【摘 要】虛擬解剖將現(xiàn)代影像學(xué)檢查技術(shù)引入法醫(yī)學(xué)尸體檢驗中，從而開創(chuàng)了一種非侵入性和無創(chuàng)或微創(chuàng)的解剖方式。其中，尸體計算機斷層掃描（postmortem computed tomography，PMCT），又稱死后CT，是虛擬解剖中廣泛應(yīng)用的成像方式。目前，PMCT已經(jīng)應(yīng)用于部分的法醫(yī)學(xué)鑒識中，尤其是在火器損傷分析、出血部位識別以及骨折重建等。近年來，隨著人工智能算法和圖像分析技術(shù)的進步，基于PMCT建立的數(shù)字化決策模型在死因和成傷機制分析以及死亡時間推斷研究中展現(xiàn)出較好的應(yīng)用前景。本文系統(tǒng)性回顧PMCT在不同死因分析、成傷機制分析和死亡時間推斷中的研究進展，展望人工智能在PMCT圖像信息解釋中的應(yīng)用前景，為PMCT在法醫(yī)病理學(xué)領(lǐng)域的進一步應(yīng)用提供方法學(xué)上思路。

【關(guān)鍵詞】法醫(yī)病理學(xué)；死后計算機斷層掃描；人工智能；死亡原因；死亡時間推斷

【中圖分類號】D919 【文獻標(biāo)志碼】A 【收稿日期】2024-08-28

虛擬解剖將現(xiàn)代影像學(xué)檢查技術(shù)引入法醫(yī)學(xué)尸體檢驗中，從而開創(chuàng)了一種非侵入性和無創(chuàng)或微創(chuàng)的解剖方式[1]。常用的死后成像方式包括尸體計算機斷層掃描（postmortem computed tomography，PMCT）、尸體磁共振成像及尸體計算機斷層掃描血管造影。其中，PMCT 以其易操作、掃描時間短、空間分辨率高、可構(gòu)建三維圖像以及在骨骼、氣體、異物與液體等不同介質(zhì)中辨識率良好的優(yōu)勢成為虛擬解剖中應(yīng)用廣泛的成像方式[2]。

人工智能（artificial intelligence，AI）是指開發(fā)能夠執(zhí)行需要人類智慧任務(wù)的系統(tǒng)[3]。目前，AI在處理生物信息大數(shù)據(jù)、多組學(xué)數(shù)據(jù)以及醫(yī)學(xué)圖像信息上具有良好的優(yōu)勢[4-5]。尤其“機器學(xué)習(xí)”和“深度學(xué)習(xí)”是人工智能應(yīng)用在醫(yī)學(xué)影像研究中的重要算法。機器學(xué)習(xí)算法結(jié)合影像組學(xué)建立的數(shù)字化模型可為疾病的診斷、預(yù)后等決策分析提供輔助。深度學(xué)習(xí)可以對輸入2D或3D的影像圖片，在不同的卷積層進行訓(xùn)練、池化，最終用于影像圖片的分析任務(wù)，其中模擬生物神經(jīng)系統(tǒng)構(gòu)建的深度學(xué)習(xí)方法——卷積神經(jīng)網(wǎng)絡(luò)（convolutionalneural network，CNN），展現(xiàn)了智能化醫(yī)學(xué)圖像解釋應(yīng)用中的強大能力[6]。

近年來，基于PMCT建立的AI數(shù)字化決策模型，在法醫(yī)病理學(xué)的死因分析和死亡時間推斷研究中展現(xiàn)出巨大的應(yīng)用潛力。本文回顧PMCT在法醫(yī)病理學(xué)死因分析、成傷機制分析和死亡時間推斷中的研究進展，展望人工智能算法在PMCT圖像信息解釋中的應(yīng)用前景，為PMCT在法醫(yī)病理學(xué)領(lǐng)域的進一步應(yīng)用提供方法學(xué)上思路。

1 死后CT在死亡原因分析中的研究進展

死亡原因分析是法醫(yī)病理學(xué)實踐中的重點和難點，準(zhǔn)確的死因分析是案件審理、偵破的必要前提[7]。傳統(tǒng)的死因分析方法主要依賴于尸體解剖和病理組織學(xué)檢驗。近年來，PMCT以其高組織識別率、無創(chuàng)性和易操作性等優(yōu)勢，成為分析死亡原因的有力工具[8]。

