利用计算机断层扫描技术估算黄尾王鱼（Seriola lalandi）的近端身体成分

《Aquaculture》：The use of computed tomography to estimate proximate body composition in yellowtail kingfish (Seriola lalandi)

　　D. Milotic|A.J. Lymbery|F. Anderson|G. Partridge|G. Pannier|G.E. Gardner
澳大利亚西澳州默多克市南街90号，默多克大学农业科学学院及动物生产与健康中心、食品未来研究所，邮编6115

摘要
黄尾金枪鱼（Seriola lalandi）在澳大利亚水产养殖业中作为养殖品种越来越受欢迎，同时在国际上也有潜力用于高价值、高档寿司市场。在肉类工业中，通过非侵入式的连续检测方法可有效分析胴体成分，从而为提升肉质性状进行遗传改良，而这一技术在水产养殖领域尚未得到应用。本研究使用计算机断层扫描仪在不同参数设置下对黄尾金枪鱼进行扫描，包括电压（100 kV、120 kV、135 kV）、视野范围（500毫米和320毫米）以及切片厚度（0.5毫米、1毫米、3毫米和4毫米）。通过四种组织分割阈值来确定最佳参数，以估算整鱼、去头去内脏后的鱼块以及去皮鱼片的化学成分，即体脂率、鱼片脂质率和蛋白质含量。通过索氏提取法测定脂肪含量、蛋白提取法测定蛋白质含量，验证了CT扫描的准确性。研究发现，在电压为100 kV、视野范围为500毫米时，利用脂肪密度（-115至50 HU）和蛋白质密度（51至200 HU）可最精确地估算体脂率和蛋白质含量，而切片厚度对精度影响较小。虽然去头去内脏后的鱼块扫描精度最高，但将整鱼重量作为模型协变量后，整鱼扫描的精度也有了显著提升。

引言
在鱼类水产养殖中，传统上确定鱼类体成分的金标准是通过化学分析法分析整鱼胴体或其组成部分（如鱼片）中的脂肪、蛋白质和骨骼含量。通过对胴体成分的有效表型分析，可以确定鱼类整体或鱼片的脂肪含量和蛋白质含量等具有经济价值的性状（Whatmore等人，2013；Vandeputte等人，2020）。然而，这种传统方法耗时较长，且会破坏样本，无法进行多次检测（Romvári等人，2002；Rutten等人，2004；Franceschelli等人，2021）。因此，人们开展了大量研究，试图寻找快速、非侵入式且无损的体成分评估方法，以便为基于价值的支付和营销系统提供依据，同时辅助遗传改良工作（Solberg等人，2003；Cozzolino等人，2012）。

一种非侵入式测定胴体中脂肪含量的方法是使用计算机断层扫描技术。CT扫描基于不同组织对X射线的吸收程度差异来提供解剖学信息。扫描结果由多个二维像素矩阵构成的图像或切片组成，而每个像素的三维表示则为体素。体素的吸收值以霍恩斯菲尔德单位表示，空气中该数值约为-1000 HU，水中为0 HU。尽管CT图像包含多种吸收值，但对于鱼类、羊肉和牛肉等动物而言，脂肪和肌肉等软组织的CT值通常在-200 HU至200 HU之间，而骨骼的CT值则在200–600 HU之间（Kolstad等人，2004；Alston等人，2009；Scholz等人，2015；Ceballos-Francois等人，2020）。CT技术已被广泛用于估算陆地动物的体成分（McEvoy等人，2008；Anderson等人，2018；Lambe等人，2018），如今也逐渐被应用于大西洋鲑鱼、虹鳟鱼、大西洋鳕鱼、大西洋比目鱼和鲤鱼等养殖鱼类（Gjerde，1987；Romvári等人，2002；Hancz等人，2003；Kolstad等人，2004；Kolstad等人，2008；Kettunen等人，2020）。

研究中采用了多种复杂程度不同的CT图像处理技术。其中最全面且简单的方法是阈值法，该方法根据预先设定的CT值将像素分类为脂肪、蛋白质或骨骼等组织类型，常用于陆地牲畜的体成分CT分析（Lambe等人，2008；Anderson等人，2018）。由于该方法操作简单，能够实现全自动的成分分析，因此澳大利亚羊肉产业便采用CT测定的蛋白质含量作为交易指标（Anderson等人，2015a；Anderson等人，2015c；Anderson等人，2016；Gardner等人，2025）。不过，如Alston等人（2005）在羊肉研究中所指出的，当不同组织类型混合存在时，阈值法的准确性可能会受到影响，鱼类如大西洋比目鱼也存在类似问题（Kolstad等人，2004）。

