人工智能技术在肋骨骨折CT影像诊断中的法医学研究前沿及展望

doi:10.12116/j.issn.1004-5619.2024.240705

法医学杂志

• 综述 •

人工智能技术在肋骨骨折CT影像诊断中的法医学研究前沿及展望

孙亚宁¹^,²(), 李丹阳²^,³^,⁴(), 夏晴², 高妍¹^,², 徐宗诗¹^,², 夏文涛², 周慧明²^,³, 韩晓梦¹, 俞晓英²(), 盛延良¹()

^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上海市法医学重点实验室司法部司法鉴定重点实验室上海市司法鉴定专业技术服务平台，上海 200063
^3.山西医科大学医学科学院，山西太原 030000
^4.山西医科大学公共卫生学院，山西太原 030000

收稿日期:2024-07-16
通讯作者: 俞晓英,盛延良
作者简介:孙亚宁（1999—），男，硕士研究生，主要从事法医临床影像与人工智能技术融合应用研究；E-mail：synsfjd@163.com；
李丹阳（1999—），女，硕士研究生，主要从事法医人类学研究；E-mail：lidanyang19990304@163.com
第一联系人：孙亚宁和李丹阳为共同第一作者
基金资助:
国家重点研发计划资助项目(2022YFC3302001);上海市司法鉴定协会项目(SHSFJD2023-001);司法部司法鉴定重点实验室资助项目;上海市法医学重点实验室资助项目(21DZ2270800);上海市司法鉴定专业技术服务平台资助项目

Frontiers and Perspectives of Artificial Intelligence in Forensic Research on CT Imaging Diagnosis of Rib Fractures

Ya-ning SUN¹^,²(), Dan-yang LI²^,³^,⁴(), Qing XIA², Yan GAO¹^,², Zong-shi XUN¹^,², Wen-tao XIA², Hui-ming ZHOU²^,³, Xiao-meng HAN¹, Xiao-ying YU²(), Yan-liang SHENG¹()

^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.Academy of Medical Sciences, Shanxi Medical University, Taiyuan 030000, China
^4.School of Public Health, Shanxi Medical University, Taiyuan 030000, China

Received:2024-07-16
Contact: Xiao-ying YU, Yan-liang SHENG

1. 作者贡献声明和利益冲突声明.pdf(119KB)

摘要/Abstract

摘要：

肋骨骨折在胸部外伤中较为常见，其骨折数量及畸形愈合情况与定罪量刑和民事赔偿密切相关，具有重要的法医学意义。目前，鉴定实践中对肋骨骨折的诊断主要依赖CT检查，但获得准确结果往往需要经验丰富的司法鉴定人耗费大量时间与精力，诊断效率与一致性均存在一定局限。近年来，随着人工智能（artificial intelligence，AI）技术的迅猛发展，多种具备实际应用价值的AI影像诊断辅助模型相继问世，有效提高了肋骨骨折的识别效率和准确程度。本文系统总结了当前AI技术在肋骨骨折CT影像诊断中的最新应用进展，重点涵盖AI在肋骨骨折自动识别、分类、定位、多任务联合及形成时间推断等方向的研究成果，通过梳理现有文献与方法，旨在揭示AI技术在提升诊断效率与准确度方面的潜力，为构建更具法医学实用价值的智能诊断模型提供参考。

关键词: 法医学, 人工智能, 肋骨骨折, CT影像, 综述

Abstract:

Rib fractures are relatively common in thoracic trauma, and the number of fractured ribs as well as the presence of malunion are closely associated with criminal sentencing and civil compensation, thereby holding significant forensic significance. At present, the diagnosis of rib fractures in forensic practice primarily relies on computed tomography （CT） examinations. However, achieving accurate results often demands substantial time and effort from experienced forensic experts, with limitations in diagnostic efficiency and consistency. In recent years, the rapid advancement of artificial intelligence （AI） has led to the emergence of multiple AI-assisted imaging diagnostic models with practical applicability, effectively improving the efficiency and accuracy of rib fracture identification. This review systematically summarizes the latest application progress of AI in CT diagnosis of rib fractures, with a particular focus on recent advances in automatic detection, classification, localization, multitask integration, and fracture age estimation. By synthesizing existing literature and methodologies, this work aims to reveal the potential of AI in improving diagnostic efficiency and accuracy, and to provide a reference for the future development of intelligent diagnostic models with greater forensic utility.

