骨J

BoneJ 是 ImageJ 的骨骼生物学插件集合。本文档适用于可通过 ImageJ updater 获取的当前 BoneJ 版本。旧版本 (1.x) 的旧文档位于 bonej.org。

GPU 加速扩展的运行速度提高了几个数量级 (~100 倍)，并在新的 bonej-plus 包中以付费方式推出。功能与 CPU 版本类似，主要当前限制是每个图像的最大数据大小为 2 Gpx（约 2048³ 像素）。如果存在 BoneJ+ GPU 加速扩展，则会在下面标有 BoneJ+，您可以在 Plugins>BoneJ>Plus 菜单中找到它。通过从 bonej.org/shop 购买 Bean 令牌并将其输入 Plugins>BoneJ>Plus>Check Token 处的令牌框来管理付款。请访问bonej-at-bonej.org 联系我们获取优惠券，以获得试用BoneJ+ 的免费代币。

如果您在工作中使用 BoneJ，请cite it。

doi:10.12688/wellcomeopenres.16619.2

安装

Install BoneJ

Download适合您操作系统的Fiji最新版本
启动斐济
在菜单中选择Plugins › BoneJ › Analyse skeleton
单击管理更新站点 5.检查BoneJ
单击关闭
单击应用更改

下载完成后，关闭并重新启动 Fiji。

更新程序也将按照上述步骤安装 BoneJ+。您将需要 OpenCL 环境和合适的 GPU 来运行 BoneJ+ 插件。 NVIDIA、AMD 和Intel GPU 可以在 Windows 和 Linux 上运行。 OpenCL 支持由 GPU 驱动程序提供，您需要按照硬件供应商站点上的说明安装该驱动程序。 BoneJ+ 使用 OpenCL 版本 1.2，该版本至少受到 2015 年以来制造的 GPU 的广泛支持，尽管performance varies a great deal among GPUs。

设置 OpenCL 后，每次在系统中进行硬件更改时，都必须运行 Plugins>BoneJ>Plus>Check GPUs 来告诉 BoneJ 使用或忽略哪些 GPU。物理上存在但不受支持的硬件会被列出，但呈灰色显示 - BoneJ+ 在运行之前自动检查功能合规性。 BoneJ+ 可以使用系统中安装的尽可能多的 GPU。

分析骨架

菜单路径Help › Update…。

该插件仅包含 BoneJ 中的 Skeleton。它添加了一些额外的验证来检查您的图像是否适合该工具。如果需要，它还会通过调用 Skeletonize3D 来骨架化您的图像。

合适的图像

输入图像必须是 2D 或 3D、8 位和二进制。不支持超堆栈。

与 BoneJ1 的差异

调用最新版本的AnalyzeSkeleton。

各向异性 (BoneJ+)

菜单路径Plugins › BoneJ › Fraction › Area/Volume fraction。

各向异性用于量化骨小梁的方向性。它告诉我们小梁是否有一定的方向，或者它们是否是随机排列的。测量各向异性的方法相当复杂，由多个步骤组成：

从 \(n\) 方向查找平均截距长度 (MIL) 向量
将 MIL 矢量绘制成点云 3.求解最适合点云的椭球方程
根据椭球半径计算各向异性程度

值得注意的是，算法是随机的，不能保证准确的结果。因此，建议运行几次以确定图像中的各向异性程度。

The red dots mark phase changes

第一步，算法在输入图像上沿 \(\mathbf{v}\) 方向绘制平行线。方向是随机选择的。对图像堆栈中的每个线段进行采样，以查找从背景变为前景的点，即线进入对象的位置。这些点称为“相变”，在相邻的图中它们用红点标记。采样完成后，算法形成MIL向量，其长度为线段总长度除以发现的相位变化总数。 MIL 向量与 \(\mathbf{v}\) 具有相同的方向。对 \(n\) 方向重复绘制和采样线条，并且该方法创建 \(n\) MIL 向量。

计算 MIL 矢量后，将它们添加到原点周围的点云（点的集合）中。然后该方法尝试求解适合云的椭球方程。可能没有解决方案，尤其是点很少的情况下。也就是说，安装可能会失败，此时插件会停止。该椭球体的半径决定了各向异性的程度（参见results）。 Projecting lines from a plane

更详细地说，第一步中的线是从具有法线 \(\mathbf{v}\) 的 \(d * d\) 平面投影的（参见相邻的图）。大小 \(d = \sqrt{w^{2} + h^{2} + d^{2}}\)，其中 \(w、h、d\) 是图像堆栈的尺寸。每条线都经过平面上的随机点 \(\mathbf{o}\)。点 \(\mathbf{o}\) 是随机的，但均匀分布在平面上。绘制这些线，直到它们在 \(\mathbf{o} + t_{min}\mathbf{v}\)、\(\mathbf{o} + t_{max}\mathbf{v}\) 处与堆栈边缘相交（该算法求解 \(t_{min}\)、\(t_{max}\)）。然后对堆栈内的这些线段进行采样以了解相变。在此绘图方法中，某些线条可能会完全错过图像堆栈，但相反，堆栈中没有任何区域没有机会被采样。

合适的图像

3D 二值图像。

该插件旨在分析对象的“纹理”，因此它适合较大整体的样本，例如充满整个堆栈的小梁立方体。整个对象（例如预打包的 Bat Cochlea Volume ImageJ 样本图像）的结果并没有真正的意义。

参数

方向：从不同方向执行采样的次数。最小值为 \(9\)，因为这是算法需要解决图像中方向的“形状”的自变量数量。
每个方向的线条：控制每个方向绘制的平行线数量。每条线的长度为 \(d = \sqrt{width^2 + height^2 + height^2}\)。
采样增量：控制沿直线采样点之间的距离。默认值和最小值为 \(\sqrt{3}\)。每条线采集的样本数量取决于图像堆栈中线段的长度。
推荐最小值：如果选中，则上述三个参数将设置为推荐最小值。在我们的测试中，我们发现使用这些值，结果非常稳定，并且拟合不太可能失败。但是，这些最小值并不能保证是您图像的最佳设置。
显示半径：如果选中，则拟合椭球体的半径将显示在结果表中。
显示特征 如果选中，则拟合椭球的特征向量和值将显示在结果表中。
显示 MIL 矢量 如果选中，则会在 3D 查看器上显示在点云中绘制的 MIL 矢量。
打印 MIL 矢量 如果选中，则将 (x, y, z) MIL 矢量坐标打印到结果表中。

