《Medical & Biological Engineering & Computing》：Thorax shape reconstruction from limited CT-digitized palpable landmarks using statistical shape modeling
编辑推荐：
本研究旨在开发并评估一种算法，利用统计形状模型（Statistical Shape Models, SSMs）从运动分析中通常采集的有限组皮肤标志点中重建受试者特定的胸廓几何结构。研究人员使用76例个体的DICOM CT扫描数据集生成包含胸骨、肋骨及C6至T1
本研究旨在开发并评估一种算法，利用统计形状模型（Statistical Shape Models, SSMs）从运动分析中通常采集的有限组皮肤标志点中重建受试者特定的胸廓几何结构。研究人员使用76例个体的DICOM CT扫描数据集生成包含胸骨、肋骨及C6至T10椎骨的胸廓几何结构，并采集五个骨标志点及其对应的皮肤标志点。基于CT衍生的骨几何结构开发了两种胸廓SSM，区别在于SSM中是否嵌入皮肤标志点。基于这些模型，利用优化框架实施了两种重建策略：（i）基于骨标志点的方法，使用多元线性回归将皮肤标志点映射到骨标志点（SSM-BL），作为优化目标；（ii）皮肤标志点嵌入方法，直接使用皮肤标志点作为优化目标（SSM-SL）。研究人员使用平均绝对误差（Mean Absolute Error, MAE）和均方根误差（Root-Mean-Square Error, RMSE）量化皮肤至骨的映射精度。胸廓重建精度通过逐点表面误差评估，并以MAE和RMSE报告。皮肤至骨回归模型在大多数标志点坐标上的MAE和RMSE低于5 mm。重建策略间未观察到统计学显著差异。胸廓重建误差范围在8.26 ± 1.96 mm至8.36 ± 1.70 mm（MAE）以及9.10 ± 1.12 mm至9.32 ± 1.49 mm（RMSE）之间，具体取决于保留的主成分（Principal Components, PCs）数量。所提出的基于SSM的方法能够从稀疏数据中实现胸廓重建，捕获全局胸廓形态。然而，局部解剖细节的表征准确性较低。
该研究发表于《Medical & Biological Engineering & Computing》。研究背景方面，计算生物力学建模包括肌骨和有限元方法是理解人体复杂性的有力工具，能提供运动、损伤机制等见解，但从理论转化到实际应用仍具挑战，模型开发耗时且专业，限制了普及，亟需低成本高效的受试者特定生物力学模型生成方法。既往统计形状建模（Statistical Shape Modeling, SSM）在肩胛骨稀疏数据重建有效，但扩展至整个肩复合体受解剖互依性和几何变异性挑战，胸廓作为肩生物力学基础结构研究相对不足，且既往胸廓SSM多依赖医学影像密集表面网格或体积数据，极少报告重建误差，从有限皮肤标志点重建胸廓几何尚待探索。为此，研究人员开展利用SSM从运动捕捉系统常采的有限皮肤标志点重建含胸骨、肋骨、C6-T10椎骨的胸廓并比较两种重建策略的研究，结论为所提SSM方法可从稀疏数据重建胸廓捕全局形态但局部解剖细节表征较差，两策略无显著差异，意义在于为无医学影像时的肩建模等提供新途径。
作者开展研究用到的主要关键技术方法如下：样本队列来源于新墨西哥死者图像数据库（New Mexico Decedent Image Database, NMDID）76例白人成人头部/颈部/上肢协议DICOM CT扫描，均无骨骼病理；用TotalSegmentator分割胸廓后经3D Slicer手动校验细化得含33骨（胸骨、左右各10肋、C6-T10椎骨）模型；依运动分析及国际生物力学学会（International Society of Biomechanics, ISB）荐取5个骨与对应皮肤标志点（C7棘突、T8棘突、胸骨上切迹Incisura Jugularis IJ、剑突Processus Xiphoideus PX、右第10肋缘R10）并标准化至ISB胸廓参考系；数据集按8:2分训练测试集；构建两种SSM（仅骨表面点SSM-BL、嵌入5皮肤标志点SSM-SL），经模型简化、拉普拉斯滤波、重网格化获每模型20000各向同性顶点，质心大小归一化、主轴预对齐、随机选参考模用Iterative Closest Point (ICP)刚性配准、Bayesian Coherent Point Drift (BCPD)非刚性配准建点对应后主成分分析（Principal Component Analysis, PCA）得均值形与变异模；开发两种重建算法：SSM-BL需建皮肤至骨标志点多元线性回归（含Ordinary Least Squares OLS、LASSO、Ridge、Elastic Net、Partial Least Squares PLS等算法及序贯特征选择）映射后作优化目标，SSM-SL直接用嵌入皮肤标志点作目标，均以最小化预测与目标志点偏差加正则项为目标函数估PC分数，用独立测试集以MAE、RMSE评映射与重建精度并行Welch t检验与Cohen d效应量统计比较。
