法医年龄估计在法律、法医学和考古学领域发挥着重要作用[1]、[2]、[3]。准确的年龄估计在法医和法律背景下非常重要，包括识别未知个体（无论是在世还是已故）、评估缺乏有效身份证明的人的年龄，以及解决与年龄相关的民事和行政纠纷（如养老金资格、保险索赔或就业相关冲突），同时支持行政和法律决策（如移民程序和年龄限制服务的获取），所有这些都可能影响司法决策[4]、[5]。
已经使用了一系列生物指标进行年龄估计（如骨骼、牙齿和分子标记），在生长完成前这些指标的性能通常更好，而在成人中由于生物异质性更大和年龄信号较弱，其性能受到限制[6]、[7]、[8]、[9]。牙齿高度矿化，对环境影响具有抵抗力，并遵循明确的发育序列，这使它们成为年龄估计的有吸引力的指标[10]、[11]。牙齿方法在儿童和青少年中具有更高的准确性，因为它们依赖于在放射图像上更容易识别的发育形态变化。然而，在成人中，准确性较低，因为主要依赖于退行性牙齿变化，如咬合磨损和次级牙本质沉积导致牙髓腔缩小。这些变化是累积的，但远不如发育阶段那样规律和个体间差异大[12]、[13]。
在用于成人牙齿年龄估计的所有退行性变化中，次级牙本质沉积提供了一个有用的内部标志物，而咬合磨损则受到饮食、功能和副功能因素的强烈影响，因此作为单一年龄代理不太可靠[14]。随着年龄的增长，成牙本质细胞继续沉积和矿化次级牙本质，从而导致牙髓腔逐渐缩小，这在放射图像上可见[9]、[15]。基于此，Kvaal等人在1995年提出了一种至今仍广泛使用的方法，通常称为Kvaal方法。在这种方法中，测量牙齿和牙髓腔的一些线性特定指标，并将其结合到回归方程中以估计实际年龄[16]。后续研究人员将Kvaal方法应用于全景X光片（OPG），表明其具有一定的适用性。然而，这种方法有几个局限性。无论是根尖X光片还是OPG都只提供二维投影，可能会受到几何失真的影响[17]、[18]。特别是在OPG中，解剖结构的重叠可能会影响测量的可靠性并降低估计准确性[19]。
近年来，随着牙齿成像技术的进步，锥形束计算机断层扫描（CBCT）实现了牙齿的无失真三维可视化，以及对内部牙齿结构的更精确评估，这可能有助于改善标志物的识别和测量标准化[20]、[21]。事实上，先前的研究表明，Kvaal方法中定义的测量值可以使用CBCT图像在三维空间中成功再现[22]、[23]。然而，当与传统的多元线性回归结合使用时，基于CBCT的Kvaal应用的估计误差与2D放射学的估计误差相当，具体取决于人群和牙齿类型[24]、[25]。此外，基于CBCT的Kvaal应用在中国人群中的应用仍然相对有限。
近年来，基于传统放射参数的牙齿年龄估计框架中已经融入了机器学习[26]、[27]。然而，使用基于CBCT调整的Kvaal线性指数训练的机器学习回归器来建模成人实际年龄的证据仍然有限。在中国人群中，这样的证据尤其稀缺，与传统性别特定多元线性回归的直接比较也有限[28]、[29]、[30]。因此，本研究旨在评估基于CBCT的Kvaal指数在中国北方人群中的成人牙齿年龄估计性能，并探讨使用机器学习回归器建模这些3D比率型参数是否可以提高预测准确性， compared with 传统的性别特定多元线性回归。