收敛性分析

运行收敛分析以确定可在合理时间内获得稳定结果的设置很有帮助。我们建议在您的实验中的典型图像上运行以下宏。

 //number of directions to draw probes
 nDirsMax = 32768; //<- edit to suit your needs
 //number of lines per direction
 nLinesMax = 1024; //<- edit to suit your needs
 
 // --- No need to edit the rest
 row = 0;
 setBatchMode(true);
 for (nDirs = 16; nDirs <= nDirsMax; nDirs *= 2){
    for (nLines = 1; nLines <= nLinesMax; nLines *= 2){
    startTime = getTime();
    run("Anisotropy", "inputimage=net.imagej.ImgPlus@73956688 directions="+nDirs+" lines="+nLines+" samplingincrement=1.73 recommendedmin=true printradii=true printeigens=true displaymilvectors=false instruction=\"\"");
        endTime = getTime();
        duration = endTime - startTime;
        setResult("nDirs", row, nDirs);
        setResult("nLines", row, nLines);
        setResult("Duration", row, duration);
        updateResults();
        row++;
     }
 }

该宏将输出两张表，一张包含各向异性结果，一张记录方向、线路和持续时间。为了完成收敛分析，必须将两个表复制粘贴到电子表格中，以便可以将各向异性结果与时序和输入参数一起绘制。

结果

各向异性程度：结构中有多少方向。 \(0.0\) 表示图像完全各向同性，样本没有任何方向性。 \(1.0\) 表示图像结构中存在极端的主导方向。
拟合椭球的半径（可选）：在 MIL 点上拟合的椭球半径 \(a \leq b \leq c\) 的长度（以像素为单位）。各向异性程度等于 \(= 1.0 - \frac{1}{c^2}/\frac{1}{a^2}\)。
特征向量和值（可选）：值 \(m00、m01、m02 ... m22\) 对应于拟合椭球的三个特征向量的 \(x、y、z\) 分量。特征值 \(D1、D2、D3\) 分别对应于 \(\frac{1}{c^2}、\frac{1}{b^2}、\frac{1}{a^2}\)，其中 \(a、b、c\) 是椭球体的半径。
MIL 点云：也称为玫瑰图。使用“添加”>“从图像”在 ImageJ 3D 查看器中显示输入图像堆栈可能会提供丰富的信息，但请注意，您首先必须取消校准输入图像（“图像”>“属性…”，将所有像素宽度、高度和深度设置为 1 像素）。这将提供与输入数据对齐的 MIL 云的可视化。
MIL 向量（可选）：每个探头方向的平均截距长度的 (x, y, z) 坐标被打印到新的结果表中。它是 MIL 点云中以 3D 形式显示的值的数字列表。

分别报告图像中每个 3D 子空间（即每个通道和时间帧）的测量值。

与 BoneJ1 的差异

在结果像 BoneJ1 一样稳定之前，不会重复这种各向异性。
MIL向量的绘制方式不同。在 BoneJ1 中，它们在随机种子点周围绘制成球形。这里从不同方向画出平行线穿过整个堆栈。我们认为这种方法产生更均匀的采样，即方向偏差的可能性较小。

面积/体积分数

菜单路径Plugins › BoneJ › Anisotropy

面积/体积分数计算图像中骨骼占整个图像的比例。它计算所有前景体素（假设这些体素代表骨骼），并将它们与图像中的体素总数进行比较。更正式的定义是，该插件计算分数 BV/TV，即每单位体积样本 TV 的矿化骨体积 BV。如果是 2D 图像，它会计算分数 BA/TA，即样本每单位面积的骨骼面积。 ROI 管理器中的 ROI 受到尊重（自 7.1.10 起），将每个 ROI 转换为 2D (xy) 掩模，该掩模应用于 z、channel 和/或 time 位置（如果它们存在于 ROI）。如果 ROI 缺少某个维度的位置信息，则会在该维度的所有位置上使用它。

合适的图像

2D 或 3D 二值图像。必须至少具有 xy 尺寸且最多 xyzct 尺寸，采用 ImageJ1 约定 8 位 {0,255} 二进制像素

结果

骨体积：骨体素的体积。
总体积：整个图像的体积。
体积比：骨骼与总体积的比率。

分别报告图像中每个 2D/3D 子空间（即每个通道和时间帧）的测量值。如果图像是二维的，结果将是区域。

与 BoneJ1 的差异

在 BoneJ1 中，该插件被称为体积分数
可以处理2D图像
支持超栈

校准 SCANCO（WIP）

菜单路径Plugins › BoneJ › Stacks › Check Voxel Depth

将 mg HA/ccm 像素值校准（即以 .isq 格式元数据存储的 HU 或 Hounfield 单位校准）应用于图像。

合适的图像

由 Scanco X 射线显微断层扫描仪生成的 .isq 格式图像。

检查体素深度（WIP）

菜单路径Plugins › BoneJ › Analyse › Calibrate SCANCO

检查切片间距是否已正确校准。一些 DICOM 图像在标头信息中包含切片厚度数据，但厚度不一定与连续切片位置之间的物理距离相同。

合适的图像

3D 图像。

连接性

菜单路径Plugins › BoneJ › Stacks › Delete slice range。

Connectivity 插件旨在估计连接结构（即小梁网络中的小梁）的数量。此“连通性”度量与称为“欧拉特征”、“欧拉数”或“欧拉-庞加莱特征”的拓扑数 \(\chi\) 相关。数学定义的连通性是 \(= 1 - (\chi + \Delta\chi)\)。粗略地说，\(\chi\) 描述了拓扑空间的形状或结构。它也可以表示为 \(\chi = 对象 - 手柄 + 空腔\)，其中手柄是穿过物体的孔（例如甜甜圈上的孔或咖啡杯的耳朵），而手柄内部则封闭有空腔。测量小梁立方体时，需要将 \(\Delta\chi\) 添加到 \(\chi\) 中，以更准确地估计整个网络的连通性。术语 \(\Delta\chi\) 纠正了对象被切成碎片时拓扑结构的变化。注意，其他一些欧拉特征实现将 \(\chi + \Delta\chi\) 报告为 \(\chi\)，即在其中，修正 \(\Delta\chi\) 是隐式的。

合适的图像

输入图像必须是 3D 且二值图像。该插件假设前景中只有一个粒子；要实现此目的，请运行 Purify。拥有多个对象通常会导致负面连接。

结果

欧拉特征 (χ)：描述图像中物体的形状，\(\chi = 物体 - 手柄 + 空腔\)。
修正欧拉 (χ + Δχ)：针对边缘效应进行修正以拟合整体的部分欧拉特征。
连接性：给出图像中连接小梁数量的估计。等于 \(1 - (\chi + \Delta\chi)\)。
康涅狄格州。密度：连通性除以单位体积。

