（四川大学华西基础医学与法医学院，四川 成都 610041）

年龄是个体识别、刑事侦查、司法审判中重要的考量指标之一，也是国际移民中确保儿童利益并保证救助公平公正、维持竞技体育公平、运动员科学选材的考量指标之一。当年龄证明文件遗失或个人信息不可信时，准确可靠的活体年龄推断结果可被法庭作为科学证据采信，服务于司法审判，是法医学研究和实践中的重要任务。国际法医年龄推断研究小组（Study Group on Forensic Age Diagnostics，SGFAD）建议涉及法医学的活体年龄鉴定操作指南应包括：体格检查、左手腕骨X线片、牙科检查和口腔曲面断层片以及锁骨胸骨端薄层CT检查。该指南中影像学检查方法均存在一定的辐射量，左手X线片的有效辐射量为0.0001mSv，口腔曲面断层片为0.026mSv，锁骨胸骨端薄层CT检查为0.4 mSv。尽管以每年环境背景辐射量（美国为3.0mSv、德国为2.1mSv）[1]为参照，上述辐射量尚不足以造成人体超出日常生活的额外危害，但未成年人对X射线具有较高的敏感性，对其进行薄层CT检查可被视为相对高剂量辐射暴露的检查。此外，基于X射线技术检查结果进行年龄推断受限于以解决法律问题为目的的情形，并不完全适用于涉及移民、领养、儿童救助及竞技体育的青少年年龄推断。除法律合理性外，辐射暴露仍会引起伦理学争议[2]。爱尔兰放射与放射治疗研究所（Irish Institute of Radiography and Radiation Therapy，IIRRT）最佳操作指南[3]中说明，根据欧洲辐射保护法相关规定，对活体进行放射影像学检查可视为非医疗目的检查，需取得受检者的知情同意。近年来，年龄推断领域，尤其是涉及青少年活体年龄推断时，无辐射的影像学检查逐渐成为研究热点。

超声和MRI逐步应用到年龄推断中，但前者受主观影响因素大，且仅可观察到骨表面，图像分辨率低，容易导致假阳性结果。MRI显示软骨的图像分辨率较高，可清晰显示骨骺闭合及牙齿矿化等变化，其对比度较好，是评价骨骼及牙齿发育情况较为理想的影像学技术。同时，不同MRI序列对人体正常组织的影像信号特点不同：长骨两端骺软骨板为透明软骨，呈T1低信号、T2高信号；骺软骨靠干骺端的软骨基质钙化形成临时钙化带，呈T1极低信号、T2极低信号；骨皮质及牙皮质为坚硬组织，T1信号与T2信号更低[4]。目前，法医学领域应用MRI推断年龄的研究在国外相对较多、国内较少，研究部位主要集中在第三磨牙、锁骨胸骨端及肢体长骨骨骺（如手腕骨与膝关节）等部位，且尚无统一标准规范其鉴定程序。本文通过回顾性分析既往研究中MRI推断年龄的常用指标与分级方法，以期了解其研究动态，为后期相关研究提供思路。

1 应用第三磨牙MRI推断牙龄

基于牙齿发育矿化过程推断年龄是目前公认的较为准确的牙龄推断方法，矿化过程包括牙冠和牙根的形成，主要受基因调控，较少受外界因素影响。第三磨牙是青春期后还处于发育中的牙齿，约在20岁时萌出，青少年和成人早期的牙龄推断主要根据第三磨牙的萌出和发育矿化程度。常用的影像技术包括根尖片、曲面断层片及锥形束计算机断层扫描（cone beam computed tomography，CBCT）等，经典分级方法包括 Nolla法[5]、Moorrees法[6]、Demirjian 法[7]、Haavikko法[8]等，通过将牙齿连续发生的增龄性规律人为地划分为具有明显特征的不同阶段，并对其赋值，以多颗牙齿的赋值总和记为牙齿成熟度，最后通过牙齿成熟度-牙龄转换表，实现牙龄推断。

2015年，BAUMANN等[9]初步研究了第三磨牙的MRI影像，同时与口腔曲面断层片进行比较，探究MRI是否适用于法医学领域的牙龄判断。该团队采用Demirjian法分析26例13～26岁奥地利个体第三磨牙的发育矿化程度，使用3.0T场强的西门子磁共振仪进行序列扫描，扫描参数分别为3D-TSE序列、3DCISS序列。实验结果提示，口腔曲面断层片对应磨牙的平均分期稍高于MRI影像，第三磨牙MRI影像可用于年龄推断，但该研究样本较少。