Key words: forensic medicine, artificial intelligence （AI）, rib fractures, CT imaging, review

中图分类号:

孙亚宁, 李丹阳, 夏晴, 高妍, 徐宗诗, 夏文涛, 周慧明, 韩晓梦, 俞晓英, 盛延良. 人工智能技术在肋骨骨折CT影像诊断中的法医学研究前沿及展望[J]. 法医学杂志, DOI: 10.12116/j.issn.1004-5619.2024.240705.

Ya-ning SUN, Dan-yang LI, Qing XIA, Yan GAO, Zong-shi XUN, Wen-tao XIA, Hui-ming ZHOU, Xiao-meng HAN, Xiao-ying YU, Yan-liang SHENG. Frontiers and Perspectives of Artificial Intelligence in Forensic Research on CT Imaging Diagnosis of Rib Fractures[J]. Journal of Forensic Medicine, DOI: 10.12116/j.issn.1004-5619.2024.240705.

参考文献 35

[1]	DOGRUL B N， KILICCALAN I， ASCI E S， et al. Blunt trauma related chest wall and pulmonary injuries： An overview[J]. Chin J Traumatol，2020，23（3）：125-138. doi：10.1016/j.cjtee.2020.04.003 .
[2]	Expert Panel on Major Trauma Imaging， SHYU J Y， KHURANA B， et al. ACR appropriateness criteria^® major blunt trauma[J]. J Am Coll Radiol，2020，17（5S）：S160-S174. doi：10.1016/j.jacr.2020.01.024 .
[3]	AWAIS M， SALAM B， NADEEM N， et al. Diagnostic accuracy of computed tomography scout film and chest X-ray for detection of rib fractures in patients with chest trauma： A cross-sectional study[J]. Cureus，2019，11（1）：e3875. doi：10.7759/cureus.3875 .
[4]	倪伟勇，钱昭军. 肋骨骨折鉴定时间研究[J].刑事技术，2015，40（2）：114-117. doi：10.16467/j.1008-3650.2015.02.007 .
	NI W Y， QIAN Z J. Forensic evaluation of the time of rib fracture[J]. Xingshi Jishu，2015，40（2）：114-117.
[5]	吕铭，黄建松，张运阁，等. 薄层螺旋CT扫描在肋骨骨折法医学鉴定中的应用分析[J].中国司法鉴定，2021（1）：54-59. doi：10.3969/j.issn.1671-2072.2021.01.007 .
	LÜ M， HUANG J S， ZHANG Y G， et al. Application of thin-slice spiral CT scan in forensic identification of rib fractures[J]. Zhongguo Sifa Jianding，2021（1）：54-59.
[6]	刘才广，莫屈，肖羿，等. 医学影像人工智能在甲状腺癌诊疗中的应用：现状与展望[J].中国普通外科杂志，2024，33（11）：1874-1882. doi：10.7659/j.issn.1005-6947.2024.11.014 .
	LIU C G， MO Q， XIAO Y， et al. Applications of medical imaging artificial intelligence in the diagnosis and treatment of thyroid cancer： Current status and future prospects[J]. Zhongguo Putong Waike Zazhi，2024，33（11）：1874-1882.
[7]	黄美莎，张恒，李姝璇，等. 影像组学在法医骨关节损伤鉴定中的应用展望[J].中国法医学杂志，2024，39（1）：95-100. doi：10.13618/j.issn.1001-5728.2024.01.016 .
	HUANG M S， ZHANG H， LI S X， et al. Application prospect of radiomics in forensic examination on bone and joint injury[J]. Zhongguo Fayixue Zazhi，2024，39（1）：95-100.
[8]	邱锡鹏. 神经网络与深度学习[M].北京：机械工业出版社，2020：23.
	QIU X P. Neural networks and deep learning[M]. Beijing： China Machine Press，2020：23.
[9]	ERICKSON B J. Basic artificial intelligence techniques： Machine learning and deep learning[J]. Radiol Clin North Am，2021，59（6）：933-940. doi：10.1016/j.rcl.2021.06.004 .
[10]	DREIZIN D， ZHOU Y， ZHANG Y， et al. Performance of a deep learning algorithm for automated segmentation and quantification of traumatic pelvic hematomas on CT[J]. J Digit Imaging，2020，33（1）：243-251. doi：10.1007/s10278-019-00207-1 .
