CT-gebaseerde robuuste statistische vormmodellering voor forensische craniofaciale reconstructie

Els Bruynooghe
Persbericht

CT-gebaseerde robuuste statistische vormmodellering voor forensische craniofaciale reconstructie

 Het gelaat ontmaskerd

Wanneer een Japanse tsunami een dodelijk pad trekt over de kust van Sendai of wanneer een Boeing 727 crasht tijdens een landing in Kinshasa, tracht de media zo snel mogelijk cijfers weer te geven over het aantal slachtoffers. Duizelingwekkende cijfers om minstens even bij stil te staan. Maar heeft u er ook al eens bij stilgestaan dat alle slachtoffers ook geïdentificeerd moeten worden. Van een vriend, een kennis, een familielid of collega die betrokken was in de ramp, blijft soms weinig herkenbaars over. Het Disaster Victim Identification (DVI) team dat bij zo'n rampen wordt opgeroepen, staat voor een haast onmenselijke taak. Alle mogelijke hulpmiddelen om de slachtoffers te identificeren worden ingeroepen: ante mortem data wordt vergeleken met post mortem data (vooral informatie over het gebit van het slachtoffer), DNA onderzoeken worden uitgevoerd, tatoeages gefotografeerd... Een haast onmenselijk werkje dat maanden of jaren kan duren. En wat als er geen ante mortem data te vinden blijkt, DNA analyse niet mogelijk is en geen enkel kenmerk tot herkenning kan leiden? Dan blijft een hele hoop onherkenbare botten over die niet gelinkt kunnen worden aan de lijst met vermisten. Hoe graag zouden we dan die (stukken) schedels terug een gezicht willen geven. Een gezicht dat we uit de duizend zouden herkennen...

Van giswerk naar kennis

Het reconstrueren van het gezichtsoppervlak op basis van een schedel is voorlopig nog controversieel en zal daarom eerder als laatste redmiddel worden aangewend. Het streefdoel van nieuw ontwikkelde (digitale) technieken is echter om sceptici ervan te overtuigen dat er in de toekomst een grotere rol is weggelegd voor deze identificatiemethodes. Betrouwbaarheid en objectiviteit spelen in dit overtuigingsproces een cruciale rol. Huidige reconstructietechnieken hebben voorlopig hun doel nog niet bereikt, maar zijn wel een aardig stuk op weg.

De wortels van de huidige reconstructietechnieken liggen in de 18e eeuw, toen wetenschappers een menselijk lichaam in was reconstrueerden met een skelet als raamwerk. Het intuïtieve en tot nu toe gedeeltelijk bevestigde idee achter deze reconstructietechnieken is de overtuiging dat de vorm van de schedel een éénduidige relatie heeft met het bovenliggende gezicht. De relatie tussen de schedel en zijn gezicht ligt expliciet vervat in afstanden tussen het huidoppervlak en de schedel, zogenaamde zachtweefseldiktemetingen. Het spreekt voor zich dat deze relatie in belangrijke mate ook wordt bepaald door geslacht, lichaamsgewicht, leeftijd...van het individu. Het zoeken, begrijpen en gebruiken van de relatie tussen schedel en gezicht is een boeiende bezigheid waar onder andere mijn werk in de Medical Imaging Computing (MIC) groep aan de KULeuven een steentje toe heeft bijgedragen. In dit onderzoekscentrum tracht men huidige gebruikte manuele reconstructietechnieken te vervangen door betrouwbaardere, objectievere en snellere digitale alternatieven. Het komt er op neer om de stappen en ideeën die gebruikt worden bij de traditionele manuele methodes in een digitale versie te gieten. Hierbij wordt het subjectief giswerk van de manuele methodes vervangen door objectieve kennis.

Hoe gaat een traditionele manuele gezichtsreconstructie in z'n werk? Een naakte schedel en eventueel ander bewijsmateriaal, wordt geanalyseerd. Tijdens zo'n analyse worden de eigenschappen van de overledene geschat: geslacht, leeftijd (o.a. op basis van de tanden) en Body Mass Index (o.a. op basis van kledij). Vervolgens worden tabellen bovengehaald die schattingen geven van de zachtweefseldiktes in bepaalde anatomische merkpunten op de schedel. De schattingen houden rekening met de gevonden schedeleigenschappen. In elk anatomisch merkpunt op de schedel wordt de bijhorende zachtweefselschatting uitgezet. Het aantal uitgezette metingen varieert per methode en per tabel, maar blijft meestal beperkt tot een 50-tal metingen. Wanneer dit gedaan is, komt het er op neer met klei een gezicht op de schedel te boetseren, rekening houdend met de uitgezette diktes. Een forensische artiest steunt hierbij op zijn eigen dagelijks opgebouwde visuele databank van gezichten en de vorm van de schedel zelf om een zo realistisch mogelijk gezicht te creëren. Het spreekt voor zich dat deze aanpak sterk steunt op de kennis en de kunst van de forensische artiest. Het is deze kennis die men tracht te digitaliseren en te objectiveren om betrouwbare en herkenbare gezichten te reconstrueren zodat het slachtoffer geïdentificeerd kan worden door naaste familie of kennissen.

