基于高光谱成像技术的皮下血肿年龄预测模型构建与法医学应用

　　本研究针对法医学中血肿年龄主观评估不准确的痛点，利用便携式高光谱相机（HSI）采集400-1000 nm波长反射光谱，通过Lasso回归模型建立血肿年龄预测体系。结果表明，基于皮肤光谱归一化数据的层次模型预测误差仅3.35天（21天观察期），为创伤时间鉴定提供了首个客观量化方案，对刑事案件侦查和医学法律评估具有突破性意义。

　　

在法医学和临床实践中，皮下血肿（hematoma）的年龄鉴定一直是棘手难题。传统方法依赖法医专家肉眼观察颜色变化，但研究表明这种主观评估的准确率不足40%，且专家经验并不能显著提升判断可靠性。更棘手的是，血肿愈合过程中血红蛋白（hemoglobin）降解为胆绿素（biliverdin）和胆红素（bilirubin）的生化过程受个体差异、创伤部位、皮肤色素沉着等多因素影响，使得通过简单比色卡匹配的尝试屡屡受挫。这种现状导致刑事案件中创伤时间推断存在巨大争议，甚至可能影响司法公正。

为破解这一困局，S.Al-Arami团队在《Forensic Science, Medicine and Pathology》发表创新研究，首次将高光谱成像技术（Hyperspectral Imaging, HSI）与机器学习结合，开发出客观量化的血肿年龄预测系统。该研究采用Specim IQ^?便携式高光谱相机（400-1000 nm波长范围，204个光谱通道），对25名健康志愿者前臂标准化诱导的3 ml自体血肿进行21天动态监测，通过皮肤光谱归一化处理和Lasso回归建模，最终实现平均3.35天的预测精度。

关键技术方法包括：1）使用双钨卤素光源（750 W×2）控制光照条件，以10 ms传感器积分时间采集512×512像素HSI数据；2）通过MATLAB Hypertools3库手动选择血肿区域（ROI）和正常皮肤参比区；3）构建三种归一化数据集（原始数据、皮肤光谱减法归一化、除法归一化）；4）采用留一法交叉验证评估Lasso回归模型性能，并开发分层模型处理血肿愈合的双相特征。

研究结果揭示：

光谱特征演变规律

关键波段23-26（470 nm附近）和波段165（885 nm）显示显著年龄相关性。470 nm处强度在5-11天出现最小值，对应胆红素吸收峰；885 nm强度在3-5天达最低后逐渐恢复，反映血红蛋白降解动力学。除法归一化数据最能凸显这些特征，

直观展示这种时序规律。

模型性能比较

原始数据模型预测误差达4.50天，而除法归一化模型将误差降至3.81天。创新的分层模型（以第7天为界分段建模）进一步将均方根误差（RMSE）优化至3.35天，

显示早期血肿（≤7天）预测更精准（M=2.03天）。

局限性验证

排除光照异常图像后模型性能未改善（RMSE 3.47天），证实系统对轻微环境波动具有鲁棒性。但人工血肿缺乏真实创伤的生物学复杂性，且仅测试浅肤色人群，限制当前模型的普适性。

这项研究开创性地证明HSI技术结合机器学习可客观量化血肿年龄，其3.35天的平均误差远超传统目视评估。尽管存在样本多样性不足、自然创伤模拟不完善等局限，但建立的标准化数据采集流程（

）和分层建模策略为后续研究奠定框架。作者特别指出，未来需整合Randeberg团队提出的物理模型与非线性算法，并扩大至多肤色、多部位的真实创伤样本验证，最终实现从实验室到法庭的科学跨越。