[11]	RAJAMANI K T， RANI P， SIEBERT H， et al. Attention-augmented U-Net （AA-U-Net） for semantic segmentation[J]. Signal Image Video Process，2023，17（4）：981-989. doi：10.1007/s11760-022-02302-3 .
[12]	BHANDARY S， KUHN D， BABAIEE Z， et al. Investigation and benchmarking of U-Nets on prostate segmentation tasks[J]. Comput Med Imaging Graph，2023，107：102241. doi：10.1016/j.compmedimag.2023. 102241 .
[13]	ZHOU Z， FU Z， JIA J， et al. Rib fracture detection with dual-attention enhanced U-Net[J]. Comput Math Methods Med，2022，2022：8945423. doi：10.1155/ 2022/8945423 .
[14]	WANG S， WU D， YE L， et al. Assessment of automatic rib fracture detection on chest CT using a deep learning algorithm[J]. Eur Radiol，2023，33（3）：1824-1834. doi：10.1007/s00330-022-09156-w .
[15]	WANG X， WANG Y. Composite attention residual U-Net for rib fracture detection[J]. Entropy （Basel），2023，25（3）：466. doi：10.3390/e25030466 .
[16]	ZHANG B， JIA C， WU R， et al. Improving rib fracture detection accuracy and reading efficiency with deep learning-based detection software： A clinical evaluation[J]. Br J Radiol，2021，94（1118）：20200870. doi：10.1259/bjr.20200870 .
[17]	YAO L， GUAN X， SONG X， et al. Rib fracture detection system based on deep learning[J]. Sci Rep，2021，11（1）：23513. doi：10.1038/s41598-021-03002-7 .
[18]	白洁，孙晶，程晓光，等. 基于YOLOv3算法的肋骨骨折诊断模型的构建及应用[J].法医学杂志，2023，39（4）：343-349，359. doi：10.12116/j.issn.1004-5619.2023.230308 .
	BAI J， SUN J， CHENG X G， et al. Construction and application of rib fracture diagnosis model based on YOLOv3 algorithm[J]. Fayixue Zazhi，2023，39（4）：343-349，359.
[19]	ZHOU Q Q， TANG W， WANG J， et al. Automatic detection and classification of rib fractures based on patients’ CT images and clinical information via convolutional neural network[J]. Eur Radiol，2021，31（6）：3815-3825. doi：10.1007/s00330-020-07418-z .
[20]	EDAMADAKA S， BROWN D W， SWAROOP R， et al. FasterRib： A deep learning algorithm to automate identification and characterization of rib fractures on chest computed tomography scans[J]. J Trauma Acute Care Surg，2023，95（2）：181-185. doi：10.1097/TA.0000000000003913 .
[21]	WU M， CHAI Z， QIAN G， et al. Development and evaluation of a deep learning algorithm for rib segmentation and fracture detection from multicenter chest CT images[J]. Radiol Artif Intell，2021，3（5）：e200248. doi：10.1148/ryai.2021200248 .
[22]	MENG X H， WU D J， WANG Z， et al. A fully automated rib fracture detection system on chest CT images and its impact on radiologist performance[J]. Skeletal Radiol，2021，50（9）：1821-1828. doi：10.1007/s00256-021-03709-8 .
[23]	ZHOU Q Q， HU Z C， TANG W， et al. Precise anatomical localization and classification of rib fractures on CT using a convolutional neural network[J]. Clin Imaging，2022，81：24-32. doi：10.1016/j.clinimag. 2021.09.010 .