De digitale methode die hier wordt besproken, start bij het verwerken van een 156-tal computertomografie (CT)-scans. Een CT-scan wordt genomen met behulp van röntgenstralen die het mogelijk maken om opeenvolgende plakjes van het lichaam binnenin te scannen. Op basis van deze beelden kunnen volledige 3D gezichtsoppervlakken en hun bijhorende schedeloppervlakken digitaal berekend en gevisualiseerd worden. De afstanden tussen deze twee oppervlakken, geven schattingen van de zachtweefseldiktes in elk mogelijk gezichtspunt. De zachtweefseldiktemetingen zijn hier dus niet gelimiteerd tot een 50-tal metingen zoals bij de manuele methodes. Het komt er nu op aan om op basis van deze gegevens te leren hoe de vorm van een gezicht kan variëren, rekening houdend met de onderliggende schedel. Van vrouwelijk naar mannelijk, van oud naar jong, van dik naar dun, van breed naar smal, van karakteristiek naar eerder gemiddeld, het zijn allemaal variaties op een algemeen 'gemiddeld gezicht'. Hoe meer gezichten en schedels verwerkt kunnen worden, hoe meer kennis er ontstaat over mogelijke gezichtsvariaties. Deze aangeleerde kennis kan vervolgens gebruikt worden om een zo herkenbaar mogelijk gezicht te schatten op een onbekende schedel. Eerst zal de schedel worden ingescand, waardoor deze digitaal beschikbaar is. Vervolgens wordt de opgebouwde kennis over de mogelijke gezichtsvariaties losgelaten op deze schedel. Het algoritme vertrekt dan vanuit de vorm van de onbekende schedel en een algemeen gemiddeld gezicht. In verschillende iteraties wordt vervolgens het gemiddelde gezicht vervormd zodat het 'zo goed mogelijk past bij de schedel'. Je kan dit vergelijken met het uitzetten van schattingen van de zachtweefseldiktes met behulp van naalden op de schedel. Wanneer je hier een zo correct mogelijke schatting van hebt, kan je een ballon over de schedel met de naalden trekken die dan gaat vervormen naar het gezicht dat bij de schedel hoort.

Wanneer methodes zoals deze hun databank steeds verder gaan uitbreiden, kan verwacht worden dat een gezicht steeds nauwkeuriger kan gereconstrueerd worden omdat steeds meer kennis over de mogelijke gezichtsvariaties gekend zal zijn. Zo'n reconstructie vraagt bovendien weinig tot geen manueel werk. Het uitpluizen van de identiteit van onherkenbare slachtoffers in eender welke situatie zal zo, ondanks de digitalisering een veel 'menselijkere' taak worden.

Bibliografie

 