在槍彈傷案件中，尋找體內(nèi)留存金屬彈頭以及彈道重建是火器損傷鑒定的關(guān)鍵，由于金屬材質(zhì)的彈頭在PMCT成像上與周圍組織具有明顯區(qū)別，表現(xiàn)為高亮密度影，很容易定位到彈頭的位置。在1項51例槍擊案件的回顧性研究中，PMCT檢測相比傳統(tǒng)尸檢在確定子彈位置、分析射擊彈道及周圍軟組織的損傷情況方面更具優(yōu)勢[9]。唐可爽等[10]也報道稱PMCT在分析槍彈射入角度、射擊路徑、顱骨骨折等方面較傳統(tǒng)尸體解剖更具優(yōu)勢。

除了檢測金屬異物外，PMCT對液體、氣體也具有較好的辨識能力[11-12]。在法醫(yī)學(xué)實踐中，區(qū)分火場死亡個體的硬膜下血腫和硬膜外熱血腫是鑒定工作的重點[13]。在1例交通事故致尸體燒焦的案例中，除檢測到顱面骨折外，PMCT能夠區(qū)分并定位同側(cè)的硬膜外熱血腫和硬膜下血腫[14]。PMCT對腐敗尸體的顱內(nèi)出血同樣具有很好的辨識能力，盡管腦組織腐敗液化極大增加出血部位的定位難度，但PMCT可以識別腐敗尸體的顱外出血和顱內(nèi)出血，有助于死亡原因的分析[15]。同樣，創(chuàng)傷性窒息的死因診斷的重要征象就是胸部壓力升高導(dǎo)致的脈絡(luò)膜上出血，有報道稱PMCT在輕微腐敗的尸體中檢出了脈絡(luò)膜出血，為創(chuàng)傷性窒息死亡診斷提供了重要證據(jù)[16]。另外，PMCT對鑒別水中尸體是否為生前入水或死后拋尸入水具有很好的診斷價值。溺死者PMCT表現(xiàn)為上頜竇和蝶竇內(nèi)積液量增多，咽喉、氣管及支氣管內(nèi)有溺液及高密度沉積物，肺部可見毛玻璃樣影和水性肺氣腫，胃腸道內(nèi)可見溺液[17-18]。趙旭舒等[19]通過比對淡水溺死組和非溺死組不同器官組織的CT值，發(fā)現(xiàn)溺死組左心腔內(nèi)液體CT值低于非溺死組，表明CT值的改變能輔助溺死診斷。此外，張露等[20]證實PMCT對空氣具有高檢出率，可以用于識別空氣栓塞，避免鑒定中對空氣栓塞致死的漏診。

近年來，一些學(xué)者將深度學(xué)習(xí)算法用于PMCT分析死亡原因的研究中，Ogawara T等[21]基于AlexNet算法對153例溺水者和160例非溺水者的肺部高分辨率CT圖像進行識別，建立人工智能分類模型，其診斷溺死的受試者工作特征（receiveroperating characteristic，ROC）曲線的曲線下面積（areaunder the curve，AUC）可達0.95。Zeng YW 等[22]為包含空間信息將胸部PMCT的2維影像圖片數(shù)據(jù)合并為2.5維圖像，并應(yīng)用Inception-ResNet-V2等深度學(xué)習(xí)算法建立溺死診斷模型，發(fā)現(xiàn)具有圖片空間信息的2.5維圖像模型分析準(zhǔn)確率高于2維圖像，提升溺死的診斷。此外，Zeng YW等[23]應(yīng)用多種深度學(xué)習(xí)算法分析致死性低體溫案例的胸部CT，發(fā)現(xiàn)Inception-V3算法建立的模型效能最好，AUC高達0.905，證實基于PMCT的深度學(xué)習(xí)算法可以輔助致死性低體溫死因診斷。除了助力復(fù)雜死亡原因的診斷，深度學(xué)習(xí)算法已被證實可以自動識別PMCT的顱內(nèi)出血。Zirn A等[24]收集36例顱內(nèi)出血和45例健康人群的PMCT數(shù)據(jù)，發(fā)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)識別顱內(nèi)血腫最佳，準(zhǔn)確率可達0.94。