分别报告图像中每个 3D 子空间（即每个通道和时间帧）的测量值。

与 BoneJ1 的差异

支持超栈
旧版本报告 更正 Euler (χ + Δχ) 错误地为 Δχ

删除切片范围（WIP）

菜单路径Plugins › BoneJ › Connectivity

从堆栈中删除一定范围的切片，以便在 Z 方向上进行裁剪。

合适的图像

3D 图像。

椭球因子 (BoneJ+)

菜单路径Plugins › BoneJ › Fit ellipsoid。

椭球因子是一种测量棒/板几何形状的新方法。它使用长椭球、扁椭球和中间椭球体的轴长度来确定特定点处小梁空间的长短或扁圆程度。高度扁长（标枪形、棒状）椭球有一个长轴 (\(c\)) 和两个短轴 (\(a, b\))，因此 \(a ≤ b ≪ c\) ，而高度扁圆（铁饼形、板状）椭球有两个较长轴 (\(b, c\)) 和一个短得多的轴 (\(a\))，因此 \(a ≪ b ≤ c\)。将 \(EF\) 计算为比率差，\(EF = a/b - b/c\) 得出的有用比例范围为 \(-1\)（扁形，\(a/b \约 0，b/c \约 1\)）到 \(+1\)（扁形，\(a/b \约 1，b/c \约 0\)）。 \(0\) 的 \(EF\) 表示中间椭球，其中 \(a/b = b/c\)，球体 (\(a = b = c\)) 和其他轴比为 \(a:qa:q^{2}a\) 的椭球就是这种情况。 Ellipsoid Factor 运行 Skeletonize3D 来获取小梁的中轴，将其用作采样的种子。椭圆体从中轴上的每个体素播种。迭代运行膨胀、收缩、旋转和少量平移的组合，直到椭球体的体积不再增加。

结构中某一点的 EF 被确定为包含该点的体积最大的椭球体的 EF。

如果您在工作中使用椭球因子，请引用：

Doube M (2015)，用于量化 3D 几何中的棒、板和中间形式的椭球因子，内分泌学前沿，6:15，doi: 10.3389/fendo.2015.00015

合适的图像

二值 3D 图像。

参数

向量：在每个种子点采样的向量数量。
采样增量：每个向量上采样点之间的像素宽度距离；应小于 1（默认为 1/2.3）。
每个椭球的骨架点：允许密集或稀疏采样，值 \(1\) 表示在每个种子点对椭球进行采样。
接触灵敏度：在膨胀停止之前必须有多少个向量接触背景。
最大迭代：尝试找到更大的椭球体有多难 - 如果经过此次数的迭代后没有做出任何改进，拟合将停止。
最大漂移：质心可以从其种子点移动多远。
重复：多次运行椭球因子并对结果求平均值。
最大 n 个椭球体的平均值：每个点的 EF 计算为包含该点的 n 个最大椭球体的平均值。
基于距离脊的种子点：使用局部厚度的距离脊作为椭球体的起始质心。
距离山脊的阈值：距离山脊的阈值。
保留拓扑的骨架化上的种子点：使用中轴细化来查找椭球体的起始质心。
显示弗林图：在笛卡尔轴上显示椭球体的轴比率（\(a/b\) 和 \(b/a\)）。提供体积加权（像素值表示具有该特征的椭球体的体积）和未加权（每个椭球体由一个像素表示）。为了很好地可视化加权弗林图，可能需要对比度拉伸和高斯模糊。
显示算法收敛性：显示算法收敛性
显示详细输出图像：显示包含 3D 地图的图像堆栈
- seed points
- ellipsoid axis ratios, \(a/b\) and \(b/c\).
- ellipsoid axis lengths, \(a\), \(b\), \(c\).
- ellipsoid ID
- ellipsoid volume
  结果
中值、最大和最小 EF：记录到 BoneJ 结果表的汇总统计数据。
填充百分比：表示结构与椭球体的拟合程度的性能参数。 100% 表示完全填充，但可能会发生，因为由于设置不当，椭球体已超出结构边界。
椭球数量：有多少个椭球完成拟合。
EF 图像：包含 EF 值的堆栈。 NaN（不是数字）值在后台使用。
详细图像：如上所述，可能对调试和验证研究有用。
Flinn 图：\(a/b\) 与卷中存在的 \(b/c\) 值的关系图
加权弗林图：弗林图，其强度峰值与每个（\(a/b\)、\(b/c\)）比率所占据的体积成比例

拟合椭球体

菜单路径Plugins › BoneJ › Ellipsoid factor。

在 ROI 管理器中查找最适合一组点或多点 ROI 的椭球体。 拟合椭球体可能无法拟合椭球体。添加的点数越多，成功的可能性就越大。点按输入图像的空间校准（体素宽度、高度和深度）进行缩放。

合适的图像

3D 图像。

参数

ROI 管理器：ROI 管理器中至少有 9 个点的 ROI。

结果

半径：拟合椭球的半径 a、b 和 c。半径 a 最短，c 最长。
质心：椭球中心点的 x、y 和 z 坐标。

与 BoneJ1 的区别

支持多点 ROI。
如果找不到椭球体，插件会取消，而不是报告无效结果。

拟合球体

菜单路径Plugins › BoneJ › Fractal dimension。

查找最适合一组点 ROI 的球体，并可选择在新图像窗口中显示由球体包围的图像数据。将一组点 ROI 放置在感兴趣的结构上，点击 [T] 将每个点添加到 ROI 管理器。 Fit Sphere 从 ROI Manager 获取点的坐标并应用最小二乘优化。

合适的图像

3D 图像。

参数

ROI 管理器：填充至少 5 点 ROI
复制球体：创建一个新堆栈，其中包含最适合球体内的图像数据。
填充：放置在球体和图像侧面之间的黑色像素数
内立方体：创建一个新堆栈，其中包含来自正好适合最适合球体的立方体的图像数据。
外立方体：创建一个新堆栈，其中包含来自最适合球体的立方体的图像数据。
裁剪系数：用于生成新图像的半径乘以裁剪系数，以便可以生成更大或更小的体积。
添加到 ROI 管理器：将球体作为一组圆形 ROI 添加到 ROI 管理器
清除 ROI 管理器：在添加圈子之前清除管理器中的任何现有 ROI

