利用蝶窦几何结构作为解剖生物特征进行CT自动识别 娜塔莉娅·比卢斯（Nataliya Bilous）、 弗拉迪斯拉夫·马尔科（Vladyslav Malko）、 德米特罗·特卡琴科（Dmytro Tkachenko）和 马库斯·弗罗姆（Marcus Frohme）

《Applied System Innovation》：Automated Identification from CT Using Sphenoid Sinus Geometry as an Anatomical Biometric Nataliya Bilous, Vladyslav Malko, Dmytro Tkachenko and Marcus Frohme

　　摘要 当传统的生物识别方法（如面部识别、指纹分析或DNA分析）无法应用时，可靠地识别已故个体可能会变得困难。在这种情况下，个人生前获得的医学影像记录可以作为识别信息的替代来源。在计算机断层扫描（CT）中可见的某些解剖结构（包括蝶窦）虽然在不同个体之间存在显著差异，但在同一个体内部却相对稳定。本研究探讨了使用蝶窦形态作为解剖生物特征进行自动识别的可行性。识别过程被构建为一个排序问题，其中查询CT图像与参考数据库通过从分割掩膜中提取的几何描述符进行比较，从而减少了对CT强度值的依赖。数据集包含了816名个体的CT扫描图像，这些个体采用两种患者定位方式获取：头部朝下仰卧（HFS）和头部朝下俯卧（HFP）。评估了几种深度学习架构在蝶窦分割方面的性能，包括YOLOv8变体、YOLO11L-seg、UNet++、DeepLabV3+和SegFormer-B2。基于F1分数性能和跨模式稳定性，选择了YOLO11L-seg，并对其进行了进一步训练，以构建表示个体蝶窦解剖结构的二值掩膜数据库。识别是通过基于交并比（IoU）指标的成对掩膜比较来执行的。为了减少分割伪影和切片级变异的影响，每个候选者的最终相似度得分是四个最高IoU值的平均值。根据相似度对个体进行排名，如果正确的受试者出现在前五个候选者中并且相似度超过预定义的阈值，则认为识别成功。所提出的方法在HFP模式下实现了97.27%的Top-5识别准确率，在HFS模式下实现了87.67%的识别准确率。这些结果证明了使用蝶窦几何作为稳定解剖生物特征进行自动识别的可行性。本研究的主要贡献是引入了一个基于排序的识别框架，该框架利用从CT数据中提取的解剖生物特征来进行可靠的患者匹配。

1. 引言
医学影像的数字化导致了大量诊断图像的创建，这些图像被整合到图像存档和通信系统（PACS）以及电子医疗记录中。随着数据量的增长、机构间交流的增加以及重复检查的频繁进行，正确识别患者变得尤为重要。匹配错误可能由于人为错误、元数据部分丢失、技术故障或系统间信息传输不准确而发生。这些错误可能导致诊断不准确、对疾病进展的误解以及基于其他患者数据的临床决策。医疗信息系统的传统识别机制主要依赖于文本和数值属性，如姓名、出生日期、唯一标识符和医疗记录编号。然而，这些元数据可能是不完整的、重复的或输入错误的。近几十年来，基于生理和行为特征的生物识别方法（如指纹、虹膜、面部或声音）得到了积极的发展。这些方法在认证任务中非常有效，但由于它们不是成像过程的一部分，因此将其集成到医学影像工作流程中的程度有限。相比之下，医学图像中可见的解剖结构可以被视为内在的生物特征标记。头部的计算机断层扫描提供了关于颅骨结构的详细信息，这些结构在不同个体之间存在显著差异。在这些结构中，蝶窦因其复杂的几何形状和个体化的形态而特别值得关注。尽管基于深度学习的分割方法在医学影像中得到了广泛研究，但大多数现有工作集中在诊断应用上，例如病理检测、病变评估或手术计划。相比之下，基于分割解剖几何的患者识别在轻量级和实际可扩展的框架中探索较少。先前的研究已经证明了基于蝶窦的识别的可行性，包括几何比较和三维法医匹配。然而，这些方法通常依赖于计算密集型的3D重建，或者可能无法完全反映涉及与候选患者数据库比较的实际识别场景。与这个问题相关的另一个方法学方面是CT采集过程中的患者定位。头部朝下仰卧（HFS）和头部朝下俯卧（HFP）模式之间的差异可能会影响切片分布、信息丰富的切片数量以及解剖结构的几何表示。由于所提出的方法依赖于从分割中获得的形态，因此评估其在不同定位模式下的行为对于评估在不同采集条件下的鲁棒性非常重要。本文解决了基于头部CT数据使用蝶窦分割和随后的二值掩膜几何匹配进行自动患者识别的问题。所提出的方法不依赖于强度特征、手动特征工程或复杂的配准程序。相反，识别被构建为一个排序任务，其中查询CT图像与参考数据库之间的相似性是根据分割结构的空间重叠来确定的。与将识别相关任务构建为分类问题或依赖于基于强度的图像特征的前期研究不同，本研究将基于CT的识别视为一个数据库级别的排序问题。在这种情况下，查询CT图像与参考数据库进行比较，并根据几何相似性对候选者进行排序。所提出的框架仅依赖于从蝶窦分割中获得的形态，从而避免了依赖于原始CT强度值、手动特征工程或复杂的配准程序。本研究的主要贡献不是开发新的分割架构，而是构建和验证了一个用于基于CT识别的轻量级解剖生物特征框架。在这个框架中，分割作为一个启用步骤，而识别则是通过直接比较二值掩膜来执行的。

