生物特征识别方法已成为法医学中不可或缺的工具，能够识别个人及其与犯罪活动的潜在联系[1]。几十年来，传统的生物特征识别方法，如指纹分析、DNA分析和面部识别，一直是识别和验证过程的基石[2]。然而，随着全球人口的增长，暴力犯罪（包括凶杀案）的发生率也在增加。因此，法医学对更高效和可靠的技术需求也在增加，以便识别受害者和犯罪者。
法医牙科学通过牙齿记录来识别个人，长期以来被认为是一种成本效益高且易于获取的案例解决方法。然而，近年来深度学习技术的迅速发展引入了新的识别方法，这些方法超越了传统的生物特征识别技术。尸检识别方法现在包括多种技术，如指纹分析、DNA分析、面部识别、虹膜识别、耳形识别、静脉模式分析和牙科学。每种方法都在犯罪调查中展示了显著的潜力，但它们也存在局限性。
当人体受到严重损伤、长时间分解或暴露在极端环境条件下时，许多这些方法无法提供准确的结果[3]、[4]。例如，当皮肤烧伤或腐烂时，指纹识别变得不可靠；当面部因创伤而变形时，面部识别也会失效[5]、[6]。同样，DNA分析常常受到生物样本污染或降解的阻碍[7]。当眼睛或四肢受到不可逆的损伤时，虹膜或静脉模式识别方法也不实用。
这些局限性不仅使识别过程复杂化，还会导致法医调查的延迟，尤其是在需要及时结果的情况下。此外，由于持续冲突（特别是在加沙、乌克兰和其他国家等战乱地区）导致的大规模死亡人数激增，使得对替代性和更稳健的识别方法的需求更加迫切。
鉴于传统生物特征识别方法在这些情况下的不足，研究人员开始关注使用胸部X光片作为尸检识别的可行解决方案[8]、[9]、[10]。胸部X光识别特别适合法医调查，因为骨骼结构——尤其是胸腔内的结构——在分解或长时间暴露下基本不受影响[9]、[11]、[12]。即使软组织受损，骨骼、肋骨和其他胸部解剖特征仍能保持独特的模式[13]。这使得胸部X光片成为识别个人的有效工具，尤其是在其他生物特征识别方法（如指纹或面部识别）不再可行的情况下。
此外，胸部X光片通常保存在医疗档案中，特别是对于有心血管或呼吸系统疾病史的个体。这些现有的医疗数据可以用于促进法医案例中的快速和可靠识别，当其他生物特征信息不可用或受损时，它们提供了有价值的比较依据[14]。为了进一步提高我们模型决策过程的透明度和可解释性，我们采用了可解释人工智能（XAI）技术，特别是梯度加权类别激活映射（Grad-CAM）。XAI在基于深度学习的法医应用中发挥着关键作用，可以洞察模型是如何做出决策的，并确保其预测基于有意义和可解释的特征，而不是虚假的相关性。Grad-CAM使我们能够可视化对识别贡献最大的关键骨骼区域，证明我们的方法学习了相关和独特的骨骼结构。本研究旨在建立一个概念验证，探索基于骨骼的识别的解剖学合理性和方法论潜力，而不是一个完全验证的法医部署系统。
在这项研究中，我们做出了以下关键贡献：
- •
基于骨骼的可行性框架：我们提出了一个深度度量学习框架，利用从胸部X光片分割出的骨骼结构进行人物识别，采用基于ResNet-50的三元组网络来学习具有区分性的骨骼嵌入特征。
- •
基于解剖学的建模：该框架仅关注骨骼解剖结构，因此较少依赖于软组织特征，适用于尸检和法医研究背景。
- •
可解释的身份分析：应用Grad-CAM来提供对影响身份识别的骨骼区域的解剖学解释，提高了透明度和可解释性。
- •
嵌入空间可视化：使用UMAP和t-SNE来分析学习到的嵌入空间中的身份区分性和聚类行为。
- •
明确的可行性定位：本研究被定位为一个概念验证，明确承认了与数据集范围、分割依赖性和统计评估相关的关键限制，以指导未来在专门法医数据集上的验证。