结果

X 质心：球体质心的 x 坐标
Y 质心：球体质心的 y 坐标
Z质心：球体质心的z坐标
半径：半径的长度
图像（可选）：包含球体内或由球体包围或包围的立方体内的原始数据副本的图像。

分形维数

菜单路径Plugins › BoneJ › Fit sphere。

该插件通过应用盒计数算法来估计图像的分形维数。在该算法中，在图像上扫描尺寸逐渐减小的网格，并计算包含至少一个前景体素的框的数量。随着盒子尺寸减小且网格变得更细，分形结构中前景盒子的比例增加。有关详细信息，请参阅Linear regression。 BoneJ 使用固定网格扫描，并可以选择尝试找到最佳覆盖。

盒计数算法为每次运行的迭代生成一对 \((log(n), -log(m))\) 值。这里 n = 前景框的数量，m = 框大小。这些对被传递给曲线拟合算法，该算法返回描述它们的线性函数的斜率 (Box counting)。该斜率的系数就是分形维数。分形维数明显受到为盒计数算法选择的参数的影响，因此值得使用不同的值运行多次，以找到图像的准确测量值。

合适的图像

2D 或 3D 二值图像。

参数

起始框大小 (px)：算法第一次迭代中采样网格中框的大小（边数）（以像素为单位）。
最小框尺寸 (px)：网格中框的最小尺寸（以像素为单位）。当盒子大小变得小于此限制时，算法会再迭代一次，然后停止。
框缩放因子：用于在迭代后划分框大小的术语。例如，缩放因子 \(2.0\) 将每一步的大小减半。
网格平移：每次迭代时网格移动多少次以尝试找到最佳覆盖。最佳覆盖用最少的框覆盖图像中的对象。参数越大，找到最佳覆盖的可能性就越大。然而，这会大大减慢插件的速度。
自动参数：如果选中，则插件将使用默认参数运行。
显示点：如果选中，则插件将显示其计算的 \((log(n), -log(m))\) 值。

结果

分形维数：图像的Coefficient of determination。例如，科赫雪花的分形维数为 1.262。
R²：与 \((log(n), -log(m))\) 点拟合的线的Fractal dimension。

分别报告图像中每个 3D 子空间（即每个通道和时间帧）的测量值。

与 BoneJ1 的差异

支持超栈
用户可以更改算法参数。

小梁间角度

菜单路径Plugins › BoneJ › Thickness。

该插件旨在分析松质骨小梁之间的角度。首先，它调用 Skeletonize3D 来细化输入图像（如果需要）。然后它调用 AnalyzeSkeleton，它创建细化图像中最大骨架（按节点数）的图。该图由节点和连接节点的边组成。节点也称为顶点，边也称为分支。粗略地说，边对应于小梁，节点对应于小梁相交的连接点。

该图通常不能完美地表示输入图像中的小梁网络。 小梁间角度提供了许多选项来调整图形的拓扑并过滤掉可能混淆或扭曲结果的伪影。首先，它允许您过滤掉边太多或太少的节点。其次，它可用于修剪非常短的边缘，这些边缘通常不代表实际的小梁。

Types of edges in pruning 对于不同类型的边，修剪的工作方式有所不同。有外型、死端型、内型、短型四种。外边缘不会互连图的不同部分。换句话说，它的一个（且只有一个）端点仅连接到一个分支，即边缘本身。在图中，外边缘被涂成黑色。死端（蓝色）是长度小于用户设置的最小值的外边缘，即它是短的外边缘。内边缘（绿色）连接到具有多个分支的端点。短边是指长度小于设定最小值的内边。当死胡同被修剪时，它及其“孤独的”端点将从图中删除。当短边被修剪时，它和它的端点将被删除，并且一个新节点将被放置在前者的中点。这个新节点连接到先前节点连接到的所有分支。

小梁间角度提供了两个进一步的选项来控制修剪：迭代和聚类。迭代重复修剪，直到找不到新的短边。有时，修剪可以创建新的短边，因此图在一次迭代后可能仍然具有它们。然而，迭代可能会极大地改变图的结构。在删除任何节点之前，聚类会搜索由短边连接的所有节点。图中，聚类剪枝会一次性删除四个节点以及它们之间的红边。它将在前四个节点的中心创建一个新节点，并将其连接到蓝色和绿色边缘。当剪枝不是聚类时，它会一一删除边缘。这会根据遍历边的顺序改变最终结果。聚类每次都会产生相同的结果。

修剪还可以去除循环和多余的平行边。前者连接两端的同一个节点，后者连接已经由另一条边连接的两个节点。添加了修剪和过滤功能，以便我们可以复制并继续Reznikov et al.的研究

合适的图像

8 位二进制 2D 或 3D 图像。不支持超堆栈。

参数

最小化合价：分析中包含的节点的最小分支数。
最大化合价：分析中包含的节点的最大分支数。
最小小梁长度（px）：修剪中保留的树枝的最小长度。长度计算为分支端点之间的距离。
- This length is also displayed in the units of the image calibration
边距 (px)：要包含在分析中的节点距图像堆栈边缘的最小距离。节点太靠近边缘可能会使结果不太准确，因为您会得到更多不终止于另一端节点的分支。
迭代剪枝：重复剪枝，直到不再发现新的短分支。当为 true 时，图的拓扑可能会在修剪中发生更多变化。
使用集群：如果为 true，则修剪结果与遍历图的顺序无关。 False 与 Reznikov 文章中的方法论相对应。请参阅上文了解更多详情。
打印质心：打印每条边末端节点对的质心（中心坐标）。
打印%剔除边缘：打印不同类型修剪边缘的统计信息。
显示骨架：创建骨架的副本，用作 ITA 分析的输入。

结果

小梁间角度：分析中包含的每个节点的每个分支之间的角度（以弧度为单位）。根据每个节点的分支数排序为列。例如，列“3”显示具有三个分支的节点的分支之间的角度。
质心（可选）：每条边末端节点对的中心坐标表。
剔除边缘百分比（可选）：显示不同类型边缘修剪百分比与分析图中边缘总数的比较的表格。
骨架（可选）：用于分析的骨架图像的副本。

与 BoneJ1 的差异

小梁间角度概括了任何类型点的三点角度的概念。它还提供了更多用于调整图表进行分析的工具。

厚度 (BoneJ+)

菜单路径Plugins › BoneJ › Inter-trabecular Angles。

该插件包含 BoneJ 中的Local_Thickness，并提供一些附加选项和结果。局部厚度测量适合物体内部并包含每个点（即图像中的前景体素）的点的最大球体的直径。该插件直接根据生成的厚度图中的像素值计算小梁厚度 (Tb.Th) 或小梁间隔 (Tb.Sp) 的平均值和标准偏差。前景体素被认为是小梁，背景体素是骨髓空间。处理时间在很大程度上取决于特征尺寸（以像素为单位）；大的特征可能需要很长时间来处理。

