Temperaturgestützte Todeszeitbestimmung – Methodenoptimierung für die praktische Anwendung

• Antragstellerinnen / Antragsteller: Professorin Dr. Gita Mall; Dr. Martin Weiser
• Fachliche Zuordnung: Toxikologie, Laboratoriumsmedizin ; Mathematik
• Förderung: Förderung seit 2020
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 436400679

Häufig treten bei der temperaturgestützten Todeszeitschätzung (TTZS) Nicht-Standard-Bedingungen auf, welche unzureichend durch das phänomenologische Modell von Marshall und Hoare und Henßge (MHH) abgebildet werden. Im Unterschied zu den gefitteten Leichenabkühlungskurven phänomenologischer ad hoc Modelle wie MHH werden in physikalischen Ansätzen wie der Finite-Elemente-Methode (FEM) numerische Lösungen der Wärmeleitungsgleichung für komplexe Geometrien und unter realen Anfangs- und Randbedingungen berechnet. Dieser Typ von Modellansätzen verspricht daher für den praktischen Einsatz bei komplexen Abkühlungsszenarien die validesten Resultate. Im Rahmen des beantragten Projektes soll die praktische Anwendbarkeit der TTZS in der forensischen Tatortarbeit im Fokus stehen. Zentrale Arbeitspunkte stellen die Einsetzbarkeit physikalisch basierter TTZS-Methoden bei der Tatortarbeit dar. Hierfür sollen auf der Grundlage der FEM mit individualisierten Modellen aus dem Vorläuferprojekt vereinfachte mathematische Modelle der Abkühlung mit nur einer geringen Zahl relevanter Modellparameter erstellt und untersucht werden. Diese Modelle sollen mit geringem zeitlichen, rechen- und messtechnischem Aufwand parametrierbar und somit – im Gegensatz zur individualisierten FEM-TTZS - für die direkte Verwendung in der Tatortarbeit geeignet sein. In dem geplanten Projekt sollen folgende drei Ansätze zur Ableitung verschiedener vereinfachter Modelle untersucht werden: - Surrogatmodelle - Dynamisch reduzierte Modelle - Geometrisch reduzierte Modelle. Die für Surrogatmodelle verwendeten Ansätze umfassen neben analytischen Darstellungen auch Neuronale Netze. Der Modellaufbau erfolgt durch Maschinelles Lernen mit FE-generierten Trainingsdaten. Die dynamische Modellreduktion ist dagegen eine Diskretisierung durch problemspezifische Ansatzfunktionen. Für die Erstellung geometrisch reduzierter Modelle wird wiederum das individualisierte FE-Modell durch Vernachlässigung oder vergröberte Darstellung von messpunktfernen Bereichen vereinfacht. Weitere Anforderungen an eine anwendungsorientierte TTZS sind: - Abbildung komplexer Wechselwirkungen zwischen Leiche und Umgebung. - Klassifizierung von Umgebungsszenarien und relevanter thermischen Parameter. - (Partielle) Rekonstruktion von Umgebungstemperaturverläufen während der Abkühlung und Implementierung in vereinfachte Verfahren. Zur Gewinnung von Messdaten als Grundlage der oben dargestellten Untersuchungen dient eine realitätsnahe Nachgestaltung der Abkühlungsumgebung in der Klimakammer mit Phantomen und / oder Leichen. Die Registrierung der thermischen Wechselwirkungen soll mit einer Wärmebildkamera und die Digitalisierung der Objektoberflächen mittels einer 3D Kamera erfolgen.

• DFG-Verfahren: Sachbeihilfen