2. 文献综述
本节回顾了医学影像中现有的解剖生物特征方法，重点关注用于识别任务的解剖结构自动比较。特别关注了在基于CT的识别中使用鼻旁窦作为个性化解剖标记的方法。先前的研究证实，蝶窦在不同个体之间存在显著差异，同时在同一个体内部保持相对的形态稳定性。在[1]中，提出了一种基于蝶窦分割和掩膜几何比较的自动个人识别方法，证明了使用这种结构作为解剖生物特征标记的可行性。类似的研究在[2]中也报告了类似的发现，其中详细的形态测量分析突出了窦腔充气和结构配置的变异性。尽管这些研究确立了蝶窦几何用于识别的潜力，但它们主要关注于展示解剖学上的独特性，而不是解决可扩展的识别场景。这一领域的进一步发展与从二维分析向全三维表示的转变有关。在[3]中，Dong等人提出了一种基于3D重建和使用ICP算法的点云配准的完全自动化法医识别框架，实现了高Rank-1和Rank-2准确率。同样，参考文献[4]表明，3D模型叠加可以减少位置变化的影响并提高可重复性。这些研究表明，体积表示为生物特征比较提供了更稳定的基础。然而，这些方法需要额外的重建步骤、更多的计算资源和更复杂的处理流程，这可能限制了它们在大规模识别系统中的适用性。工作[5,6,7]展示了不同人群组之间窦腔形态的统计学显著差异，支持了可测量的解剖变异性的存在。然而，这些研究主要关注分类任务，如性别确定，并不直接适用于数据库匹配场景中的患者识别。机器学习和深度学习的最新进展显著提高了从医学图像中提取解剖结构的准确性。例如[8,9]的研究表明，卷积神经网络能够可靠地分割MRI和CT数据中的复杂结构。同时，分割通常被视为一个独立任务，而不是下游识别流程的一部分。其他研究，包括[10]，探索了基于注意力的特征融合机制，以提高分割任务中的结构一致性。这些发展为提取解剖结构的稳定几何表示提供了技术基础。[11]提供了一个关于鼻旁窦分割方法的全面概述，其中比较了手动、半自动和完全自动化方法。自动化方法被证明可以提高可重复性并减少观察者间的差异，使其适合大规模分析。然而，这些方法通常是单独评估的，并没有明确集成到在数据库级别运行的可扩展识别框架中。还提出了不依赖于显式分割的替代方法。在[12]中，使用从单个CT切片中提取的局部不变特征（AKAZE）进行识别，证明了基于特征的匹配可以在大型数据库中实现高准确率。虽然这些方法避免了分割，但它们仍然依赖于图像强度特征和局部描述符，这可能对采集变异性敏感。在[13,14,15]中讨论了大规模匹配和排序的方法论基础，其中识别被构建为一个使用相似性指标和top-k选择策略的排序问题。这些方法能够高效地比较大量候选者，并对成像条件的微小变化具有鲁棒性。此外，参考文献[16]强调了标准化解剖表示和定量相似度度量在构建通用识别系统中的重要性。与许多依赖于计算密集型三维重建的先前方法相比，所提出的方法侧重于二维分割掩膜的轻量级几何比较，从而实现了高效的大规模识别。因此，本研究的目标是探讨使用通过分割掩膜表示的蝶窦形态进行头部CT扫描的自动患者识别的可行性，并评估在不同患者定位条件下的二维排序匹配框架。

3. 方法
3.1. 数据集和实验设计
3.1.1. CT数据来源
研究包括了816名患者的头部计算机断层扫描（CT）图像，其中蝶窦区域被扫描完全覆盖。每个CT检查包括一系列空间分辨率为512 × 512像素的轴向切片。尽管头部CT检查通常捕获整个颅骨解剖结构，包括头骨的多个骨骼结构，但本研究特别关注蝶窦区域。这一选择是由于其在不同个体之间的高变异性以及在同一个体内的相对形态稳定性，这些都是生物识别的重要属性。通过将分析限制在这个解剖上一致且结构上独特的区域，减少了信息较少或高度可变解剖区域的影响，从而允许更受控地评估识别性能。根据解剖覆盖范围和扫描协议，每项研究包含大约10-30个可见蝶窦区域的轴向切片。因此，数据集包含了12,350张用于分割和后续分析的个体CT图像。这些图像以其原始格式使用，没有进行任何额外的强度预处理，以保留蝶窦的几何和形态特征，这些特征对于后续的分割和识别任务至关重要（图1）。图1显示了CT扫描数据集的示例。为了确保正确评估模型的泛化能力并消除数据泄露，数据集被分为训练集、验证集和测试集，每个患者位置模式都有独立的子集，且子集之间没有患者重叠。子集之间的数据分布旨在保持切片数量和解剖变异性的代表性平衡。在“头朝下仰卧”（HFS）组中，数据集包括486名患者，共有5832张CT切片（大约每名患者12张切片）。训练集包含330名患者的3960张切片，验证集包含78名患者的936张切片，测试集也包含78名患者的936张切片。这种划分确保了样本在子集之间的均匀分布，同时保持了严格的患者级别分离。在“头朝下俯卧”（HFP）组中，有330名患者，共有6518张CT切片（大约每名患者19-20张切片）。训练集包含231名患者的4545张切片，验证集包含51名患者的1008张切片，测试集包含48名患者的965张切片。采用了类似的分布策略以保持子集之间的一致性并支持无偏的模型评估。没有应用Hounsfield尺度归一化、直方图均衡化、缩放或图像位深度转换。这种选择是为了保留骨骼结构的原始几何形状，因为轻微的强度变换可能会间接影响分割结果和二值掩膜的形状。CT数据来自哈尔科夫普通与急诊外科研究所和梅雷法中央区医院（根据2018年10月18日的第173/10 18号机构合作协议进行科学和实践合作）。所有CT数据均以匿名形式处理，在分析过程中没有患者标识信息。

