股二头肌长头区域结构的线性外推与扩展视场方法

《Exercise, Sport, and Movement》：Linear Extrapolation and Extended Field-of-View Methods of Biceps Femoris Long Head Regional Architecture

　　

简介：本研究比较了扩展视野（EFOV）和传统视野（TFOV）方法在腘绳肌股二头肌长头肌肉近端、中间和远端区域测定肌束长度（FL）、羽状角（PA）和肌肉厚度（MT）方面的表现。

方法：使用EFOV和TFOV成像技术，对32名健康参与者（15名女性和17名男性）获取了超声图像。FL在EFOV图像中直接测量，并通过三种独立的线性外推（LE）方法（分别称为公式A、B和C）在TFOV图像中推导得出。同时测量了PA和MT。

结果：与公式B相比，EFOV测得的FL在中间和远端区域显著更短（P < 0.001），但与公式A和C无差异。在近端区域，EFOV FL与公式A和C有差异（P < 0.001），但与公式B无差异（P = 0.18）。EFOV和LE FL测量在近端（r = 0.45–0.71）、中间（r = 0.59–0.91）和远端（r = 0.44–0.87）区域呈中等至强相关性。PA在两种成像技术之间于近端和远端区域有差异（P < 0.001），而MT仅在远端区域有差异（P < 0.001）。

结论：EFOV和TFOV FL测量之间的一致性取决于肌肉区域和所使用的LE公式。这些差异可能源于股二头肌长头沿长度的结构变异以及LE方法固有的几何假设。在选择肌肉结构测量方法时应谨慎。我们的研究发现表明，无法使用EFOV的研究人员和临床医生在使用公式A时应谨慎，因为在估计肌束不可见部分时，该方法在LE方法中具有最少的几何约束。

引言

腘绳肌拉伤（HSI）是跑步类运动（包括足球、美式橄榄球、橄榄球和田径）中最常见的损伤之一（1–3）。HSI相关的显著时间损失可能阻碍运动成功，并在精英体育环境中成为重大的经济问题。虽然腘绳肌群由股二头肌、半膜肌和半腱肌组成，但股二头肌长头（BFlh）肌肉是最常受伤的（4,5）。

许多研究表明，BFlh的结构特征，如肌束长度（FL）和羽状角（PA），可能与HSI风险有关（5–8）。超声是分析BFlh体内肌肉结构最常用的方法。通常，BFlh使用传统视野（TFOV）成像捕获，其中换能器放置在肌肉上（通常在股骨长度的50%处），并拍摄单幅静态图像。然而，由于换能器的孔径限制，这种方法仅捕获肌肉的一小部分（通常为4–5厘米）。尽管TFOV是最常见的测量方法，其简单性使其广泛应用，但在测量FL、PA和肌肉厚度（MT）时存在固有局限性（9）。静态图像无法捕获完整的FL（通常约10厘米），因此需要三角外推方法来估计换能器捕获宽度之外的肌束不可见部分。此外，BFlh肌肉具有复杂的双羽状结构，肌束沿非线性路径排列（10）。因此，手动线性外推（LE）方法在推导非线性FL测量方面存在固有局限，可能导致高估（10）。

由于超声系统的改进、高频换能器以及用于执行全景成像以捕获整个肌肉长度的板载软件，许多研究正在采用更新的扩展视野（EFOV）成像技术来量化FL，以规避与TFOV成像相关的固有局限性。使用EFOV成像时，换能器沿皮肤表面平行于肌束平面沿整个肌肉缓慢连续移动。这使得完整的FL可以在单幅连续图像中捕获，从而减少肌束外推和估计中的计算误差（9）。因此，EFOV技术被建议作为分析肌肉结构的首选方法，以最小化FL测量中的变异和误差（10–12）。