同年，GUO等[10]首次使用大样本MRI影像数据，采用Demirjian法分析了613例12～24岁德国高加索人第三磨牙的MRI影像，使用3.0T场强的飞利浦磁共振仪进行序列扫描，扫描参数为T2WI-TSE序列。结果发现：男、女性第三磨牙发育完成的最小年龄分别为17.77岁、19.57岁，与BAUMANN等[9]研究结果一致，因此认为MRI影像可以替代口腔曲面断层片判读第三磨牙的发育进程。

MRI序列扫描参数的选择对图像质量具有重要影响。2017年，de TOBEL等[11-12]采用多种MRI序列扫描参数检查了10例17～25岁个体的第三磨牙，筛选出显示第三磨牙（尤其是牙根处）发育的最优扫描参数，促进了MRI影像推断牙龄的纵深发展。该团队发现，T2加权较T1加权更能清晰显示牙髓腔内软组织，从而更好地对比显示牙体硬组织；而采用3.0T场强的西门子磁共振仪进行序列扫描时，发现其最优扫描参数为T2WI-FES序列。后为进一步验证上述最优扫描参数，该团队又选择52例14～26岁个体作为研究对象，并与曲面断层片进行对比分析，采用Demirjian法牙发育分级判读第三磨牙的发育程度。结果发现：有57%曲面断层片因影像质量问题无法评估上颌第三磨牙发育分期，而MRI影像仅3.1%无法评估；下颌第三磨牙评估成功率在两种影像学方法中相似，分别为98.4%、93.8%。这一研究结果再次证实了第三磨牙MRI影像在牙龄推断中的应用价值。

2019年，WIDEK等[13]分析了316例13～25岁奥地利男性第三磨牙MRI影像，使用3.0T场强的磁共振仪进行序列扫描，扫描参数分别为PDW-3D-TSE序列、T2WI-3D-CISS序列。结果同样验证得出，MRI影像可作为口腔曲面断层片的替代手段用于年龄推断。

2 应用骨骼MRI推断骨龄

骨骼的生长发育与骨化中心的发生、发展和骨骺闭合密切相关，根据骨化中心的出现和骨骺闭合情况进行分级是青少年和成人早期年龄推断的常用研究方法，尤其是用于18.0周岁年龄节点的判断[14]。此外，根据骨骼的大小或长短也可进行青少年年龄推断。

MRI具有优越的软骨成像能力，可明确区分骨骺及骺板之间的骨骺软骨、生长板软骨和临时钙化带，从而清晰显示不同长骨骨骺及骺板的生长发育及骨骺闭合的过程，适用于尺桡骨远端、锁骨胸骨端、股骨远端、胫腓骨两端及肱骨近端等以软骨内成骨模式发育的骨龄研究。

2.1 手腕部MRI

左手腕部X线片因一次摄片可同时观察尺桡骨远端、腕骨及掌指骨等多部位的骨骺和形态变化，是目前应用最广的年龄推断的检查部位，常用于青少年年龄推断。手腕部X线片的分级方法较多，分级方法的建立是以左手腕部X线片相应的影像特征为基础：国外常用GP图谱法和TW法；我国最新骨龄推断行业标准为《法庭科学 汉族青少年骨龄鉴定技术规程》（GA/T 1583—2019）、《中国青少年儿童手腕骨成熟度及评价方法》（TY/T 3001—2006）。由于MRI与X线片的成像原理不同，显示的骨骼图像有所差异，既往根据X线片图像特征建立起来的常用分级方法是否同样适用于MRI影像判读，以及是否有必要根据MRI影像特征建立新分级标准是目前主要研究内容。

手腕部MRI推断年龄研究始于运动员年龄判定。2007年，DVORAK等[15]对496例14.0～19.0岁男性足球运动员进行MRI检查（采用1.0T及1.5T场强的磁共振仪进行序列扫描，扫描参数为T1WI-SE序列），并采用六分级法分析桡骨远端骨骺闭合程度。研究结果表明该方法可以用于年龄判定。后为进一步比较MRI与X线片在年龄推断中的应用价值，GEORGE等[16]于2012年对150名参与U17足球赛事的男性运动员手腕骨进行MRI扫描（采用1.5T场强的磁共振仪进行序列扫描，扫描参数为T1WI-FSE序列）和X线片检查，采用相同的六分级法判读桡骨远侧骨骺发育等级。结果发现，男性足球运动员的手腕骨X线片判读的骨骺发育等级均高于MRI判读的骨骺发育等级。

