研究背景:颅脑损伤在法医学鉴定中最常见。颅脑解剖结构的复杂性致使颅脑损伤机制尚未完全明确,形成了颅脑损伤致伤方式判断困难的技术瓶颈。传统法医学在颅脑损伤鉴定中多依赖形态学特征及专家经验,技术单一,存在一定主观性。因此,有必要寻求颅脑损伤致伤方式鉴别及损伤机制研究的新方法,明确外力与损伤结果之间量效关系,增加证据的客观性和科学性。近年来,虚拟解剖技术作为辅助手段在颅脑致伤方式鉴定中得到应用,应用有限元法数字化仿真开展颅脑损伤生物力学研究初显成效,而随着计算机技术的进步,人工智能学习技术在图像识别中的巨大潜力,也为致伤方式鉴定提供了新的技术手段。方法:（1）基于CT资料回顾性筛选典型颅脑加、减速性损伤案例,建立详细的颅脑损伤案例数据库。综合分析不同致伤方式下颅脑损伤在受力部位、损伤类型（及分布）等的区别,总结颅脑损伤在不同致伤方式下的损伤特征及一般规律。（2）基于深度学习技术对颅脑加、减速性损伤进行分类,基于上述颅脑损伤数据库,建立残差网络模型对颅脑损伤数据库进行训练,探索性开发自动化颅脑损伤致伤方式分类鉴别系统。（3）基于有限元法模拟不同致伤方式下的损伤,依托THUMS4.0（Total Human Model for Safety）整人模型,加载不同初始条件研究颅脑损伤的力学响应,寻找颅脑不同致伤条件下指标的异同点。结果:（1）综合分析案例数据库CT资料发现:颅脑加速性损伤最常发生在颞部,损伤类型有头皮损伤、颅骨骨折、冲击性脑挫裂伤、急性硬脑膜外血肿。减速伤的主要特点是常发生在枕部,损伤类型有头皮损伤、蛛网膜下腔出血、对冲性脑挫伤以及硬脑膜下血肿。（2）基于深度学习技术开发的自动化识别颅脑损伤的LVRNet残差网络模型可在一定程度上完成颅脑致伤方式分类;算法在生成的伪彩色图像上与人眼识别损伤信息相似。（3）基于有限元仿真技术对颅脑损伤进行仿真结果发现模拟加、减速性颅脑损伤时,观察冲击点和对冲点的颅内压变化.:减速伤冲击部位颅内压值大且变化幅度大,对冲部位颅内正负压变化幅度更大,持续时间更长。结论:虚拟解剖技术能全面获取损伤特征及损伤分布信息,为分析和揭示颅脑损伤机制奠定基础;深度学习技术在损伤分类上具有客观、效率高的优势;有限元仿真技术在研究颅脑加、减速伤损伤机制及应力波的传导方面效果好。三种技术手段在一定程度上完善了传统颅脑损伤机制分析的理论及实践判断,有助于提高法医鉴定质量。