以前评估BFlh结构的研究使用了TFOV和EFOV图像采集技术以及多种外推方法来测量肌肉内的解剖结构（10–12）。然而，这些研究仅在中间区域评估BFlh结构，这未能考虑沿肌肉长度的结构变异（13–15）。近端和远端区域显著的结构和形态变化可能改变中间区域外推方法使用的底层几何约束。在整个BFlh上建立测量技术之间的一致性至关重要，因为这种方法可以增强临床研究人员检查BFlh区域适应的能力。这些知识对损伤预防和康复具有意义，因为BFlh在抗阻训练期间表现出非均匀的延长、激活和适应（16–18）。

因此，本研究的目的是比较EFOV和手动LE方法测得的区域结构和MT。我们主要假设：1）由于BFlh结构的变化，EFOV和LE方法在中间区域的FL测量相似，但在近端和远端区域显著不同；2）在测量PA和MT方面，不同方法之间无论肌肉区域如何均无差异。其次，我们研究了EFOV和LE方法沿BFlh肌肉长度之间的关系和一致性。

方法

试验设计

本研究呈现的数据是较大规模单盲随机干预试验的二次数据分析（ClinicalTrials.gov编号：NCT05455346），该试验研究6周干预报量匹配和离心收缩时间在罗马尼亚硬拉和北欧腘绳肌练习之间对区域BFlh结构和腘绳肌形态的影响（15）。本研究仅呈现干预前（基线）数据。威斯康星大学麦迪逊分校卫生科学机构审查委员会批准了所有程序（ID：2022-0763），参与者在参与前提供了知情同意。

参与者

参与者于2022年11月至2023年9月从威斯康星大学麦迪逊分校学生群体和大学俱乐部足球队中招募和注册。符合条件的参与者年龄为18–25岁，自报体力活动（根据《美国人身体活动指南》定义）（19），至少有6个月的抗阻训练经验，过去6个月内无HSI病史，无下肢手术史，无当前下肢肌肉骨骼损伤，且未怀孕。共招募32名参与者。

超声成像

使用Logiq P9超声系统（GE Healthcare，WI州Waukesha，美国）拍摄超声图像。参与者被要求俯卧在检查台上，髋关节和膝关节处于中立位，双脚悬空于台面之外。在超声图像采集前，参与者安静休息3分钟以正常化肌肉内的液体转移（20,21）。一名经充分超声图像采集培训的研究人员（S.K.C.）采集了所有图像。沿BFlh肌肉单侧采集纵向B模式图像。对于TFOV技术，在每个位置皮肤上标记标记，并在近端、中间和远端区域拍摄静态图像，分别对应从坐骨结节追踪至股骨髁的BFlh长度的33%、50%和67%。对于EFOV技术，通过将换能器沿BFlh肌肉长度从最远端到最近的肌肉-肌腱交界处连续移动进行扫描（22）。

BFlh结构评估

使用ImageJ软件（版本1.54；美国国立卫生研究院，MD州Bethesda，美国）将超声图像尺寸数字化，并使用EFOV和TFOV技术在每个区域评估BFlh结构。FL从每个区域捕获的图像中推导得出，并计算为该图像内分析的三个肌束的平均值（图1）。对于TFOV方法，如果肌束至少50%的长度可见且其插入点在肌肉内腱膜中有明确位置，则纳入分析。插入点超出图像边界1厘米以上的肌束被排除。使用直线工具追踪肌束的可见部分，并获得FL计算所需的额外测量值，如下所述。对于EFOV技术，使用非线性追踪工具在浅筋膜和肌肉内腱膜之间直接测量完整的FL。EFOV和TFOV图像显示在同一计算机显示器上并排显示，并且同时审查两张图像以识别图像中相同的肌束。解剖标记（例如皮下脂肪、肌肉内腱膜特征）也用于帮助在图像之间识别相同的肌肉区域。谨慎识别在静态图像中测量的相同肌束（图1）。

图1

近端、中间和远端区域扩展视野和传统视野图像的视觉表示。

使用三种三角方程计算FL，如Brusco等人（12）所总结。每个选定的方程此前已显示出BFlh肌肉中间区域日间高可靠性（12）。公式A由Stavnsbo及其同事在一篇未出版硕士学位论文中提出（如Brusco等人（12）所描述），通过正弦定律计算不可见部分来确定FL：