[24]	YANG C， WANG J， XU J， et al. Development and assessment of deep learning system for the location and classification of rib fractures via computed tomography[J]. Eur J Radiol，2022，154：110434. doi：10.1016/j.ejrad.2022.110434 .
[25]	REN S， HE K， GIRSHICK R， et al. Faster R-CNN： Towards real-time object detection with region proposal networks[J]. IEEE Trans Pattern Anal Mach Intell，2017，39（6）：1137-1149. doi：10.1109/TPAMI.2016.2577031 .
[26]	何俊，王东建，王泽飞，等. 影像检查鉴别肋骨陈旧与新鲜骨折1例[J].中国法医学杂志，2025，40（S1）：277-278. doi：10.13618/j.issn.1001-5728.2025.S.149 .
	HE J， WANG D J， WANG Z F， et al. Differentiation between old and fresh rib fractures using imaging examination： A case report[J]. Zhongguo Fayixue Zazhi，2025，40（S1）：277-278.
[27]	ARREDONDO-GÓMEZ E. Treatment of traumatic clavicular pseudoarthrosis with the hunec colchero nail[J]. Acta Ortop Mex，2007，21（2）：63-68.
[28]	吴新宝，姜钰. 陈旧性骨折[J].中华外科杂志，2015，53（6）：460-463. doi：10.3760/cma.j.issn.0529-5815.2015.06.014 .
	WU X B， JIANG Y. Old fracture[J]. Zhonghua Waike Zazhi，2015，53（6）：460-463.
[29]	TANG Y， JIN L， JI W， et al. Determining rib fracture age from CT scans with a radiomics-based combined model： A multicenter retrospective study[J]. Insights Imaging，2023，14（1）：214. doi：10.1186/s13 244-023-01546-y .
[30]	JIN L， SUN Y， MA Z， et al. Radiomics-based machine learning for predicting the injury time of rib fractures in gemstone spectral imaging scans[J]. Bioengineering （Basel），2022，10（1）：8. doi：10.3390/bioengineering10010008 .
[31]	BEHESHTIAN E， PUTMAN K， SANTOMARTINO S M， et al. Generalizability and bias in a deep learning pediatric bone age prediction model using hand radiographs[J]. Radiology，2023，306（2）：e220505. doi：10.1148/radiol.220505 .
[32]	IMWINKELRIED E J，杜春鹏（译，李尧（译. 计算机源代码：自动化法庭科技可靠性争议日盛之缘由[J].证据科学，2019，27（4）：491-513. doi：10.3969/j.issn.1674-1226.2019.04.009 .
	IMWINKELRIED E J， DU C P transl）， LI Y transl）. Computer source code： A source of the growing controversy over the reliability of automated forensic techniques[J]. Zhengju Kexue，2019，27（4）：491-513.
[33]	FAN F， LIU H， DAI X， et al. Automated bone age assessment from knee joint by integrating deep learning and MRI-based radiomics[J]. Int J Legal Med，2024，138（3）：927-938. doi：10.1007/s00414-023-03148-1 .
[34]	苏青. 鉴定意见概念之比较与界定[J].法律科学（西北政法大学学报），2016，34（1）：154-161. doi：10.16290/j.cnki.1674-5205.2016.01.016 .
	SU Q. A comparative study on definition of forensic appraisal opinion[J]. Falü Kexue （Xibei Zhengfa Da-xue Xuebao），2016，34（1）：154-161.
[35]	TOURNOIS L， TROUSSET V， HATSCH D， et al. Artificial intelligence in the practice of forensic medicine： A scoping review[J]. Int J Legal Med，2024，138（3）：1023-1037. doi：10.1007/s00414-023-03140-9 .

