骨矿物质密度与体成分成像及分析软件

1.传统DXA在脂肪定量中的系统误差（对比基线）

DXA 常见误差包括：

1. 厚度依赖性误差
2. X射线为二维投影 → 厚组织中脂肪被低估
3. 骨-脂肪交界干扰
4. 骨邻近脂肪区域衰减被高估
5. 小动物体型效应
6. 尤其在小鼠、幼鼠中，噪声占比高

2. NMR 在脂肪定量中的系统误差特征

1. 主要系统误差来源

1. 水–脂信号重叠高水合组织（炎症、肿瘤、肌水肿）中，脂肪可能被低估
2. 温度与磁场均匀性：小动物NMR对环境稳定性高度敏感
3. 体型与姿态效应：极瘦或极肥模型中，局部磁场不均匀导致系统偏移
4. 内脏脂肪 vs 皮下脂肪
5. NMR对两者区分能力有限，通常输出“总脂肪”

2. 误差方向

1. 高水分模型：脂肪 系统性低估
2. 极端肥胖模型：可能出现 非线性压缩效应（脂肪增长被低估）

三、KUBTEC DIGIMUS Multi 相对 NMR 的系统误差表现（核心）

DIGIMUS Multi 通过以下方式显著压缩系统误差：

1. 多金标准对齐（NMR / CCA / PIXImus）
2. 不是单一线性校正，而是多目标回归模型
3. 体型与ROI分区建模
4. 全身与局部ROI独立计算，降低结构混叠误差
5. 非目标结构剔除
6. 排除鼻锥、耳标、金属夹等高衰减伪影
7. 经验模型补偿
8. 使用已验证大量数据库进行系统偏差校正

四、KUBTEC DIGIMUS® Multi 的DXA与体成分测量原理

1. DXA基本物理原理

DXA（Dual-energy X-ray Absorptiometry）通过两种不同能量的X射线穿透生物组织，不同组织（骨、脂肪、瘦组织）因有效原子序数和密度差异而表现出不同的能量衰减特性。系统通过比较高、低能X射线的吸收比值，反推出各类组织的面密度与组成 。

2. DIGIMUS Multi 的核心创新

DIGIMUS Multi 并非仅停留在传统DXA层面，而是：在一次DXA扫描中， 通过专有算法使结果在统计意义上回归系数（R2>0.96）于三种“金标准”方法： 核磁共振（NMR） 化学身体成份分析（CCA） PIXImus（小动物DXA金标准），这意味着：一次低成本、快速DXA扫描即可获得多种高成本检测结果。

3.关于KUBTEC D多金标准对齐（Multi-alignment）算法

DIGIMUS Multi 的数学核心并不是简单的阈值分割，而是:基于大量实验数据， 建立 DXA 原始灰度/能量衰减特征 与 NMR / CCA / PIXImus 输出指标之间的回归与校正模型， 通过专有的 DIGIMUS alignment algorithm，使DXA结果在统计分布和生物学意义上（CCA/NMR）与金标准一致。通过多目标回归 + 系统性偏差校正 + 经验模型约束的组合 。

1. 全身（Global）与ROI的分区建模:软件支持：Global analysis：对整只动物进行体成分建模 ROI analysis：对特定解剖区域（单个或多个ROI）单独计算
2. 每个ROI内部独立执行：骨/脂肪/瘦组织的能量分解 面积（Area）× 密度模型 输出局部BMD、脂肪面积、瘦组织面积等指标。
3. DIGIMUS Multi 允许：排除颅骨鼻锥区域信号 剔除耳标、手术夹、金属针等高密度伪影,在算法层面相当于在积分计算中人为设置掩膜（mask）函数，避免异常高吸收区域对模型造成偏移 。

4. DIGIMUS Multi 可直接输出：

骨面积、组织面积、动物体型 BMD（骨密度）、BMC（骨矿含量） 脂肪面积、瘦组织面积 组织内脂肪/瘦组织百分比 全身体重归一化后的体成分比例

5. 工作流效率,<30秒获取DXA图像

1. 一键选择 NMR / CCA / PIXImus 对齐模式
2. 批量数据处理与预设参数，这使其在高通量动物实验中具备明显优势。

五、方法优势与科研价值：为何采用DIGIMUS Multi

1. 相较传统方法的优势KUBTEC 方法与常用方法比较

2. 该方法在成本、伦理、速度与数据质量之间实现最优平衡。

研究伦理与实验设计价值：减少动物数量（Reduction） 同一动物可多时间点纵向分析（Refinement） 在药物筛选早期即可判断是否值得进入高成本检测

3.适用研究领域：肥胖与代谢疾病 骨健康 衰老研究 毒理学

这些领域都高度依赖体成分变化的精细、可重复、可量化测量。

五、总结性评价

DIGIMUS® Multi 的本质是：通过数学建模与多金标准校准，使DXA从“影像工具”升级为“定量体成分推断平台”。

它之所以被采用，是因为它在一次快速、非破坏性扫描中，提供了接近NMR/CCA可信度的数据，同时显著降低研究成本、时间与动物使用量，极大提升决策效率与论文发表信心。