FL = FLv + sin(180?b) / (h / sin(b?c))

其中FLv是肌束可见部分的长度，h是浅筋膜与图像边缘肌束之间的垂直距离，b是浅筋膜与图像边缘之间的角度，c是肌束与图像边缘之间的角度。

公式B由Abe及其同事（23）提出，通过使用直角三角形对肌束投影进行LE来确定FL：

FL = MT / sinα

其中MT是浅筋膜和肌肉内腱膜之间的垂直距离，α是肌束与肌肉内腱膜之间的角度。

公式C由Finni及其同事（24）提出，通过使用直角三角形定律计算不可见部分来确定FL：

FL = FLv + (h / sin d)

其中FLv是肌束可见部分的长度，h是浅筋膜与图像边缘肌束之间的垂直距离，d是浅筋膜与肌束投影之间的角度。使用直线工具确定肌束的可见部分，类似于Pimenta等人（10）使用的方法。

所有技术中测量PA和MT的方法相同。PA测量为肌肉内腱膜与肌束可见部分50%标记之间的角度。MT测量为浅筋膜和肌肉内腱膜之间的垂直长度。TFOV MT测量在每个静态图像宽度的20%、50%和80%处进行并取平均，以考虑肌肉的变细，特别是在远端区域。EFOV MT测量在沿肌肉内腱膜每个肌束的插入点处进行，并在每个感兴趣区域取平均。一名研究人员（C.S.），在另一组具有与干预注册参与者相同纳入标准的参与者队列中（n = 10）（15），已显示出FL（ICC(3,1) = 0.93 [0.85, 0.96]）、PA（ICC(3,1) = 0.79 [0.59, 0.89]）和MT（ICC(3,1) = 0.92 [0.83, 0.96]）的良好（0.75 < 组内相关系数 [ICC] < 0.90）至优异（ICC > 0.90）的评定者内信度，执行了所有结构测量。

统计分析

以往研究表明BFlh肌肉沿长度存在肌肉结构差异（13,15,25,26）。因此，对所有结果（FL、PA和MT）进行了区域特定的独立线性混合效应模型。每个区域的线性混合效应模型比较了不同测量技术（EFOV、公式A、公式B和公式C）来确定FL，以参与者作为随机效应。由于PA和MT测量在静态成像方法（公式A、B和C）之间等同，PA和MT的线性混合效应模型仅在每个位置从EFOV和TFOV图像衍生的测量之间进行比较，以参与者作为随机效应。计算测量技术（FL）和图像采集方法（PA和MT）之间的Pearson相关系数（r）。Pearson相关系数分类为差（r < 0.3）、弱（0.3 < r < 0.5）、中等（0.5 < r < 0.7）和强（r > 0.7）。使用Bland-Altman图评估技术之间的一致性。

此外，还分别进行了单样本t检验，以判断平均偏差是否显著不同于零。效应量以Cohen's d计算，用于量化测量间差异的大小。d的绝对值被划分为微小（<0.20）、小（0.21–0.60）、中等（0.61–1.20）、大（1.21–2.00）、非常大（2.01–4.00）和极大（>4.00）（27）。所有检验的α水平设定为0.05。数据在表1中以估计值（95%置信区间）呈现。所有统计分析均使用RStudio（R版本4.4.1；R统计计算基金会，奥地利维也纳）完成。