2013年，TERADA等[17]收集了93例4～16岁日本儿童的左手腕MRI影像，采用0.3T场强的磁共振仪进行序列扫描，扫描参数为3D-GE序列，采用TW2分级法改良版（TW2-Japan RUS system）对尺桡骨远端及掌骨等骨骺发育情况进行分级，发现MRI影像可清晰显示骨骺形状、驼峰以及骨骺与骨干之间的距离，且推断骨龄与实际年龄之间的相关性极强，证实了MRI影像进行年龄推断的可靠性。URSCHLER等[18]为验证GP图谱法与TW2分级法是否适用于MRI影像，对18例健康人进行手腕骨的X线片与MRI检查，采用1.5T场强的磁共振仪进行序列扫描，扫描参数为T1WI-3D-VIBE序列。结果发现与TW2分级法相比，GP图谱法对应分级与X线片的相关性更好，X线片对应的判读分级较MRI影像稍高。HOJREH等[19]于2018年进一步探究了GP图谱法的适用性，由2名阅片者根据10例患者的左手腕平片与50例志愿者的MRI片（扫描参数同URSCHLER等[18]）影像特征推断年龄，结果MRI与X线片推断年龄的平均差值为-0.05岁、-0.175岁。MRI影像在±1SD范围呈现过高推断年龄趋势，在±2SD范围可成为X线片的替代影像手段。

以MRI影像特征建立新分级标准最早见于2014年TOMEI等[20-21]观察4～19岁高加索人尺桡骨远端的变化规律后提出的Tomei图谱。早期研究样本为179例，采用0.2T场强的磁共振仪进行序列扫描，扫描参数为T1WI序列。因MRI可良好地显示软骨组织，该图谱纳入了软骨的出现、暂时性钙化及骨化等进展。之后SERINELLI等[22]使用Tomei图谱分析151例12～19岁白种人的MRI影像，发现组间检验Pearson系数为男性0.97、女性0.98，与骨龄的Spearman相关系数为男性0.94、女性0.96，证实了该分级图谱的可行性。

为探究手腕骨MRI影像在18.0岁、21.0岁年龄节点判定中的应用，2016年，SERIN等[23]对尺桡骨远端、第一掌骨基底部的骨骺闭合采用3分级法，即无、部分和完全闭合，分析263例9～25岁个体的MRI影像（T1WI-SE序列）。过渡分析（transition analysis）结果提示男性尺、桡骨远端骨骺发育达完全闭合的平均年龄分别为18.1岁、18.2岁；贝叶斯概率预测提示桡骨远端骨骺分级判定18岁节点的准确率为85%，增加其余骨骼分级并没有明显提高预判准确率。2017年，TIMME等[24]分析668例12～24岁个体的桡骨远端骨骺发育情况，基于Schmeling分级法[25]与Kellinghaus分级法[26]提出了新分级方法，发现男性骨骺发育程度达等级4b的最小年龄为18.6岁，男女性骨骺发育程度达等级5的最小年龄分别为23.1岁、22.3岁，可为18岁、21岁年龄节点的判定提供证据。2020年，ER等[27]进一步验证得出男性桡骨远端骨骺发育程度达等级4b的年龄为18.2岁，但认为还需更大样本量和不同人群进行后续验证研究。

利用计算机程序自主学习并分析手腕部影像中的骨骺发育情况，进而实现自动化年龄推断，是近年来前沿的新兴技术。与X线片呈现出的二维图像不同，MRI图像生成的是三维图像，故对手腕部骨骼进行准确空间定位十分重要。为解决解剖学差异、拍照姿势等影响，EBNER等[28]提出一种定位算法，通过提取整体图像中手骨形状进行全局建模、细化局部信息以提高预测精度，在T1WI-MRI图像数据集中获得（1.4±1.5）mm的平均定位误差，0.25%误差大于10mm，为后续研究奠定了基础。同年，STERN等[29]分析了56例13～19岁高加索男性的MRI影像（T1WI-3D-GE序列），开发出一种通过计算相邻骨间隙估计骨骺闭合程度的算法，原理与TW分级法类似，推断年龄与实际年龄的平均差为（0.85±0.58）岁。2015年，URSCHLER等[30]所提出的算法原理与STERN等[29]相同，在测试102例13～20岁男性青少年手腕MRI后，结果发现平均绝对误差达0.85岁；同时，该团队注意到14～16岁对应的年龄推断准确率下降，推测这一现象与青春期生理变化相关；此外，考虑到研究样本量较少（n=102），且女性骨骼发育较男性稍早，在后续研究中应单独建立女性年龄的自动化推断方法。2019年，ŠTERN等[31]对328例手腕部样本进行3D MRI扫描，然后向计算机输入多种预处理的图像信息，应用两种算法包括随机森林（random forests，RF）与深度卷积神经网络（deep convolutional neural networks，DCNN）予以建模，结果发现小于18岁年龄段对应的平均绝对偏差（mean absolute deviation，MAD）可达（0.37±0.51）岁。鉴于18岁时个体手腕骨发育一般已完成，后续研究有待结合其他骨骼进一步拓宽推断的年龄段。

