본 연구의 목적은 심층 학습을 활용한 인간 신원 확인 과정과 더불어 치열 변화 인식을 통해 개인을 식별하기 위한 새로운 방법을 제안하는 데 있다. 사망 후(PM) 및 사망 전(AM) 영상으로 각각 가정한 것은, 20–49세 성인의 치과 파노라마 방사선 사진(DPR) 2장 초과 보유자를 대상으로 하며, 최근 영상은 PM, 과거 영상은 AM로 하였다. 데이터셋은 2000년부터 2020년까지의 1,029쌍 PM–AM DPR로 구성되었다. AM 치열 데이터베이스를 구축한 후 유사도의 정도를 계산하여 내림차순으로 정렬하였다. 확인되지 않은 PM과 동일한 AM의 매칭 순위는 후보군(CGs)을 추출하여 측정하였다. 순위의 백분율은 성공률로 계산하였으며, 영상 촬영 간격에 따라 유사도 점수를 비교하였다. 매칭된 AM 영상은 후보군(CG) 내에서, 상위 20.0%, 10.0%, 5.0%를 추출하는 영상 촬영 간격별 성공률이 각각 83.2%, 72.1%, 59.4%로 나타났다. 성공률은 성별에 따라 달랐으며, 여성에서 남성보다 더 높았다. 여성의 경우 상위 20.0%, 10.0%, 5.0% 추출 성공률이 각각 97.2%, 81.1%, 66.5%였고, 남성의 경우 각각 71.3%, 64.0%, 52.0%였다. 유사도 점수는 17.7년의 영상 촬영 간격을 기준으로 한 군 간에 유의미한 차이를 보였다. 본 연구는 치과 파노라마 방사선 사진을 이용하여 인간 식별에서 AM 후보군(CG)의 크기를 효과적으로 감소시키는 데 있어 합성곱 신경망의 우수한 성능을 보여주었다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.