（四川大学华西基础医学与法医学院，四川 成都 610041）

成人年龄推断是法医学研究中的重点和难点之一，是大型灾难事故遇难者或刑事案件受害者身份认定的重要方法。颅骨是人体骨骼中最易保存的部位之一，随着年龄的增长，颅缝愈合程度呈现一定的增龄性变化[1-2]，国内外法医学者一直在探索颅缝在成人年龄推断中的应用价值，但是其可靠性、准确性存在争议。早期颅缝年龄推断以肉眼观察颅内缝和（或）颅外缝的愈合程度为主，最常用的方法是Meindl-Lovejoy法[3]，即通过肉眼观察应用四级法评估颅骨外侧10个位点颅缝愈合情况，并分为穹隆颅缝组和前外侧颅缝组将各位点得分相加进行年龄推断。但此类观察方法仅能观察到颅缝的表面变化，无法观测到颅缝内部的闭合情况，愈合分级相对较粗，因此肉眼观察结果与年龄的相关性较差。同时肉眼观察需完全去除颅骨表面的软组织，费时费力。

随着医学影像技术的不断发展，特别是后处理技术的提升，法医学者研究年龄推断的重点逐渐从尸骨的肉眼观察延伸扩展至尸骨肉眼观察与活体影像扫描的两者并重，除了传统X线片外，CT、MRI、超声等影像技术也开始应用于年龄推断。CT是近年来应用颅缝推断成人年龄的主要成像方法[1-2，4]。薄层CT为断层影像，可全面显示颅缝内部的愈合程度，无需大量前处理，省时省力。但目前有关中国男女性成人颅缝愈合规律的研究还较少，仅FAN等[4]研究了我国男性颅缝的愈合规律。

因此，本研究基于颅缝薄层CT，分析矢状缝、冠状缝、人字缝的愈合程度与年龄的相关性，建立年龄推断回归方程，探索颅缝在中国当代成人个体年龄推断中的应用价值。

1 对象与方法

1.1 研究对象

收集2014年10月—2019年12月在四川大学华西医院放射科进行头部薄层CT扫描的20～70岁健康四川汉族成人的头部薄层CT样本220例，其中男性110例、女性110例。在男女性中分别随机抽取10例作为验证样本，其余100例用于建立预测模型。各年龄段样本分布情况见表1。

纳入标准：汉族，身体健康，营养良好，颅缝结构在CT片中显示良好。

排除标准：存在影响颅缝愈合的疾病史、用药史、手术史及外伤史。

本研究收集的对象样本均来自医院，为健康体检者，按照纳入与排除标准收集，同时隐匿个人信息，符合医学伦理要求。

表1 各年龄段样本分布情况Tab.1 Sample distribution of different age groups（例）

1.2 仪器

采用SOMATOM Definition AS+64排128层螺旋CT机（德国Siemens公司）进行扫描，扫描参数为管电压120 kV、管电流110 mA、扫描层厚0.6 mm。扫描后将影像学资料传至工作站，运用Syngo CT 2011A软件（德国Siemens公司）对原始数据进行容积重建（volume reconstruction，VR），之后进行人工颅缝定位，获取多平面重建（multiplanar reformation，MPR）图像。运用RadiAnt DICOM Viewer 5.0.2软件（波兰Medixant公司）对MPR图像进行阅片分级。

1.3 分级方法

对原始数据进行VR重建后将颅缝等分。将矢状缝、左右侧冠状缝、左右侧人字缝分别平均分为两段，每段再均分成10个层面并获取对应的MPR图像，分段示意图见图1。参考CHIBA等[5]研究的分级思路，将颅缝愈合程度分为7个等级（表2）。在窗宽1 600 HU、窗位1 000 HU下对MPR图像进行阅片分级，分别计算每段愈合等级的平均值，再计算矢状缝、左右侧冠状缝、左右侧人字缝等级的平均值，以此作为颅缝的愈合等级。