合适的图像

输入图像必须是 3D、8 位和二进制。不支持超堆栈。

参数

计算：选择要计算的厚度图 - 小梁厚度、小梁间隔或两者。为了计算小梁分离，图像体素被反转。
显示厚度图：是否显示计算出的厚度图。
掩模厚度图：从厚度图中去除伪影。伪影是原始图像中不存在的前景体素。每次运行都会重置为 true，因为未屏蔽的像素会使结果产生偏差。

结果

计算出的每个厚度图的平均值和标准偏差。
如果选择了显示厚度图，则显示厚度图图像。

与 BoneJ1 的差异

调用最新版本的Local_Thickness。

转动惯量

菜单路径：Plugins › BoneJ › Orientation

计算三个正交主轴以及围绕这些轴的惯性矩。它包括值介于上限和下限之间的像素，可以用无单位灰度值或亨斯菲尔德单位 (HU) 来定义。它可以选择创建一个新的堆栈，其中图像居中并旋转，以便主轴平行于图像堆栈的 x、y 和 z 轴。如果绘制了矩形 ROI，则计算仅限于该矩形 ROI。该插件将猜测图像是否经过 HU 校准，如果是，则应用骨骼的 HU 限制（0-4000 HU），否则它将根据堆栈的直方图计算自动阈值。如果校准曲线已知，则可以添加系数以获得加权计算。如果骨骼未与图像 z 轴对齐，则在切片几何之前将骨骼与惯性矩对齐可能是一个有用的步骤。

合适的图像

8 位或 16 位图像。

参数

开始切片：计算中包含的第一个切片
结束切片：计算中包含的最后一个切片
HU 校准：插件会猜测图像是否经过 HU 校准。如果图像经过 HU 校准，请确保选中该框并在以下字段中输入 HU 校准数值
Bone Min：阈值下限，以未校准的灰度或 HU 表示
Bone Max：阈值上限，以未校准的灰度或 HU 表示
斜率：m，其中物理密度 = m × 像素值 + c
Y 截距：c，其中物理密度 = m × 像素值 + c
对齐结果：绘制一个新的堆栈，主轴平行于图像轴
显示轴 (2D)：在对齐图像上以白色绘制轴
显示轴 (3D)：在 3D 查看器窗口中显示堆栈及其主轴
记录单位向量：记录结果表中特征向量矩阵的元素；这是物体主轴的方向。

结果

图像（可选）：输入图像的副本居中并与主轴对齐
Xc：质心 x 坐标（按校准密度进行质量加权）
Yc：质心 y 坐标
Zc：质心 z 坐标
Vol：阈值体素的总体积
质量：骨骼质量，来自像素值和密度校准系数
Icxx：绕 x 轴穿过质心的力矩
Icyy：绕 y 轴穿过质心的力矩
Iczz：绕 z 轴穿过质心的力矩
Icxy：用于构造惯性张量的离轴项
Icxz：用于构建惯性张量的离轴项
Icyz：用于构建惯性张量的离轴项
I1：绕最短主轴的力矩
I2：绕中主轴的力矩
I3：绕最长主轴的力矩
可选的详细特征向量元素：3个单位向量的元素首先按列排序（即向量0{x, y, z}、向量1{x, y, z}、向量2{x, y, z}）以特征值I1、I2和I3的反向顺序排序。
日志窗口中的详细输出
- Eigenvalues: Result of of eigenvalue decomposition. Moments of inertia
- Eigenvectors of principal axes: orientation of input image
- Inverse eigenvector matrix: used to map voxel positions in the aligned image back to voxel positions in the original image
任选 3D 显示

##方向

菜单路径：Plugins › BoneJ › Moments of Inertia

设置2D图像中的方向，而不用任何方式改变它。Slice Geometry可选择使用方向来计算用户设置的解剖轴周围的直径、面积二阶矩和近似模量。推测选定的方向评估剖面几何分析，请运行方向，选择轴和方向，保持方向窗口打开，运行切片几何，然后选择使用方向。

如果没有活动的“方向”窗口，则使用“方向”的选项将在“切片几何体”中显示为灰色。另外，在结果表中，您将看到与您选择的特定轴相关的结果列表。 **方向放置处理多个打开的图像，可以独立处理不同图像的方向。

合适的图像

图像二维。

参数

方向：输入字段显示当前方向（从12点钟顺时针方向）并接受键盘输入
deg / rad：以度或弧度显示和设置方向
主要方向：主要方向，头部显示为红色
次要方向：正交方向
Reflect：交换该轴上的标签

结果

方向轴：在图像上相当方向轴。

粒子分析仪

菜单路径：Plugins › BoneJ › Purify

分析器对二进制 3D 图像库执行限制标记和粒子分析。它的扩展速度约为 O(n)，在处理大型粒子时图像非常高效（其中，用户已经测试了 200+ GB 图像），并且运行速度约为 5-10 s/GB，具体取决于粒子数量和几何形状机器配置。

最初的设计是为我们小组中一位学习osteocyte lacunae in synchrotron microCT images的成员设计的。Purify中使用标记算法来识别和删除除最大前景和背景静电消除器的所有粒子。其他小组使用粒子分析仪进行土壤和材料分析；可用于任何药剂。粒子分析器标记独特的（未连接的）粒子，然后单独分析每个粒子。大量使用了BoneJ中的插件，包括用于获取欧拉特性的连接性、用于获取更多的等值面以及用于获取单个粒子的局部厚度的厚度。

