类物质识别鉴定的研究进展[J]. 法医学杂志, 2023, 39(4): 406-416.
[9]	李燃, 孙宏钰. 法医学亲缘关系鉴定方法和研究热点[J]. 法医学杂志, 2023, 39(3): 231-239.
[10]	马晓燕, 孙宏钰, 黎青. 常染色体STR三等位基因型在法医DNA分析中的研究进展[J]. 法医学杂志, 2023, 39(3): 240-246.
[11]	陈航, 胡婧, 乔正, 邓虹霄, 吕敏, 刘伟. 法医毒物领域生物基质标准物质的研究进展[J]. 法医学杂志, 2023, 39(2): 176-185.
[12]	高红艳, 刘光甫, 吴建, 陈鹏宇. 动物DNA分型及其在法医学中的研究进展[J]. 法医学杂志, 2023, 39(2): 161-167.
[13]	马永刚, 曹永杰, 赵益花, 周新军, 黄斌, 张高潮, 黄平, 王亚辉, 马开军, 陈峰, 张东川, 张吉. 基于深度学习实现成人坐骨耻骨支内侧缘的性别推断[J]. 法医学杂志, 2023, 39(2): 129-136.
[14]	程忠平, 刘燕飞, 徐兴敏, 莫耀南. 磁性纳米颗粒在法医学痕量分析中的应用进展[J]. 法医学杂志, 2023, 39(2): 168-175.
[15]	王紫薇, 徐倩南, 李成涛, 刘希玲. DNA甲基化年龄推断及其在法医学中的应用展望[J]. 法医学杂志, 2023, 39(1): 72-82.

膝关节MRI活体年龄推断研究进展

Research Progress of Age Estimation in the Living by Knee Joint MRI

RichHTML

PDF (PC)

补充材料

可视化

摘要/Abstract

引用本文

使用本文

参考文献 52

相关文章 15

编辑推荐

Metrics