图1 颅缝VR图像定位及分段图Fig.1 Location and segmentation of VR images of cranial sutures

表2 颅缝愈合等级Tab.2 Grading of cranial sutures closure

颅缝的阅片分级由1位法医临床学硕士研究生完成，并随机选取20例样本于2个月后重新阅片分级进行组内一致性检验，同时由另1位法医临床学博士研究生阅片分级进行组间一致性检验。

1.4 统计方法

一般描述性分析以最小值、最大值、表示。应用加权Kappa检验对同一观察者及观察者间的一致性进行分析。对年龄、矢状缝愈合等级、左侧冠状缝愈合等级、右侧冠状缝愈合等级、左侧人字缝愈合等级、右侧人字缝愈合等级分别运用Kolmogorov-Smirnov（KS）检验判断数据是否满足正态分布。应用秩和检验对各颅缝及其分段进行两两比较，各颅缝的性别差异比较采用Mann-WhitneyU检验。年龄与矢状缝愈合等级、左侧冠状缝愈合等级、右侧冠状缝愈合等级、左侧人字缝愈合等级、右侧人字缝愈合等级间的相关性采用Spearman相关性检验。运用多元逐步回归法建立年龄（y）与矢状缝愈合等级（x1）、左侧冠状缝愈合等级（x2）、右侧冠状缝愈合等级（x3）、左侧人字缝愈合等级（x4）、右侧人字缝愈合等级（x5）的多元线性回归方程，以决定系数（R2）判定方程的解释力。

用20例验证样本对本研究所建方程及HARTH等[6]、CHIBA等[5]所建方程进行检验，计算预测年龄与实际年龄的平均误差（mean error，ME）及平均绝对误差（mean absolute error，MAE）。以MAE判定年龄推断方程的准确性，MAE越小，方程准确性越高。ME＜0，表示低估年龄；ME＞0，表示高估年龄；ME=0，表示低估和高估等效。应用配对t检验分析本研究方程所得预测年龄与实际年龄间的差异。所有统计分析均采用SPSS 20.0软件，检验水准α=0.05。

2 结 果

一致性检验结果显示，矢状缝、左侧冠状缝、右侧冠状缝、左侧人字缝、右侧人字缝的观察者间一致性Kappa值分别为0.766、0.740、0.758、0.808、0.757，同一观察者的一致性Kappa值分别为0.869、0.805、0.819、0.834、0.831，提示各颅缝在同一观察者及观察者间的一致性均较强。

矢状缝、左侧冠状缝、右侧冠状缝、左侧人字缝、右侧人字缝的愈合等级分布情况见表3。KS检验结果显示年龄、矢状缝愈合等级、左侧冠状缝愈合等级、右侧冠状缝愈合等级、左侧人字缝愈合等级、右侧人字缝愈合等级均符合正态分布。冠状缝、人字缝左右侧愈合等级间差异均无统计学意义。矢状缝与冠状缝愈合等级间差异无统计学意义，冠状缝与人字缝愈合等级间差异具有统计学意义（P＜0.05）；矢状缝与人字缝愈合等级间差异在男性和总体具有统计学意义（P＜0.05），在女性差异无统计学意义。矢状缝分段愈合等级间差异无统计学意义，人字缝分段愈合等级间差异具有统计学意义（P＜0.05）；冠状缝分段愈合等级间差异在男性及总体具有统计学意义（P＜0.05），在女性差异无统计学意义。除右侧冠状缝外，其余各颅缝愈合等级在男女性间差异无统计学意义。

年龄与矢状缝愈合等级、左侧冠状缝愈合等级、右侧冠状缝愈合等级、左侧人字缝愈合等级、右侧人字缝愈合等级的相关性见表4。男性年龄与左侧冠状缝愈合等级的相关性最高，系数为0.611；女性年龄与矢状缝愈合等级的相关性最高，系数为0.737；总体年龄与矢状缝愈合等级的相关性最高，系数为0.673。

用20例验证样本（女性10例、男性10例）对本研究所建立的年龄多元逐步回归方程及HARTH等[6]、CHIBA等[5]所提出的年龄推断方程进行检验，相应方程及验证结果见表5。结果显示，本研究方程所得男性MAE为6.39岁，女性MAE为6.16岁，总体MAE为6.29岁。HARTH等、CHIBA等提出的方程所得MAE均高于本研究方程所得MAE。