如果您在已发表的作品中使用它，请引用：

Doube M. 2021 ImageJ 中的多线程两遍组件标记和粒子分析。罗伊.苏克。打开科学。 8。doi:10.1098/rsos.201784

合适的图像

2D 或 3D 二值图像。

参数

排除头部：不分析接触头部的头部
费雷特直径：测量颗粒的费雷特直径（缓慢、强力方法）。
惯性矩：测量每个粒子的惯性矩
厚度：每个测量颗粒的局部厚度。注意：由于局部厚度的底层实现，不处理各向异性体素。
支架球体：找到最适合道具表面的支架球体
路由：使用AnalyzeSkeleton测量分支长度并计算分支数量
瞬时：从表面网格测量颗粒的瞬时
封闭体积：测量每个粒子表面网格的封闭体积
欧拉特性：测量每个道具的欧拉特性和影响性
视线厚度图：不计算悬垂在前景上的厚度像素
记录单位提供：将惯性张量和最佳惯性球体轴的单位提供记录到结果表中
对齐框：计算与惯性张量支持对齐的最小边界框
最小体积：要测量或显示的颗粒最小，以安排单位表示
最大体积：要测量或显示的最大颗粒，以安排表示单位
表面重立方采样：通过行进创建体表面网格时对堆栈重新采样的程度（以像素为单位）。设置更大的值可以平滑小细节，并有可能消除非常小的颗粒。设置更大的值（最小1）可实现像素网格上的精确网格划分。
显示探针堆栈：显示包含标记探针的图像
显示厚度显示堆栈：在新堆栈中局部厚度结果
显示质心 (3D)：在 3D 查看器窗口中显示化妆品的质心
显示支架球体(3D)：在3D查看器窗口中显示最适合的支架球体
显示尺寸堆栈：显示带有按体积标记的粒子的图像
显示表面(3D)：在3D查看器窗口中显示粒子的表面网格
显示轴(3D)：在3D查看器窗口中显示惯性（根据惯性矩）和费雷特轴（如果选择计算它们）
显示堆栈(3D)：在3D查看器窗口中显示原始二进制堆栈
显示每个宽度框 (3D)：在 3D 查看器窗口中显示粒子的最大宽度边界框
表面颜色：
- Gradient: Each particle gets a unique colour between red and green
- Split: Each particle is coloured depending on whether it is over (red) or under (yellow) the Split value
- Orientation: Each particle is coloured by its long-axis deflection from the image z axis
分割值：体积大于该值的颗粒呈红色，否则呈红色。
体积重采样：显示原始堆栈时要应用的体素重采样量

输出

结果
- Label: Image file name
- ID: unique particle identifier; this number is the label used for the particle in all calculations and output
- Vol: particle volume, calculated as pixel count multiplied by pixel grid x, y, and z spacing if the image axes are calibrated
- x Cent: x-coordinate of particle centroid
- y Cent: y-coordinate of particle centroid
- z Cent: z-coordinate of particle centroid
- Box x: x-coordinate of the center of the aligned box
- Box y: y-coordinate of the center of the aligned box
- Box z: z-coordinate of the center of the aligned box
- Box l0: longest side length of the aligned box
- Box l1: middle side length of the aligned box
- Box l2: shortest side length of the aligned box
- SA: surface area (0 if too small for mesh to be produced; see warning log)
- Feret: maximum caliper diameter
- FeretAx: x-coordinate of the first point of the maximum caliper diameter
- FeretAy: y-coordinate of the first point of the maximum caliper diameter
- FeretAz: z-coordinate of the first point of the maximum caliper diameter
- FeretBx: x-coordinate of the second point of the maximum caliper diameter
- FeretBy: y-coordinate of the second point of the maximum caliper diameter
- FeretBz: z-coordinate of the second point of the maximum caliper diameter
- Encl. Vol: Volume enclosed by surface mesh (0 if too small for mesh to be produced; see warning log)
- I1: moment of inertia around shortest principal axis
- I2: moment of inertia around middle principal axis
- I3: moment of inertia around longest principal axis
- vX: x component of unit vector of longest principal axis (a measure of orientation)
- vY: y component of unit vector of longest principal axis
- vZ: z component of unit vector of longest principal axis
- vX1 - vZ2: xyz components of the unit vectors of the middle and short principal axes
- ‘n Branches number of skeleton branches in the particle’s medial axis
- Branches length total length of the particle’s medial axis
- Euler (χ): Euler characteristic of the particle
- Holes (β1): number of topological holes (handles) in the particle
- Cavities (β2): number of enclosed cavities in the particle
- Thickness: mean local thickness of particle
- SD Thickness: standard deviation of the mean local thickness of particle
- Max Thickness: maximum local thickness of particle
- Major radius: length of best-fit ellipsoid’s long radius
- Int. radius: length of best-fit ellipsoid’s intermediate radius
- Minor radius: length of best-fit ellipsoid’s short radius
- V00 - V22: elements of the 3×3 rotation matrix of the best-fit ellipsoid
图像堆栈
- Thickness image showing local thickness at each point in the input image
- Particle image showing the particle ID at each point in the input image (individual particles can be selected by thresholding for that ID value)
- Size image showing particles labelled by their volume; particles can be selected based on volume by thresholding this image
3D 显示
- If any of the 3D display options are selected, an ImageJ 3D Viewer window is opened. All features are added individually, so that by hovering the mouse over a particle’s surface, you can see its ID in the ImageJ status area. Results pertaining to that particle can then be looked up in the Results table. Particles can be manipulated individually, including transforming and adjusting colour or transparency.
  净化

菜单路径：Plugins › BoneJ › Analyse › Particle Analyser

Purify 在 3D 中定位所有化妆品，并删除除最大的前景和背景化妆品的所有化妆品。

合适的图像

输入图像必须是3D、8位和二进制。

参数

性能日志：显示的性能信息有助于调整您的详细系统
复制：如果选中，则在新闻中显示结果；如果未选中，结果将替换原始图像。

结果

性能指标（可选）
- Threads: Number of CPU cores used
- Slices: Number of slices in the input image stack
- Chunks: Number of chunks of slices, each chunk is processed independently
- Chunk size: Number of slices per chunk
- Last chunk size: size of the last chunk (the remainder chunk)
- Duration: time in seconds to complete purification
纯化图像：可选择在新图像窗口中。

骨骼化 (BoneJ+)

菜单路径Plugins › BoneJ › Slice Geometry。

该插件仅包含 BoneJ 中的 Skeletonize3D。它添加了一些额外的验证来检查您的图像是否适合该工具。

合适的图像

输入图像必须是 2D 或 3D、8 位和二进制。不支持超堆栈。

与 BoneJ1 的差异

调用最新版本的Skeletonize3D。

切片几何

菜单路径Plugins › BoneJ › Skeletonise

切片几何计算形状的横截面几何属性：横截面积、质心、平均密度、面积二阶矩、截面模量、费雷特直径和局部厚度（2D 和 3D）。测量可以限制在矩形 ROI 内。如果您的骨骼与图像轴没有很好地对齐，您可能会发现使用惯性矩或通过从 ImageJ 3D 查看器导出转换后的体积将骨骼与其主轴对齐非常有用。重要的是，任何测量都没有做出几何假设。