3.1.2 数据准备
所有CT扫描根据患者在断层扫描仪中的位置进行了分类。考虑了两种标准临床模式：
- 头朝下仰卧（HFS）——仰卧，头部朝前；
- 头朝下俯卧（HFP）——俯卧，头部朝前。
根据位置模式的分布对实验设计至关重要。患者的体位会影响解剖结构相对于断层扫描仪坐标系的空间位置，这可能导致信息片数量及其几何表示的变化。即使同一患者在两种模式下都接受了检查，这些数据集也被视为独立样本。这种方法使我们能够分别评估在不同体位条件下的分割和识别算法的稳定性。尽管在不同体位下获取的同一患者的扫描在生物学上并不独立，但它们被视为独立的采集条件。这种设计允许评估分割和识别流程在体位变化下的鲁棒性。然而，在本研究中，HFS和HFP采集被视为不同的采集条件，而不是独立的身份样本。由于识别阶段依赖于分割掩膜之间的几何相似性，而不是身份标签的统计学习，因此这种设计不会引入标签泄露或偏差到排名过程中。相反，它允许评估所提出框架在患者体位和切片分布变化下的鲁棒性。由于识别基于分割掩膜的几何相似性而不是患者级别的标签，因此不会在基于排名的识别阶段引入偏差或导致子集之间的标签泄露。由于蝶窦仅出现在轴向切片的有限区域内，因此为每项研究预定义了包含目标解剖结构的相关切片子集。在注释阶段，只包括那些能够清晰看到蝶窦的部分，从而减少了无关图像对训练过程的影响，并提高了识别算法的稳定性，因为进一步的掩膜配对比较仅针对有信息的部分进行。有信息量的切片被定义为蝶窦腔完全或主要可见且可以可靠界定的轴向切片。切片选择是在注释阶段根据视觉解剖标准手动完成的。只有包含足够完整蝶窦结构表示的切片才被纳入进一步处理。真实分割掩膜是由两名具有解剖结构识别专业知识的训练有素的注释者手动生成的。每项CT研究都独立进行注释，随后进行审核。在意见不一致的情况下，通过共同讨论达成共识。注释过程涉及逐片勾画蝶窦区域。为了确保一致性，在共识阶段审查并解决了模糊情况。这一程序确保了模型训练和评估的可重复性和可靠性。注释协议在所有子集中保持一致，并在模型训练之前应用。对于每种位置模式，都在患者级别形成了独立的训练集、验证集和测试集子集，确保子集之间没有重叠。这种方法防止了数据泄露，并能够正确评估模型的泛化能力。在研究的初始阶段，定义了固定的训练集、验证集和测试集，用于在相同实验条件下比较不同的分割架构。在选择最终架构后，使用扩展但精心策划的数据集子集对训练过程进行了优化，而测试集保持不变，以保持最终评估的独立性和客观性。这种两阶段设计使得模型比较和识别框架的评估更加公平。

3.1.3 伦理和数据处理考虑
所有研究均以匿名形式使用。在形成实验样本之前，个人标识信息已被移除。数据访问仅限于研究小组。数据处理仅用于科学目的，不允许在算法分析之外识别个人。

3.2 分割模型架构和训练
3.2.1 分割问题的形式化
蝶窦的分割被构建为一个二元语义分割问题。设输入图像为I，其中I(x, y)表示原始图像像素值。目标是构建一个映射f: I → M，其中M是一个表示蝶窦的二值掩膜，π(x, y)是神经网络参数集。每个像素被分配到两个类别之一：1——蝶窦，0——背景。该任务的特殊性在于结构的复杂性和个体差异、薄轮廓的存在、异质性气化以及骨组织和空气腔之间的部分体积效应。这增加了边界定位的准确性和相邻切片之间掩膜形状稳定性的要求。分割模型必须确保预测轮廓的高空间一致性、区域的最小碎片化以及适应不同患者体位的能力。由于掩膜随后被用作主要比较对象，即使是微小的几何失真也会影响识别结果。

3.2.2 架构方法
为了选择最佳架构，对YOLOv8s-seg [17]、YOLOv8x-seg、YOLO11L-seg [18] 和 UNet++ [19] 模型进行了比较分析。选择基于它们在医学分割任务中的活跃使用情况以及网络深度、参数数量和解码器结构的差异。YOLO系列模型实现了端到端架构，包括特征提取器、多尺度上下文聚合和分割头。这种方法允许有效结合局部和全局特征，这对于正确再现蝶窦的复杂几何形状至关重要。YOLOv8s-seg的紧凑版本具有较少的参数，而YOLOv8x-seg具有更大的网络深度和宽度。YOLO11L-seg模型专注于更完整的空间-上下文表示，可能提供更高的轮廓稳定性。UNet++ 使用嵌套的跳跃连接结构，在不同深度级别进行密集的特征聚合。这种架构在医学分割任务中通常表现良好，特别是对于具有复杂边界的结构。通过比较这些方法，我们能够评估架构复杂性对几何形状再现质量的影响。除了选定的架构外，还评估了广泛使用的最先进分割模型，如DeepLabV3+ [20]、HRNet [21] 和基于变压器的SegFormer [22]。这些模型代表了不同的架构范式，包括具有孔状空间金字塔池化的卷积网络、高分辨率特征表示和基于变压器的全局上下文建模。它们的包含使得可以全面比较现代分割策略，并确保从实验中得出的结论不限于特定类别的架构。

3.2.3 训练协议
训练分别针对HFS和HFP位置模式进行，这样可以排除患者体位与模型本身特性的混合影响。每种架构都训练了150个周期，批量大小为32，输入分辨率为512 × 512像素，这与CT图像的输出格式相对应。参数优化使用Adam方法进行，采用自适应余弦衰减学习率调度。这种策略确保了稳定的收敛，并避免了损失函数的剧烈波动。为了降低过拟合的风险，应用了基于验证损失的提前停止策略，耐心值为20个周期。损失函数由二元交叉熵和IoU导向的组件组成。通常表示为L(y, π(x)) = π(y) × I(x) + (1 - π(y)) × (1 - π(x)) × I?(x)，其中π(y)是预测掩膜，I(x)是真实掩膜，I?(x)是预测掩膜的补集。权重系数设置为λ1 = 0.5和λ2 = 0.5。这种组合允许我们同时最小化像素误差并优化分割区域的全局重叠。数据增强包括小的几何变换，如±5°的随机旋转、±5%的平移和轻微的缩放变化。为了保持解剖几何形状，没有应用强烈的变形或强度变换。

3.2.4 评估指标和最终模型的选择
分割性能主要使用F1分数进行评估，F1分数是精确度和召回率的调和平均值。精确度衡量所有预测为正的像素中正确预测为正的像素的比例，而召回率量化所有真实为正的像素中正确预测为正的像素的比例。此外，还使用了交并比（IoU）指标来评估预测掩膜和参考注释之间的空间重叠。在比较分析了各种架构后，选择了在两种位置模式下表现出最稳定分割性能的模型。在这种情况下，稳定性与平均指标值一起考虑，因为跨切片的连续轮廓重建对于可靠的下游识别至关重要。选定的模型在扩展的数据集上进行了进一步训练，同时保留了独立的测试子集以确保无偏评估。最终训练的模型用于为整个参考数据库生成分割掩膜，为下一节描述的解剖识别算法提供了几何基础。

