World health organization global report on drowning： preventing a leading killer ［J］. WHO ， 2014 .

Lunetta P ， Penttila A ， Hallfors G . Scanning and transmission electron microscopical evidence of the capacity of diatoms to penetrate the alveolo-capillary barrier in drowning ［J］. Int J Legal Med ， 1998 ， 111 （ 5 ）： 229 - 237 .

Piette MH ， De-letter EA . Drowning： still a difficult autopsy diagnosis ［J］. Forensic Sci Int ， 2006 ， 163 （ 1/2 ）： 1 - 9 .

Ming M ， Meng X ， Wang E . Evaluation of four digestive methods for extracting diatoms ［J］. Forensic Sci Int ， 2007 ， 170 （ 1 ）： 29 - 34 .

Pedraza A ， Bueno G ， Deniz O ， et al . Lights and pitfalls of convolutional neural networks for diatom identification ［C］. SPIE ， 2018 ， 10679 ： 88 - 96 .

Pedraza A ， Bueno G ， Deniz O ， et al . Automated diatom classification （part B）： a deep learning approach ［J］. Appl Sci ， 2017 ， 7 （ 5 ）： 460 .

Salido J ， Sánchez C ， Ruiz-santaquiteria J ， et al . A low-cost automated digital microscopy platform for automatic identification of diatoms ［J］. Appl Sci ， 2020 ， 10 （ 17 ）： 6033 .

Krause LMK ， Koc J ， Rosenhahn B ， et al . Fully convolutional neural network for detection and counting of diatoms on coatings after short-term field exposure ［J］. Environ Sci Technol ， 2020 ， 54 （ 16 ）： 10022 - 10030 .

Zhou Y ， Zhang J ， Huang J ， et al . Digital whole-slide image analysis for automated diatom test in forensic cases of drowning using a convolutional neural network algorithm ［J］. Forensic Sci Int ， 2019 ， 302 ： 109922 .

Zhang J ， Zhou Y ， Vieira DN ， et al . An efficient method for building a database of diatom populations for drowning site inference using a deep learning algorithm ［J］. Int J Legal Med ， 2021 ， 135 （ 3 ）： 817 - 827 .

Zhou Y ， Cao Y ， Huang J ， et al . Research advances in forensic diatom testing ［J］. Forensic Sci Res ， 2020 ， 5 （ 2 ）： 98 - 105 .

周圆圆 ， 曹永杰 ， 杨越 ， 等 . 基于人工智能硅藻自动化识别系统的实际案例应用 ［J］. 法医学杂志 ， 2020 ， 36 （ 2 ）： 239 - 242 .

Zhou YY ， Cao YJ ， Yang Y ， et al . Application of artificial intelligence automatic diatom identification system in practical cases ［J］. J Forensic Med ， 2020 ， 36 （ 2 ）： 239 - 242 .

Ludes B ， Coste M ， North N ， et al . Diatom analysis in victim' s tissues as an indicator of the site of drowning ［J］. Int J Legal Med ， 1999 ， 112 （ 3 ）： 163 - 166 .

Coelho S ， Ramos P ， Ribeiro C ， et al . Contribution to the determination of the place of death by drowning- A study of diatoms' biodiversity in douro river estuary ［J］. J Forensic Leg Med ， 2016 ， 41 ： 58 - 64 .

Carballeira R ， Vieira DN ， Febrero-bande M ， et al . A valid method to determine the site of drowning ［J］. Int J Legal Med ， 2018 ， 132 （ 2 ）： 487 - 497 .

Szegedy C ， Ioffe S ， Vanhoucke V ， et al . Inception-v4， inception-resnet and the impact of residual connections on learning ［C］. AAAI ， 2017 ： 4278 - 4284 .

朱永正 ， 张吉 ， 程奇 ， 等 . 4种深度学习图像分类算法在人工智能硅藻检验中的比较 ［J］. 法医学杂志 ， 2022 ， 38 （ 1 ）： 31 - 39 .

Zhu YZ ， Zhang J ， Cheng Q ， et al . Comparison among four deep learning image classification algorithms in AI-based diatom test ［J］. J Forensic Med ， 2022 ， 38 （ 1 ）： 31 - 39 .

Deng J ， Dong W ， Socher R ， et al . ImageNet： a large-scale hierarchical image database ［C］. IEEE ， 2009 ： 248 - 255 . http：//dx.doi.org/10.1109/CVPR.20 09.520 6848 http://dx.doi.org/10.1109/CVPR.2009.5206848

Zeiler MD . Adadelta： an adaptive learning rate method ［C］. ArXiv ， 2012 . https：//arxiv.org/abs/1212.5701 https://arxiv.org/abs/1212.5701

Simonyan K ， Vedaldi A ， Zisserman A . Deep inside convolutional networks： visualising image classification models and saliency maps ［J］. CoRR ， 2014 . https：//arxiv.org/abs/1312.6034 https://arxiv.org/abs/1312.6034

Zeiler MD ， Fergus R . Visualizing and understanding convolutional networks ［M］. Springer ， 2014 ： 818 - 833 . https：//doi.org/10.1007/978-3-319-10590-1_53 https://doi.org/10.1007/978-3-319-10590-1_53

Bach S ， Binder A ， Montavon G ， et al . On pixel-wise explanations for non-linear classifier decisions by layer-wise relevance propagation ［J］. PloS One ， 2015 ， 10 （ 7 ）： e0130140 .

Selvaraju RR ， Cogswell M ， Das A ， et al . Grad-cam： visual explanations from deep networks via gradient-based localization ［C］. IEEE ， 2017 ： 618 - 626 .

余海星 ， 张吉 ， 朱永正 ， 等 . 1991-2020年法医学溺死领域中英文文献计量学分析 ［J］. 法医学杂志 ， 2022 ， 38 （ 1 ）： 98 - 109 .

Yu HS ， Zhang J ， Zhu YC ， et al . Bibliometrics analysis in English and Chinese literature on drowning in forensic medicine from 1991 to 2020 ［J］. J Forensic Med ， 2022 ， 38 （ 1 ）： 98 - 109 .

Jacomy M ， Venturini T ， Heymann S ， et al . Forceatlas2， a continuous graph layout algorithm for handy network visualization designed for the gephi software ［J］. PloS one ， 2014 ， 9 （ 6 ）： e98679 .

Yu W ， Xue Y ， Knoops R ， et al . Automated diatom searching in the digital scanning electron microscopy images of drowning cases using the deep neural networks ［J］. Int J Legal Med ， 2021 ， 135 （ 2 ）： 497 - 508 .

陈吉 ， 刘晓荣 ， 杨佳雯 ， 等 . 基于YOLOv3的硅藻电子显微镜图像识别模型的构建及应用 ［J］. 法医学杂志 ， 2022 ， 38 （ 1 ）： 46 - 52 .

Chen J ， Liu XR ， Yang JW ， et al . Construction and application of YOLOv3-based diatom identification model of scanning electron microscope images ［J］. J Forensic Med ， 2022 ， 38 （ 1 ）： 46 - 52 .