与 BoneJ1 的区别

主要 BoneJ 版本之间的 Slice Geometry 的代码和操作几乎相同。请注意，BoneJ2 与 BoneJ1 不同，它使用严格的“下标作为轴”表示法来识别面积 I 和截面模数 Z 的二阶矩。关于这些值的派生和命名方式存在很多混乱，并且文献中使用的命名约定也不一致。面积二阶矩是通过测量距**轴的距离的平方和乘以小面积来计算的。轴在下标中标识。因此，I_x 测量 y 中的平方距离。实际上，这意味着_较大_ I_ 或_Z_ 值与近似椭圆形横截面的_较短_ 轴相关。 I_max 和 I_min（以及相应的 Z 值）在 BoneJ2 中是根据其轴的长度而不是相对大小来命名的，这是与以前不同的行为，并且与其他地方描述的命名约定不同。这有助于解决矛盾的情况，例如围绕熟悉的几何形状（例如椭圆）的短轴计算较大的 I 值，同时保持与“下标作为轴”命名约定的一致性。

请注意，由于 I 和 Z 值成对出现，因此很容易解决有关先前工作中使用的命名约定的任何混淆（前提是您有权访问数据）。不管它如何命名，一对中的较大值是围绕短轴计算的，而不是沿短轴的方向计算的。如果您正在计算一对力矩或模量之间的比率，并且结果是 1 的另一边而不是您的预期，请检查轴标签和长度并考虑反转该比率。

合适的图像

2D 或 3D 二值图像。

参数

骨骼：切片几何会根据您的图像标题猜测它正在处理的骨骼。如果有误，请改正。如果您感兴趣的骨头没有列出，请给我发电子邮件。
2D 厚度：每片的运行厚度；这适合圆形而不是球形
3D 厚度：在整个堆栈上运行厚度，拟合球体，然后报告每个切片的结果
绘制轴：在堆栈的带注释副本上绘制轴
绘制质心：在堆栈的带注释副本上绘制质心
带注释的副本（2D）：创建一个显示质心和主轴的新堆栈
3D 注释：在 3D 查看器中显示堆栈、主轴和质心
进程堆栈：计算堆栈中所有切片的参数
清除结果：在计算参数之前删除结果表中的所有数据而不保存
使用方向：还根据 Orientation 中定义的方向计算参数
HU 校准：允许您以 Hounsfield 单位 (HU) 或未校准单位输入阈值
Bone Min：计算中使用的最小像素值
Bone Max：计算中使用的最大像素值
斜率：\(m\)，其中物理密度 \(= m × 像素值 + c\)
Y 截距：\(c\)，其中物理密度 \(= m × 像素值 + c\)
部分体积补偿：使用假设成像模式高斯模糊以及像素值和样本“密度”之间线性变换的模型来校正模糊和像素化图像（例如临床 CT 中的小骨头）
背景：对应于零骨密度的像素值（可以是“脂肪”、“空气”或“肌肉”像素值）
前景：对应100%骨密度的像素值
矩形 ROI（可选）：如果存在 ROI，则计算仅限于其区域。

结果

图像（可选）：显示在参数中选择的结果图像
骨骼代码：每个骨骼的解剖名称的唯一数字标识符。可以根据要求将更多骨骼代码添加到 BoneJ
切片：切片编号，指示哪个切片为该行结果提供了图像数据
CSA：横截面积
X cent.：质心 x 坐标
Y cent.：质心 y 坐标
密度：平均物理密度，根据像素值和校准系数计算
wX cent：质心的密度加权 x 坐标
wY cent：质心的密度加权 y 坐标
Theta：长轴（I_max的轴，即样本横截面的长轴）与水平面的角度，范围从 \(-\pi/2\) 到 \(\pi/2\)，顺时针方向为正
R1：距长轴的最大弦长（短半宽度）
R2：距短轴的最大弦长（长半宽度）
I_min：围绕短轴的面积二阶矩（较大的 I 值）
I_max：绕长轴的面积二阶矩（较小的 I 值）
I_pm：面积积矩（如果不存在错误，例如由于像素化，则 = 0）
Z_max：绕主轴的截面模数 (I_max / R1)
Z_min：围绕短轴的截面模数 (I_min / R2)
Z_pol：极截面模数
Feret Min：最小卡尺宽度
Feret Max：最大卡尺宽度
费雷特角：最大卡尺宽度的方向
周长：外表面周围的距离
Max Thick 2D：由 2D 局部厚度确定的最大厚度
平均厚度 2D：由 2D 局部厚度确定的平均厚度
SD 2D 厚：由 2D 局部厚度确定的平均厚度的标准偏差
Max Thick 3D：此切片中的最大厚度由 3D 中的局部厚度确定
平均厚度 3D：该切片中的平均厚度由 3D 局部厚度确定
SD 厚 3D：该切片中平均厚度的标准偏差，由 3D 定向测量中的局部厚度确定，使用方向和样本的切片质心
A (rad)：主方向（A 方向）
B (rad)：次要方向（方向 B）
IAa：围绕 Aa 轴的面积二阶矩
IBb：绕 Bb 轴的面积二阶矩
ZAa：绕 Aa 轴的截面模数
ZBb：绕 Bb 轴的截面模数
RAa：距 Aa 轴的最大弦长
RBb：距 Bb 轴的最大弦长
DAa：Aa 方向的卡尺直径
DBb：Bb 方向的卡尺直径

表面积

菜单路径Plugins › BoneJ › Fraction › Surface fraction

表面积 根据图像中的骨骼创建网格，然后计算网格的表面积。网格是三角形面的集合，定义 3D 图形中对象的形状。该插件假设所有前景体素都代表骨骼。

合适的图像

3D 二值图像。

＃＃＃＃参数

导出 STL：如果选中，则从图像创建的网格将保存为 .stl 文件。将打开一个对话框，供您选择文件的文件夹。
STL目录：保存STL文件的位置。如果未指定目录但选中了导出 STL 文件，则插件将退出并向日志打印一条消息。