2 死后CT在分析成傷機制中的研究現(xiàn)狀

準(zhǔn)確的成傷機制分析有助于案件中當(dāng)事人的責(zé)任劃分，為司法審判提供證據(jù)。PMCT對骨折識別的靈敏性高，可以對骨折部位進行三維重建，顯示骨折的復(fù)雜形態(tài)和類型，輔助推斷死亡原因及成傷機制[25-27]。在交通事故或高墜案件中，常規(guī)尸檢通常容易遺漏局部輕微骨折、顱內(nèi)骨折及面骨、鎖骨和骨盆等軟組織包裹部位發(fā)生的骨折，而PMCT可以輔助法醫(yī)有效定位骨折的部位和類型，提升微小骨折的診斷效能[28]。此外，顱腦損傷的致傷方式一直是法醫(yī)學(xué)研究的難點，一些學(xué)者應(yīng)用PMCT有效分析加速性或減速性顱腦損傷的成傷機制[29]。隨著有限元技術(shù)的應(yīng)用，建立頭皮、顱骨的生物力學(xué)模型，結(jié)合PMCT分析，可以評估顱骨骨折的形成原因，有研究構(gòu)建PMCT三維模型并進行有限元分析，通過比對有限元模型上和實際發(fā)生的骨折位置，發(fā)現(xiàn)在大部分案例中有限元模型上看到的骨折與尸檢或者PMCT上發(fā)現(xiàn)的相一致[30]。因此，PMCT結(jié)合有限元技術(shù)未來對法醫(yī)學(xué)損傷機制的分析，尤其是骨折成傷機制分析具有很好的法醫(yī)學(xué)應(yīng)用價值。

3 死后CT 在死后變化及死亡時間推斷的研究進展

研究不同組織的死后變化規(guī)律有助于法醫(yī)病理學(xué)家推斷死后間隔時間（postmortem interval，PMI）及區(qū)分生前疾病和損傷。腐敗氣體是最早出現(xiàn)的死后變化現(xiàn)象，通過PMCT可以精確定位腐敗氣體在體內(nèi)的分布和程度。早在2012年，就有法醫(yī)學(xué)者應(yīng)用PMCT圖像對心腔、肝實質(zhì)和血管、左無名靜脈、腹主動脈、腎實質(zhì)、L3腰椎及胸部皮下組織7個部位的腐敗氣體進行分析，并根據(jù)腐敗氣體量的多少計算影像學(xué)改變指數(shù)（radiological alteration index，RA-index），為推斷死后變化程度提供了量化指標(biāo)[31]。Cartocci G等[32]回顧分析了41例尸表明顯腐敗者的PMCT并計算RA-index，通過與尸檢評估的腐敗程度進行對比分析，證實RA-index可以客觀地評估尸體的腐敗程度。

PMI推斷在法醫(yī)學(xué)實踐中對推測死亡時間、確定案件性質(zhì)和劃定嫌疑人范圍意義重大[33]。近年來，研究者應(yīng)用基因測序技術(shù)篩選了miRNA及circRNA等不易受到外界因素影響、結(jié)構(gòu)穩(wěn)定的分子標(biāo)志物用于推測PMI，表現(xiàn)出一定的應(yīng)用潛力，由于缺乏人體組織樣本驗證實驗的支持，且設(shè)備高門檻及檢測高成本，限制了其實踐應(yīng)用[33-34]。PMCT由于其操作簡易且無需提取組織樣本，為PMI的推斷提供了新途徑。Levy AD等[35]通過分析不同PMI后腦組織和胸腹腔器官的腐敗氣體的含量、分布及變化特征，發(fā)現(xiàn)死后3 d的腦血管中即可以檢測到腐敗氣體，而胸腹腔內(nèi)的腐敗氣體最早出現(xiàn)在腸腔及周圍組織，隨后累積在腹腔內(nèi)臟器官及血管內(nèi)，并于死后12 d充滿整個胸腹腔，作者提出不同PMI下腐敗氣體的影像學(xué)變化可輔助推斷PMI，但仍需注意PMI的推斷易受到環(huán)境因素和內(nèi)在因素干擾而呈現(xiàn)模糊的時間窗。除腐敗氣體外，有學(xué)者研究死亡后1個月內(nèi)人體側(cè)腦室腦脊液密度隨死亡時間變化的關(guān)系，發(fā)現(xiàn)腦脊液密度（CT值）隨死后時間延長以非線性形式增加，腦脊液密度與死亡時間的自然對數(shù)具有相關(guān)性，這表明腦脊液CT值改變能夠反應(yīng)死亡時間的變化[2，36]。

