在既往古生物研究中，有限元分析 (finite element analysis, FEA) 作为一种传统生物力学模拟技术被广泛应用于化石影像重建模型的生物力学，以解决古生物学中的关键演化问题。然而，在化石材料中，松质骨内部骨小梁间隙中充填的围岩会导致所生成FEA结果的严重偏移，进而影响后续的分析。既往研究者尝试应用阈值划分方法对骨小梁影像学进行分割处理，但准确度较差。手工分割虽能达到精确处理，但由于骨小梁结构的复杂性，应用该方法对骨小梁CT数据进行处理非常耗时，使得这方面的研究一直处于停滞状态。

近日，中国科学院古脊椎所赵祺副研究员联合中国医学科学院北京协和医院张立佳医师及加拿大Comet Technologies公司曹子雄工程师，在《Scientific reports》上发表了对辽宁西部早白垩世热河生物群中上园热河龙标本的研究（图1）。研究利用Dragonfly 3D World软件中的Segmentation Wizard Workflow功能模块，对上园热河龙股骨标本中的骨小梁间围岩完成了较为精准的清除，并在后续有限元分析中获得了较好的生物力学模拟。该模块应用深度学习方法，通过U-net图像识别模型对所选取三个代表性切片（图2，股骨头，股骨骨干和转子区域）进行手动标记，以用于后续模型训练。经过三轮训练后，模型对骨小梁和皮质骨的分割精度显著提高，Dice系数分别达到0.9472和0.9944，表明模型能够准确区分两种不同的组织结构。分割后的模型在力学模拟中显示出与骨小梁结构更一致的应力分布模式，最大应力为2.93 MPa。而未分割的模型（假设为实心）的最大应力为1.87 MPa，且应力分布与骨小梁结构的空间排列不一致（图3），经由深度学习辅助分割处理后的FEA模型所呈现应力分布更趋进自然状态下生物力学表现。

基于深度学习辅助所完成的化石影像学分割相较于传统手工分割在处理效率方面有显著提升，同时能够保证较高分割准确度。当在适当的条件下应用于保存相对较好的化石时，该新型技术与有限元分析等传统研究方法的结合具备相当潜力，可作为针对灭绝物种的形态功能和分类学研究的实用工具。

本研究得到了国家自然科学基金面上项目的支持。

原文链接： https://www.nature.com/articles/s41598-025-99131-4

图1：上园热河龙股骨样本及深度学习辅助分割处理后三维重建模型示意图

图2：用于对U-net模型进行图像识别训练的代表性化石CT切片以及对松质骨（黄色）与皮质骨（绿色）手动标记后示意图

图3：热河龙股骨网格处理后模型、冠状位CT平片以及未经分割处理/深度学习分割处理后有限元模型应力分布结果