＃＃＃＃结果

表面积：骨骼网格的表面积
STL文件：从骨骼图像创建的网格

报告表面积并为图像中的每个 3D 子空间单独保存一个 .stl 文件。

与 BoneJ1 的差异

支持超栈。
结果不同，因为行进立方体和网格体积实现不同。
在 BoneJ1 中，该插件称为 Isosurface

表面分数

菜单路径Plugins › BoneJ › Surface area

表面分数通过比较由骨骼颗粒创建的网格和整个图像来计算图像中骨骼体积的分数。网格是三角形面的集合，定义 3D 图形中对象的形状。该插件假设所有前景体素都代表骨骼。

更正式的定义是，表面分数计算分数BV/TV，即每单位体积样品TV的矿化骨体积BV。

合适的图像

输入图像必须是 3D 且二值图像。

＃＃＃＃结果

骨骼体积：从骨骼体素创建的网格体积。
总体积：从整个图像创建的网格的体积。
体积比：骨骼与总体积的比率。

分别报告图像中每个 3D 子空间（即每个通道和时间帧）的测量值。

与 BoneJ1 的差异

支持超栈。
结果不同，因为行进立方体和网格体积实现不同。
在 BoneJ1 中，该插件被称为体积分数
结果表

BoneJ 插件将其结果打印到共享结果表中。这是因为我们经常需要计算同一图像的多个度量，因此将它们放在一行上会很方便。同一图像的重复测量结果报告在不同的行上。即使表关闭，结果仍然存在。要清除表格，请运行 Edit › Options › BoneJ Usage。

请注意，某些插件（标有 WIP）仍然使用 ImageJ 1.x 样式结果表，其工作方式略有不同。随着他们的现代化，他们将转向使用与其他人相同的新桌子。

使用情况报告（从 2024 年 5 月 15 日版本 7.0.19 中删除）

菜单路径Plugins › BoneJ › Table › Clear BoneJ results

收集什么？

BoneJ 使用 Google Analytics 来报告插件的 run() 方法何时成功完成。

    https://www.google-analytics.com/__utm.gif?utmwv=5.2.5&utms=0&utmn=1074354874&utmhn=bonej.org&utmt=event&utme=5(Plugin%20Usage*org.bonej.wrapperPlugins.wrapperUtils.UsageReporterOptions*0.5.1)&utmcs=UTF-8&utmsr=3840x1080&utmvp=3840x1080&utmsc=24-bit&utmul=en-gb&utmje=0&utmcn=1&utmdt=bonej.org%20Usage%20Statistics&utmhid=512699200&utmr=-&utmp=%2Fstats&utmac=UA-366405-8&utmcc=__utma%3D1589599318.1327557233.1538550102.1538550102.1538550102.2%3B%2B__utmz%3D1589599318.1538550102.79.42.utmcsr%3Dgoogle%7Cutmccn%3D(organic)%7Cutmcmd%3Dorganic%7Cutmctr%3DBoneJ%20Usage%20Reporter%3B

向 Google 请求一张单一像素 GIF 图片，带有一组相当长的参数。报道详情如下：

会话之间存储在您的 ImageJ 首选项中的唯一 ID
您的屏幕分辨率
Java 类的插件名称
BoneJ 的版本
第一次、最后一次和当前运行 BoneJ 插件的时间
您的系统语言和字符映射表
Google 之前记录了您计算机的域名，可能还记录了 IP 地址。位置分析现在仅限于城市级别。
其中一些值保存在您的首选项中
您的操作系统和 Java 版本在用户代理 ID 中报告

数据的用途是什么？

其中，BoneJ 的支持主要来自科学家的资助。我们希望创建定量报告，详细说明社区中 BoneJ 的使用量，以便能够合理地做出资助进一步开发的决策。

另外，开发资源是有限的，因此了解哪些功能被大量使用并可以合并是有用的，而少量使用的功能可以被放弃或整合更有用。

####这非常崇高，但我的工作是极其细致的

如果您对这种级别的数据收集感到不舒服，请在首次运行提示时的对话框中或通过运行Edit › Options › Misc.选择退出。点击取消（旧版本）或取消选中的该框（现代）将阻止收集或发送任何报告，并清除以前保存的所有值。

您可以通过运行，选中该框（仅限现代）并点击“确定”来选择重新加入。

我可以查看报告吗？

目前该报告仍处于保密状态。如果最初创建数据的用户社区有强烈的愿望，报告可以变得更加开放。欢迎在用户论坛上进行讨论。

####它是如何实现的？

您可以在 Github 和 BoneJ 的每个副本中阅读代码。如果您打开 ImageJ 的调试模式（Legacy 的 Edit › Options › BoneJ Usage 或 Modern 的 Edit › Options › BoneJ Usage SciJava 日志级别 DEBUG），URL 和 GIF 相应将记录到 ImageJ 的日志窗口中。

我最喜欢的插件在哪里？

我们从 BoneJ 中删除了一些插件。颈轴角度、平板度和结构模型指数已停产。插值 ROI、Dilate 3D and Erode 3D 与 ImageJ 一起预预留，因此它们不再包含在 BoneJ2 中。

Kontron IMG、Scanco ISQ 和Stratec pQCT 文件格式的支持已移至SCIFIO。只需运行File › Open，并选中对使用 SCIFIO 打开文件时。启用该选项后，可以从Edit › Options › ImageJ2打开这些类型的文件，或者像任何其他格式一样拖放它们。

分配分析和其他pQCT相关工具现在可以从PQCT更新站点独立下载。

许可证

引文

doi:10.12688/wellcomeopenres.16619.2

我们为您引用研究中使用的具体release，以及建议上面的插件描述中链接的主要来源。

资金

创建 BoneJ2 的重新设计和移植工作得到了 Wellcome Trust Biomedical Resource and Technology Development Grant 的支持。与sciview的互动由Royal Society International Exchange grant协助。Ellipsoid Factor验证和改进由英国BBSRC资助。

ImageJ 文档

重要统计数据

页面内容

安装

分析骨架

合适的图像

与 BoneJ1 的差异

各向异性 (BoneJ+)

合适的图像

参数

收敛性分析

结果

与 BoneJ1 的差异

相关出版物

面积/体积分数

合适的图像

结果

与 BoneJ1 的差异

校准 SCANCO（WIP）

合适的图像

检查体素深度（WIP）

合适的图像

连接性

合适的图像

结果

与 BoneJ1 的差异

相关出版物

删除切片范围（WIP）

合适的图像

椭球因子 (BoneJ+)

合适的图像

参数

结果

相关出版物

拟合椭球体

合适的图像

参数

结果

与 BoneJ1 的区别

拟合球体

合适的图像

参数

结果

分形维数

合适的图像

参数

结果

与 BoneJ1 的差异

相关出版物

小梁间角度

合适的图像

参数

结果

与 BoneJ1 的差异

相关出版物

厚度 (BoneJ+)

合适的图像

参数

结果

与 BoneJ1 的差异

相关出版物

转动惯量

合适的图像

参数

结果

合适的图像

参数

结果

粒子分析仪

合适的图像

参数

输出

净化

合适的图像

参数

结果

骨骼化 (BoneJ+)

合适的图像

与 BoneJ1 的差异

切片几何