表1 束长度、羽状角和肌肉厚度的最小二乘均值估计。

| 方法 | 近端 [95% CI] | 中部 | 远端 | 近端 [95% CI] | 中部 | 远端 | 近端 [95% CI] | 中部 | 远端 |
|---|---|---|---|---|---|---|---|---|---|
| EFOV | 10.7 [10.1, 11.4] **, **** | 8.7 [8.2, 9.2] *** | 6.9 [5.8, 7.9] *** | | | | 2.2 [2.1, 2.3] | 2.3 [2.2, 2.4] | 2.0 [1.9, 2.1] |
| EFOV | 12.4 [11.7, 13.0] | 12.8 [12.1, 13.5] | 9.1 [8.4, 9.8] | | | | | | |
| 公式A | 12.2 [11.6, 12.8] *, *** | 8.9 [8.4, 9.4] *** | 7.0 [6.0, 8.1] *** | | | | 2.3 [2.1, 2.4] | 2.2 [2.1, 2.4] | 1.6 [1.5, 1.7] * |
| 公式B | 11.3 [10.7, 11.9] **, **** | 10.2 [9.6, 10.7] *, **, **** | 14.1 [13.1, 15.2] *, **, **** | | | | | | |
| 静态图像 | 11.6 [10.9, 12.3] * | 12.7 [12.0, 13.5] | 7.8 [7.1, 8.5] * | | | | | | |
| 公式C | 12.5 [11.9, 13.1] *, *** | 8.9 [8.4, 9.4] *** | 7.0 [6.0, 8.1] *** | | | | | | |

注：**显著不同于EFOV；**显著不同于公式A；***显著不同于公式B；****显著不同于公式C。CI，置信区间；EFOV，扩展视野；Eqn，公式。

结果

参与者人口学特征

共有32名参与者被纳入研究。一人于入组并随机分组后、基线测试前退出。因此，最终纳入分析的是n = 31名参与者（16名男性；年龄，20.8 (0.9)岁；身高，172.5 (10.3) cm；体重，69.8 (10.0) kg；体质指数，23.4 (2.4) kg·m?2），并具有基线测量数据。

FL测量方法之间的差异

在近端区域，测量方法对FL有显著影响（P < 0.001）。事后配对比较显示，EFOV测量的FL显著短于公式A（平均差值，?1.4 [?2.1, ?0.71] cm；d = 1.3，P < 0.001）和公式C（平均差值，?1.7 [?2.4, ?1.0] cm；d = 1.6，P < 0.001）（表1）。EFOV与公式B测量的FL无差异（P = 0.18）。使用公式B外推得到的FL显著短于公式A（平均差值，?0.86 [?1.6, ?0.2] cm；d = 0.81，P = 0.01）和公式C（平均差值，?1.2 [?1.9, ?0.5] cm；d = 1.1，P < 0.001）测量的FL。公式A与公式C测量的FL无差异（P = 0.65）。

在中部，测量方法对FL有显著影响（P < 0.001）。事后配对比较显示，EFOV测量的FL显著短于公式B（平均差值，?1.5 [?1.9, ?1.0] cm；d = 2.3，P < 0.001）（表1）。EFOV与公式A（P = 0.72）和EFOV与公式C（P = 0.80）测量的FL无差异。使用公式B测量的FL显著长于公式A（平均差值，1.3 [0.9, 1.8] cm；d = 2.0，P < 0.001）和公式C（平均差值，1.4 [0.9, 1.8] cm；d = 2.1，P < 0.001）测量的FL。公式A与公式C测量的FL无差异（P = 0.99）。

在远端区域，测量方法对FL有显著影响（P < 0.001）。事后配对比较显示，EFOV测量的FL显著短于公式B（平均差值，?7.2 [?9.0, ?5.5] cm；d = 2.7，P < 0.001）（表1）。EFOV与公式A（P = 0.99）和EFOV与公式C（P = 0.99）测量的FL无差异。使用公式B测量的FL显著长于公式A（平均差值，7.1 [5.3, 8.9] cm；d = 2.6，P < 0.001）和公式C（平均差值，7.1 [5.3, 8.9] cm；d = 2.6，P < 0.001）测量的FL。公式A与公式C测量的FL无差异（P = 0.65）。