目前，應(yīng)用AI分析PMCT圖像用于推斷死亡時間的研究，主要基于影像組學(xué)特征數(shù)據(jù)。影像組學(xué)是指從數(shù)字醫(yī)學(xué)圖像中提取可挖掘的能夠反映影像的形態(tài)、結(jié)構(gòu)及紋理等高維數(shù)據(jù)信息特征的過程[37]。此外，由分形分析計算的分形維度也被認為是一種影像組學(xué)特征[37]。最早De-Giorgio F等[38]選擇提取不同PMI下的腦組織分形維度影像特征，在沒有其他因素干擾對4例有明確死亡時間且無器質(zhì)性損傷的死者大腦進行研究，發(fā)現(xiàn)計算出的分形維度隨死后時間以sigmoidalBoltzmann函數(shù)變化規(guī)律逐漸減少，證實分形維度這一影像組學(xué)特征可用于死后時間推斷。Klontzas ME等[39]回顧性分析了97例有明確死亡時間案例的肝臟和胰腺PMCT影像組學(xué)特征，應(yīng)用機器學(xué)習(xí)算法XGBoost篩選出對死亡時間推斷有價值的特征，并建立早期和晚期死亡時間的分類鑒別模型，模型的AUC最高可達0.75，表明AI結(jié)合影像組學(xué)在法醫(yī)學(xué)死后時間推斷研究中具有很好的應(yīng)用前景。

大量研究表明PMCT已經(jīng)在分析死亡原因、分析損傷機制以及推斷死亡時間方面具有潛在的應(yīng)用價值，尤其是在分析槍彈傷、溺死等案件中起到重要的輔助作用。然而，PMCT圖像信息量巨大，單純通過裸眼觀察難免遺漏關(guān)鍵信息。隨著科學(xué)技術(shù)的發(fā)展，影像組學(xué)、圖像識別、機器學(xué)習(xí)等人工智能技術(shù)在深層次挖掘PMCT影像特征中展現(xiàn)巨大優(yōu)勢，成為推動PMCT在法醫(yī)病理學(xué)中進一步應(yīng)用的重要方法，見圖1。

4 AI+PMCT存在的挑戰(zhàn)及展望

綜上，應(yīng)用PMCT結(jié)合人工智能算法有望為法醫(yī)病理學(xué)關(guān)鍵問題的解決提供新的思路。然而AI+PMCT在法醫(yī)病理學(xué)中的應(yīng)用處于初步階段，仍存在部分局限性。因此，研究AI+PMCT有望更好地解決法醫(yī)病理的工作難題，推動PMCT在法醫(yī)學(xué)實踐中的進一步應(yīng)用。

4.1 需建立PMCT數(shù)據(jù)分析的標(biāo)準(zhǔn)方法

深度學(xué)習(xí)算法訓(xùn)練自動識別PMCT圖像時會出現(xiàn)算法識別的影像學(xué)區(qū)域與法醫(yī)診斷的關(guān)注部位不一致的情況。針對訓(xùn)練集數(shù)據(jù)進行圖像分割時，多需對圖片進行預(yù)處理，這些操作雖然可以提升模型預(yù)測的準(zhǔn)確性，但方法眾多，缺少統(tǒng)一的標(biāo)準(zhǔn)化流程。未來需要建立PMCT 數(shù)據(jù)采集、獲取、處理、入庫的標(biāo)準(zhǔn)化操作流程，形成專家共識或行業(yè)標(biāo)準(zhǔn)。

4.2 單中心分析向多中心研究有望提升模型的精準(zhǔn)度

當(dāng)前的AI+PMCT均是單中心建立的模型，單中心、單一型號的CT掃描機建立的模型適用性范圍窄，難以滿足實際應(yīng)用，并且多家虛擬解剖中心不同CT掃描機會帶來系統(tǒng)性誤差，需要協(xié)同多中心建立虛擬解剖數(shù)據(jù)庫，推動建立更具客觀性、準(zhǔn)確性的決策模型。