2.2 锁骨胸骨端MRI

锁骨胸骨端骨骺闭合发生最晚，当手腕骨发育完成时，锁骨胸骨端CT检查是首选。骨骺发育程度的分级方法虽然很多，但大同小异且均为基于X线片或CT检查提出，使用较广泛的有Schmeling分级法[25]与Kellinghaus分级法[26]。

2007年，SCHMIDT等[32]首次将锁骨胸骨端MRI影像应用于年龄推断，对54例双侧锁骨进行MRI检查（采用1.5T场强的磁共振仪进行序列扫描，扫描参数为3D-T1WI序列），通过比较MRI和X线片、CT检查结果发现，X线片及CT检查所用的分级方法同样适用于MRI影像，且各分级对应的年龄范围基本一致，认为可以将锁骨胸骨端MRI影像用于法医学年龄推断。2011年，HILLEWIG等[33]对121例11～30岁健康志愿者分别进行了锁骨胸骨端MRI与X线片检查，使用Schmeling分级法分析骨骺发育程度，结果发现，MRI影像无法较为准确判读骨骺闭合遗留骺线，故认为合并等级4和等级5可提高观察者间一致性。此外，该研究表明，3.0T-T1WI-VIBE序列可提供高分辨率的锁骨胸骨端骨骺横断面影像，且采集时间仅需4min，具有图像分辨率高、无辐射、时间短、推断骨龄更准确等优点。随后，HILLEWIG等[34]又对220例个体进行了锁骨胸骨端MRI检查以及手腕部X线片检查，指出锁骨胸骨端的MRI检查可用于评估个体年龄是否已满18岁，但应联合手腕骨的检查。

对于锁骨胸骨端MRI是否可用于年龄节点的判定，2014年，VIETH等[35]对参加U20足球竞赛的152例18～22岁男性运动员双侧锁骨进行MRI检查（采用3.0T场强的磁共振仪进行序列扫描，扫描参数为3DFFE序列），发现仅1名运动员锁骨胸骨端的骨骺完全骨化闭合，年龄为21.2岁，认为该指标可能作为个体年龄大于20岁的支撑证据，但该结论需加大样本量进行验证研究。2016年，SCHMIDT等[36]对10～30岁的125例女性和270例男性尸骨的锁骨样本进行MRI检查（采用3.0T场强的磁共振仪进行序列扫描，扫描参数分别为3D-T1WI-FFE序列、2D-T2WI序列），利用Kellinghaus分级法对骨骺发育程度进行分级。结果发现：骨骺发育达等级3c的最小年龄为女性19.3岁、男性19.0岁；骨骺发育达等级4的最小年龄为女性21.0岁、男性21.5岁；根据该分级方法判定锁骨骨骺发育是否达等级3c、等级4，可分别为18、21岁的年龄判定提供依据。为进一步验证该结论，2017年，SCHMIDT等[37]以大样本MRI影像数据为基础，包括12～24岁的334例女性和335例男性，联合Schmeling分级法和Kellinghaus分级法分析影像，结果发现：骨骺发育达等级3c的最小年龄为女性18.9岁、男性19.1岁；骨骺发育达等级4的最小年龄为女性21.3岁、男性21.7岁；证实锁骨MRI影像中骨骺发育达等级3c、等级4，可分别为个体18、21岁的年龄判定提供依据。