3.2.5 实现细节
所有实验都是使用Python 3.10和PyTorch 2.7.1（CUDA 11.8）深度学习框架实现的。基于YOLO的分割模型（YOLOv8s-seg、YOLOv8x-seg和YOLO11L-seg）使用Ultralytics库实现，而UNet++则实现为标准的编码器-解码器架构，具有嵌套的跳跃连接。训练和推理在配备NVIDIA A100-SXM4-80GB GPU的高性能计算服务器上进行，确保了稳定的训练动态和高效处理高分辨率医学图像。所有输入CT切片都被调整到512 × 512像素的固定分辨率，与原始采集格式相对应。模型使用批量大小为32进行训练，初始学习率为1 × 10^-3。应用了余弦衰减学习率调度以促进稳定收敛。为了避免过拟合的风险，应用了基于验证损失的提前停止策略。损失函数定义为二元交叉熵和IoU导向组分的组合。为了防止蝶窦形态的扭曲，有意避免了更激进的增强方法，如弹性变形或强度变换。CT图像没有进行任何预处理步骤，例如Hounsfield单位标准化、直方图均衡化或对比度增强。这种设计选择确保了原始解剖几何结构的保留，并避免了可能影响分割质量和后续识别的潜在扭曲。在推理过程中，分割掩模是直接从模型输出生成的，没有进行平滑处理、形态学过滤或连通组件校正等后处理操作。这确保了用于识别的几何表示与学习到的模型预测完全一致。识别阶段与分割是分开实现的。掩模之间的成对IoU计算使用向量化数组操作进行，从而能够高效地评估整个数据库。整个流程是完全自动化的，任何阶段都不需要人工干预。

3.3 参考掩模数据库和患者识别算法
3.3.1 参考分割数据库的构建
在分割阶段完成并选择最终模型后，将该网络应用于研究队列中包含的所有CT检查。对于每个检查，处理所有包含蝶窦区域的轴向切片。模型对每个切片的输出是一个二值分割掩模，表示蝶窦的空间几何结构，没有任何后处理或形态学细化。所有掩模都以原始的512 × 512像素空间分辨率存储，以保持解剖学的准确性。没有进行大小调整、平滑处理、轮廓校正或连通组件过滤，因为对预测区域的人为修改可能会改变作为后续识别基础的几何特征。因此，每个掩模都被视为解剖结构的离散空间表示。参考数据库按四个层次进行组织：患者、研究、系列和切片。对于每个切片，系统存储了对原始CT图像和相应二值掩模的引用。这种结构确保了数据的完全可追溯性和识别过程中进行的所有成对比较的可重复性。从形式上讲，对于每个患者k，定义了一组掩模，其中表示包含蝶窦的信息切片的数量。因此，完整的参考数据库表示为所有患者特定掩模集的并集。

3.3.2 识别过程的数学表述
患者识别被表述为一个排序问题。设一个新的CT检查由一组分割掩模表示，其中m表示新研究中包含蝶窦的切片数量。算法的目标是确定参考数据库中哪个患者与A的几何相似度最高。对于每个患者k，计算每个掩模与该患者所属的每个掩模之间的成对相似度值。相似度使用交并比（IoU）度量来量化，定义为，其中|·|表示相应集合中的像素数量。交并比（IoU）度量被用作二值分割掩模之间的几何相似度度量。尽管IoU通常用于评估分割精度，但在这项研究中，它被用来量化从不同CT检查中提取的解剖结构之间的形态学相似度。这个度量提供了两个二值掩模之间空间重叠的标准化度量。由于不同检查之间的信息切片数量可能不同，因此对集合A和进行了全面的成对比较。得到的相似度值形成了每个患者的分布。为了获得稳定且具有代表性的相似度分数，选择了四个最高的IoU值，并计算了它们的算术平均值。这种选择在初步实验中得到了经验验证，其中评估了其他聚合策略（Top-3和Top-5）。Top-4配置在鲁棒性和对切片级变异的敏感性之间提供了最佳平衡。因此，患者k的集成相似度系数被定义为四个最大重叠值的平均值。这种策略强调了最几何上一致的对应关系，同时减少了由切片变异、小的解剖差异或分割噪声引起的局部差异的影响。参考数据库中的所有患者按降序排列。整个识别流程，包括分割、掩模比较、相似度聚合和排序，在图2中进行了说明。图2. 掩模比较和排序过程的示意图。在这个框架中，分割掩模作为个体解剖形态的紧凑表示。

3.3.3 计算考虑和算法稳定性
识别过程的计算复杂性取决于新检查中的掩模数量和存储在参考数据库中的掩模总数。对于每个患者k，比较需要评估个IoU计算。实际上，对于固定分辨率的二值掩模，IoU计算在计算上是高效的，因为它简化为逐元素逻辑操作和像素计数。实现使用了向量化数组操作，即使在参考数据库的大小增加时也能实现高效处理。由于该方法仅依赖于二值掩模的几何属性，因此减少了对CT强度分布、重建参数或重复检查之间对比度变化的依赖。所提出方法的另一个实际优势是解剖结构的紧凑表示。二值分割掩模所需的存储空间远小于通常在3D重建工作流中生成的三维体积模型或多边形网格。这使得可以构建大型识别数据库，同时降低存储需求和大规模比较的计算开销。这种设计选择增强了对采集变异的鲁棒性，并减少了基于强度的伪影的敏感性。整个识别流程是自动运行的。一旦提供了新的CT检查，就会执行分割，计算数据库中所有患者的相似度系数，并生成一个排名的候选列表，无需人工干预。系统的模块化结构允许在不修改核心算法的情况下扩展参考数据库，支持医疗图像管理系统中的可扩展性和长期适用性。