4.3 多種AI 建模的集成算法有望提高模型的泛化性能

應(yīng)用人工智能算法建立的決策模型會隨數(shù)據(jù)分布、環(huán)境及模型自身的變化出現(xiàn)模型偏移，導(dǎo)致模型預(yù)測性能降低。為避免這一事件發(fā)生，應(yīng)采用多種人工智能算法來建立多個決策模型，并應(yīng)用集成算法將多個模型組合在一起，或者考慮采用半監(jiān)督學(xué)習(xí)的方法，通過對已知的標(biāo)簽數(shù)據(jù)進行學(xué)習(xí)進而對無標(biāo)簽數(shù)據(jù)進行推斷，提高模型的泛化性能。

4.4 多組學(xué)聯(lián)合影像組學(xué)的PMCT分析有望建立智能化鑒識模型

單純依靠PMCT，即使結(jié)合AI技術(shù)，仍舊不能完全滿足死亡原因及死亡時間推斷等鑒定工作需求。組織病理學(xué)診斷仍舊是行業(yè)公認的法醫(yī)病理學(xué)鑒定“金標(biāo)準(zhǔn)”，而且隨著分子解剖的不斷深入，通過醫(yī)工交叉、醫(yī)理交叉，有望構(gòu)建出多組學(xué)聯(lián)合影像組學(xué)+PMCT的智能化鑒識模型，以推動虛擬解剖在法醫(yī)病理學(xué)領(lǐng)域的應(yīng)用，提升鑒識效率和準(zhǔn)確性。

參考文獻

[1] 陳憶九. 虛擬解剖技術(shù)的應(yīng)用研究進展[J]. 法醫(yī)學(xué)雜志，2014，30（5）：360-366．

Chen YJ. Research development and application of virtopsy[J]. Chin JRehabil Med，2014，30（5）：360-366．

[2] 魏智彬，李喜柱，李 昊，等. 應(yīng)用死后計算機斷層掃描推斷死亡時間研究進展[J/OL]. 刑事技術(shù)，1-7[2024-12-22].

Wei ZB，Li XZ，Li H，et al. Research progress on postmortem intervalestimation by postmortem computed tomography[J/OL]. Forensic Scienceand Technology，1-7[2024-12-22].

[3] Brossard C，Lemasson B，Attyé A，et al. Contribution of CT-scananalysis by artificial intelligence to the clinical care of TBI patients[J].Front Neurol，2021，12：666875．

[4] Fang C，Pan YF，Zhao LT，et al. A machine learning-based approachto predict prognosis and length of hospital stay in adults and childrenwith traumatic brain injury：retrospective cohort study[J]. J Med InternetRes，2022，24（12）：e41819．

[5] Matsuo K，Aihara H，Nakai T，et al. Machine learning to predictIn-hospital morbidity and mortality after traumatic brain injury[J]. JNeurotrauma，2020，37（1）：202-210．

[6] Chartrand G，Cheng PM，Vorontsov E，et al. Deep learning：aprimer for radiologists[J]. Radiographics，2017，37（7）：2113-2131．

[7] 董智杰，吳 岳. microRNA在法醫(yī)學(xué)中的研究進展[J]. 青海醫(yī)學(xué)院學(xué)報，2016，37（3）：208-211.

Dong ZJ，Wu Y. microRNA Research progress in forensic medicine[J].Journal of Chinese High Altitude Medicine and Biology，2016，37（3）：208-211.