采用3.0T场强的磁共振仪进行MRI扫描在临床检查中较为昂贵，因此1.0T和1.5T场强更常用。为检验1.0T场强磁共振仪扫描获取的MRI数据是否适用于年龄推断，TANGMOSE等[38]对47例尸骨和55例活体的锁骨胸骨端进行MRI检查（3D-T2WI序列），发现运动伪影的存在使得活体MRI影像质量较尸体差，且1.0T场强对应的图像分辨率较差，不利于活体锁骨胸骨端骨骺发育的观察与分级，因此该团队提出观察者在开始阅片前应明确分级标准并完成相应培训。最新研究进展为de TOBEL等[39]分析了11～30岁的227例女性和247例男性的锁骨MRI影像（采用3.0T场强的磁共振仪进行序列扫描，扫描参数为T1WIVIBE序列），研究结果发现，通过纳入双侧锁骨并排除形态变异锁骨，锁骨MRI年龄推断模型的MAD可达1.97岁，区分未成年人的正确率为69%。然而，组间检验Kappa值较低，男女性分别为0.60、0.64，提示实现自动化年龄推断之前，锁骨MRI影像实现准确年龄推断在很大程度上依赖阅片经验丰富的专家进行分期判读。

2.3 膝关节MRI

1992年，HARCKE等[40]研究正常膝关节（包括股骨远端、胫骨近端骺板）的0.5T场强磁共振扫描获取的MRI影像学表现，并将其分成4个阶段：第1阶段（＜2岁）骨化中心呈圆形或椭圆形，骨骺主要为软骨，骺板宽，骺软骨信号连续，骨骺与干骺端易区分；第2阶段（2～12岁）骨化中心体积增大占据骨骺大部分，骺板扁平，后随骨化中心增大而变窄，骨化中心逐渐发展为双节型；第3阶段（＞12岁）骺板开始闭合，但其内侧缘仍未见闭合，骨骺信号强于干骺端；第4阶段为骺板完全闭合遗留骨骺线，干骺端与骨骺髓腔信号一致，为红骨髓。

2010年，JOPP等[41]首次研究膝关节MRI影像的年龄推断应用，对41例男性的胫骨近端进行MRI检查，采用两种场强磁共振仪进行序列扫描，分别为1.5T场强（扫描参数为T1WI-FES序列）和3.0T场强（扫描参数为T1WI-FES序列），该实验将胫骨近端骨骺发育分成骺板未闭合、骺板部分闭合、骺板闭合3个阶段。结果提示，男性胫骨近端骨骺闭合发生在16～17岁。2019年，AUF der MAUER等[42]采用相同的三分级法对40例14～21岁德国男性人群MRI图像（采用3.0T场强的磁共振仪进行序列扫描，扫描参数为T1WI-SENSE序列）的股骨远端、胫腓骨近端骨骺发育进行分级，对应评分为1～3，结果提示，股骨远端、胫骨近端及腓骨近端骨骺无闭合的最大年龄分别为17.8、17.7、17.8岁，均小于18岁，三者累计分数≤5时个体年龄小于18岁。

2012年，DEDOUIT等[43]分析了290例10～30岁个体的股骨远端、胫骨近端MRI影像（采用1.5T场强的磁共振仪进行序列扫描，扫描参数为FES序列），提出基于膝关节MRI影像的五分级法。第1阶段：干骺端与骨骺间可见水平软骨信号密度影，宽度大于1.5mm且有分层，两边为低信号影，中间为高信号影；第2阶段：干骺端与骨骺间可见连续线性水平软骨信号密度影，为宽度大于1.5mm的高信号影；第3阶段：干骺端与骨骺间可见连续线性水平软骨信号密度影，为宽度小于1.5mm的高信号影；第4阶段：干骺端与骨骺间可见不连续线性水平软骨信号密度影，为宽度小于1.5 mm的高信号影；第5阶段：干骺端与骨骺间无高信号影。结果发现：股骨远端第1阶段男性最大年龄为16.1岁，第2阶段女性最大年龄为15.7岁，第5阶段男、女性最小年龄分别为22.6、22.1岁；胫骨近端第2阶段男、女性最大年龄分别为18.0、15.7岁，第5阶段男性最小年龄为19.0岁。胫骨闭合早于股骨闭合，且存在两性差异，女性发育早于男性，认为股骨远端和胫骨近端骨骺发育可以用于法医学年龄判定。但是该实验未考虑种族因素且样本量较少，其可靠性还需进一步验证。2016年，EKIZOGLU等[44]分析股骨远端、胫骨近端的MRI影像（采用3.0T场强的磁共振仪进行序列扫描，扫描参数为T2WI-FSE序列），采用DEDOUIT等的五分级法，发现两种骨骼分级与年龄之间的相关性较好，而股骨远端骨骺发育达等级5的男、女性最小年龄分别为22、21岁，胫骨近端骨骺达等级5的男、女性最小年龄分别为18、16岁。