对本研究方程所得的预测年龄与实际年龄进行配对t检验，结果显示预测年龄与实际年龄间差异无统计学意义（男性P=0.720，女性P=0.402，总体P=0.730）。

表3 各颅缝愈合等级的分布情况Tab.3 The distribution of the grading of each cranial sutures closure

表4 年龄与颅缝愈合等级的Spearman相关性（相关系数ρ）Tab.4 Spearman rank correlation coefficient（ρ）between age and cranial sutures closure grading

表5 方程及验证检验结果Tab.5 Equations and verification test results

3 讨 论

2012年，GARVIN等[7]调查了全球145位法医人类学者常用的成人尸骨年龄推断方法，结果显示，有61.2%的学者选择颅缝愈合程度作为首选指标，且只在没有其他年龄指标的情况下才谨慎使用颅缝进行年龄推断。在某些特定的情况下，颅骨是唯一保存下来可以进行年龄推断的样本，因此有必要研究应用颅缝推断成人年龄的指标和方法。本研究基于薄层CT的成像优势，将颅缝愈合程度细分为7个等级，并筛选不同颅缝段的多个断层影像进行阅片分级，探讨应用颅缝薄层CT推断成人年龄的准确性。

在本研究中，同时选择矢状缝、冠状缝、人字缝作为研究对象，冠状缝、人字缝左右侧愈合程度差异均无统计学意义。2015年，BOYD等[8]通过CT扫描将颅缝愈合程度划分为1～3级，评估矢状缝、左右侧冠状缝及左右侧人字缝的愈合程度，结果提示左右侧颅缝不存在愈合差异。而印国樑[9]通过肉眼观察颅缝，发现左右侧颅缝愈合程度不一致。此外，本研究中矢状缝与冠状缝愈合等级间无差异，冠状缝与人字缝愈合等级间存在差异，在男性和总体中矢状缝与人字缝间也存在愈合差异。同时，矢状缝分段间不存在愈合差异，人字缝分段间存在愈合差异，在男性和总体中冠状缝分段间也存在愈合差异。NIKOLOVA等[2]研究表明，男性矢状缝各分段、分层之间存在强和极强的相关性且愈合程度存在差异。RUENGDIT等[1]研究结果提示，多颅缝组合相较于单颅缝或单分段具有更好的年龄预测值，运用逐步回归等方法可以避免信息重复。因此，若只针对单一颅缝愈合程度进行年龄推断，或将某一段颅缝的愈合程度视为整条颅缝愈合程度进行年龄推断，预测结果准确率较低。在颅缝愈合程度研究中，应综合、整体分析不同颅缝及同一颅缝不同分段的愈合程度进行推断年龄。

本研究结果表明，除右侧冠状缝外，其余颅缝愈合情况无明显的性别差异，右侧冠状缝在女性较男性更早愈合。KUMAR等[10]通过肉眼观察将颅缝愈合程度划分为0～4级，结果显示女性矢状缝、冠状缝、人字缝均较男性更早愈合；CHIBA等[5]运用多排CT进行蒙古人群矢状缝愈合程度的研究，结果也表明矢状缝在女性比男性更早愈合，这可能与女性雌激素影响骨代谢有关。而ALHADI等[11]运用改良反向全景X线片将颅缝愈合程度划分为0～4级，研究结果表明人字缝在男女性间愈合程度不存在差异；HARTH等[6]在德国人群中运用平板CT扫描将颅缝愈合等级划分为0～6级，研究结果也支持男女性颅缝愈合情况无显著差异。此外，也有研究[12-14]结果显示男性颅缝较女性更早愈合。虽然目前这些性别差异的具体原因尚不清楚，但可能与男女性样本年龄范围、人群以及激素水平的差异有关。