4. 结果
4.1 分割性能评估
实验评估的第一阶段重点是比较卷积神经网络架构在蝶窦分割方面的定量和定性评估。评估分别针对两种定位模式进行：头朝下仰卧（HFS）和头朝下俯卧（HFP），以排除与患者姿势相关的混淆效应。所有模型都使用相同的数据分割和超参数进行训练和评估，确保观察到的性能差异仅归因于架构特性。分割质量主要使用F1分数来量化，F1分数定义为精确度和召回率的调和平均值：
(2)
其中
(3)
(4)
和分别表示真阳性、假阳性和假阴性像素的数量。除了F1分数外，还考虑了交并比（IoU）度量来评估预测掩模和参考注释之间的空间重叠：
(5)
应该注意的是，在这项研究中，IoU度量在两个不同的上下文中使用。在分割阶段，IoU是在预测掩模和真实注释之间计算的，以评估模型精度。在识别阶段，IoU用作不同CT检查的分割掩模之间的相似度度量。这两种用途代表了在所提出框架内的不同概念，并服务于不同的目的。这两个度量都在切片级别计算，并在每种定位模式的独立测试子集中进行了平均。除了分割精度外，还分析了模型复杂性，包括可训练参数（Params）和浮点运算（FLOPs）的数量。这些度量提供了关于每种架构计算成本的互补信息，对于评估它们在大规模部署中的实际适用性非常重要。虽然F1分数反映了分割质量，但Params和FLOPs分别表征了模型的紧凑性和推理复杂性。此外，还包括了交并比（IoU）作为补充度量，以提供预测掩模和真实掩模之间空间重叠的更直接度量。它们的联合分析使得可以评估分割精度和计算效率之间的权衡。表1展示了在HFS和HFP定位模式下所有评估架构获得的F1分数和IoU值。为了与现代分割方法进行更广泛的比较，评估扩展到了包括DeepLabV3+、HRNet和基于变换器的SegFormer在内的不同设计范式的代表性最先进架构。所有模型都在统一的实验协议下进行评估，包括相同的输入分辨率、训练条件和数据集分割，确保比较反映了架构差异而不是实验设置的变化。报告的IoU值对应于与真实掩模计算的标准分割IoU。

4.2 分割性能评估
为了进一步评估分割稳定性，除了平均性能指标之外，还分析了表1中识别出的表现最佳模型（包括YOLO11L-seg、YOLOv8x-seg和SegFormer-B2）的F1分数跨切片的方差。结果总结在表2中。表2. 选定高性能模型跨切片的F1分数方差。方差分析表明，YOLO11L-seg在评估的架构中表现出最低的切片间变异性。这反映了预测轮廓的空间一致性得到了改善，这对于后续识别阶段的稳定性至关重要。复杂性分析显示，评估模型的计算成本存在显著差异。YOLOv8s-seg代表了最紧凑的配置，具有最少的参数数量和最低的FLOPs，但也表现出最低的分割精度和IoU值。在另一端，YOLOv8x-seg由于其增加的深度和表示能力而表现出最高的计算复杂性，导致计算成本增加，但没有显著的性能提升。YOLO11L-seg在分割质量和模型复杂性之间提供了更优的平衡。与YOLOv8x-seg相比，它在两种定位模式下都实现了可比的F1分数值，同时需要更少的计算资源，并表现出更高的空间重叠，如更高的IoU值所示。UNet++虽然在参数数量上具有竞争力，但分割精度略低，跨模式的稳定性也有所降低。其他最先进的架构，包括DeepLabV3+、HRNet-W48和SegFormer-B2，也表现出有竞争力的性能，F1分数在HFS条件下范围为0.91–0.918，在HFP条件下约为0.80–0.81，相应的IoU值也呈现出类似的趋势。尽管在架构设计上存在差异，包括卷积、高分辨率和基于变换器的方法，但所有评估模型的整体分割精度都保持在一个相对狭窄的范围内。这一观察表明，对于所考虑的解剖学受限任务，增加的架构复杂性并不会导致分割质量的成比例提高。相反，预测解剖轮廓的稳定性和一致性以及它们与真实掩模的空间一致性对于后续识别起着更关键的作用。从这个角度来看，YOLO11L-seg在准确性、鲁棒性和计算效率之间提供了最合适的折中。在HFS定位模式下，YOLO11L-seg和YOLOv8x-seg都获得了最高的F1分数（0.93），相应的IoU值分别为0.88，而SegFormer-B2（0.918）、HRNet-W48（0.915）和DeepLabV3+（0.91）也表现出有竞争力的性能。然而，定性分析显示，YOLO11L-seg在解剖结构复杂的切片上提供了更稳定的轮廓描绘，而YOLOv8x-seg在周边窦区域偶尔会产生边界不规则性。在HFP模式下，YOLO11L-seg获得了最高的F1分数0.83和IoU值0.78，其次是UNet++（0.81/0.76）、HRNet-W48（0.81/0.76）、SegFormer-B2（0.81/0.76）、YOLOv8x-seg（0.80/0.75）、DeepLabV3+（0.80/0.75）。尽管HFP下的绝对F1和IoU值较低，但模型的相对排名保持一致。HFP下分割性能的降低可能是由于俯卧姿势相关的切片分布和解剖投影的差异所致。为了进一步分析分割一致性，计算了每种定位模式下表现最佳模型的F1分数跨切片的方差。设表示切片i的切片级F1分数，N表示测试子集中的切片数量。经验方差估计为：
(6)
其中μ是切片间的平均F1分数。较低的方差表明分割轮廓在解剖变化中的稳定性有所提高。YOLO11L-seg与其它架构相比显示出较低的方差，证实了空间一致性的改善。定性评估支持了定量发现。在不规则气化模式或部分窦腔覆盖的切片中，高容量模型保持了解剖结构的连续性，并避免了面罩的碎片化。相比之下，较小模型偶尔会产生断开的面罩组件或低估窦腔边界。图3和图4展示了YOLO11L-seg和UNet++在两种定位模式下产生的分割输出的代表性示例。视觉比较突出了YOLO11L-seg预测中边界贴合度的提高和假阳性区域的减少。图3. 使用YOLO11L-seg进行蝶窦分割的示例。图4. 使用UNet++进行蝶窦分割的示例。总体而言，比较评估表明，架构深度和表征能力显著影响了对解剖结构复杂性的分割精度。尽管在某些条件下多种架构获得了可比的平均F1分数，但YOLO11L-seg在跨模式稳定性和轮廓一致性方面表现更优，这证明了其适用于扩展训练和后续识别实验的选择。从消融分析的角度来看，这些结果证实了选择结合高轮廓精度和跨模式稳定性的分割框架的必要性。由于识别阶段完全依赖于预测面罩的几何精度，YOLO11L-seg的优越稳定性直接提高了后续基于排名的匹配过程的可靠性。