除了鱼类体内组织混合的问题外，不同鱼类脂肪组织的CT值也存在很大差异。例如，海鲷的脂肪密度较高，为-115至50 HU（Ceballos-Francois等人，2020），而大西洋比目鱼的脂肪密度较低，为-150至-17 HU（Kolstad等人，2004）。因此通常需要为每种鱼类单独设定阈值，通过扫描其解剖后的组织来确定合适的阈值。不同鱼类之间组织混合的程度和比例各不相同，这就意味着无法使用统一的阈值，因此为黄尾金枪鱼确定合适阈值可能较为困难。

CT扫描仪的成像参数差异较大，也会影响组织的CT值。例如，电压是容易调整的参数之一，它会影响CT扫描仪发出的光子能量。由于组织原子结构会影响X射线的吸收程度，而电压又会进一步影响这一过程，因此电压变化会导致光电效应（在较低电压下）或康普顿散射（在较高电压下）现象，进而改变体素的CT值（Seibert等人，2005；Goldman，2007）。除了一项关于牛肉的研究（Mata等人，2021）外，目前尚无研究探讨电压对动物体成分估算精度的影响，但较低电压可能更有利于区分脂肪和蛋白质组织，尽管也可能增加噪声信号。

另一个容易调整的扫描参数是视野范围。较小的扫描直径虽然能提高空间采样精度，但由于矩阵大小不变，较小的直径会导致体素体积减小，从而增加噪声。目前尚未有研究探讨视野范围对组织成分定量分析的影响，但较低的视野范围或许能通过更高的空间采样精度提升分析准确性。不过，与电压类似，更高的空间采样精度可能与更大的噪声之间存在平衡关系；Miyata等人（2020）发现，在较小视野范围（40毫米、160毫米、240毫米）下噪声会增加，而在更大视野范围（240毫米和320毫米）下则不再有明显变化。

通过调整切片厚度，同时保持矩阵大小不变，还可以进一步提升空间采样精度并降低噪声。较大的切片厚度可通过提高信噪比来降低噪声（Boas等人，2012），但这仅适用于那些组织密度完全均匀的情况。实际上，Abdulkareem等人（2023）测试了0.625毫米、1.25毫米、2.5毫米、3.75毫米、5毫米、7.5毫米和10毫米的不同切片厚度，发现较小的切片厚度能够降低噪声，提升解剖扫描的清晰度。虽然目前尚未研究不同切片厚度对体成分预测的具体影响，但可以推测，对于密度不均匀的物体，较小的切片厚度能提供更好的空间采样精度，从而更准确地估算体成分。

最后，目前还缺乏关于胴体加工流程及其对CT分析结果影响的研究。在牛肉研究中，有人发现将整牛胴体分割成四个部分后，CT检测的蛋白质含量会降低，而脂肪含量则会偏高（Mata等人，2021）。这可能是由于较小的扫描区域更容易受到胴体表面（空气与皮肤之间）或骨骼处的局部平均效应和束硬化现象的影响。同样，扫描较小的物体（如小鱼或鱼片）时，也可能出现类似的局部平均现象。在束硬化现象中，X射线穿过不同密度的组织时，其强度会发生变化（Barrett等人，2004），进而影响CT值。因此，束硬化和体素局部平均现象都可能影响整鱼与分割后胴体的成分分析结果。

不过，由于整鱼扫描会包含鱼内脏和头部等非鱼片部分，因此其检测结果可能无法准确反映鱼片本身的脂肪含量等特定性状。所以，去除鱼内脏和头部后，脂肪含量和蛋白质含量的预测精度可能会提高，而鱼片扫描则可能因局部平均效应和束硬化现象而降低精度。