本研究结果显示，年龄与各颅缝之间均存在中等或强的正相关关系，女性较男性具有更强的相关性，这也有力地支持了颅缝愈合程度可以作为年龄推断的指标。本研究所得男性、女性及总体回归方程的R2分别为 0.419、0.589、0.522，与 HARTH 等[6]所得的0.298、0.712、0.483及CHIBA等[5]的0.50、0.74、0.63较为接近，表明40%～60%样本的颅缝愈合程度可以用年龄多元逐步回归方程解释。

本研究验证检验结果显示，多元逐步回归方程在男性和总体倾向于低估年龄，在女性倾向于高估年龄。在其他研究中，也存在个体年龄被高估或低估的现象[1]。RUENGDIT等[15]的研究结果表明高估了男性小于50岁的年龄，低估了大于50岁的年龄，女性年龄高估和低估的分界点为40岁。WOLFF等[16]的研究则是高估了小于30岁的年龄，低估了大于40岁的年龄。在NIKOLOVA等[2]的研究中，男性年龄高估和低估的分界点为40岁。此差异可能是由于年龄分组不同或各年龄组中样本数量不同所致。

应用Meindl-Lovejoy法的研究中：2018年，XANTHOPOULOU等[17]研究雅典人群，结果显示男性MAE为16.55岁，女性MAE为21.21岁；RUENGDIT等[15]研究泰国人群，结果显示男性MAE为18.7岁，女性MAE为22.0岁，总体MAE为20.3岁。应用CT观察颅缝愈合进行年龄推断的研究中：NIKOLOVA等[2]研究结果显示MAE小于6岁；FAN等[4]的研究中，男性最小MAE为7.73岁，最大MAE为9.81岁。从以上研究可以发现，应用CT预测年龄较肉眼观察法具有更高的准确性。在本研究中，男性、女性及总体预测年龄与实际年龄间差异均无统计学意义，男性MAE为6.39岁，女性MAE为6.16岁，总体MAE为6.29岁，较上述研究结果略小，具有较高的准确性，提示该方法可用于法医学年龄推断，但在实际案件中最好结合其他骨骼影像学资料综合分析。

此外，对HARTH等[6]、CHIBA等[5]提出的回归方程进行验证检验，结果显示男性MAE分别为7.10、9.50岁，女性MAE分别为9.69、12.58岁，总体MAE分别为7.10、10.48岁。HARTH等、CHIBA等提出的方程所得MAE均高于本研究方程所得MAE，这表明在某个人群中建立的年龄推断方程可能不适合与其起源不同的人群。因此，其他人群应用本研究结果进行年龄推断时，可能也存在一定的局限性。今后，若要利用颅缝进行年龄推断，均应建立本民族、本地区的年龄推断特异性方程。

传统的肉眼观察颅缝愈合程度，需要进行组织剔除、颅骨切除以及干燥等，费时费力且准确性较差。运用X线片观察，则不能观测颅内缝的愈合情况，且部分颅缝由于阴影叠加而不能准确观测。应用CT技术，可以在观察横断面的同时观察颅内缝以及颅外缝的愈合情况，得到更多颅缝愈合的信息。de FROIDMONT等[18]的研究结果也显示多排CT比X线片具有更好的观察结果。需要注意的是，在实际运用中应充分考虑CT层厚，CT层厚较厚时阶梯伪影明显，可能导致信息丢失，无法清晰地观察颅缝。本研究采用0.6 mm薄层CT具有更高的分辨率，获得更清晰的图像，提供了更多颅缝愈合的细节，可以提高应用颅缝推断年龄的准确性和科学性。因此，本研究结果表明应用颅缝薄层CT技术进行成人年龄推断具有较高的准确性，可根据颅缝愈合程度推断汉族成人年龄。

除了传统分析方法外，有学者[17，19-20]还使用过渡分析法（transition analysis）作为分析手段，避免了训练样本因年龄分布导致的平均误差，更适合未知人群的年龄推断[1]。也有研究[4]结果表明，应用线性支持向量机的统计分析方法进行年龄推断具有更高的准确性。因此，未来研究可进一步关注其他统计分析方法在颅缝推断年龄中的应用，以提高颅缝作为年龄推断指标的科学性、准确性。