研究结果部分保留小标题说明如下：
1 Introduction 引言部分通过综述计算生物力学建模潜力与局限，指出肩胛骨SSM重建进展及胸廓SSM研究缺口（多聚焦单一组件或整体但赖密集数据无误差报告），明确本研究目标为开发评估从有限皮肤标志点重建胸廓（胸骨、肋骨、C6-T10）的SSM算法并比较基于骨标志点与嵌入皮肤标志点两种策略，假设去中间映射或提精度。
2 Materials and methods 材料与方法部分交代76例NMDID成人（男女各38，年龄49±17岁、体重71.6±14.5 kg、身高1.71±0.08 m）CT数据，TotalSegmentator分割加3D Slicer校验得C6-T10椎骨、胸骨、左右10肋共33骨模型，依ISB荐加R10取5对骨与皮肤标志点（C7、T8、IJ、PX、R10）置ISB参考系，8:2分训练测试集；建SSM-BL（仅骨点）与SSM-SL（骨点嵌皮肤点），经处理达点对应后PCA；重建算法SSM-BL需建15个皮肤至骨坐标线性回归模型（预测因子含皮肤点坐标、两两欧氏距、性别年龄体重身高BMI，经多算法超参变换与序贯特征选择选最优），SSM-SL直接用皮肤点，均以含正则项目标函数优PC分数；测试集用点对应逐点表面MAE、RMSE评精度并行统计检验。
3 Results 结果部分首先3.1 SSM modes of variation 显示SSM-BL与SSM-SL前5模分别释68.8%与72.4%累积方差，SSM-SL首PC捕整体大小近均匀缩放，次PC关胸廓高度（负分为桶状、正分为扁平伴肋下倾），第三PC关深度（正分为深伴上胸脊柱直、负分为扁），第四PC关胸椎侧曲与下肋宽（正分为下肋宽、负分为窄），第五PC关整体宽尤下肋。3.2 Skin-to-bone landmark mapping through linear regression 表明除C7的z坐标、IJ的y与z坐标回归模型R2低于0.8（因ISB系下近零方差致绝对误差小但R2敏），其余R2超0.8；测试集除4/15模型外MAE、RMSE低于5 mm，MAE范围0.44±0.27 mm（IJ的y）至7.77±5.09 mm（R10的z），RMSE范围0.52±0.61 mm至9.29±10.24 mm，R10的z（内外侧）误差最大因皮骨距变异高。3.3 Thorax reconstruction 显示正则权c=0.1，累积方差50%、65%、75%、85%、90%对应SSM-BL为2、4、8、15、21 PC，SSM-SL为2、4、7、13、20 PC；两法无统计显著差异（p>0.05），MAE范围8.26±1.96 mm至8.36±1.70 mm，RMSE范围9.10±1.12 mm至9.32±1.49 mm，增PC数误差微降约0.18 mm但计算时从约5分增至约85分；SSM-SL除最少PC外误差略低，图示最优个案重建捕全局形态但下肋偏窄、肋有上下偏移等局部差。
讨论部分总结：两重建策略（SSM-BL需皮肤至骨回归、SSM-SL嵌皮肤点直接优化）精度无显著差异，SSM-SL本假设避映射提精度未显效，因回归经多算法优参及纳入受试者变量提性能，且SSM-SL达同累积方差需更少PC更紧凑利计算、实现更直接；SSM主模（大小、高、深、宽等）与既往一致具解剖合理性；回归大部MAE、RMSE低于5 mm与肩胛骨研究相当，R10的z误差大致皮骨距变异；重建捕全局形态但局部（肋间距、肋几何）差，因仅5标志点仅1在肋、胸廓作单结构非组分且体位变异；误差与文献可比但限需精确特定几何应用；局限为样本76虽可比但增可提鲁棒性，CT为仰卧位死者与立位应用有体位偏，胸廓作单结构未组分交互，仅5点合运动分析但增点可提精度。
结论部分原文翻译：所提出的基于SSM的算法能够从有限的一组皮肤标志点重建胸廓几何结构。重建的模型捕获了全局胸廓形态，但局部肋骨特征的表征准确性较低，尤其是在标志点信息有限的区域。这些发现表明，虽然所提出的方法可能适用于需要胸廓形状全局描述的应用，但仍需进一步的方法学发展以提高鲁棒性和受试者特定的解剖细节。
