重现死亡现场!对外部数据3D建模,这个尸检算法把死亡时间预测误差缩小到38分钟-阿里云开发者社区

开发者社区> -技术小助手-> 正文

重现死亡现场!对外部数据3D建模,这个尸检算法把死亡时间预测误差缩小到38分钟

简介: 重现死亡现场!对外部数据3D建模,这个尸检算法把死亡时间预测误差缩小到38分钟
+关注继续查看

弗洛伊德事件仍然在发酵中。

至此当我们回顾舆论发酵过程,关于官方尸检报告和独立尸检的不同结果,一度被认为是重要的转折点,也一度在网上引起热烈讨论。

说到尸检,就离不开法医。2018年大热的日剧《非自然死亡》通过一系列事件,把这份不常见的工作推到了公众面前。

剧中,石原里美饰演的主角三澄美琴正是一名法医,她通过尸检和一系列医学手段,为侦破各类案件做出了重要贡献,也让大家对这一职业有了新的认知。

看完之后,很多人也就很自然地认为,法医能够通过尸体准确地推断出死亡时间,甚至能够精确到几点几分。但是,在标准尸检中,还存在着比较大的误差,特别是在对死亡时间的判断上,标准尸检的误差范围达到了死后间隔(PMI)3至7小时。

要推测死亡时间也没有电视剧中那么容易,需要考虑综合因素,因此,如何推测准确的死亡时间也就成了一个玄学问题。

尽管如此,推测感染死亡时间在常见案件的尸检中仍然利用得十分普遍,长期以来,相关研究者也一直在寻找缩小误差的可能。

近日,荷兰阿姆斯特丹大学的Maurice Aalders和同事开发了一种尸检新方法,主要利用尸体现场收集到的数据,包括皮肤温度、天气、身体大小和位置、衣服细节等,将这些数据输入模型,然后利用3D计算机模拟。

Aalders团队对4个生前进行尸体捐赠的死者进行了相关测试,他们的死亡时间从5到50小时不等,结果显示,该模型在预测死亡时间上能够把误差范围减小到38分钟内。

除此之外,该模型还能估算尸体在这个过程中的温度变化情况,以及通过这些“外部数据”进行体脂比的计算。

“下一步是将该模型带到犯罪现场。”Aalders说。他表示,该方法将在荷兰的犯罪现场进行进一步测试,但目前,该模型尚未在法庭上用作证据。

能模拟计算体温变化,与真实情况相差无几

在对尸体皮肤温度变化能力进行评估时,研究团队主要采样了腹部,胸部,前额和大腿部位这些特定的身体部位,并且尸体在医疗解剖台上以2°至4°C的恒温得到了比较完整的保存。

结果用PMI函数进行模拟,同时与相应的模型预测值进行了比较。其中存储在停尸间制冷单元中的环境温度变化也纳入了计算范围,在所有模拟温度曲线中均表现为冷却速率的变化,即拐点(inflection point)。

具体来说,下图表示的一位79岁的男性,体重64.5千克,身高169厘米,在进行测试时,尸体身体披着一张床单,头靠在枕头上,穿着衬衫和尿布,在综合计算后得出死者的脂肪百分比为29%。

模拟中包括了将衣服和枕头的热导率分配到网格中的适当位置这种特定情况下的覆盖和表面接触,从下图计算得出的皮肤温度结果来看,所有的数值和实际测出的温度曲线十分吻合。

接下来是一位体重99公斤、身高181厘米的60岁男性,除了身穿长袖衬衫和尿布外,受试者还留着较长的面部毛发,计算出该名死者的体脂百分比为29%。

利用同样的方法,调整相应网格元素的热特性,在模拟仿真中囊括所有测试范围后,测量与计算了死者在死后21至43小时之间的皮肤温度变化情况,从下图中看到,腹部和前额的模拟与测量结果非常吻合,胸部和大腿温度超过了模拟温度。

接下来我们来看看该模型在女性身上表现如何。

下图模拟的就是一位94岁的女性,体重39千克、身高159厘米,计算得出的脂肪百分比为21%。在死者死后24至45小时之间测量了皮肤温度变化,在此期间死者裸露,尽管如此,模拟温度与实测温度仍然非常吻合,只有胸部和大腿的模拟温度有中等偏差。

最后是一位体重87公斤、身高157厘米的61岁女性,死者身穿衬衫和尿布,但没有床单和枕头,计算得出的脂肪百分比为34%。在PMI进行的死后26至50小时热测量时间内,模拟的冷却曲线与实际曲线非常吻合,但是,可以看出,三个部位出现了偏差,前额温度被低于实测值,大腿和胸部温度高于实测值。