联合应用Schmeling分级法和Kellinghaus分级法在膝关节MRI研究中十分常见。KRÄMER等[45]在290例10～30岁的股骨远端MRI图像（采用3.0T场强的磁共振仪进行序列扫描，扫描参数为T1WI-FSE序列）中仅观察到等级2c～4。实验结果发现：14岁之前，男性股骨远端骨骺闭合程度未超过1/3、女性未超过2/3；18岁之前的男性股骨远端骨骺未完全闭合；与DEDOUIT等[43]研究结果比较，骨骺完全闭合发生时间存在不一致。该团队随后又研究了290例胫骨近端的MR图像[46]，发现胫骨近端骨骺完全闭合发生在14岁以后，由于样本量较少且分布不均匀，该结论需更多验证研究。SAINT-MARTIN等[47]应用214例14～20岁男性MRI图像（采用1.5T场强的磁共振仪进行序列扫描，扫描参数为T1-TSE序列）验证股骨远端在18岁年龄节点判定中的应用价值，发现骨骺完全闭合的最小年龄为18.1岁。2016年，FAN等[48]首次对比分析了322例11～30岁中国人群膝关节的MRI（采用1.5T场强的磁共振仪进行序列扫描，扫描参数为T1WI-FES序列）与X线片，全面考虑股骨远端及胫腓骨近端骨骺，分级后进行线性回归分析。结果发现：股骨远端、胫腓骨近端达等级2b时男、女性年龄均小于18岁；X线片对应分级均较MRI影像高1个等级，研究样本中MRI分级均未达等级4；女性骨骺发育较男性早发生1～3年；MRI分级较X线片分级与年龄之间的相关性更强，线性回归方程R2值分别为女性0.634、男性0.654。随后该团队于2017年进一步研究了324例膝部股骨远端及胫骨近端的MRI T2WI脂肪抑制影像，结果发现，男女性股骨远端、胫骨近端MRI等级与年龄呈正相关，同时年龄推断模型的回代检验结果提示男性MAD为2.90岁、女性MAD为3.30岁[49]。采用相同分级方法，OTTOW等[50]研究了股骨远端和胫骨近端骨骺MRI图像（采用3.0T场强的磁共振仪进行序列扫描，扫描参数为T1WI序列）在14、16及18岁年龄节点的判定价值，研究样本为658例12～24岁德国志愿者，结果发现：股骨远端及胫骨近端骨骺在18岁之前均可见完全闭合；胫骨近端男性达等级3b的最小年龄为15.18岁，女性达等级4的最小年龄为15.87岁，可为14岁提供依据；股骨远端男性达等级3b的最小年龄为17.77岁，女性达等级4的最小年龄为16.13岁，可为16岁提供依据。2019年，EL-DIN等[51]分析了335例8～28岁印度人群胫骨近端的MRI图像（采用1.5T场强的磁共振仪进行序列扫描），结果显示女性胫骨近端骨骺发育较男性早发生2～4年，女性达等级4的最小年龄为18岁，男性达等级4的最小年龄为19岁，认为胫骨近端骨骺达等级4可能成为18岁年龄节点判定的指标。

为探究膝关节MRI影像在自动化年龄推断中的应用，DALLORA等[52]于2019年收集了402例14～21岁健康志愿者的膝关节MRI图像（采用1.5T场强进行全身磁共振扫描），旨在建立两种最佳卷积神经网络（convolutional neural network，CNN）模型分别用于MRI图像筛选和年龄推断，通过检验多种目前存在的CNN模型，包括从零学习和迁移学习算法，最佳结果则是GoogLeNet模型（基于ImageNet数据库建立），其年龄推断准确性在男性MAD为0.793岁、女性MAD为0.988岁，对18岁年龄节点判定的准确率为男性98.1%、女性95.0%。该方法可有效减少阅片时间及主观因素影响，为此类研究提供新的研究思路。

