从DiceCT数据集中进行肌肉束的三维重建的多方法分析
Aleksandra Ratkiewicz1, Michael C Granatosky1,2,3, Cassidy E Davis4
1Department of Anatomy, New York Institute of Technology College of Osteopathic Medicine, New York, USA.
Anatomical record (Hoboken, N.J. : 2007)
|December 5, 2025
概括
与对比度增强的微型CT (DiceCT) 提供了一种非破坏性的方法来测量肌肉结构. 使用XFiber的算法纤维跟踪为比较肌肉学研究提供了可靠和高效的方法.
科学领域:
- 比较解剖学的比较解剖学.
- 生物力学 生物力学
- 哺乳动物进化 哺乳动物进化
背景情况:
- 肌肉结构显著影响肌肉性能,食生态和哺乳动物的运动.
- 与对比度增强的微型CT (DiceCT) 是用于骨髓学数据收集的非破坏性成像技术.
- 手动对DiceCT数据进行细分是耗时且容易产生偏差的.
研究的目的:
- 通过XFiber软件来展示和验证算法肌肉纤维跟踪的标准化协议.
- 将XFiber的性能与手动细分,开源算法 (GoodFibes) 和传统剖析方法进行比较.
- 在不同物种的哺乳动物肌中评估带长度和曲度.
主要方法:
- 使用XFiber (Amira套件) 开发了一种用于算法纤维跟踪的标准化协议.
- 将XFber的性能与手动细分,GoodFibes和文献剖析值进行了比较.
- 在八种哺乳动物物种的肌中测量了带的长度和扭曲度.
主要成果:
- XFber 带的长度与粗剖析和手动细分密切匹配,这两种数字方法都有 ~ 15% 的过高估计.
- 与其他方法相比,GoodFibes产生了比其他方法更长的带长度.
- XFber和手动细分显示了类似的扭曲度值,而GoodFibes的值更接近手动细分.
结论:
- XFiber 工作流提供了一种标准化,高效和可靠的方法,用于从 DiceCT 数据中分析肌肉结构.
- 算法纤维跟踪,特别是XFiber,为大规模比较肌肉学研究提供了手工细分的有希望的替代方案.
- 这种方法最大限度地减少了时间投资和操作员间的偏见,提高了肌肉结构研究的可重现性.