FL测量技术之间的相关性

各区域FL测量之间的相关性如图2所示。在近端区域，EFOV方法测量的FL与公式A测量的FL之间存在强相关性（r = 0.71，P < 0.001），而EFOV与公式B（r = 0.45，P = 0.01）及EFOV与公式C（r = 0.66，P < 0.001）测量的FL之间为中等相关性。比较各TFOV方法时，公式A与B（r = 0.53，P < 0.001）及公式B与C（r = 0.42，P = 0.02）之间存在中等相关性，而公式A与C之间存在强相关性（r = 0.93，P < 0.001）。

图2 扩展视野（EFOV）成像得到的束长度测量与手动线性外推方法（公式A–C）之间的相关性。

在中部，EFOV方法测量的FL与公式A（r = 0.91，P < 0.001）和公式C（r = 0.90，P < 0.001）测量的FL之间存在强相关性，而EFOV与公式B测量的FL之间表现为中等相关性（r = 0.59，P < 0.001）。比较各TFOV方法时，公式A与B（r = 0.63，P < 0.001）及公式B与C（r = 0.65，P = 0.02）之间存在中等相关性，而公式A与C之间存在强相关性（r = 0.99，P < 0.001）。

在远端，EFOV方法测量的FL与公式A（r = 0.87，P < 0.001）和公式C（r = 0.86，P < 0.001）测量的FL之间存在强相关性，而EFOV与公式B测量的FL之间表现为中等相关性（r = 0.44，P = 0.01）。比较各TFOV方法时，公式A与B（r = 0.40，P = 0.02）及公式B与C（r = 0.39，P = 0.03）之间存在中等相关性，而公式A与C之间存在强相关性（r = 0.99，P < 0.001）。

PA和MT测量技术之间的差异

在近端区域，EFOV测量的PA显著大于TFOV（平均差值，0.76 [0.5, 1.1]度；d = 1.3，P < 0.001）（表1）。中部各方法测量的PA无差异（P = 0.78）。在远端区域，EFOV测量的PA显著大于TFOV（平均差值，1.32 [0.8, 1.9]度；d = 1.3，P < 0.001）（表1）。

在分析MT时，近端（P = 0.57）和中部（P = 0.33）区域的测量方法无显著影响，而EFOV在远端区域测量的MT显著大于TFOV（平均差值，0.37 [0.26, 0.47] cm；d = 1.9，P < 0.001）（表1）。

近端（r = 0.92，P < 0.001）、中部（r = 0.90，P < 0.001）和远端（r = 0.76，P < 0.001）区域EFOV与TFOV测量的PA之间存在强相关性。近端（r = 0.74，P < 0.001）和中部（r = 0.86，P < 0.001）区域EFOV与TFOV测量的MT之间存在强相关性，而远端区域仅有弱相关性（r = 0.48，P = 0.007）。

测量技术的Bland–Altman分析

各区域各测量技术之间的一致程度如图3所示。比较近端FL的EFOV与LE方法时，EFOV与公式A之间存在显著偏差（P < 0.001）为?1.4 cm（一致性界限：?3.81，0.97），EFOV与公式C之间存在显著偏差（P < 0.001）为?1.74 cm（?4.78，1.30）。EFOV与公式B之间无系统偏差（P = 0.05）（?0.56 cm [?3.59, 2.48]）。比较公式A与其他LE方法时，公式A与B之间存在显著偏差（P = 0.006）为0.86 cm（?2.36，4.09），公式A与C之间存在显著偏差（P = 0.03）为?0.32 cm（?1.81，1.18）。比较公式B与公式C时，存在显著偏差（P = 0.002）为?1.18 cm（?5.17，2.80）。

图3 近端束长度的Bland–Altman图，分别使用扩展视野（EFOV）成像和手动线性外推方法（公式A–C）测量。LoA，一致性界限。

中部区域各测量技术之间的一致程度如图4所示。比较中部FL的EFOV与LE方法时，EFOV与公式A之间无偏差（P = 0.10）（?0.17 cm [?1.30, 0.95]），EFOV与公式C之间无偏差（P = 0.16）（?0.15 cm [?1.30, 1.00]）。EFOV与公式B测量的中部FL之间存在显著偏差（P < 0.001）为?1.51 cm（?3.94，0.92）。比较公式A与其他LE方法时，公式A与B之间存在显著偏差（P < 0.001）为?1.34 cm（?3.75，1.08），但公式A与C之间无偏差（P = 0.16）（0.02 cm [?0.16, 0.21]）。比较公式B与公式C时，存在显著偏差（P < 0.001）为1.36 cm（?0.98，3.71）。