  • [1] M. Beale, M. Hagan, and H. Demuth. Neural network toolbox TM7, user’s guide. 2010.
  • [2] R. K. Beatson and L. Greengard. A short course on fast multipole methods (lectures), 1997.
  • [3] R. K. Beatson, W. A. Light, and S. Billings. Fast solution of the radial basis function interpolation equations: Domain decomposition methods. SIAM Journal of Scientific Computing, 22(5):1717–1740, 2000.
  • [4] M. Berar, M. Desvignes, G. Bailly, and Y. Payan. 3D semi-landmarks based statistical face reconstruction. Journal of Computing and Information Technology, 14(1):31–43, 2004.
  • [5] P. Besl and N. McKay. A method for registration of 3-d shapes. IEEE Transac-tions on pattern analysis and machine intelligence, pages 239–256, 1992.
  • [6] R. Brent. Algorithms for minimization without derivatives. 1973.
  • [7] V. Bruce, Z. Henderson, K. Greenwood, P. Hancock, A. Burton, and P. Miller. Verification of face identities from images captured on video. Journal of Experimental Psychology: Applied, 5(4):339, 1999.
  • [8] T. Buzug. Special issue on computer-assisted craniofacial reconstruction and modeling. Journal of Computing and Information Technology, 14(1):1–6, 2004.
  • [9] J. Carr, R. Beatson, J. Cherrie, T. Mitchell, W. Fright, B. McCallum, and T. Evans. Reconstruction and representation of 3D objects with radial basis functions. In Proceedings of the 28th annual conference on Computer graphics and interactive techniques, pages 67–76. ACM, 2001.
  • [10] J. Carr, W. Fright, and R. Beatson. Surface interpolation with radial basis functions for medical imaging. Medical Imaging, IEEE Transactions on, 16(1):96– 107, 1997.
  • [11] F. Cesarani, M. C. Martina, R. Grilletto, R. Boano, A. M. Roveri, V. Capussotto, A. Giuliano, M. Celia, and G. Gandini. Facial reconstruction of a wrapped egyptian mummy using mdct. American Journal of Roentgenology, 183(3):755– 758, Sep 2004.
  • [12] P. Claes. ’A robust statistical surface registration framework using implicit function representations - application in craniofacial reconstruction’, Proefschrift voorgedragen tot het behalen van het doctoraat in de ingenieurswetenschappen, K.U.Leuven, June 2007, Leuven, Belgium. KULeuven, 2007. ISBN 978-90-5682- 809-7.
  • [13] P. Claes, D. Vandermeulen, S. De Greef, G. Willems, J. G. Clement, and P. Suetens. Bayesian estimation of optimal craniofacial reconstructions. Forensic Science International, 201(1-3):146–152, Sep 2010.
  • [14] P. Claes, D. Vandermeulen, S. De Greef, G. Willems, J. G. Clement, and P. Suetens. Computerized craniofacial reconstruction: Conceptual framework and review. Forensic Science International, 201(1-3):138–145, Sep 2010.
  • [15] P. Claes, D. Vandermeulen, S. De Greef, G. Willems, and P. Suetens. Statistically deformable face models for cranio-facial reconstruction. Journal of computing and information technology, 14(1):21–30, 2004.
  • [16] P. Claes, D. Vandermeulen, S. De Greef, G. Willems, and P. Suetens. Craniofacial reconstruction using a combined statistical model of face shape and soft tissue depths: methodology and validation. Forensic Science International, 159 Suppl 1:147–158, May 2006.
  • [17] S. De Greef, P. Claes, W. Mollemans, D. Vandermeulen, P. Suetens, and G. Willems. Computergestuurde forensische aangezichtsreconstructie: recente ontwikkelingen en tendensen. Belgisch tijdschrift voor tandheelkunde, 60:237–249, 2005.
  • [18] S. De Greef, P. Claes, D. Vandermeulen, W. Mollemans, P. Suetens, and G. Willems. Large-scale in-vivo caucasian facial soft tissue thickness database for craniofacial reconstruction. Forensic Science International, 159 Suppl 1:126–146, May 2006.
  • [19] R. Durbin, S. Eddy, A. Krogh, and G. Mitchison. Biological sequence analysis.1998.
  • [20] M. Fischler and R. Bolles. Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography. Communications of the ACM, 24(6):381–395, 1981.
  • [21] J. H. Friedman, J. L. Bentley, and R. A. Finkel. An algorithm for finding best matches in logarithmic expected time. ACM Transactions on Mathematics Software, 3(3):209–226, September 1977.
  • [22] J. Hug, C. Brechb ühler, and G. Székely. Tamed snake: A particle system for robust semi-automatic segmentation. In Medical Image Computing and Computer-Assisted Intervention–MICCAIŠ99, pages 106–115. Springer, 1999.
  • [23] T. Hutton. ’Dense surface models of the human face’, PhD thesis, Biomedical Informatics Unit. Eastman Dental Institute. University college London, 2004.
  • [24] P. D. ir. Johan Suykens. Data mining and neural networks. Katholieke Universiteit Leuven, Department of Electrical Engineering, ESAT-SCD/SISTA, Kasteelpark Arenberg 10.
  • [25] I. Jolliffe. Principal Component Analysis, Second Edition. Springer-Verlag New York, Inc., 2002. ISBN 0-387-95442-2.