4.2. 最终分割模型的扩展训练
在完成架构比较阶段后，YOLO11L-seg被选为最终的分割框架，并在数据集的精炼子集上进行了额外训练。这一阶段的目标是提高鲁棒性，减少泛化误差，并增强分割性能在解剖变异性和采集条件下的稳定性。在此阶段，模型使用数据集的受控子集进行了进一步优化，重点关注具有代表性的和具有挑战性的样本以提高鲁棒性和泛化能力。对于HFS定位模式，使用了1505张图像进行训练，431张图像进行验证。对于HFP定位模式，使用了2107张图像进行训练，578张图像进行验证。重要的是，初始比较阶段形成的独立测试子集保持不变，以确保最终评估的无偏性。优化过程与初始阶段相同：训练进行了150个周期，批量大小为32，输入分辨率为512×512像素。学习率计划遵循余弦衰减策略。设初始学习率为λ0，总周期数为T。第t周期的学习率计算公式为：
(7)
这种调度方法确保了平滑的收敛，并减少了接近局部最小值时的振荡行为。为了评估扩展训练的影响，我们分析了平均性能指标及其在切片间的分散情况。设F1before和F1after分别表示扩展训练前后的平均F1分数。相对改进Δ计算公式为：
(8)
尽管F1分数的绝对增长适中，但扩展训练的主要效果体现在方差减少和轮廓稳定性提高上，特别是在解剖学上具有挑战性的切片中。表3总结了YOLO11L-seg在扩展训练前后的分割指标。表3. 数据集扩展前后YOLO11L-seg的分割性能。尽管平均F1分数值与初始阶段接近，但定性检查显示扩展训练后边界更加平滑，断开的面罩碎片更少。这表明额外的数据主要提高了结构一致性，而不仅仅是原始像素级别的精度。通过检查收敛曲线进一步分析了训练动态。设λt和lt分别表示第t周期的训练损失和验证损失。稳定的收敛特征是λt的单调递减且不偏离某个值。没有观察到过拟合的迹象，因为验证损失在后续周期中没有增加。扩展训练是在配备NVIDIA A100-SXM4-80GB GPU的服务器上进行的，这确保了稳定的梯度计算并允许全批量处理而不会出现内存瓶颈。计算环境有助于优化过程中的可重复性和确定性行为。最终训练版本的YOLO11L-seg随后被应用于数据库中的所有CT检查，以生成用于识别实验的最终分割面罩。通过增加训练样本的多样性并保持相同的测试子集，扩展训练阶段增强了分割组件的可靠性，而没有引入评估偏差。图5展示了扩展训练阶段的代表性学习曲线，说明了稳定的优化行为和收敛一致性。

4.3. 患者识别性能
在构建了蝶窦分割数据库并完成了模型扩展训练后，进行了患者识别实验，以评估所提出的基于面罩的匹配策略的区分能力和鲁棒性。该实验旨在模拟同一患者在现实变异条件下的重复CT扫描，包括蝶窦区域内的适度图像扰动。识别评估分别针对HFS和HFP定位模式进行。对于HFS，从数据库中选择了43名患者；对于HFP，选择了44名患者。对于每个原始CT检查，通过在分割的蝶窦区域内引入受控的人工扰动，生成了10个修改后的变体。这些扰动旨在模拟随访检查中观察到的真实变化，包括轻微的几何扭曲、局部强度变化和噪声伪影。因此，为HFS生成了430个修改后的检查，为HFP生成了440个。每个修改后的检查被视为一个独立的查询样本。最终应用YOLO11L-seg模型为所有相关切片生成分割面罩。然后，识别算法将每个预测的面罩与数据库中存储的所有参考面罩进行比较。使用交并比（IoU）指标量化面罩之间的相似性：
(9)
对于参考数据库中的每个患者k，选择了所有切片间比较中最高的四个IoU值。综合相似系数μ计算为这些四个最大值的算术平均值：
(10)
其中Iu(k)表示患者k的第i个最大IoU值。这种聚合策略强调了最稳定的几何对应关系，并减少了孤立不匹配的影响。如果μ超过了预定义的阈值τ=0.65，则认为识别成功，且真实患者被排在系统返回的前五名候选者中。阈值是根据初步实验经验确定的，以平衡识别敏感性和假阳性匹配的概率。排名按μ的降序进行。表4总结了识别实验的定量结果。表4. 修改后CT检查的患者识别结果。除了Top-5识别准确性外，还评估了Rank-1性能，以提供更严格的识别质量评估。HFS的Rank-1准确率达到84%，HFP达到92%，表明在大多数情况下，正确的患者被排在最相似的候选者中。这些结果表明，所提出的方法不仅成功检索到了正确的个体，而且还一致地将最高相似性分数分配给了真正的匹配项。表4中报告的IoU值对应于同一患者的面罩之间的相似性分数，这些分数预计会高于相对于真实标注的分割IoU。结果表明，在两种定位模式下都具有较高的识别稳定性。对于HFP，正确识别率达到了97.27%，表明蝶窦表示的几何特征性很强。在HFS组中，识别率为87.67%，虽然低于HFP，但仍证实了所提出方法的区分潜力。定位模式之间的性能差异可以通过数据集的结构特性来解释，而不是识别算法本身的限制。在HFP投影中，检查通常包含更多包含蝶窦区域的信息性切片。这有助于更可靠地选择四个最高IoU对应关系，并提高了稳定性。相比之下，HFS检查包含的信息性切片较少，这限制了聚合步骤并略微降低了最终识别准确性。为了进一步分析排名行为，评估了正确患者的相似性分数与最高竞争分数之间的分离边际。设μk表示真实患者的相似性系数，μmax表示所有其他患者中的最大相似性系数。分离边际Δ定义如下：
(11)
为了定量评估排名稳定性，计算了两种定位模式的分离边际的统计摘要。结果在表5中呈现。表5. 分离边际的统计特征。正的平均值μk表明正确患者在排名中的一致性占优，而相对较低的标准差反映了不同查询样本之间正确候选者和竞争候选者之间的稳定分离。在大多数评估案例中，μk显著高于零，表明从分割面罩中得到的几何描述符提供了足够的区分能力，以实现可靠的患者匹配。图6展示了扩展训练阶段的代表性学习曲线，说明了稳定的优化行为和收敛一致性。

4.4. 消融研究和敏感性分析
为了进一步验证所提出框架核心组件的有效性，进行了消融研究。分析集中在三个关键设计选择上：用于构建参考面罩数据库的分割框架、识别过程中应用的Top-K IoU聚合策略，以及用于确定成功匹配的相似性阈值。这些实验旨在量化每个组件对整体识别性能的贡献，并评估所提出公式在阈值选择、切片聚合和扰动下的排名行为变化方面的稳定性。