[8] 趙 建，杜宇坤，牛 勇. 虛擬解剖在法醫(yī)學(xué)死因鑒定中的應(yīng)用[J]. 刑事技術(shù)，2023，48（5）：531-536．

Zhao J，Du YK，Niu Y. Application of virtual anatomy in identificationof death cause[J]. Forensic Sci Technol，2023，48（5）：531-536．

[9] Kirchhoff SM，Scaparra EF，Grimm J，et al. Postmortem computedtomography（ PMCT） and autopsy in deadly gunshot wounds：a comparativestudy[J]. Int J Legal Med，2016，130（3）：819-826．

[10] 唐可爽，孟令杰，劉曉菲，等. PMCT在槍彈致顱腦損傷死亡案件中應(yīng)用1例[J]. 中國法醫(yī)學(xué)雜志，2024，39（2）：250-251，253．

Tang KS，Meng LJ，Liu XF，et al. Application of PMCT in a case of craniocerebralinjury death caused by bullets：a case report[J]. Chin J ForensicMed，2024，39（2）：250-251，253．

[11] Inokuchi G，Yajima D，Hayakawa M，et al. Is acute subdural hematomareduced during the agonal stage and postmortem？[J]. Int J LegalMed，2013，127（1）：263-266．

[12] 武斌，李陽，李洋，等. 虛擬解剖用于外傷性蛛網(wǎng)膜下腔出血的檢驗1例 [J]. 中國法醫(yī)學(xué)雜志，2024，39（3）：379-380，382.

Wu B，Li Y，Li Y，et al. Virtual dissection for examination of traumaticsubarachnoid hemorrhage：a case report[J]. Chinese Journal of ForensicMedicine，2024，39（3）：379-380，382.

[13] Saukko P，Knight B. Knight’s Forensic Pathology，3Ed[M]. BocaRaton：CRC Press，2004．

[14] Kranioti EF，Nathena D，Spanakis K，et al. Unenhanced PMCT inthe diagnosis of fatal traumatic brain injury in a charred body[J]. J ForensicLeg Med，2021，77：102093．

[15] Tappero C，Thali MJ，Schweitzer W. The possibility of identifyingbrain hemorrhage in putrefied bodies with PMCT[J]. Forensic Sci MedPathol，2020，16（4）：571-576．

[16] Oshima T，Yoshikawa H，Ohtani M，et al. Three cases of suprachoroidalhemorrhage associated with chest compression or asphyxiationand detected using postmortem computed tomography[J]. Leg Med，2015，17（3）：188-191．

[17] 牛 鑫，周美新，王志麗，等. 水中尸體的PMCT檢案應(yīng)用1例[J]. 中國法醫(yī)學(xué)雜志，2022，37（2）：209-210.

Niu X，Zhou MX，Wang ZL，et al. The application of cadaver PMCT inwater：a case report[J]. Chinese Journal of Forensic Medicine，2022，37（2）：209-210.

[18] 溫曉斌，劉曉菲，李偉昊，等. 水中尸體PMCT 最新研究進展[J]. 中國法醫(yī)學(xué)雜志，2022，37（1）：15-18.

Wen XB，Liu XF，Li WH，et al. The development of the research on cadaverPMCT in water[J]. Chinese Journal of Forensic Medicine，2022，37（ 01）：15-18.

[19] 趙旭舒，劉曉菲，溫曉斌，等. PMCT 的溺死診斷價值研究[J].中國法醫(yī)學(xué)雜志，2023，38（4）：364-368．

Zhao XS，Liu XF，Wen XB，et al. Study on the potential applicationvalue of the postmortem computed tomographic to the diagnosis ofdrowning[J]. Chin J Forensic Med，2023，38（4）：364-368．

[20] 張 露，郭紹將，劉曉菲，等. PMCT在空氣栓塞死亡案件中應(yīng)用1例[J]. 中國法醫(yī)學(xué)雜志，2023，38（4）：371-373．

Zhang L，Guo SJ，Liu XF，et al. Application of PMCT in one case of airembolism death[J]. Chin J Forensic Med，2023，38（4）：371-373．

[21] Ogawara T，Usui A，Homma N，et al. Diagnosing drowning in postmortemCT images using artificial intelligence[J]. Tohoku J Exp Med，2022，259（1）：65-75．

[22] Zeng YW，Zhang XY，Kawasumi Y，et al. A 2.5D deep learningbasedmethod for drowning diagnosis using post-mortem computedtomography[J]. IEEE J Biomed Health Inform，2023，27（2）：1026-1035．

[23] Zeng YW，Zhang XY，Yoshizumi I，et al. Deep learning-based diagnosisof fatal hypothermia using post-mortem computed tomography[J]. Tohoku J Exp Med，2023，260（3）：253-261．