图4 中部束长度的Bland–Altman图，分别使用扩展视野（EFOV）成像和手动线性外推方法（公式A–C）测量。LoA，一致性界限。

远端区域各测量技术之间的一致程度如图5所示。比较远端FL的EFOV与LE方法时，EFOV与公式A之间无偏差（P = 0.12）（?0.13 cm [?1.08, 0.81]），EFOV与公式C之间无偏差（P = 0.16）（?0.14 cm [?1.10, 0.82]）。EFOV与公式B测量的远端FL之间存在显著偏差（P < 0.001）为?7.23 cm（?17.70，3.21）。比较公式A与其他LE方法时，公式A与B之间存在显著偏差（P < 0.001）为?7.10 cm（?17.60，3.40），但公式A与C之间无系统偏差（P = 0.62）（0.00 cm [?0.10, 0.09]）。比较公式B与公式C时，存在显著偏差（P < 0.001）为7.09 cm（?3.42，17.61）。

图5 远端束长度的Bland–Altman图，分别使用扩展视野（EFOV）成像和手动线性外推方法（公式A–C）测量。LoA，一致性界限。

各区域PA和MT在EFOV与静态图像采集之间的一致程度如图6所示。近端（P < 0.001；0.76度 [?0.86, 2.37]）和远端（P < 0.001；1.32度 [?1.53, 4.17]）区域EFOV与LE方法之间的PA存在显著偏差。中部EFOV与LE之间的PA无系统偏差（P = 0.78；0.04度 [?1.67, 1.76]）。近端（P = 0.57；?0.02 cm [?0.47, 0.43]）和中部（P = 0.33；0.03 cm [?0.30, 0.36]）区域EFOV与LE方法之间的MT无系统偏差。EFOV与LE在远端区域的MT存在显著偏差（P < 0.001；0.37 cm [?0.18, 0.92]）。

图6 扩展视野成像与传统静态视野成像之间的区域羽状角和肌肉厚度的Bland–Altman图。LoA，一致性界限。

讨论

本研究的主要发现表明：1）与EFOV相比，LE方法在整个肌肉长度上均高估FL，且差异的大小在各区域间有所变化；2）PA仅在肌肉中部在技术之间保持一致；3）MT仅在肌肉近端和中部区域在技术之间保持一致。这些发现凸显了基于LE估计的局限性，并强调了区域肌肉结构对各方法测量一致性的影响。

各技术之间的FL比较

尽管有大量研究探讨FL对受伤风险及训练适应的影响（5,7,8,15,28），但许多研究将分析局限于BFlh肌肉的中部。本研究关于LE方法高估FL的发现与其他在肌肉中部检验BFlh结构评估技术可靠性的研究一致（10,11,29）。

