基于断层成像的绵羊后肢节段惯性参数建模及其在生物力学研究中的应用

为解决绵羊生物力学模型中体段惯性参数(BSIPs)数据匮乏问题，研究人员通过16只绵羊的CT扫描数据，建立了可预测后肢质量、质心及惯性张量的线性混合模型(LMMs)，误差水平与人类模型相当。该研究首次系统提供了绵羊后肢BSIPs的标准化定义与预测方程，为大型动物生物力学研究提供了重要工具。

　　

在生物医学研究中，绵羊因其温顺性格、与人类相似的体型和关节生物力学特性，成为研究肌肉骨骼疾病（如骨关节炎）和骨科手术（如ACL修复）的重要模型。然而，与人类生物力学研究的成熟体系相比，大型动物模型的生物力学分析方法仍显滞后。其中最关键的限制之一是缺乏准确的体段惯性参数（Body Segment Inertial Properties, BSIPs）数据——这些包括质量、质心(COM)和惯性张量等参数，是构建逆向动力学(ID)模型的基础。目前绵羊研究多依赖地面反作用力等简单指标，无法像人类研究那样计算节段间力和力矩，严重制约了转化医学价值。

针对这一空白，来自Texas A&M University的研究团队在《Journal of Biomechanics》发表创新性研究。他们利用16只不同年龄、体重和表型的绵羊的32组全身CT扫描数据，通过断层成像技术结合标准化节段划分方法，首次系统建立了绵羊后肢（包括骨盆、大腿、小腿、跖骨和蹄段）BSIPs的预测模型。研究采用线性混合模型(LMMs)处理重复测量数据，最终开发的预测方程误差与人类BSIPs模型相当，为大型动物生物力学研究提供了重要工具。

关键技术方法包括：1) 使用西门子Biograph mCT扫描仪获取1.5mm层厚的全身CT图像；2) 通过虚拟标记明确定义5个后肢节段边界；3) 基于组织密度阈值自动分割各节段组织；4) 采用直接线性变换计算惯性张量并转换至生物力学坐标系(BSCS)；5) 利用LMMs建立BSIPs预测模型，协变量包括体重、年龄等易获取参数。

Subjects and CT scans
研究纳入16只Rambouillet绵羊的32组CT扫描数据（包括9只野生型和7只低磷酸酯酶症HPP模型），年龄覆盖2-14个月。扫描参数统一（像素0.5-1mm，层厚1.5mm），确保数据可比性。

Results
所有扫描数据成功计算出标准化BSIPs（表1），左右肢参数无显著差异(p>0.05)。惯性张量中转动惯量(I_xx, I_yy, I_zz)的变异系数低于乘积惯量(I_xy, I_xz, I_yz)，其中蹄段和骨盆段的参数变异最大。LMMs预测结果显示，体重是最强预测因子，模型解释度(R²)达74-99%，预测误差与人类BSIPs模型相当。

Discussion
相比既往需处死动物获取BSIPs的方法，本研究首次提供非侵入性预测方案。创新性地采用虚拟标记定义节段边界，解决了传统解剖学标记难以在活体实施的难题。模型可直接应用于运动分析软件，为绵羊步态研究提供完整动力学参数。

Conclusions
该研究建立了首个系统化的绵羊后肢BSIPs数据库和预测模型，填补了大型动物生物力学研究的关键技术空白。提出的标准化节段定义方法具有跨物种适用潜力，特别适用于需要纵向监测的临床前研究。研究成果将显著提升绵羊模型在骨科疾病机制研究和手术评估中的转化价值。

Ethics
实验获Texas A&M University动物使用委员会批准（AUP 2020-0164）。

CRediT authorship
Aaron Henry主导研究设计与数据分析，Dana Gaddy和Larry J. Suva提供资金支持，Andrew团队参与数据采集。研究受NIH-NIDCR 1R21-DE028076资助。