2.4 其余骨骼MRI

除上述骨骼区域外，有学者还应用MRI影像研究踝、肩及髂骨等部位的年龄相关变化。2013年，SAINT-MARTIN等[53]应用胫骨远端及跟骨MRI影像（采用1.5T场强的磁共振仪进行序列扫描，扫描参数为T1WI序列）推断骨龄，结果显示：胫骨远端骨骺完全闭合的最小年龄为男性16岁、女性14岁；跟骨骨骺完全闭合的最小年龄为男性17岁、女性12岁；推断个体年龄大于18岁的准确率为男性91.7%、女性97.7%；推断个体年龄小于18岁的准确率为男性90.6%、女性78.6%。2014年，该团队又应用胫骨远端MRI图像判断其在18岁年龄节点判定中的应用价值，结果显示97.4%的男性和93.9%的女性可准确推断个体年龄已满18岁[54]。上述研究显示了胫骨远端及跟骨在骨龄推断中的价值，特别是18岁年龄推断的准确率较高。2015年，EKIZOGLU等[55]验证了胫骨远端及跟骨MRI图像在土耳其人群中的应用价值，结果显示：胫骨远端骨骺完全闭合的最小年龄为男性13岁、女性14岁；跟骨骨骺完全闭合的最小年龄为男性16岁、女性12岁。

2014年，WITTSCHIEBER等[56]应用髂嵴MRI图像（采用3.0T场强的磁共振仪进行序列扫描，扫描参数为3D-T1WI-FFE序列）推断20岁以下男性足球运动员的骨龄，结果显示髂嵴骨骺完全闭合的最小年龄为18.0岁。EKIZOGLU等[57]应用蝶骨-枕骨软骨连接MRI图像推断骨龄，通过对1078例7～21岁土耳其人群MRI影像（T1WI序列，矢状面）的软骨连接融合骨化程度进行五分级，实验结果观察到，所有21岁个体中除了1名男性和1名女性外，其余软骨连接均完全融合骨化，阅片分期与真实年龄之间的Spearman相关系数分别为男性0.860、女性0.729。

2019年，EKIZOGLU等[58]应用肱骨近端骨骺MRI图像推断骨龄，收集了428例12～30岁个体肱骨近端骨骺的T1WI-TSE序列MRI影像，联合Schmeling分级法和Kellinghaus分级法进行分级。结果显示，肱骨近端骨骺发育程度达等级3a时最大年龄为男性15.9岁、女性16.7岁。后又对395例个体进行肱骨近端MRI检查（FES-PD序列），采用Dedouit分级法进行分级，发现骨骺发育程度达等级5时最小年龄为男性20岁、女性21岁[59]。上述研究均可证实肱骨近端骨骺MRI影像在骨龄推断中的潜在价值。

MARTÍNEZ VERA等[60]于2017年结合深度学习算法和130例13～24岁男性白种人志愿者的胸部MRI影像（采用3.0T场强的磁共振仪进行序列扫描，扫描参数为T1WI序列），提取胸骨柄进行三维点云处理，并利用计算机进行主成分分析从而生成形状参数模型，该模型包括13个主成分，能够描述96%以上的胸骨柄形状变化。多元线性方程提示胸骨柄的形状参数模型、表面积与高度之比是推断年龄较好的指标，交叉验证其MAD为1.18岁。该研究结合部分深度学习算法基于MRI图像建立胸骨柄的形状参数模型，为基于胸骨形态变化的年龄判定提供了新的研究方向。

3 活体年龄推断MRI研究的评价

3.1 MRI检查的参数选择

既往研究中MRI参数选择差异较大，存在0.5T、1.0T、1.5T和3.0T多种场强，MRI的场强越低、信噪比越低，会使层厚增加、检查时间延长，影响骨发育分级的准确性，故目前最常使用的场强为3.0T。同时MRI序列不同，各组织间对比度也会发生变化，主要脉冲序列有：（1）SE 序列，包括 T1WI、T1WI及 PDW 序列；（2）FES序列，包括T1WI、PDW序列；（3）GE序列，包括FGE、三维序列；（4）脂肪抑制序列，包括FSE、T2WIFS及反转恢复序列。对不同部位所采用的MRI序列不尽相同。THAPA等[61]认为，较T1WI和PDW序列，STIR和T2WI等水敏感序列能更好地分辨各透明软骨。SASAKI等[62]应用MRI影像研究了正常膝关节骺板闭合速率和模式，发现骺板在T1WI序列中为低信号影，在T2WI序列中为高信号影，认为T2WI-GRE序列可用于骺板判读。1992年，HARCKE等[40]研究通过0.5T场强获取的股骨远端和胫骨近端骺板的MRI影像表现，分别采用3种MRI脉冲序列（T1WI、T2WI及FE序列），发现低场强获取的MRI影像中FE序列能更好地观察骺板，评估骺板时应采用T1WI和FE序列，不宜选择T2WI序列，但是在高场强获取的MRI影像中还需后续实验证实。HILLEWIG等[33]认为GE序列可提供高分辨率的胸骨锁骨端骨骺横断面影像。此外，不同序列中采集时间的差别很大，从数小时至数分钟不等，采集时间越短，脉冲序列完成信号采集所需时间越短。因此，MRI检查参数应选择高场强且所需时间短、易于目标部位观察的序列。