在本研究中，公式A和公式C以及EFOV在测量中腹部纤维长度（FL）方面没有显著差异，这与之前的研究结果一致（10,12）。我们发现，与EFOV相比，使用公式B测量FL存在显著高估。公式B的基本几何原理依赖于由肌肉厚度（MT）和纤维角度测量值构成的直角三角形，该假设这两个测量值是相互垂直的。因此，公式B依赖于水平的肌筋膜才能准确测量FL。结果是，用于计算FL的三角形被人为放大，导致与EFOV测量值相比，FL被持续高估（图7）。开放多媒体模态 图7。开放多媒体模态 可视化展示与扩展视场（EFOV）相比，公式A和C在近端区域以及公式B在远端区域对纤维长度的高估。LE，线性外推；MT，肌肉厚度。我们对公式B与EFOV方法得出的FL差异的观察结果与Brusco等人（12）不同。这一差异可能是由于将公式B应用于超声图像以估算FL时的方法学变异性所致。之前的研究在公式B中将纤维角度确定相对于浅层肌筋膜的角度（12,23），而本研究使用的是相对于肌内肌筋膜可见纤维角度（图7）。为了在所有方法之间保持一致性，我们选择测量相对于肌内肌筋膜的可见纤维角度，而不是相对于浅层肌筋膜的角度（以表征PA而非纤维角度），这导致FL测量值略有不同并存在高估。我们还进行了事后分析，测量相对于浅层肌筋膜的纤维角度α，以比较α相对于肌内肌筋膜测量时（即本研究的公式B）FL的差异。当α相对于浅层肌筋膜测量时，中腹部的FL在各方法之间没有差异（P > 0.34），这与Brusco等人（12）的发现一致，远端区域也是如此（P > 0.31）。然而，在近端区域，LE方法（公式A、B和C）估算的FL之间没有差异（P > 0.99），但三种FL估算值均与EFOV测量值不同（P < 0.001）。这项额外的事后分析表明，在从可见纤维与肌筋膜之间的几何关系推导FL时检查假设的重要性，以准确表征估算的FL，并明确定义纤维角度所基于的肌筋膜。还应注意的是，许多研究使用了Blazevich（30）提出的公式：Lf=sin(γ+90°)MT/sin(180?(γ+180?α))，其中γ是浅层与肌内肌筋膜之间的角度，MT计算为在图像两端测得的浅层与肌内肌筋膜之间垂直距离的均值，α是纤维角度。该公式按定义假设肌筋膜平行且肌肉结构相对均匀（各向同性）（8,30,31）。然而，BFlh沿长度的肌肉结构存在显著变异，尤其是在远端区域，肌肉向肌腱交界处逐渐变细（13）。这种形态特征使得Blazevich等人（30）提出的公式无法在近端和远端区域使用，因为这种变细导致肌筋膜不平行。此外，由于BFlh在近端和远端区域的架构发生变化，Franchi等人（11）提出的手动LE方法也未纳入本研究。该方法通过将近端可见纤维沿直线延伸到不可见部分，直到与线性投影的浅层肌筋膜相交来估算FL（11,12）。由于近端和远端区域的浅层肌筋膜呈非线性投影，与线性投影的假设不一致，因此该外推方法未纳入本调查研究。因此，这些公式无法应用于肌肉的所有区域，并从本调查中撤出。考虑到其他区域，公式B在远端区域也显著高估了FL，这主要是由于肌肉向股骨髁插入处逐渐变细时肌内肌筋膜向上倾斜（图7）。当肌筋膜呈倾斜角度且纤维角度未水平投影到图像上时，肌筋膜与MT之间的垂直关系丧失。相比之下，公式A和C在该区域与EFOV表现出高度相关性，因为它们不依赖于纤维的可见投影角度（角度α）进行计算，肌内肌筋膜向上倾斜对该角度的减小对其估算影响不大。在BFlh的近端区域，公式A和C与EFOV显示出中度相关性，但高估了FL。这种高估也可能源于未能满足作为其基础的几何关系假设。与公式B类似，公式A和C基于使用浅层肌筋膜计算纤维不可见部分的三角形；当图像中浅层肌筋膜不是水平时，该三角形被人为放大。当浅层肌筋膜倾斜且弯曲时，LE方法无法考虑BFlh架构的实际曲率，导致纤维的投影角度无法准确估算其插入点（图7）。这导致纤维不可见部分被高估，从而FL也被高估。由于前述原因，公式B在近端区域与EFOV测量值也显示出中度到低度的相关性。