人工智能技术在肋骨骨折CT影像诊断中的法医学研究前沿及展望

Frontiers and Perspectives of Artificial Intelligence in Forensic Research on CT Imaging Diagnosis of Rib Fractures

PDF (PC)

补充材料

可视化

摘要/Abstract

引用本文

使用本文

参考文献 35

相关文章 15

编辑推荐

Metrics

[1]	刘纤纤, 张涵, 张世宏. 苯中毒致再生障碍性贫血残疾等级评定1例[J]. 法医学杂志, 2025, 41(3): 289-291.
[2]	白一帆, 赵禾苗, 陈静, 刘洪迪, 杨瑞琴, 王冲. 法医转录组学技术在体液斑迹组织来源推断中的应用[J]. 法医学杂志, 2025, 41(3): 260-266.
[3]	廖琦, 刘永红, 焦英, 杨晓莹, 杨怡华, 刘翠梅, 高瑞霞. 台式低场核磁共振技术的发展及其在禁毒领域中的应用[J]. 法医学杂志, 2025, 41(3): 267-276.
[4]	刘冬梅, 朱英芝, 于凯丽, 陈捷敏, 刘良. 眶内眼球外异物致视神经损伤2例[J]. 法医学杂志, 2025, 41(3): 286-288.
[5]	苏莉, 汪露, 钱起玥, 李倩倩, 杨丽, 胡永良. 凹陷型锁骨菱形窝用于胸片同一认定1例[J]. 法医学杂志, 2025, 41(3): 283-285.
[6]	任申莉, 夏元飞. 交通事故外伤后颅内出血合并脑动静脉畸形损伤程度鉴定1例[J]. 法医学杂志, 2025, 41(3): 291-293.
[7]	陈轩龙, 袁强, 孙勇, 张碟, 伏建斌, 李立亮. 米酵菌酸中毒的法医学研究进展[J]. 法医学杂志, 2025, 41(2): 111-119.
[8]	张帅, 许弘飞, 张志湘, 王盈, 朱少华. 阿霉素心脏毒性机制研究及法医学应用[J]. 法医学杂志, 2025, 41(2): 120-126.
[9]	左雨蒙, 韩卫, 张建波, 李涛. 氯胺酮的分子生物学机制及毒性效应[J]. 法医学杂志, 2025, 41(2): 127-135.
[10]	李卓, 曾绎如, 疏志龙, 孙雪虹, 张奎. 秀丽隐杆线虫模型毒理学研究现状及其法医学应用前景[J]. 法医学杂志, 2025, 41(2): 136-143.
[11]	袁宇浩, 余仲昊, 张佳欣, 马龙达, 赵枢泉, 刘宁国, 吴荣奇, 张飚, 廖信彪, 陈新, 何光龙, 周亦武. 胰岛素中毒的法医学鉴定指南建议[J]. 法医学杂志, 2025, 41(2): 168-175.
[12]	王森, 吴毅, 陈胜杰, 王飞翔. 复杂性肾囊肿法医学鉴定1例[J]. 法医学杂志, 2025, 41(1): 94-97.
[13]	李成涛, 丛斌. 站在新历史起点上的法医学学科建设思考[J]. 法医学杂志, 2025, 41(1): 9-14.
[14]	侯一平. 法医学科的建设与发展[J]. 法医学杂志, 2025, 41(1): 1-4.
[15]	刘珍珍, 李斌, 王晓银. 产后子宫内翻致子宫切除医疗损害鉴定1例[J]. 法医学杂志, 2025, 41(1): 102-103.