Effiziente automatisierte Personenidentifizierung anhand Maximum-Intensitätsprojektionen von Thorax-CTs

Zielsetzung Computer Vision (CV) verwendet Algorithmen, die das menschliche Sehen nachahmen und es ermöglichen, radiologische Bilder aus aktuellen Untersuchungen theoretisch automatisch mit umfangreichen Bilddatenbanken abzugleichen. Dies könnte in Notfallsituationen zur Identifikation unbekannter Patienten oder verstorbener Personen beitragen. Ziel der Studie ist es, das Potential von Maximum-Intensitätsprojektionen (MIP) aus thorakalen Computertomographie (CT)-Untersuchungen für die automatisierte CV-basierte Personenidentifizierung zu untersuchen.

Material und Methoden Die Studie analysierte 12.465 native Thorax-CT-Untersuchungen von 8.177 Personen. Für alle koronalen Schichten einer Untersuchung wurden MIP-Bilder berechnet, CV-Merkmale extrahiert und in einer CV-Datenbank gespeichert. In 300 Identifizierungsverfahren wurden die CV-Merkmale der unbekannten Person mit denen in der CV-Datenbank abgeglichen. Die Anzahl der Übereinstimmungspunkte zwischen Such- und Referenzbild diente als Maß für die Identifikationsgenauigkeit.

Ergebnisse Die Identifikationsrate lag bei 98,67% (296/300) auf Rang 1 und bei 99,67% (299/300) auf Rang 10, bei über 8.177 möglichen Identitäten. Die Übereinstimmungspunkte waren bei Bildern derselben Person höher (7,43±5,83%) im Vergleich zu Bildern verschiedener Personen (0,16±0,14%), wobei 100% die maximal möglichen Übereinstimmungspunkte darstellen. Zuverlässige Übereinstimmungspunkte wurden vor allem im thorakalen Skelett und in der Wirbelsäule gefunden. Schwierigkeiten traten auf, wenn der Patient gekrümmt auf dem CT-Tisch lag oder medizinisches Equipment im Bild sichtbar war.

Schlussfolgerungen Eine CV-basierte Personenidentifizierung anhand von MIP-Bildern thorakaler CT-Untersuchungen erweist sich als äußerst zuverlässig, selbst bei großen CV-Datenbanken. Die Radiologie verfügt über eine große Anzahl an Referenzbildern für mögliche CV-Datenbanken, was die automatisierte Personenidentifizierung in Notfällen oder bei unbekannten Personen erheblich verbessern kann.

Publication History

Article published online:
25 March 2025