英国哈德斯菲尔德大学的Anna Williams说:“该模型结果表明,他们有能力将PMI预测缩短到1小时之内,这比最常用的基于温度的方法得出的最佳估计还要好得多。”

英国斯塔福德郡大学的Graham Williams表示,新方法“突破性地使用了技术”,同时他还表示,相比于用动物尸体进行实验,“使用真实的人体尸体进行验证更为精准”。

5个输入变量综合模拟,支持在皮肤直接测量

在实验中,研究团队所有测试尸体者的每个测量时间点重建了PMI,通过将这些重建的PMI与对应的真实值(介于5到50小时之间)进行比较,确定了PMI重建方法的准确性。

所有重建的PMI均位于真实PMI的至少3.2小时内,而平均ΔPMI为±38分钟。此外,83.3%的重建PMI与其对应的真实PMI相差不超过±1小时。

除此之外,研究人员还考察了误差在多大程度上取决于模型输入参数中的不确定性。为此,他们选择一组特定的输入参数作为起点,作为参考PMI,随后顺序更改这些输入参数,将生成的重构PMI与该参考PMI进行比较。

左侧表示的是数字重建的PMI与真实PMI的关系,右侧表示的是PMI重建的绝对误差(ΔPMI)。

下图总结了参数敏感性分析的结果,表示的是,在重构的PMI中,模型输入参数变化引起的最大误差函数的变化,模型输入变量分别为初始体温、体脂百分比、衣服的导热系数、脂肪组织的导热系数,和非脂肪组织的导热系数。

黑星号表示参考数据集的值。在这些参数中,衣服导热系数的变化会导致重构的PMI出现最大的变化。平均而言,重建的PMI与参考PMI相差不超过2小时。而且,由于衣服,脂肪组织和非脂肪组织的热导率的不确定性或人体脂肪百分比引起的重构PMI的偏差与环境温度无关。相反,初始体温的不确定性在重构的PMI中引起偏差的程度取决于环境温度。

为了从测得的体温重建PMI,研究人员开发了一个有限差分模型,可以对死亡后的体温进行时空解析。该模型使用人体及其周围环境的离散三维表示来计算所涉及材料之间的热交换,通过在连续的时间间隔内重复此计算,进而进行体温模拟。

也就是说,这种测量方法允许在皮肤上进行直接的温度测量,而不是像Henssge列线图那样要在直肠上测量。

最后,还是老规矩,论文链接奉上,有兴趣的同学可以进行更细致地阅读:
https://advances.sciencemag.org/content/6/22/eaba4243

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
【阿里云新品发布·周刊】第3期:零算法基础快速训练稳定、高效的AI模型
将你想了解的,新产品、新版本、新技术、新功能、价格调整,评论在下方,下期更新!
9000 0
粉丝关系链,10亿数据,如何设计?
关系链主要分为两类,弱好友关系与强好友关系,两类都有典型的互联网产品应用。
1469 0
遗留物检测算法及实现
        从最终实现的角度来看,说不上是遗留物检测,至多是静止目标检测【运动物体长时间滞留检测】。实验室同学搞毕业设计,帮忙弄弄,也没弄成。          本文将分别给出老外论文+对应的代码【在老外论文基础上改进的】和国内的论文+代码【失败,能力不行】。
1091 0
error LNK2019: 无法解析的外部符号 __imp_GetUserObjectInformationW,该符号在函数 OPENSSL_isservice 中被引用
错误 18 error LNK2019: 无法解析的外部符号 __imp_GetUserObjectInformationW,该符号在函数 OPENSSL_isservice 中被引用 E:\FileRecv\SimpleAuthenticator(1)\SimpleAuthenticator\SimpleAuthenticator\libeay64.
2875 0
SAS进阶《深入解析SAS》之Base SAS基础、读取外部数据到SAS数据集
SAS进阶《深入解析SAS》之Base SAS基础、读取外部数据到SAS数据集 前言:在学习完《SAS编程与商业案例》后,虽然能够接手公司的基本工作,但是为了更深入的SAS学习,也为了站在更高的一个层次上去掌握和优化公司工作,故而又咬紧牙关加紧学习《深入解析SAS》.就目前的两本书的对比,显而易见的是本书比《SAS编程…》要厚的多,再者内容更新是2015年著,最后是内容详实
1746 0
1457
文章
0
问答
来源圈子
更多
+ 订阅
文章排行榜
最热
最新
相关电子书
更多
文娱运维技术
立即下载
《SaaS模式云原生数据仓库应用场景实践》
立即下载
《看见新力量:二》电子书
立即下载