3.2 分析方法

既往基于X线片或CT提出的推断分级方法大多都适用于MRI影像，如牙龄Demirjian法、手腕部GP图谱法和TW分级法、锁骨胸骨端Schmeling分级法和Kellinghaus分级法等。也有部分学者根据MRI影像特征提出新的分级方法，如手腕部Tomei图谱法、膝关节Dedouit分级法。所采用的统计学方法多是单一的一般描述性统计分析及线性回归方程，其结果的准确性与可靠性不高，应用到实际工作中需慎重。伴随人工智能和大数据时代的到来，URSCHLER等[30]通过定位算法提取手腕部MRI三维图像，自动化推断年龄的MAD可达0.85岁；通过DCNN深度学习算法自动分析手腕部骨骼予以判定个体年龄小于18岁的MAD为（0.37±0.51）岁[31]。DALLORA等[52]成功建立了两种最佳CNN模型用于膝关节MRI图像筛选及年龄推断，其年龄推断在男性MAD为0.793岁、女性MAD为0.988岁，对18岁年龄节点判定的准确率为男性98.1%、女性95.0%。MARTÍNEZ VERA等[60]对男性胸骨柄MRI影像进行三维图像点云处理，后通过主成分分析建立形状参数模型，基于该形状参数模型、表面积与高度之比进行多元线性分析，交叉验证得其MAD为1.18岁。上述研究均提供了新的参考研究思路，即以深度学习为核心的计算机算法进行自动化分类或定量分析MRI影像，以此进行年龄推断或年龄节点判定。

3.3 联合多指标进行年龄推断

既往MRI骨龄推断的报道多以单个或局部观测指标为研究对象，如第三磨牙、手腕部、锁骨胸骨端或膝关节骨骺等。针对同一人群样本，联合多解剖标志综合估算年龄以缩短推断范围亟待考证。BLEKA等[63]基于第三磨牙及手腕部的X线片，报道其年龄推断的95%预测区间（prediction interval，PI）宽度为女性4.6岁、男性4.5岁，认为不同解剖位置之间条件独立性假设成立。鉴于对临床个体进行多部位平片或CT检查存在辐射暴露风险，MRI影像的无辐射、可全身扫描等优势在此类研究中具有重要价值。STERN等[64]报道，通过结合第三磨牙、左手腕及双侧锁骨的MRI影像与CNN算法实现了年龄综合推断的自动化分析，结果其MAD可达（1.01±0.74）岁，准确性优于各单指标对应的准确性，但该实验只纳入了男性样本，且未报道95%PI。de TOBEL等[65]对160例女性、138例男性的第三磨牙、左手腕及双侧锁骨进行MRI扫描（采用3.0T场强的磁共振仪进行序列扫描，扫描参数分别有T2WI-FSE序列、T1WI-SE序列及T1WIVIBE序列）。结果发现，针对青少年及成人早期，多指标联合推断年龄较单指标推断年龄的准确度更高，女性MAD可达1.41岁、男性MAD可达1.36岁。此外女性的95%PI宽度为5.91岁、男性为5.49岁。同时多指标联合推断年龄区分未成年人与成年人的特异性为女性91%、男性90%，敏感性为女性93%、男性94%。然而该研究样本量较小，后续研究需增加样本量，同时还需使用合理分析方法明确不同指标之间是否存在条件独立或条件依赖。

3.4 MRI年龄推断的限制

临床上获取骨关节MRI影像需较长的扫描时间，致使受检者容易感到不适，尤其是青少年个体，可能在摄片中产生运动伪影，影响序列分辨率。虽然HILLEWIG等[33]首次报道完成锁骨MRI扫描只需4 min，但多指标联合推断年龄势必涉及多部位MRI扫描，从而大大增加了扫描时长。此外，MRI扫描成本相对较高，相对昂贵的检查费用一定程度上限制了MRI影像在年龄推断研究中的应用。虽然部分文献[9-10，13，19]证实 MRI影像可作为 X 射线技术的替代手段，但综合两者的性价比分析认为，目前MRI扫描技术尚无法完全替代CT扫描。同时，MRI影像在法医学活体年龄研究中处于起步阶段，目前的研究结论还需进一步验证，尚不足以广泛应用于鉴定实践。