8、统计形状模型：理解和掌握解剖结构的变化

统计形状模型：理解和掌握解剖结构的变化

1. 统计解剖学

在解剖学中，结构的正常与异常是基于统计标准来定义的。解剖学中的变异范围事先未知，其定义取决于观察的数量。一个选择得当且足够大的、具有高斯分布模式的样本集可被视为覆盖了“正常”的变异范围。只有当样本集具有代表性时，统计评估的结果才能用于推断整个群体，从而做出一般性的陈述。

在产品人体工程学和服装领域，对人体测量数据进行统计分析十分普遍。人体测量学展示了如果能以类似方式精确测量解剖结构，未来的解剖学可能会是什么样子。生物学中，早期就有人尝试用数学方法来规范生长和形态。大量的解剖结构也是构建解剖图谱的基础，这些图谱以平均解剖结构为代表，可作为整合从各种样本中收集到的额外信息的共同基础。

三维成像技术的进步为描述解剖学开辟了新的研究领域。通过断层扫描图像数据，可以高精度地重建解剖结构的三维模型。不过，从测量数据中重建解剖三维模型需要对数据进行分割，这一过程繁琐、耗时且劳动强度大。自动化方法能更高效地处理大量数据集，而且通常可以在单个断层扫描数据集中分割出多个解剖结构。

目前获取的断层扫描图像数据量极大且还在不断增加，但这些数据缺乏集中管理，从组织或数据保护的角度来看，难以进行统计分析。为此，人们正通过流行病学纵向研究来解决这一问题，这些研究的数据将为统计解剖学带来新的可能性。在此基础上，可以生成大量的解剖结构，并对其形状变异以及形状与其他属性（如年龄、体重、性别、吸烟状况等）之间的相关性进行统计分析。要从样本中得出平均形状并确定形状变异性，需要有对应概念以及形状间的距离度量。

应用领域	统计分析作用