在法医学身份认定实践工作中,传统主流方法是DNA对比、指纹识别、面部识别等。但是在大规模灾难发生的时候,尸体经常出现腐败化、白骨化、焚毁化等极端现象,前述传统方法难以应用。能否及时、准确地识别死者的身份,对于加快灾后重建,稳定遇难者家属的情绪至关重要。颅骨的蝶窦部位因为具有生物特异性以及抗物理损毁能力,在大规模灾难发生时,通常被法医学专家选作参考资料实现死者的身份认定。既往法医放射学专家通常利用蝶窦的CT影像进行人工视觉识别,实现身份认定。已有的文献研究基本建立在小规模数据集,无法验证在大规模灾难情况下的可靠性。针对这个问题,本文建立了第一个大规模三维蝶窦数据库,并提出了蝶窦CT影像的筛选标准,通过识别CT元数据中的蝶窦腔体,对蝶窦腔体进行分割重建,建立了包含732个识别对象共计1475个蝶窦的三维蝶窦数据库,超过目前已知文献所有蝶窦数据集的规模。传统人工视觉识别蝶窦效率低、难度高、主观性强、并无标准化流程与统一的蝶窦识别指标,无法大规模推广应用。针对以上问题,本文基于深度学习首次尝试对蝶窦进行识别,提出了基于多视角的三维蝶窦身份认定算法。该算法通过脚本采集蝶窦的多视角联合图片,并且基于残差学习与视角联合互补关系提出MVSS-Net神经网络模型,利用该网络提取蝶窦多视角联合图片的三维形状描述算子,实现身份认定。由测试集的实验结果可知,该算法在132个对象的测试集上Top 1准确率为93.94%,相较于传统人工视觉识别提高28.79%,整个认定过程仅需55秒,耗时极低。相比人工而言,本文算法更具客观性,识别率高,速度快,具有在法医实践中应用的价值。基于多视角的三维蝶窦身份认定算法,存在不同蝶窦对象的三维形状描述算子相似度较高,多视角联合图片采集的过程冗余,算法流程较复杂的问题。于是,本文基于三维蝶窦的点云,提出了基于点云的三维蝶窦身份认定算法。首先,该算法采用基于滤波采样的点云预处理算法,针对不同蝶窦点云之间点数不统一的问题,将蝶窦点云点数处理到相同。其次,针对蝶窦点云的特点,该算法基于高效通道注意力机制与分类间距余量损失函数提出了Point SS-Net神经网络模型。最后,该算法通过该网络提取蝶窦点云的三维形状描述算子,实现身份认定。该算法在132个对象的测试集上实现了Top 1准确率99.24%,共耗时20.5秒。与传统算法比较可知,本算法Top 1准确率提升18.18%,速度提升约500倍。Point SS-Net的模型复杂度约为MVSS-Net的1/7。实验证明该算法具有准确性高,自动化程度高,识别速度快的优势,可用于大规模灾难发生情况下的快速身份识别认定。