сотрудник
Смоленск, Смоленская область, Россия
Москва, г. Москва и Московская область, Россия
сотрудник
Москва, г. Москва и Московская область, Россия
УДК 616.31 Стоматология. Заболевания ротовой полости и зубов
Современная цифровая стоматологическая криминалистика произвела революцию в традиционных судебных расследованиях в рамках сбора, анализа и представления судебных доказательств, причем сегодня ее применение становится привычным явлением при расследовании последствий массовых катастроф, землетрясений и террористических актов. Совершенствование программного обеспечения и появление цифровых компьютерных технологий, автоматизированного проектирования и производственных систем, цифровых записей и робототехники, методик бесконтактного вскрытия и виртопсии привели к ускорению и оптимизации процесса идентификации личности путем извлечения большого объема данных и уменьшения возможных погрешностей. Анализ доступных отечественных и зарубежных литературных источников свидетельствует о необходимости проведения комплексного идентификационного исследования с применением разноплановых цифровых методов и традиционных средств оценки имеющегося материала. Цель исследования — проанализировать актуальную научную литературу, посвященную проблемам применения технологий искусственного интеллекта в практике общемедицинской и стоматологической идентификации личности. Методология. Основу настоящего литературного обзора составили 25 источников из следующих баз данных: PubMed, PubMed Central, Scopus, Elibrary, ResearchGate, Google Scholar. Результаты. В статье представлен обзор актуальных методов цифровой судебно-медицинской идентификации личности с применением технологий искусственного интеллекта. Отражены современные аспекты диагностики и комплексного планирования идентификационного исследования с целью эффективного разрешения медико-правовых и стоматологических вопросов. Выводы. На основании проведенного анализа литературы можно заключить, что, в зависимости от сложности и специфичности задач, поставленных в процессе идентификации личности, выбираются оптимальные пути их оперативного решения, причем приоритетом все чаще являются современные цифровые методы исследования с применением технологии искусственного интеллекта. Резюмируя, следует отметить инновационный характер используемых технологий, а также неизбежность процесса внедрения специализированного цифрового программного обеспечения мировым научным сообществом в профессиональную практику идентификации личности.
искусственный интеллект, идентификация личности, цифровая стоматология, судебная медицина, танатология, компьютерные технологии
1. Kim S, Lee YH, Noh YK, Park FC, Auh QS. Age-group determination of living individuals using first molar images based on artificial intelligence // Sci Rep. 2021;11(1): 1073. doi:https://doi.org/10.1038/s41598-020-80182-8. PMID: 33441753.
2. Wang X, Liu Y, Miao X, Chen Y, Cao X, Zhang Y, et al. DENSEN: a convolutional neural network for estimating chronological ages from panoramic radiographs // BMC Bioinformatics. 2022;23(3): 426. doi:https://doi.org/10.1186/s12859-022-04935-0
3. Shen S, Liu Z, Wang J, Fan L, Ji F, Tao J. Machine learning assisted Cameriere method for dental age estimation // BMC Oral Health. 2021;21(1):641. doi:https://doi.org/10.1186/s12903-021-01996-0. PMID: 34911516.
4. Oliva G, Pinchi V, Bianchi I, Focardi M, Paganelli C, Zotti R, et al. Three-Dimensional Dental Analysis for Sex Estimation in the Italian Population: A Pilot Study Based on a Geometric Morphometric and Artificial Neural Network Approach // Healthc Basel Switz. 2021;10(1):9. doi:https://doi.org/10.3390/healthcare10010009. PMID: 35052173.
5. Milošević D, Vodanović M, Galić I, SubašIć M. A Comprehensive Exploration of Neural Networks for Forensic Analysis of Adult Single Tooth X-Ray Images // IEEE Access. - 2022;10:70980–1002. doi:https://doi.org/10.1109/ACCESS.2022.3187959
6. Franco A, Porto L, Heng D, Murray J, Lygate A, Franco R, et al. Diagnostic performance of convolutional neural networks for dental sexual dimorphism // Sci Rep. 2022;12(1):17279. doi:https://doi.org/10.1038/s41598-022-21294-1. PMID: 36241670.
7. Ravleen Nagi, Konidena Aravinda, N. Rakesh, Supreet Jain, Navneet Kaur, Amrit Kaur Mann. Digitization in forensic odontology: A paradigm shift in forensic investigations // J Forensic Dent Sci. – 2019;11(1):5-10. doi:https://doi.org/10.4103/jfo.jfds_55_19
8. Bassed R. Судебная стоматология: больше чем просто идентификация. Главный врач юга России. 2015;5(47):27-32. [Bassed R. Sudebnaja stomatologija: bol'she chem prosto identifikacija. Glavnyj vrach juga Rossii. 2015;5(47):27-32. (In Russ.)]. https://www.elibrary.ru/download/elibrary_27199583.pdf
9. Bianchi I, Oliva G, Vitale G, Bellugi B, Bertana G, Focardi M, et al. A Semi-Automatic Method on a Small Italian Sample for Estimating Sex Based on the Shape of the Crown of the Maxillary Posterior Teeth // Healthcare. 2023;11(6):845. doi:https://doi.org/10.3390/healthcare11060845
10. Kaul B, Vaid V, Gupta S, Kaul S. Forensic Odontological Parameters as Biometric Tool: A Review // Int J Clin Pediatr Dent. 2021;14(3):416–419. doi:https://doi.org/10.5005/jp-journals-10005-1967. PMID: 34720517.