4.4.1. 对相似性阈值的敏感性
识别成功由条件μk > τ和真实患者被正确包含在前五名候选者中定义。在主要实验中，τ被固定为0.65。为了评估阈值敏感性，我们分析了不同τ值的识别性能。设Acc(τ)表示作为阈值函数的识别准确性。形式上，
(12)
其中N是修改后检查的总数，1(τ)是指示函数。分析表明，在两种定位模式下，准确性在区间[0.65, 1]内保持稳定，只有当τ超过0.72时观察到轻微的下降。这表明所选择的阈值不是一个微调参数，而是位于稳定性能的平台上。表6总结了不同阈值下的识别准确性。表6. 作为相似性阈值τ函数的识别准确性（%）。对于较大的τ，Acc(τ)的单调但适度的下降确认了真实患者和非匹配患者之间的相似性分布是明显分开的。从消融的角度来看，这些结果表明阈值τ=0.65为所提出系统提供了最合适的操作点。较低的阈值略微提高了敏感性，但也增加了接受假阳性匹配的风险，而较高的阈值则减少了假阳性的风险，但代价是错过了正确的识别。因此，τ=0.65被保留为最平衡的选择，以实现可靠的识别。

4.4.2. 信息性切片数量的影响
HFS和HFP数据集之间的一个关键结构差异是包含清晰可见的蝶窦区域的信息性切片数量。设mk表示查询检查中的信息性切片数量。由于相似性系数μk是从四个最大IoU值计算得出的，因此足够的切片覆盖对于稳定的聚合至关重要。为了分析这种依赖性，我们评估了识别成功与mk之间的相关性。在m条件下正确识别的经验概率估计为：
(13)
其中Nk表示具有m个信息性切片的正确识别案例数量。分析显示，识别概率随着m的增加而提高，并在m ≥ 6-8个切片时达到平台期。在HFP检查中，信息性切片的平均数量高于HFS，这解释了表3中观察到的更高识别率。当m < 4时，聚合策略的鲁棒性降低，因为四个最高的IoU值来自有限的候选池。为了研究选定切片数量对识别性能的影响，使用了Top-K聚合策略进行了额外的实验，其中K ∈ {3, 4, 5}。结果展示在表7中。选择K = 4是基于平衡鲁棒性和判别能力的经验性决定。使用较少的切片（Top-3）会增加对局部分割错误和不完整解剖覆盖的敏感性，而包含更多切片（Top-5）则会引入较少的信息性比较，从而降低最具代表性的解剖区域的贡献。在这个实验中，每种定位模式使用了10名患者的子集来控制评估聚合策略。表7显示了选定切片数量对患者识别性能的影响。当使用三个切片时，与Top-4配置相比，识别准确性有所下降。这种行为可以通过最终相似性得分所依赖的信息量有限来解释。切片越少，局部分割不准确性和部分鼻窦可视化的影响就越明显，导致聚合相似性度量的稳定性降低。当使用四个切片时，性能最佳。在这种情况下，相似性得分是从足够多的高度代表性匹配中计算得出的，同时避免了包含信息量较少的切片。这种配置在鲁棒性和选择性之间提供了最佳平衡，确保最一致的几何对应关系主导最终决策。相比之下，将选定的切片数量增加到五个时，识别准确性明显下降。这种效应与聚合过程中包含的不可靠切片比较有关。这些切片可能包含部分解剖结构、较低的分割质量或增加的变异性，从而降低了相似性得分的判别能力，并在排名过程中引入了额外的噪声。在两种定位模式中都观察到了这一趋势。然而，在HFS组中，切片选择的影响更为明显，因为每项研究中的信息性切片数量通常较少。相比之下，HFP组在所有配置中都保持了更高的准确性，因为有更多的信息性切片，增加了选择稳定和代表性匹配的概率。这个实验还证实，聚合策略不是次要的实现细节，而是识别框架的核心组成部分。Top-3和Top-5设置的表现下降表明，所提出的方法对切片级相似性的总结方式很敏感，而Top-4配置在选择性和鲁棒性之间提供了最有效的平衡。

4.4.3 干扰下的排名边际稳定性
为了评估判别鲁棒性，统计分析了真实患者和最强竞争候选者之间的分离边际ΔS。让ΔSi表示第i次查询检查的边际。ΔS的平均值和标准差计算如下：
(14)
(15)
在两种定位模式中，ΔS始终保持正值且远大于零，表明正确匹配的一致性优势。HFP中的标准差σΔ低于HFS，反映了在可用信息性切片更多时的更高排名稳定性。此外，通过比较人工修改前后的相似性系数来评估干扰鲁棒性。让 和 分别表示使用原始和修改后检查计算的相似性系数。相对偏差定义为：
(16)
两种定位模式下的平均 均保持较低，证实了中等程度的图像干扰不会显著改变几何匹配结果。总体而言，鲁棒性分析表明，所提出的识别框架在阈值变化、切片覆盖差异和中等程度结构干扰方面表现出稳定的行为。系统保持了真实患者的一致排名优势，并且仅在切片可用性受限的条件下显示出可预测的性能下降。这些发现进一步支持了蝶窦几何形状作为基于CT的患者识别的可靠解剖生物特征的可能性。

综合本节中呈现的实验，提供了对所提出框架的消融分析。结果表明，识别性能由三个关键组成部分共同决定。首先，分割主干直接影响掩膜的几何保真度，进而决定了识别阶段的判别能力。分割稳定性较低的模型会导致识别准确性降低。其次，聚合策略起着关键作用。如表7所示，Top-4配置在鲁棒性和选择性之间提供了最佳平衡，而K的较小和较大值都会导致性能下降。第三，相似性阈值定义了系统的运行范围。如表6所示，选定的值τ = 0.65确保了敏感性和鲁棒性之间的稳定权衡。这些结果证实了所提出的识别框架在内部是一致的，每个设计组件都对整体系统性能有显著贡献。