因此，不建议在近端区域测量FL时使用LE方法。基于我们的发现，我们推荐使用EFOV测量FL，因为TFOV和LE方法存在不同的假设和局限性（例如有限的视场）。然而，由于各种原因（例如车载系统软件限制），这可能无法实现。在EFOV不可用的情况下，估算FL最合适的LE方法可能取决于所评估的肌肉区域。在近端区域，没有LE方法能 consistently 与EFOV一致，因为该区域的肌筋膜通常是弯曲且不平行的。因此，强烈建议在近端区域使用EFOV，因为对纤维的直接非线性追踪可获得最一致的FL测量值。在远端和中腹部区域，浅层肌筋膜相对平坦，公式A和C提供的FL测量值与EFOV最为一致，在EFOV不可用时推荐使用。虽然公式A和C在各区域产生的结果相似，但我们推荐使用公式A，因为公式C有额外的几何约束。因此，如果EFOV方法不可用，我们的发现建议可以谨慎地使用公式A，但仅在其底层几何假设的范围内。PA和MT技术间比较 我们假设各方法在PA和MT测量上没有差异，这一假设仅得到部分证实。我们观察到中腹部EFOV与TFOV在PA上没有差异，这与之前的研究一致（10,12）。然而，与EFOV相比，TFOV在BFlh的近端和远端区域显著高估了PA。我们推测这主要是由于纤维和肌筋膜的曲率，给LE方法中的线性估算带来困难；这些方法在本质上无法考虑这些区域中肌筋膜和纤维的曲率。此外，中腹部和近端区域各方法在MT测量上没有显著差异。然而，与EFOV相比，TFOV方法在远端区域显著低估了MT。由于本研究将MT测量为浅层和肌内肌筋膜之间的垂直距离（与之前的研究一致），远端区域MT的低估可能也是由于肌内肌筋膜在接近肌腱交界处时发生融合所致。此外，远端区域的这些不同观察结果可能受到BFlh在该区域开始变细的影响，而MT在TFOV中腹部的20%、50%和80%点处可能更为一致。我们进行了事后总厚度测量，即从浅层肌筋膜到深层肌筋膜的垂直测量，以检验我们关于远端区域肌内肌筋膜作用的假设。我们没有检测到远端区域TFOV和EFOV方法之间总厚度的差异（P = 0.76）。基于这些发现，建议测量总厚度或在预定且一致的位置（例如纤维插入肌筋膜处）测量MT。本研究并非没有局限性。使用拼接图像获得的FL测量数据未被采集。虽然这些测量可能提供额外见解以增强BFlh各区域间技术的比较，但由于主要研究的主要焦点和目标（15），未进行采集。这是一项探索性和二次分析，因此未进行样本量计算。本研究可能存在统计效能不足的问题，但参与者数量与之前的研究一致（10,12,27）。结论 本研究比较了沿BFlh长度估算FL、PA和MT的EFOV和LE方法。我们的发现表明，与EFOV相比，LE方法在肌肉所有区域一致地高估FL，且其一致性水平在不同位置间存在差异。这可能是由于该区域肌筋膜的复杂性和曲率所致，因为肌肉向坐骨结节插入处逐渐变细。本研究强调了分析BFlh架构时方法学透明性的重要性。详细说明、理由和假设对于架构测量中的可重复结果至关重要，尤其是当肌肉架构在不同区域间差异显著时。未来的研究应致力于开发一个更稳健的从TFOV分析BFlh架构的系统，该系统能够适应沿肌肉的解剖变异，特别是肌肉变细、纤维曲率以及接近肌腱交界处时的肌筋膜。致谢 本研究的结果清晰、诚实地呈现，没有伪造、篡改或不适当的数据操纵。本研究的结果不构成美国运动医学会的推荐。利益冲突和资金来源 K.C.是《Exercise, Sport, and Movement》的副编辑，但未参与本文的审稿过程。其他作者没有利益冲突需报告。本研究由临床和转化科学奖项目通过NIH国家转化科学促进中心（资助号UL1TR002373和KL2TR002374）、威斯康星大学麦迪逊分校研究和研究生教育副校长办公室以及威斯康星校友研究基金会（S.K.C.）提供资金支持。数据可用性 由于机构审查委员会限制，本研究所产生和/或分析的数据集不公开，但可通过电子邮件向通讯作者提出合理请求获取。