11. Трезубов В.Н., Попов В.Л., Розов Р.А. Судебно-стоматологическая идентификация личности пользователя полным съемным протезом. Стоматология. 2020;99(1): 43 48. [V.N. Trezubov, V.L. Popov, R.A. Rozov. Dental forensic identification of the user of a complete removable denture. Stomatology. 2020;99(1):43 48. (In Russ.)]. https://doi.org/10.17116/stomat20209901143
12. Li Y, Huang Z, Dong X, Liang W, Xue H, Zhang L, et al. Forensic age estimation for pelvic X-ray images using deep learning // Eur Radiol. 2019;29(5):2322–2329. doi:https://doi.org/10.1007/s00330-018-5791-6. PMID: 30402703.
13. Sarkar A, Nandineni MR. Development of a SNP-based panel for human identification for Indian populations // Forensic Sci Int Genet. – 2017;27:58-66. doi:https://doi.org/10.1016/j.fsigen.2016.12.002. PMID: 27992827.
14. Parys-Proszek A, Marcińska M, Branicki W, Pawłowski R, Kupiec T, Grzybowski T, Woźniak M, Spólnicka M, Jacewicz R. Examination of LT-DNA traces - literature overview and general recommendations of the Polish Speaking Working Group of the International Society for Forensic Genetics (ISFG-PL) // Arch Med Sadowej Kryminol – 2020;70(2-3):103-123. doi:https://doi.org/10.5114/amsik.2020.104489
15. Badam RK, Sownetha T, Babu DB G, Waghray S, Reddy L, Garlapati K, Chavva S. Virtopsy: Touch-free autopsy // J Forensic Dent Sci. – 2017;9(1):42. doi:https://doi.org/10.4103/jfo.jfds_7_16. PMID: 28584475.
16. Joseph TI, Girish KL, Sathyan P, Kiran MS, Vidya S. Virtopsy: An integration of forensic science and imageology // J Forensic Dent Sci. – 2017;9(3):111-114. doi:https://doi.org/10.4103/jfo.jfds_52_16. PMID: 29657485.
17. Franco A, Mendes SD, Picoli FF, Rodrigues LG, Silva RF. Forensic thanatology and the pink tooth phenomenon: From the lack of relation with the cause of death to a potential evidence of cadaveric decomposition in dental autopsies – Case series // Forensic Sci Int. - 2018;291:e8-12. doi:https://doi.org/10.1016/j.forsciint.2018.08.011. PMID: 30193746.
18. Сафонов А.А. Современная автоматизированная дактилоскопическая идентификационная система органов внутренних дел Российской Федерации. Вестник экономической безопасности. 2021;3:179-183. [Safonov A.A. Sovremennaja avtomatizirovannaja daktiloskopicheskaja identifikacionnaja sistema organov vnutrennih del Rossijskoj Federacii. Vestnik jekonomicheskoj bezopasnosti. 2021;3:179-183. (In Russ.)]. https://doi.org/10.24412/2414-3995-2021-3-179-183
19. Domínguez-Rodrigo M, Baquedano E. Distinguishing butchery cut marks from crocodile bite marks through machine learning methods // Sci Rep. 2018;8(1):5786. doi:https://doi.org/10.1038/s41598-018-24071-1. PMID: 29636550.
20. Игумнова А.С., Игумнова В.С. Укус как орудие нападения. Криминалистическое исследование. Вопросы российской юстиции. 2020;10:332-342. [Igumnova A.S., Igumnova V.S. Ukus kak orudie napadenija. Kriminalisticheskoe issledovanie. Voprosy rossijskoj justicii. 2020;10:332-342. (In Russ.)]. https://www.elibrary.ru/download/elibrary_44598455
21. Qing-nanMou, Ling-ling Ji, Yan Liu, Pei-rong Zhou, Meng-qi Han, Jia-min Zhao, Wen-ting Cui, Teng Chend, Shao-yi Du, Yu-xia Hou, Yu-cheng Guo. Three-dimensional superimposition of digital models for individual identification // Forensic Sci Int. – 2021; 318:110597. doi:https://doi.org/10.1016/j.forsciint.2020.110597. PMID: 33279768
22. Amasya H, Yildirim D, Aydogan T, Kemaloglu N, Orhan K. Cervical vertebral maturation assessment on lateral cephalometric radiographs using artificial intelligence: comparison of machine learning classifier models // Dento Maxillo Facial Radiol. 2020;49 (5):20190441. doi:https://doi.org/10.1259/dmfr.20190441. PMID: 32105499.
23. De Tobel J, Radesh P, Vandermeulen D, Thevissen PW. An automated technique to stage lower third molar development on panoramic radiographs for age estimation: a pilot study // J Forensic Odontostomatol. 2017;35(2):42–54. PMID: 29384736
24. Upalananda W, Wantanajittikul K, Na Lampang S, Janhom A. Semi-automated technique to assess the developmental stage of mandibular third molars for age estimation // Aust J Forensic Sci. 2023;55(1):23–33. doi:https://doi.org/10.1080/00450618.2021.1882570
25. Merdietio Boedi R, Banar N, De Tobel J, Bertels J, Vandermeulen D, Thevissen PW. Effect of Lower Third Molar Segmentations on Automated Tooth Development Staging using a Convolutional Neural Network // J Forensic Sci. 2020;65(2):481-486. doi:https://doi.org/10.1111/1556-4029.14182. PMID: 31487052