目前尚未有人尝试过对黄尾金枪鱼进行脂肪或蛋白质含量的非侵入式检测。黄尾金枪鱼属于暖温带物种，因其适应笼养环境、生长速度快且深受消费者喜爱，因此在日本、澳大利亚、新西兰和智利等国的水产养殖领域越来越受到重视（Symonds等人，2014；Sicuro等人，2016）。鉴于CT技术在多种生物多样性鱼类中的广泛应用，它很可能也能用于黄尾金枪鱼的体成分分析。对于黄尾金枪鱼而言，其特殊挑战可能在于如何区分脂肪和肌肉组织，尤其是那些脂肪含量较低或肌肉内脂肪沉积较少的物种。

本研究旨在建立一套标准的黄尾金枪鱼CT扫描方案，用于测定其胴体的脂肪和蛋白质含量，并估算鱼片的脂肪含量。具体而言，我们比较了不同电压、视野范围、切片厚度以及HU值组织分割方法在估算胴体脂肪率、鱼片脂肪率和胴体蛋白质率方面的精度。我们假设，较低的电压、较小的视野范围和较薄的切片厚度能提升脂肪和蛋白质含量的检测精度。此外，我们还对整鱼、去头去内脏后的鱼块以及去皮鱼片进行了扫描，预计去头去内脏后的鱼块检测精度最高，其次是整鱼，最后是鱼片。

章节节选
胴体取样
所有实验均获得了默多克大学动物伦理委员会的批准（尸体使用许可编号846）。这些黄尾金枪鱼年龄在5至12个月之间，性别未知，来自澳大利亚西澳州弗里曼特尔市的初级产业与地区发展部孵化场。这些鱼一直食用优质的黄尾金枪鱼商业饲料（NISSUI?，日本水产饲料公司），每天喂食两次。在实验开始前，这些鱼被禁食1天。

描述性统计
表3总结了体重、体长、状况指数、胴体产出率以及化学成分分析所得的体成分数据。

视野范围、电压、切片厚度和组织分割阈值对CT检测脂肪和蛋白质含量的影响
在均方根误差方面，视野范围（仅在100 kV电压下对整鱼进行测量）对预测体脂率、鱼片脂质率和蛋白质率的方程拟合度有显著影响（F1,9 = 269，p < 0.05；F1,9 = 318.97，p < 0.05；F1,9 = 414.73，p < 0.05）。在决定系数方面也是如此，预测体脂率、鱼片脂质率的决定系数也受到视野范围的影响（F1,9 = 226.10，p < 0.05；F1,9 = 238.41，p < 0.05）。

讨论
最初的假设认为，作为CT扫描结果精度指标的均方根误差和决定系数，会随着电压降低、视野范围缩小、切片厚度变薄以及胴体加工程度适当降低而提升。然而，这些预期只得到了部分支持，因为最佳参数设置会因组织类型（如脂肪或蛋白质）和胴体组成部分（如整鱼、去头去内脏后的鱼块或鱼片）的不同而有所差异。此外，即便……

结论
总体而言，我们发现，利用CEB阈值法，结合100 kV电压、500毫米视野范围、0.5毫米切片厚度，并将整鱼重量作为协变量，是预测黄尾金枪鱼CT扫描图像中化学提取的脂肪和蛋白质含量的最佳方法。此外，我们建议将视野范围设定为500毫米，这不仅能提升精度，还能凭借更宽的CT直径（500毫米对比320毫米）提高样本处理效率，从而降低实验成本和扫描时间。sliceCRediT作者贡献声明：D. Milotic：写作——审稿与编辑、写作——初稿撰写、可视化、验证、软件开发、项目管理、方法设计、研究实施、资金获取、正式分析、数据整理、概念构建。A.J. Lymbery：写作——审稿与编辑、监督、正式分析、概念构建。F. Anderson：写作——审稿与编辑、监督、资源协调、资金获取、正式分析。G. Partridge：写作——审稿与编辑、资源协调、数据整理、资金支持。本研究得到了2021–2022年度R&I种子基金[资助编号300399]以及西澳大利亚州珀斯市默多克大学的支持。未引用的参考文献：Barrett和Keat，2004；Boas和Fleischmann，2012；Cozzolino和Murray，2012；Finch，2020；Ford和Decker，2016；Romvári等人，1998；Seibert和Boone，2005；Sicuro和Luzzana，2016。利益冲突声明：作者们声明不存在任何可能影响本文所述研究的已知财务利益或个人关系。致谢：感谢技术员Tze Lim在样本收集、处理及问题解决方面的支持，同时特别感谢Andrew Williams在图像处理自动化及技术指导方面的帮助。