[24] Zirn A，Scheurer E，Lenz C. Automated detection of fatal cerebralhaemorrhage in postmortem CT data[J]. Int J Leg Med，2024，138（4）：1391-1399．

[25] Han SQ，Wan L，Huang P，et al. Postmortem MSCT analysis andidentification of fall from height：one case report[J]. Fa Yi Xue Za Zhi，2015，31（3）：191-195．

[26] Han SQ，Wan L，Qin ZQ，et al. Comparison of postmortem MSCTand autopsy findings in traffic accident victims[J]. Fa Yi Xue Za Zhi，2016，32（2）：86-89，93．

[27] 張興濤，羅 帥，林雨山，等. PMCT在交通事故死亡鑒定中應(yīng)用2例[J]. 中國法醫(yī)學(xué)雜志，2023，38（4）：374-376．

Zhang XT，Luo S，Lin YS，et al. Application of PMCT in traffic accidentdeath appraisal：2 cases report[J]. Chin J Forensic Med，2023，38（4）：374-376．

[28] Makino Y，Yokota H，Nakatani E，et al. Differences between postmortemCT and autopsy in death investigation of cervical spine injuries[J]. Forensic Sci Int，2017，281：44-51．

[29] 孫雪陽，楊琦帆，朱運良，等. 基于CT圖像推斷鈍力性顱腦損傷成傷機制的logistic 回歸分析[J]. 法醫(yī)學(xué)雜志，2022，8（2）：217-222．

Sun XY，Yang QF，Zhu YL，et al. Logistic regression analysis of themechanism of blunt brain injury inference based on CT images[J]. JForensic Med，2022，8（2）：217-222．

[30] Henningsen MJ，Lindgren N，Kleiven S，et al. Subject-specificfinite element head models for skull fracture evaluation—a new tool inforensic pathology[J]. Int J Leg Med，2024，138（4）：1447-1458．

[31] Egger C，Vaucher P，Doenz F，et al. Development and validationof a postmortem radiological alteration index：the RA-Index[J]. Int J LegMed，2012，126（4）：559-566．

[32] Cartocci G，Santurro A，Neri M，et al. Post-mortem computedtomography（PMCT） radiological findings and assessment in advanceddecomposed bodies[J]. La Radiol Med，2019，124（10）：1018-1027．

[33] 宋炳輝，何婷，傅俊江. 非編碼RNA在法醫(yī)學(xué)時間有關(guān)推斷中的應(yīng)用研究進展 [J]. 刑事技術(shù)，2024，49（4）：401-409.

Song BH，He T，F(xiàn)u JJ. Research progress of non-coding RNA in forensictime-related estimation [J]. Forensic Science and Technology，2024，49（4）：401-409.

[34] Pasaribu RS，Auerkari EI，Suhartono AW，et al. A small RNA，microRNAas a potential biomolecular marker to estimate post mortem intervalin forensic science：a systematic review[J]. Int J Legal Med，2023，137（5）：1313-1325．

[35] Levy AD，Harcke HT，Mallak CT. Postmortem imaging：MDCTfeatures of postmortem change and decomposition[J]. Am J ForensicMed Pathol，2010，31（1）：12-17．

[36] Morikawa K，Hyodoh H，Matoba K，et al. Time-related changeevaluation of the cerebrospinal fluid using postmortem CT[J]. Leg Med，2016，22：30-35．

[37] Mayerhoefer ME，Materka A，Langs G，et al. Introduction to radiomics[J]. J Nucl Med，2020，61（4）：488-495．

[38] De-Giorgio F，Ciasca G，F(xiàn)econdo G，et al. Post mortem computedtomography meets radiomics：a case series on fractal analysis of postmortem changes in the brain[J]. Int J Legal Med，2022，136（3）：719-727．

[39] Klontzas ME，Leventis D，Spanakis K，et al. Post-mortem CTradiomics for the prediction of time since death[J]. Eur Radiol，2023，33（11）：8387-8395．

（責(zé)任編輯：周一青）

基金項目：遼寧省自然科學(xué)基金醫(yī)工交叉聯(lián)合基金資助項目（編號：2022-YGJC-74）、遼寧省教育廳基本科研資助項目（編號：LJ212410159052、LJ212410159060）。