5. 讨论
结果支持了蝶窦几何形状可以作为基于CT图像的患者识别的稳定、个性化的解剖特征的假设。然而，这些发现应被视为在受控实验条件下证明概念的可行性，而不是对通用识别系统的最终验证。尽管实现了高识别准确性，但这些结果不应被解释为未来研究的通用基准。报告的性能是特定于实验条件的，包括数据集组成、采集协议和选定的解剖结构。相反，这些结果应被视为可行性的证据，并表明蝶窦形态作为解剖生物特征的潜力。在定义标准化性能参考之前，需要在独立和更大规模的数据集上进行进一步验证。与强度特征不同，后者可能会根据重建参数、噪声水平或对比度而变化，骨结构的形状和空间排列在个体内部具有显著更高的形态稳定性。正是这一属性使得使用解剖结构作为生物特征标记成为可能。分割阶段表明，现代深度学习架构能够高精度地再现蝶窦的复杂几何形状。不仅平均分割准确性重要，其在各个切片之间的稳定性也很重要。经过模型扩展训练后，在解剖结构复杂和气化程度变化的情况下，观察到更一致的轮廓再现。切片之间质量波动的减少表明模型泛化能力的提高及其对解剖变化的抵抗力。基于聚合最大掩膜重叠值的识别算法实施了几何特征的部分对齐策略。这种方法减少了各个切片之间局部不一致性的影响，专注于解剖结构中最具代表性和稳定的区域。从实际角度来看，这意味着系统不依赖于个别分割的不准确性或切片之间的微小差异，而是基于最可靠的匹配进行整体评估。从生物特征系统的角度来看，结果表明同一患者与其他个体之间有了一致的分离。由于问题表述的差异，与以往工作的直接比较受到限制。虽然大多数现有方法侧重于分类或基于强度的匹配，但所提出的方法基于解剖结构的排名驱动的几何比较，这使得直接在度量级别进行比较并不完全适用。所提出方法的一个重要优势是其方法论的简单性，与基于完整三维重建解剖结构的常用工作流程相比。在许多法医和放射学研究中，鼻窦的重建是使用专门的软件（如Materialise Mimics 20.0）进行的，这需要手动交互和大量的计算资源。相比之下，所提出的方法直接在二维分割掩膜上操作，并依赖于简单的几何相似性度量，这大大降低了计算复杂性，同时保留了识别所需的解剖信息。同时，应该承认三维方法提供了更完整的解剖结构空间表示，并在法医识别任务中表现出强大的性能。因此，在2D和3D表示之间的选择反映了计算效率和几何完整性之间的权衡。所提出的方法与现有的基于深度学习的方法不同，它关注的是显式的解剖结构，而不是学习到的图像特征。这也使得所提出的框架更容易复制，并且比需要完整三维重建的方法更适合在常规识别工作流程中部署。在大多数情况下，正确患者的相似性系数显著超过了其他候选者的相应值。这证实了蝶窦的几何形状具有足够的判别能力，适用于自动化识别系统。一个重要的观察是HFS和HFP模式之间的差异。HFS组中较低的识别水平与算法限制无关，而是与源数据的特性有关。在HFP模式下，研究通常包含更多具有清晰蝶窦可视化的信息性切片，这增加了整体相似性评估的稳定性。相比之下，在HFS中，这类切片的数量通常较少，这限制了选择最具代表性匹配的能力，并略微降低了整体准确性。从临床角度来看，所提出的方法可以被视为医学图像存储和交换系统中患者匹配的额外验证层。该方法不需要使用个人数据或外部生物特征参数，因为它完全基于解剖特征。这为将其集成到PACS中作为检测潜在标记错误或混合不同患者研究的自动机制提供了机会。然而，在解释结果时应考虑几个重要的限制。首先，评估是使用CT扫描的合成干扰进行的，而不是真实的重复检查，这可能无法完全捕捉临床实践中观察到的变异性。其次，尽管HFS和HFP扫描被视为不同的采集条件，但它们源自相同的解剖结构，因此并不代表完全独立的身份样本。第三，尽管注释过程受到严格控制，但仍受限于手动划定复杂解剖边界时的固有变异性。第四，识别框架依赖于启发式的Top-4聚合策略和经验选择的相似性阈值，尽管经过实验验证，但这些并非来自正式的优化程序。最后，该研究是在具有一致采集条件的受控数据集上进行的，因此需要在多中心和更多异构数据集上进行进一步验证，以评估泛化能力。进一步研究的一个有前景的方向是将几种骨结构组合成一个单一的联合解剖描述符，这可能会提高系统的可靠性。总之，研究结果表明，蝶窦具有适合自动化识别的稳定形态特征。深度分割和掩膜几何比较的结合确保了对扫描条件中等变化的抵抗力，并确认了“解剖学作为生物特征”概念的有效性。所提出的方法通过将解剖结构视为内在的生物特征标识符，在医学图像分析中引入了一个新的方向。

6. 结论
本研究调查了基于CT图像提取的蝶窦几何形状进行自动化患者识别的可行性。实验结果表明，在受控条件下，轻量级的二维解剖结构表示结合基于排名的匹配策略可以实现高识别准确性。所提出的框架将识别问题表述为数据库级别的排名问题，并依赖于分割掩膜的直接几何比较。这种方法消除了对基于强度的特征、手工制作的描述符或计算密集型三维重建的需求，同时保留了可靠匹配所需的解剖信息。获得的结果表明，蝶窦具有足够的个体间变异性和个体内稳定性，可以作为有前景的解剖生物特征。同时，这些发现应被视为概念验证，而不是完全验证的识别系统。评估是在一个受控数据集上进行的，其中包含了CT检查的合成扰动数据，而非真实的重复扫描结果。此外，所提出的识别框架依赖于一些启发式的设计选择，例如“Top-4”聚合策略和基于经验选择的相似性阈值，这些可能需要进一步的优化和完善。从实际应用的角度来看，该方法作为一种辅助验证机制在医学成像系统中具有潜在的应用价值，尤其是在传统基于元数据的识别方法不可靠或不可用的情况下。该方法在法医学领域也可能具有应用前景，因为在CT扫描中可见的解剖结构可以在传统生物特征数据缺失时作为替代的识别依据。未来的研究应侧重于使用更大、更多样化的数据集（包括多中心数据和真实的纵向检查数据）进行验证。通过将多个解剖结构整合到一个综合描述符中，增强对采集差异的鲁棒性，并探索更有效的相似性估计聚合策略，可以进一步提高该方法的效果。总体而言，研究结果支持了“解剖结构作为生物特征”的概念，证明了从分割过程中获得的几何表示可以成为CT成像自动化识别系统的基础，同时也指出了进一步验证和方法论改进的必要性。