基于图像分析的生物多孔介质结构-渗透性定量表征新方法及其在组织工程中的应用

本研究针对负载型软组织（如半月板、关节软骨）的细胞外基质(ECM)多层结构特征，开发了一种整合微CT图像分析、孔隙网络建模(PNM)和闵可夫斯基泛函(MFs)的统计量化框架，首次实现了对孔隙连通性、迂曲度、渗透率等参数的跨层空间演化分析。通过半月板组织的两个样本区域(VOI(1)/VOI(2))对比，发现复杂孔隙网络会通过增加流体路径迂曲度显著降低渗透性，为仿生材料设计提供了结构-功能关系的关键数据。开源MATLAB代码和数据集为生物多孔介质研究建立了标准化分析流程。

　　

研究背景与意义
自然界中承受巨大机械负荷的软组织——如膝关节半月板、关节软骨和椎间盘——展现出精妙的分层结构设计。这些组织的细胞外基质(ECM)通过梯度变化的孔隙结构和生物分子组成，实现同时具备机械支撑和营养传输的双重功能。然而，这种结构-功能关系的量化表征始终存在三大挑战：传统成像分析方法难以捕捉三维孔隙网络的拓扑复杂性；渗透率等关键参数缺乏空间分辨的统计描述；现有技术体系存在图像分析与力学建模的割裂。

研究方法与技术路线
研究团队通过微CT扫描获取人类半月板内部两层样本(VOI(1):487切片；VOI(2):476切片)的三维图像数据集，开发了包含四个核心模块的分析流程：(1)基于图像滤波和分割的预处理；(2)应用闵可夫斯基泛函(MFs)量化孔隙拓扑特征；(3)孔隙网络建模(PNM)提取孔隙直径、喉道半径等28项参数；(4)计算渗透率张量和压力场分布。所有算法集成至开源MATLAB平台，代码和数据集发布于GitHub及Zenodo平台。

主要研究结果
1. 孔隙网络提取与拓扑分析
通过比较VOI(1)和VOI(2)的MFs参数，发现尽管VOI(2)具有更高的孔隙数量(增加23%)和喉道密度，但其欧拉特征数(Euler characteristic)显著降低，表明存在更复杂的连通结构。三维MFs分析揭示VOI(2)的孔隙表面曲率分布呈现多峰特征，暗示存在嵌套式孔隙层级。

2. PNM衍生的结构-渗透性关系
VOI(2)的平均迂曲度(tortuosity)达到2.7±0.3，较VOI(1)(1.9±0.2)提升42%。渗透率计算显示：VOI(1)的轴向渗透率为4.53×10¹ m²/Pa·s，而VOI(2)降至2.39×10¹ m²/Pa·s。压力场可视化发现VOI(2)中存在多个局部高压区(>1.2 kPa)，与喉道长度分布热点区域重合。

3. 跨层参数演化规律
沿组织深度方向的参数追踪显示：孔隙连通性(coordina