  • [26] H. Ke, H. Jean, and Z. Shih. A Study on Computer-Aided Facial Reconstruction in Forensic Medicine.
  • [27] W. Lorensen and H. Cline. Marching cubes: A high resolution 3d surface construction algorithm. ACM Siggraph Computer Graphics, 21(4):163–169, 1987.
  • [28] D. Lowe. Distinctive image features from scale-invariant keypoints. International journal of computer vision, 60(2):91–110, 2004.
  • [29] C. Maes, T. Fabry, J. Keustermans, D. Smeets, P. Suetens, and D. Vandermeulen. Feature detection on 3D face surfaces for pose normalisation and recognition. In Biometrics: Theory Applications and Systems (BTAS), 2010 Fourth IEEE International Conference on, pages 1–6. IEEE, 2010.
  • [30] MeVisLab. Medical image processing and visualization. URL:http://www.mevislab.de/, laatst geraadpleegd op 2011-04-10.
  • [31] P. Paysan, M. Lüthi, T. Albrecht, A. Lerch, B. Amberg, F. Santini, and T. Vetter. Face reconstruction from skull shapes and physical attributes. Pattern Recognition, pages 232–241, 2009.
  • [32] J. Prag, R. Neave, and R. Neave. Making faces: using forensic and archaeological evidence. Texas A & M University Press, 1997.
  • [33] G. Quatrehomme, S. Cotin, G. Subsol, H. Delingette, Y. Garidel, G. Grévin, M. Fidrich, P. Bailet, and A. Ollier. A fully three-dimensional method for facial reconstruction based on deformable models. Journal of Forensic Sciences, 42(4):649–652, Jul 1997.
  • [34] J. Rhine and C. Moore. Tables of facial tissue thickness of american caucasoids in forensic anthropology. 1984.
  • [35] M. See, M. Foxton, N. Miedzianowski-Sinclair, C. Roberts, and C. Nduka. Stereophotogrammetric measurement of the nasolabial fold in repose: a study of age and posture-related changes. European Journal of Plastic Surgery, 29(8):387– 393, 2007.
  • [36] P. Sinha, B. Balas, Y. Ostrovsky, and R. Russell. Face recognition by humans: Nineteen results all computer vision researchers should know about. Proceedings of the IEEE, 94(11):1948–1962, 2006.
  • [37] D. Smeets, P. Claes, D. Vandermeulen, and J. G. Clement. Objective 3d face recognition:Evolution, approaches and challenges. Forensic Science International, 201(1-3):125–132, Sep 2010.
  • [38] J. M. Starbuck and R. E. Ward. The affect of tissue depth variation on craniofacial reconstructions. Forensic Science International, 172(2-3):130–136, Oct 2007.
  • [39] C. Stephan. Do resemblance ratings measure the accuracy of facial approximations? Journal of forensic sciences, 47(2):239, 2002.
  • [40] C. Stephan and M. Henneberg. Recognition by forensic facial approximation: Case specific examples and empirical tests. Forensic Science International, 156(2-3):182 – 191, 2006.
  • [41] C. N. Stephan, M. Henneberg, and W. Sampson. Predicting nose projection and pronasale position in facial approximation: A test of published methods and proposal of new guidelines. American Journal of Physical Anthropology, 122(3):240–250, 2003.
  • [42] F. Technology. Fastrbf toolbox, matlab interface.
  • [43] F. Tilotta, F. Richard, J. Glaunès, M. Berar, S. Gey, S. Verdeille, Y. Rozenholc, and J. F. Gaudy. Construction and analysis of a head ct-scan database for craniofacial reconstruction. Forensic Science International, 191(1-3):1–12, Oct 2009.
  • [44] F. M. Tilotta, J. A. Glaunès, F. J. Richard, and Y. Rozenholc. A local technique based on vectorized surfaces for craniofacial reconstruction. Forensic Science International, 200(1-3):50–59, Jul 2010.
  • [45] G. Turk and J. OŠBrien. Variational implicit surfaces. Techical Reports GIT-GVU-99-15, 1999.
  • [46] D. Vandermeulen, P. Claes, S. De Greef, G. Willems, J. Clement, and P. Suetens. Computerized craniofacial reconstruction.
  • [47] D. Vandermeulen, P. Claes, D. Loeckx, S. De Greef, G. Willems, and P. Suetens. Computerized craniofacial reconstruction using ct-derived implicit surface representations. Forensic Science International, 159 Suppl 1:164–174, May 2006.
  • [48] P. Vanezis, R. Blowes, A. Linney, A. Tan, R. Richards, and R. Neave. Application of 3-d computer graphics for facial reconstruction and comparison with sculpting techniques. Forensic Science International, 42(1-2):69 – 84, 1989.
  • [49] P. Vanezis, M. Vanezis, G. McCombe, and T. Niblett. Facial reconstruction using 3-d computer graphics. Forensic Science International, 108(2):81 – 95, 2000.
  • [50] L. Verzé. History of facial reconstruction. Acta BioMedica, 80(1):5–12, Apr 2009.
  • [51] C. Wilkinson. Facial reconstruction–anatomical art or artistic anatomy? Journal of Anatomy, 216(2):235–250, Feb 2010.
Universiteit of Hogeschool
Ingenieurswetenschappen: Biomedische Technologie
Publicatiejaar
2011
Share this on: