人體骨骼肌通過收縮帶動骨骼運動，將其功能性信息嵌入人體形態框架，構建骨骼肌數字孿生體進行骨骼肌物理及生理功能模擬，對“虛擬生理人”研究具有重要意義。本文結合國內外的相關文獻，首先歸納總結了骨骼肌數字孿生體構建技術構架，然后分別從骨骼肌數字孿生體建模技術、數據采集技術、仿真分析技術、仿真平臺、人體醫學圖像數據庫五個方面進行綜述。在此基礎上，本文指出還需要在骨骼肌模型泛化、精度提升、模型耦合等方面進行深入研究。本文通過綜述骨骼肌數字孿生體構建方法和手段，期望能夠為該領域的研究人員提供參考，而本文所指出的發展方向也可作為今后值得關注的課題內容。
0 引言
目前，源于工程制造領域的前沿技術——數字孿生（digital twin）正在成為智能醫學時代的一項重要技術手段。數字孿生是一種綜合運用感知、計算、建模等技術，建立物理實體的虛擬數字模型，利用該模型接收物理對象的數據并集成多學科、多尺度、多物理量的仿真過程實現實時演化，并可在虛擬空間忠實映射真實世界物體，反映物理實體的全生命周期過程，同時實現對物理實體狀態和行為的預測、優化、調控的技術體系。其中，數字孿生體（digital twins）是數字孿生技術體系中最為關鍵的對象、模型和數據[1]。2022年美國福布斯雙周刊提出的醫療健康領域五大技術趨勢之一就是“數字孿生取代動物實驗”[2]。基于數字孿生實現人類健康管理和精準個體醫療成為醫療領域一個新興的、充滿發展前景的方向，它在健康領域的應用主要有以下兩個方面：① 構建患者的動態數字化副本——人體數字孿生體，以開展醫療診斷技術和方法工具的改善、分析和開發；② 創建醫院、醫療設備、醫療流程等的數字孿生體進行醫療戰略規劃、醫療設備的預測性維護等。其中人體/患者數字孿生體是醫療健康數字孿生領域中關注度最高，但也是最為復雜的。骨骼肌是人體最大的能量代謝和內分泌性器官，在人體運動和形態維持等方面發揮重要作用，而骨骼肌數字孿生體可以解決因人體試驗受限而導致的骨骼肌機制認知誤差，為損傷、疼痛等肌肉類疾病提供數據化分析依據，是人體數字孿生研究中不可缺少的重要組成部分，有助于提高診治準確率和治愈率。
為了更好地促進數字孿生在醫療健康領域的應用，幫助相關領域的科研工作者了解骨骼肌數字孿生體相關支持技術的研究進展，本文首先總結歸納出了骨骼肌數字孿生體的技術構架；然后，從數字孿生體建模技術、數據采集技術、仿真分析技術、仿真平臺、人體醫學圖像數據庫五個方面綜述了最新的研究成果；最后，給出了骨骼肌數字孿生體技術的未來發展方向，以期為骨骼肌數字孿生體構建研究提供參考。
1 骨骼肌數字孿生體相關技術研究進展
早在20世紀90年代，美國、日本、韓國等國家就開始了人體數字化相關技術研究，2006年歐盟提出虛擬生理人項目，并依托該項目成立了虛擬生理人（virtual physiological human, VPH）研究組織[3]。在國內，王成燾等[4]開展 “中國力學虛擬人”建設項目，利用中國數字人數據集建立了全身骨肌系統解剖數據模型和人體骨肌系統生物力學計算平臺。我國人體數字化研究經歷了“虛擬可視人”和“虛擬物理人”兩個研究階段，目前處于“虛擬生理人”階段[5]。數字孿生正是“虛擬生理人”研究的一個重要技術手段。本文借鑒陶飛等[6]提出的“數字孿生五維模型”，歸納總結出了如圖1所示的骨骼肌數字孿生體構建技術構架。
圖1
骨骼肌數字孿生體技術構架
Figure1.
The technology architecture of skeletal muscle digital twins
如圖1所示，人體醫學圖像數據庫及各種骨骼肌仿真平臺是構建骨骼肌數字孿生體的基礎和工具；骨骼肌數據采集和仿真分析技術為骨骼肌數字孿生體構建提供數據基礎；骨骼肌數字孿生體建模技術從“數字化形態模型—多尺度物理模型—行為模型—規則模型”四個方面構建骨骼肌不同維度的數字表征模型，是骨骼肌數字孿生體的核心；虛擬實體是現實世界骨骼肌（物理實體）的數字化表現，孿生數據是虛擬實體的驅動，孿生數據與物理實體是單向連接交互關系。
1.1 骨骼肌數字孿生體建模技術
1.1.1 骨骼肌數字化形態模型
骨骼肌數字化形態模型可用于描述骨骼肌的外形，能同時反映不同位姿或受力情況時肌肉形態的動態變化。從電子計算機斷層掃描（computed tomography, CT）或核磁共振成像（nuclear magnetic resonance imaging, MRI）等醫學圖像中，建立人體器官組織形態模型的研究成果已用于實踐。相對于骨骼的形態不變，肌肉組織在不同運動狀態下會發生較大的形狀變化，而運動狀態下的肌肉組織形態難以通過CT和MRI獲取。為了構建能夠反映肌肉作動形狀變化的數字化形態模型， Roussellet等[7]利用隱式曲面對肌肉基元進行建模，用線段代替肌肉中心軸，通過中心軸的變形模擬肌肉組織變形，但所提出的方法約束及參數過多且參數調整較為困難。倪娜等[8]利用MRI數據切片圖像提取人體肱二頭肌特征曲線，通過建立向量值動態四階微分方程用特征曲線動態模擬肌肉的變形過程，以特征曲線動態模擬肌肉的變形過程。
這些研究雖然考慮了肌肉作動時形態變化特性，但這種基于肌肉線所構建的模型使得肌肉動態模擬精度較低，難以真實反映肌肉的動態變化。因此，可以考慮將醫學斷層圖像處理與計算機圖形學、機器學習等方法結合，尋找肌肉作動時形狀變化規律，從而構建高精度的數字化形態模型。
1.1.2 骨骼肌多尺度物理模型
骨骼肌多尺度物理模型主要描述骨骼肌宏觀生物力學及微觀生理性能，構建技術包含兩部分：基于骨骼肌運動學和動力學特性的生物力學模型、基于微觀作用機制的生物物理學模型。
（1）骨骼肌生物力學建模
經典的肌肉模型：希爾（Hill）肌肉三元素收縮模型、人體軟組織粘彈性體以及肌肉的數學建模研究，均難以準確描述不同區域肌肉的力學特性。為了表征各種肌肉組織的交互作用、在應力下的改變，Shan等[9]通過臨床試驗測量得到腓腸三頭肌和橈神經肌的楊氏模量，該研究結果表明，在次最大肌收縮過程中，腓腸三頭肌和橈神經肌表現出不均勻和各向異性的力學性能。Pinel等[10]通過對比21名年輕人和15名老年人的肌肉體積和結構、肌內脂肪的數量和分布以及腓腸三頭肌的肌肉剪切模量等方面與年齡相關的差異，還探討了年輕人和老年人的肌肉體積、結構、肌內脂肪和踝跖屈強度之間的關系。上述研究表明，骨骼肌力學性能復雜，同時還與多種因素相關，如年齡因素。
目前，生物力學建模方面的研究主要關注局部肌肉組織表現出的特殊力學特性，大都由試驗取得組織力學數據，具有較強的針對性，多因素影響機制尚未明確。近年來，研究者將生物力學模型應用于各種虛擬實驗驗證或虛擬手術系統，但主要通過離線仿真方式模擬骨骼肌的生物力學行為，離精準反映骨骼肌行為特性還存在一定差距。
（2）骨骼肌生物物理學建模
骨骼肌肌力的產生通過肌肉骨骼系統多尺度復雜過程實現，如神經刺激的產生、骨骼肌肌節內的力產生、肌腱的力傳遞等。在組織層面上，大多數早期骨骼肌模型用一維彈力線構建，模擬結果精度較低，而多尺度模型將微觀結構變化與宏觀變形結合考慮，具有較高精度且能從生物物理學角度揭示肌肉組織工作機制，因此融合不同尺度的骨骼肌多尺度建模成為當前研究熱點和難點。R?hrle等[11]構建了包含細胞生理學模型的骨骼肌模型，該模型包括了多個亞細胞模型，能夠反映肌肉疲勞、空間特性、肌纖維的分布、運動單位募集行為以及骨骼肌力的生成。Heidlauf等[12]在R?hrle等[11]的研究基礎上，采用自下而上的方法，構建骨骼肌生物物理模型，并與動作電位沿骨骼肌纖維的傳播進行耦合，同時將細胞參數與骨骼肌本構方程聯系起來，構建了多物理尺度的、完全耦合的骨骼肌建模仿真框架。耿慧玉[13]研究了人體骨骼肌的多尺度結構和功能，建立了融合半肌小節模型以及動作電位傳導模型的人體骨骼肌生物力學模型。馬闖[14]將人體骨骼肌的微觀作用機制和肌肉運動能量守恒關系結合，研究肌纖維興奮收縮的生理過程。
近年來，骨骼肌不同尺度下的結構功能和力學行為及生物物理特性已引起了研究者的關注。但是要構建精確的骨骼肌多尺度物理模型，需要考慮復雜的肌纖維結構、運動單位的分布以及骨骼肌和骨骼肌周圍組織的相互作用。因此，要全面真實地刻畫人體骨骼肌，反映其真實生物物理性能，精準分析骨骼肌生物力學特點還任重道遠。
1.1.3 骨骼肌行為模型
骨骼肌行為模型通過采集物理實體數據構建，主要涉及人體數據采集和數據處理技術。骨骼肌的肌力是骨骼肌行為的宏觀力學表現，主要通過動作捕捉實驗結合逆向動力學獲取受試者的運動學和動力學參數，從而獲得人體內部的肌力值[15]。目前動作捕捉主要有兩種方式：高速高精度視頻動作捕捉、可穿戴式慣性動作捕捉系統[16]。
表面肌電是靠近皮膚的表面肌群受神經控制產生的生物電信號，蘊含了豐富的肌肉功能及狀態信息。當前，已有不少研究者開展了通過表面肌電信號獲取骨骼肌力的方法。例如：胡若晨[17]基于高密度表面肌電和非負矩陣分解算法展開動態自主收縮力估計研究，提出了一種利用深度置信網絡融合多肌肉表面肌電信息的方法。由于在理論上可逼近任意非線性函數，從而可有效擬合肌電與肌力的復雜關系，深度學習算法近年來被引入肌力估計領域。Tang等[18]提出了一種新的編碼器—解碼器深度網絡混合框架來處理微觀神經驅動信息，并將其應用于精確的肌力估計。此外，由于肌電信號在生理上與肌肉組織自身的生物化學反應、具體的收縮過程以及相關神經肌肉控制系統存在著復雜的聯系，近年來研究者們開始研究肌電信號分解技術，以獲取微觀神經驅動信息。
研究者們的研究已為通過肌電信號分析骨骼肌宏觀微觀性能奠定了基礎，但仍然存在肌力估計精度不足的問題。由于具有對原始信息利用率高、泛化能力強和無需人工提取特征等優勢，采用深度學習網絡構建高精度肌力估計模型，是未來基于肌電信號的肌力估計和分解的可行解決方案。
1.1.4 骨骼肌規則模型
骨骼肌規則模型，是指通過數據采集獲得肌肉的物理性能數據后，再經數據分析確定肌肉損傷等骨骼肌疾病判定規則模型，進而完成骨骼肌疾病的預測。目前，該模型主要針對骨骼肌的損傷開展研究。骨骼肌損傷的判定大都基于醫學圖像的分析展開。醫學超聲由于具有空間分辨率高、軟組織對比度好、診斷局限性小、價格適中等特點，獲得廣大影像學醫師的青睞。然而，超聲檢查不易確定較低和較高密度對象的準確情況，相較而言，如果不考慮成本問題，MRI能夠提供良好的軟組織對比度，可以清晰了解肌肉、肌腱損傷情況和程度。另有研究表明，針對不同類型的肩關節損傷，MRI均可獲得與關節鏡相符的診斷效果[19]。對于肌肉組織壞死的情況，阮鵬等[20]通過實驗證明，MRI聯合表觀彌散系數用于肌肉電擊和燒傷等肌肉壞死情況的病理變化檢測具有重要參考價值。梁冬麗[21]通過實驗指出，MRI檢查能有效顯示岡上肌鈣化性肌腱炎局部肌腱及周圍組織結構情況，有較高的診斷符合率。
在骨骼肌損傷判定基礎上，圍繞損傷形成、病變惡化進程及術后效果分析等方面的預測研究引起了學者們的關注。基于中國人體數據庫建立的骨骼—肌肉系統有限元分析與肌肉力預測平臺，已在臨床與人機工效等領域實現初步應用。Wang等[22]提出一種可模擬肌肉疲勞和恢復的模型，該模型考慮了肌肉疲勞和恢復特性，可預測最大自主收縮下肌肉疲勞情況，并可預測力維持過程中的耐力時間。Mikayla等[23]建立肌肉慢性損傷模型，分析了肌肉慢性損傷與脂肪的關系。綜上，骨骼肌損傷判定與預測研究雖然取得了一定成效，但是仍然存在數據序列和來源單一、模型可泛化性差、過擬合等問題。
用模型化、數值化方法表達肌肉損傷，對提高診斷的準確性具有重要意義。對關節肌肉組織損傷過程進行量化表達，掌握肌肉損傷認知方法，構建數字化分析系統，作為醫學研究有效的實驗手段和工具，可為慢性損傷自然病程推演、治療方案模擬等醫學問題提供支撐平臺和解決途徑。
1.2 骨骼肌數據采集技術
骨骼肌數據按采集時運動狀態不同可分為靜態數據和動態數據。靜態數據主要指各種醫學圖像數據，如MRI、CT等。醫學圖像采集過程中體位維持、采集參數、體內解剖標志的選擇、圖像數據中對“感興趣”組織的準確提取、配準方式的選擇、多模態圖像數據配準和多次配準的準確性等問題亟待進一步研究。
動態數據的采集，是通過感知肌肉運動引起的變化，實時獲取肌肉形態、肌力、變形等數據信號。當前，采集肌肉動態數據的方法有限，應用最廣泛的方法是肌電信號采集。肌電信號采集又分為表面肌電和插入式肌電兩種。表面肌電信號采集便捷，但是容易受到噪音干擾。近年來，隨著深度攝像技術的不斷進步，利用深度攝像機已可以實現運動過程中肌肉形變的采集，它的優點是非接觸測量，但該方法采樣速度較低，計算成本大。此外，三維掃描儀可以捕獲大面積和小細節，也可應用于人體肌肉變形數據的采集。此外，已有市售的肌力數字測量儀（Myoton Pro, Myoton AS., 愛沙尼亞）通過在肌肉表面施加短時脈沖，可以快速地計算出肌力、肌張力、粘彈性等生物力學指標。這些信號采集設備常常結合人體運動狀態的捕捉設備，例如慣性動作捕捉系統一起獲取運動過程中肌肉形態變化的數據。隨著采集技術的多樣化，研究者們開始研究肌肉的物理和生理參數的多模態數據采集方法。何金保等[24]用運動單位空間位置分解方法解決動態肌肉收縮表面肌電信號分解問題，對原始信號進行奇異值分解預處理，然后根據運動單位在各個通道上的波形相關性提取發放時刻，對發放時刻進行分類，說明了該方法具有良好的表面肌電信號分解性能。由于肌電采集設備佩戴不舒適且價格昂貴，慣性傳感器進行運動跟蹤也存在精度不足的問題，近年來集成柔性傳感器的智能可穿戴設備開始在肌肉狀態分析中得到應用。Chen等[25]采用集成柔性傳感器的智能衣物收集手臂運動數據，估計連續手臂的運動學信息，實現手臂肌肉的表面肌電信號預測。
雖然以上儀器設備可用于進行骨骼肌動態數據采集，但骨骼肌依附于骨骼，在皮下以多層形式相互作用，由表面采集到的數據推算表層肌肉整體形狀變化，估算中層和內層具有相當的難度，研制精度更高、測試范圍更大的肌肉動態數據采集儀器是未來發展方向，研究計算精度更高的肌肉形態變化推算方法是迫切需要解決的問題。
1.3 骨骼肌仿真分析技術
人體運動系統由骨骼、骨關節和骨骼肌組成。從運動角度看，骨骼是被動部分，骨骼肌是動力部分，骨關節是運動的樞紐。人體骨骼—肌肉系統（骨肌系統）是多柔體冗余系統，運用已有的骨肌系統數據進行人體仿真分析是解析運動過程的有效手段。本文主要從動力學仿真和生理/病理仿真兩方面進行綜述。
劉偉[26]利用卡爾曼濾波算法進行人體關節位置評估，從而構建人體行為數學模型，提出一種基于機器學習的人體動作局部特征點識別方法。鄭敏等[27]建立面向下肢骨骼的拉格朗日動力學方程，獲得了骨關節動力學參數變化規律。Tao等[28]結合表面肌電信號和運動學數據，提出了一種基于肌肉模型的收縮力預測方法，反映運動過程中肌肉真實收縮力。Glitsch等[29]在考慮了膝關節及腿部軟組織的情況下，建立下肢生物力學模型，運用逆動力學方法確定肌肉和骨關節力。Ma等[30]構建用于下肢康復的人機耦合動力學模型，該模型中融合了人體與外骨骼及人體與假肢耦合的多剛體模型。劉丹等[31]提出一種肩胛提肌高保真數字孿生體方法，包括肩胛提肌力—形模型庫、本構模型及其數字孿生體構建方法。學者們以動力學理論為基礎，根據肌肉—骨骼運動和力的問題，運用相關方法進行了仿真求解。還有許多學者借助有限元分析平臺，建立仿真模型進行了高效的分析。
圍繞生理學和病理學模擬，Corrado等[32]通過比較心臟肌肉特殊節點與周圍屬性均值的偏離程度描述心臟病的不確定性。Amuzescu等[33]在體外致心律失常評價范式架構條件下，通過電流、電壓、鈣離子（Ca2+）與動力學實驗建立了心臟均衡模型。Hao等[34]針對涉及主動脈瘤生長的多尺度血流動力學—流體—結構相互作用問題，提出一種多尺度拉格朗日—歐拉有限元方法。
綜上，研究者們開始用智能算法模擬人體生理學和病理學復雜行為，構建的模型已經可以用于對象行為的解釋。這些研究為骨骼肌數字孿生體中模擬人體運動或疾病產生過程提供了新的方法和技術手段。
1.4 骨骼肌仿真平臺
目前，國際上已有多款較為成熟的人體仿真軟件平臺，主要包括人體生物力學分析軟件OpenSim（The National Center for Simulation in Rehabilitation Research，美國 ）、人體建模軟件Anybody（Anybody Technology，丹麥）、骨骼肌肉交互式建模軟件SIMM（Motion Analysis Corporation, 美國）、人體骨骼肌肉分析軟件BOB（European Society of Biomechanics，英國）等，如表1所示。OpenSim可用于模擬機器人、人體骨骼等生物力學系統，大量學者在此平臺分享自己的數據和研究方法。Anybody可計算模型骨骼、肌肉和關節的受力、變形、肌腱的彈性能及人體對環境的生物力學響應。SIMM考慮了骨肌系統中骨骼、肌肉、韌帶及肌腱，可計算外力、肌肉活動以及身體運動之間的關系。BOB由骨骼段和運動肌肉單元組成，可以了解關節接觸力、關節力矩、肌肉負荷分布、捕捉運動軌跡數據。醫學影像控制系統MIMICS（Materialise，比利時）能對輸入的CT、MRI等掃描數據進行三維建模，為有限元分析軟件ANSYS（ANSYS Inc.，美國）、ABAQUS（Dassault Systemes，法國）等提供數據接口，借助其通用動力學分析軟件，也可以進行人體骨肌系統動力學分析。
表1
主流人體骨肌系統仿真軟件
Table1.
Mainstream human skeletal muscle system simulation software
基于這些平臺，研究者開展了相關的人體系統分析研究。范子珍等[35]提出一種基于OpenSim的外骨骼設計方法，該方法將外骨骼機械本體嵌入人體肌肉骨骼模型中進行耦合。陳亮等[36]同步紅外捕捉系統、測力臺和表面肌電儀記錄運動學、動力學與肌電數據，通過三維建模軟件SoildWorks（Dassault Systemes，法國）、數學建模軟件Matlab（MathWorks，美國）及OpenSim建立人體負重蹲起的數學模型，并優化計算出相關骨骼肌群肌力。陳琦等[37]運用遞歸公式得到行走過程運動學表達式，在仿真環境中建立虛擬樣機，以人體運動參數驅動外骨骼進行運動學仿真。王穎等[38]通過Anybody建立股骨—肌肉模型，運用逆向動力學分析比較日常動作間股骨的應力分布與應力峰值，研究不同動作對股骨頸骨折術后股骨生物力學的影響。
1.5 人體醫學圖像數據庫
目前，各國已相繼開發構建各自的人體醫學圖像數據庫。唐慶玉等[39]報道，1988年日本首先公布了人體全身的MRI圖像數據庫。20世紀90年代初，美國國家醫學圖書館公布了基于MRI和X射線計算機斷層成像（X-ray computed tomography，X-CT）圖像數據的人體全身數據庫（visual human project，VHP）。李安安等[40]也報道，韓國于2000年開始可視人研究計劃（vsible Korean human，VKH）。2002年，在以“中國數字化虛擬人體的科技問題”為主題的香山科學會議上，我國研究者提出由于人種差異，中國應構建自己的人體數據集[41]。2003年，第三軍醫大學數字醫學研究所發布中國數字化可視人體的數據集，包括五套中國可視化人體斷面解剖數據集[42]。同年，第一軍醫大學也公布了虛擬中國人女性和男性數據集，構建了男性虛擬中國人0.2 mm等間距數字圖像數據集[43]。此外，上海中醫藥大學建立穴位斷面標本圖像庫和人體標定穴位后的逐層斷面解剖圖片庫[44]。如表2所示，列出了主要人體骨肌醫學圖像數據庫。
表2
主要人體醫學圖像數據庫
Table2.
Major human medical image database
充分了解人體結構數據，有效理解人體信息，根據不同層次需求，開展人體數據采集和研究工作，建立具有自主知識產權的數據集，對我國數字化人體模型完善和發展，對疾病診斷、病變成因分析及預測領域科學研究具有深遠影響和重大意義。
2 骨骼肌數字孿生體的發展方向
2021年，以“虛擬生理人體與醫學應用”為主題的國家自然科學基金委員會第296期雙清論壇上，專家們指出我國人體數字化技術開始進入“虛擬生理人”階段[45]。2022年9月，歐盟虛擬生理人研究組織的虛擬生理人交流會主題為“用于個性化治療開發和臨床試驗的數字孿生”[46]，表明數字孿生體在未來虛擬生理人研究中將起到非常重要的作用。前述研究成果為數字孿生體構建奠定了一定基礎，但要構建真正意義上的骨骼肌數字孿生體仍需進一步深入探索。構建具有逼真幾何形態、物理/生理/病理行為并支持醫學和健康應用的骨骼肌數字孿生體，還應該加強以下幾個方面的研究：
（1）骨骼肌泛化數字化形態模型。基于MRI數據的個體骨骼肌形態模型建模時效性低，難以在醫學實踐中應用。采用現有人體數據庫的通用模型，又存在不能反映個體特征信息的問題。因此，需要進一步探索如何通過少量個體樣本，基于幾何形態學和深度學習方法，構建類參數化的骨骼肌泛化數字化形態模型，通過感知差異性特征參數使其調整成個性化的模型實體。
（2）高精度骨骼肌數字孿生體構建及評估。骨骼肌類型多樣，結構、功能、力學性質差別大，且表面形態多變，準確構建其動態的形態和物理模型具有相當難度。且由于不同個體肌肉狀態的差異性，導致通用本構模型參數難以準確反映個體肌力特性。充分利用新的仿真分析技術，突破現有實體試驗的方式，賦予個體骨骼肌真實的力學特性，同時建立精準的評價標準才能保證數字孿生體的質量和性能。
（3）基于肌電信號的骨骼肌多尺度物理模型融合方法。目前的骨骼肌多尺度物理模型，通過構建含有所有已知微觀生理反應的集合獲取骨骼肌的宏觀力學表現。而微觀生理特性數據獲取具有相當難度，因此，深入開展肌電信號分析研究，獲取更多的生物物理信息，結合神經網絡及其他臨床數據，反推出各種生理參數的變化情況和規律，是一個重要研究方向。
（4）肌肉損傷高保真仿真分析技術。在規則模型構件中，實現損傷的判定、預測都要求以高準確率為前提。根據醫學圖像數據，準確分析判定損傷，進而描述損傷的特征，尋找合理模擬肌肉損傷形成過程的仿真，完成損傷的發展預測。同時高保真仿真可能包含多物理、多尺度和強非線性模型，如何使用高性能計算機或并行計算技術，實現數字孿生體的實時響應非常關鍵。
3 結束語
在醫療健康數字孿生體研究領域中，人體/患者數字孿生體是醫療健康數字孿生領域中受關注度最高，也是最為復雜的。隨著數字化技術的發展，未來，每個人都可以擁有屬于自己的數字孿生體。我國人體數字化技術經歷了“虛擬可視人”和“虛擬物理人”兩個研究階段，骨骼肌數字孿生體對構建具有高保真的形態、動態物理行為及基于生理/病理的虛擬生理人具有重大意義。本文主要針對人體骨骼肌數字孿生體技術，較為系統地概述與總結數字孿生體技術，骨骼肌的虛擬實體建模、數據采集、仿真分析等技術研究進展。在骨骼肌數字化形態模型構建、多尺度物理模型研究、行為模型分析和規則模型建立方面已取得了一定成果。醫療健康體系中，醫院、醫療設備等非生命體的數字孿生體構建均可借鑒工程領域或建筑領域數字孿生體的構建方法。由于人體的復雜性，人體數字孿生體的構建雖然可以借鑒工程領域研究成果，但由于生物組織的高度復雜性，需要進一步探索新的構建方法和技術。在骨骼肌建模和多尺度仿真分析、多維度多模態數據協同分析骨骼肌構成要素的生理機制、幾何物理生理建模與可交互的呈現、與虛擬人體生理系統的有機集成等方面還需要進行大量深入的研究工作。
重要聲明
利益沖突聲明：本文全體作者均聲明不存在利益沖突。
作者貢獻聲明：劉丹主要負責引言、骨骼肌數字化形態模型、骨骼肌多尺度物理模型、骨骼肌規則模型、骨骼肌數據采集技術和骨骼肌數字孿生體發展方向內容的撰寫，通信作者何玲主要負責骨骼肌數字化形態模型、骨骼肌仿真分析技術、骨骼肌仿真平臺和人體數據庫內容的撰寫，楊砥主要協助歸納總結骨骼肌數字孿生體技術構架相關內容，章杰主要協助歸納總結骨骼肌數字化形態模型相關內容，陳家兌協助歸納總結骨骼肌數據采集技術的內容，楊觀賜主要負責全文審校。
0 引言
目前，源于工程制造領域的前沿技術——數字孿生（digital twin）正在成為智能醫學時代的一項重要技術手段。數字孿生是一種綜合運用感知、計算、建模等技術，建立物理實體的虛擬數字模型，利用該模型接收物理對象的數據并集成多學科、多尺度、多物理量的仿真過程實現實時演化，并可在虛擬空間忠實映射真實世界物體，反映物理實體的全生命周期過程，同時實現對物理實體狀態和行為的預測、優化、調控的技術體系。其中，數字孿生體（digital twins）是數字孿生技術體系中最為關鍵的對象、模型和數據[1]。2022年美國福布斯雙周刊提出的醫療健康領域五大技術趨勢之一就是“數字孿生取代動物實驗”[2]。基于數字孿生實現人類健康管理和精準個體醫療成為醫療領域一個新興的、充滿發展前景的方向，它在健康領域的應用主要有以下兩個方面：① 構建患者的動態數字化副本——人體數字孿生體，以開展醫療診斷技術和方法工具的改善、分析和開發；② 創建醫院、醫療設備、醫療流程等的數字孿生體進行醫療戰略規劃、醫療設備的預測性維護等。其中人體/患者數字孿生體是醫療健康數字孿生領域中關注度最高，但也是最為復雜的。骨骼肌是人體最大的能量代謝和內分泌性器官，在人體運動和形態維持等方面發揮重要作用，而骨骼肌數字孿生體可以解決因人體試驗受限而導致的骨骼肌機制認知誤差，為損傷、疼痛等肌肉類疾病提供數據化分析依據，是人體數字孿生研究中不可缺少的重要組成部分，有助于提高診治準確率和治愈率。
為了更好地促進數字孿生在醫療健康領域的應用，幫助相關領域的科研工作者了解骨骼肌數字孿生體相關支持技術的研究進展，本文首先總結歸納出了骨骼肌數字孿生體的技術構架；然后，從數字孿生體建模技術、數據采集技術、仿真分析技術、仿真平臺、人體醫學圖像數據庫五個方面綜述了最新的研究成果；最后，給出了骨骼肌數字孿生體技術的未來發展方向，以期為骨骼肌數字孿生體構建研究提供參考。
1 骨骼肌數字孿生體相關技術研究進展
早在20世紀90年代，美國、日本、韓國等國家就開始了人體數字化相關技術研究，2006年歐盟提出虛擬生理人項目，并依托該項目成立了虛擬生理人（virtual physiological human, VPH）研究組織[3]。在國內，王成燾等[4]開展 “中國力學虛擬人”建設項目，利用中國數字人數據集建立了全身骨肌系統解剖數據模型和人體骨肌系統生物力學計算平臺。我國人體數字化研究經歷了“虛擬可視人”和“虛擬物理人”兩個研究階段，目前處于“虛擬生理人”階段[5]。數字孿生正是“虛擬生理人”研究的一個重要技術手段。本文借鑒陶飛等[6]提出的“數字孿生五維模型”，歸納總結出了如圖1所示的骨骼肌數字孿生體構建技術構架。
圖1
骨骼肌數字孿生體技術構架
Figure1.
The technology architecture of skeletal muscle digital twins
如圖1所示，人體醫學圖像數據庫及各種骨骼肌仿真平臺是構建骨骼肌數字孿生體的基礎和工具；骨骼肌數據采集和仿真分析技術為骨骼肌數字孿生體構建提供數據基礎；骨骼肌數字孿生體建模技術從“數字化形態模型—多尺度物理模型—行為模型—規則模型”四個方面構建骨骼肌不同維度的數字表征模型，是骨骼肌數字孿生體的核心；虛擬實體是現實世界骨骼肌（物理實體）的數字化表現，孿生數據是虛擬實體的驅動，孿生數據與物理實體是單向連接交互關系。
1.1 骨骼肌數字孿生體建模技術
1.1.1 骨骼肌數字化形態模型
骨骼肌數字化形態模型可用于描述骨骼肌的外形，能同時反映不同位姿或受力情況時肌肉形態的動態變化。從電子計算機斷層掃描（computed tomography, CT）或核磁共振成像（nuclear magnetic resonance imaging, MRI）等醫學圖像中，建立人體器官組織形態模型的研究成果已用于實踐。相對于骨骼的形態不變，肌肉組織在不同運動狀態下會發生較大的形狀變化，而運動狀態下的肌肉組織形態難以通過CT和MRI獲取。為了構建能夠反映肌肉作動形狀變化的數字化形態模型， Roussellet等[7]利用隱式曲面對肌肉基元進行建模，用線段代替肌肉中心軸，通過中心軸的變形模擬肌肉組織變形，但所提出的方法約束及參數過多且參數調整較為困難。倪娜等[8]利用MRI數據切片圖像提取人體肱二頭肌特征曲線，通過建立向量值動態四階微分方程用特征曲線動態模擬肌肉的變形過程，以特征曲線動態模擬肌肉的變形過程。
這些研究雖然考慮了肌肉作動時形態變化特性，但這種基于肌肉線所構建的模型使得肌肉動態模擬精度較低，難以真實反映肌肉的動態變化。因此，可以考慮將醫學斷層圖像處理與計算機圖形學、機器學習等方法結合，尋找肌肉作動時形狀變化規律，從而構建高精度的數字化形態模型。
1.1.2 骨骼肌多尺度物理模型
骨骼肌多尺度物理模型主要描述骨骼肌宏觀生物力學及微觀生理性能，構建技術包含兩部分：基于骨骼肌運動學和動力學特性的生物力學模型、基于微觀作用機制的生物物理學模型。
（1）骨骼肌生物力學建模
經典的肌肉模型：希爾（Hill）肌肉三元素收縮模型、人體軟組織粘彈性體以及肌肉的數學建模研究，均難以準確描述不同區域肌肉的力學特性。為了表征各種肌肉組織的交互作用、在應力下的改變，Shan等[9]通過臨床試驗測量得到腓腸三頭肌和橈神經肌的楊氏模量，該研究結果表明，在次最大肌收縮過程中，腓腸三頭肌和橈神經肌表現出不均勻和各向異性的力學性能。Pinel等[10]通過對比21名年輕人和15名老年人的肌肉體積和結構、肌內脂肪的數量和分布以及腓腸三頭肌的肌肉剪切模量等方面與年齡相關的差異，還探討了年輕人和老年人的肌肉體積、結構、肌內脂肪和踝跖屈強度之間的關系。上述研究表明，骨骼肌力學性能復雜，同時還與多種因素相關，如年齡因素。
目前，生物力學建模方面的研究主要關注局部肌肉組織表現出的特殊力學特性，大都由試驗取得組織力學數據，具有較強的針對性，多因素影響機制尚未明確。近年來，研究者將生物力學模型應用于各種虛擬實驗驗證或虛擬手術系統，但主要通過離線仿真方式模擬骨骼肌的生物力學行為，離精準反映骨骼肌行為特性還存在一定差距。
（2）骨骼肌生物物理學建模
骨骼肌肌力的產生通過肌肉骨骼系統多尺度復雜過程實現，如神經刺激的產生、骨骼肌肌節內的力產生、肌腱的力傳遞等。在組織層面上，大多數早期骨骼肌模型用一維彈力線構建，模擬結果精度較低，而多尺度模型將微觀結構變化與宏觀變形結合考慮，具有較高精度且能從生物物理學角度揭示肌肉組織工作機制，因此融合不同尺度的骨骼肌多尺度建模成為當前研究熱點和難點。R?hrle等[11]構建了包含細胞生理學模型的骨骼肌模型，該模型包括了多個亞細胞模型，能夠反映肌肉疲勞、空間特性、肌纖維的分布、運動單位募集行為以及骨骼肌力的生成。Heidlauf等[12]在R?hrle等[11]的研究基礎上，采用自下而上的方法，構建骨骼肌生物物理模型，并與動作電位沿骨骼肌纖維的傳播進行耦合，同時將細胞參數與骨骼肌本構方程聯系起來，構建了多物理尺度的、完全耦合的骨骼肌建模仿真框架。耿慧玉[13]研究了人體骨骼肌的多尺度結構和功能，建立了融合半肌小節模型以及動作電位傳導模型的人體骨骼肌生物力學模型。馬闖[14]將人體骨骼肌的微觀作用機制和肌肉運動能量守恒關系結合，研究肌纖維興奮收縮的生理過程。
近年來，骨骼肌不同尺度下的結構功能和力學行為及生物物理特性已引起了研究者的關注。但是要構建精確的骨骼肌多尺度物理模型，需要考慮復雜的肌纖維結構、運動單位的分布以及骨骼肌和骨骼肌周圍組織的相互作用。因此，要全面真實地刻畫人體骨骼肌，反映其真實生物物理性能，精準分析骨骼肌生物力學特點還任重道遠。
1.1.3 骨骼肌行為模型
骨骼肌行為模型通過采集物理實體數據構建，主要涉及人體數據采集和數據處理技術。骨骼肌的肌力是骨骼肌行為的宏觀力學表現，主要通過動作捕捉實驗結合逆向動力學獲取受試者的運動學和動力學參數，從而獲得人體內部的肌力值[15]。目前動作捕捉主要有兩種方式：高速高精度視頻動作捕捉、可穿戴式慣性動作捕捉系統[16]。
表面肌電是靠近皮膚的表面肌群受神經控制產生的生物電信號，蘊含了豐富的肌肉功能及狀態信息。當前，已有不少研究者開展了通過表面肌電信號獲取骨骼肌力的方法。例如：胡若晨[17]基于高密度表面肌電和非負矩陣分解算法展開動態自主收縮力估計研究，提出了一種利用深度置信網絡融合多肌肉表面肌電信息的方法。由于在理論上可逼近任意非線性函數，從而可有效擬合肌電與肌力的復雜關系，深度學習算法近年來被引入肌力估計領域。Tang等[18]提出了一種新的編碼器—解碼器深度網絡混合框架來處理微觀神經驅動信息，并將其應用于精確的肌力估計。此外，由于肌電信號在生理上與肌肉組織自身的生物化學反應、具體的收縮過程以及相關神經肌肉控制系統存在著復雜的聯系，近年來研究者們開始研究肌電信號分解技術，以獲取微觀神經驅動信息。
研究者們的研究已為通過肌電信號分析骨骼肌宏觀微觀性能奠定了基礎，但仍然存在肌力估計精度不足的問題。由于具有對原始信息利用率高、泛化能力強和無需人工提取特征等優勢，采用深度學習網絡構建高精度肌力估計模型，是未來基于肌電信號的肌力估計和分解的可行解決方案。
1.1.4 骨骼肌規則模型
骨骼肌規則模型，是指通過數據采集獲得肌肉的物理性能數據后，再經數據分析確定肌肉損傷等骨骼肌疾病判定規則模型，進而完成骨骼肌疾病的預測。目前，該模型主要針對骨骼肌的損傷開展研究。骨骼肌損傷的判定大都基于醫學圖像的分析展開。醫學超聲由于具有空間分辨率高、軟組織對比度好、診斷局限性小、價格適中等特點，獲得廣大影像學醫師的青睞。然而，超聲檢查不易確定較低和較高密度對象的準確情況，相較而言，如果不考慮成本問題，MRI能夠提供良好的軟組織對比度，可以清晰了解肌肉、肌腱損傷情況和程度。另有研究表明，針對不同類型的肩關節損傷，MRI均可獲得與關節鏡相符的診斷效果[19]。對于肌肉組織壞死的情況，阮鵬等[20]通過實驗證明，MRI聯合表觀彌散系數用于肌肉電擊和燒傷等肌肉壞死情況的病理變化檢測具有重要參考價值。梁冬麗[21]通過實驗指出，MRI檢查能有效顯示岡上肌鈣化性肌腱炎局部肌腱及周圍組織結構情況，有較高的診斷符合率。
在骨骼肌損傷判定基礎上，圍繞損傷形成、病變惡化進程及術后效果分析等方面的預測研究引起了學者們的關注。基于中國人體數據庫建立的骨骼—肌肉系統有限元分析與肌肉力預測平臺，已在臨床與人機工效等領域實現初步應用。Wang等[22]提出一種可模擬肌肉疲勞和恢復的模型，該模型考慮了肌肉疲勞和恢復特性，可預測最大自主收縮下肌肉疲勞情況，并可預測力維持過程中的耐力時間。Mikayla等[23]建立肌肉慢性損傷模型，分析了肌肉慢性損傷與脂肪的關系。綜上，骨骼肌損傷判定與預測研究雖然取得了一定成效，但是仍然存在數據序列和來源單一、模型可泛化性差、過擬合等問題。
用模型化、數值化方法表達肌肉損傷，對提高診斷的準確性具有重要意義。對關節肌肉組織損傷過程進行量化表達，掌握肌肉損傷認知方法，構建數字化分析系統，作為醫學研究有效的實驗手段和工具，可為慢性損傷自然病程推演、治療方案模擬等醫學問題提供支撐平臺和解決途徑。
1.2 骨骼肌數據采集技術
骨骼肌數據按采集時運動狀態不同可分為靜態數據和動態數據。靜態數據主要指各種醫學圖像數據，如MRI、CT等。醫學圖像采集過程中體位維持、采集參數、體內解剖標志的選擇、圖像數據中對“感興趣”組織的準確提取、配準方式的選擇、多模態圖像數據配準和多次配準的準確性等問題亟待進一步研究。
動態數據的采集，是通過感知肌肉運動引起的變化，實時獲取肌肉形態、肌力、變形等數據信號。當前，采集肌肉動態數據的方法有限，應用最廣泛的方法是肌電信號采集。肌電信號采集又分為表面肌電和插入式肌電兩種。表面肌電信號采集便捷，但是容易受到噪音干擾。近年來，隨著深度攝像技術的不斷進步，利用深度攝像機已可以實現運動過程中肌肉形變的采集，它的優點是非接觸測量，但該方法采樣速度較低，計算成本大。此外，三維掃描儀可以捕獲大面積和小細節，也可應用于人體肌肉變形數據的采集。此外，已有市售的肌力數字測量儀（Myoton Pro, Myoton AS., 愛沙尼亞）通過在肌肉表面施加短時脈沖，可以快速地計算出肌力、肌張力、粘彈性等生物力學指標。這些信號采集設備常常結合人體運動狀態的捕捉設備，例如慣性動作捕捉系統一起獲取運動過程中肌肉形態變化的數據。隨著采集技術的多樣化，研究者們開始研究肌肉的物理和生理參數的多模態數據采集方法。何金保等[24]用運動單位空間位置分解方法解決動態肌肉收縮表面肌電信號分解問題，對原始信號進行奇異值分解預處理，然后根據運動單位在各個通道上的波形相關性提取發放時刻，對發放時刻進行分類，說明了該方法具有良好的表面肌電信號分解性能。由于肌電采集設備佩戴不舒適且價格昂貴，慣性傳感器進行運動跟蹤也存在精度不足的問題，近年來集成柔性傳感器的智能可穿戴設備開始在肌肉狀態分析中得到應用。Chen等[25]采用集成柔性傳感器的智能衣物收集手臂運動數據，估計連續手臂的運動學信息，實現手臂肌肉的表面肌電信號預測。
雖然以上儀器設備可用于進行骨骼肌動態數據采集，但骨骼肌依附于骨骼，在皮下以多層形式相互作用，由表面采集到的數據推算表層肌肉整體形狀變化，估算中層和內層具有相當的難度，研制精度更高、測試范圍更大的肌肉動態數據采集儀器是未來發展方向，研究計算精度更高的肌肉形態變化推算方法是迫切需要解決的問題。
1.3 骨骼肌仿真分析技術
人體運動系統由骨骼、骨關節和骨骼肌組成。從運動角度看，骨骼是被動部分，骨骼肌是動力部分，骨關節是運動的樞紐。人體骨骼—肌肉系統（骨肌系統）是多柔體冗余系統，運用已有的骨肌系統數據進行人體仿真分析是解析運動過程的有效手段。本文主要從動力學仿真和生理/病理仿真兩方面進行綜述。
劉偉[26]利用卡爾曼濾波算法進行人體關節位置評估，從而構建人體行為數學模型，提出一種基于機器學習的人體動作局部特征點識別方法。鄭敏等[27]建立面向下肢骨骼的拉格朗日動力學方程，獲得了骨關節動力學參數變化規律。Tao等[28]結合表面肌電信號和運動學數據，提出了一種基于肌肉模型的收縮力預測方法，反映運動過程中肌肉真實收縮力。Glitsch等[29]在考慮了膝關節及腿部軟組織的情況下，建立下肢生物力學模型，運用逆動力學方法確定肌肉和骨關節力。Ma等[30]構建用于下肢康復的人機耦合動力學模型，該模型中融合了人體與外骨骼及人體與假肢耦合的多剛體模型。劉丹等[31]提出一種肩胛提肌高保真數字孿生體方法，包括肩胛提肌力—形模型庫、本構模型及其數字孿生體構建方法。學者們以動力學理論為基礎，根據肌肉—骨骼運動和力的問題，運用相關方法進行了仿真求解。還有許多學者借助有限元分析平臺，建立仿真模型進行了高效的分析。
圍繞生理學和病理學模擬，Corrado等[32]通過比較心臟肌肉特殊節點與周圍屬性均值的偏離程度描述心臟病的不確定性。Amuzescu等[33]在體外致心律失常評價范式架構條件下，通過電流、電壓、鈣離子（Ca2+）與動力學實驗建立了心臟均衡模型。Hao等[34]針對涉及主動脈瘤生長的多尺度血流動力學—流體—結構相互作用問題，提出一種多尺度拉格朗日—歐拉有限元方法。
綜上，研究者們開始用智能算法模擬人體生理學和病理學復雜行為，構建的模型已經可以用于對象行為的解釋。這些研究為骨骼肌數字孿生體中模擬人體運動或疾病產生過程提供了新的方法和技術手段。
1.4 骨骼肌仿真平臺
目前，國際上已有多款較為成熟的人體仿真軟件平臺，主要包括人體生物力學分析軟件OpenSim（The National Center for Simulation in Rehabilitation Research，美國 ）、人體建模軟件Anybody（Anybody Technology，丹麥）、骨骼肌肉交互式建模軟件SIMM（Motion Analysis Corporation, 美國）、人體骨骼肌肉分析軟件BOB（European Society of Biomechanics，英國）等，如表1所示。OpenSim可用于模擬機器人、人體骨骼等生物力學系統，大量學者在此平臺分享自己的數據和研究方法。Anybody可計算模型骨骼、肌肉和關節的受力、變形、肌腱的彈性能及人體對環境的生物力學響應。SIMM考慮了骨肌系統中骨骼、肌肉、韌帶及肌腱，可計算外力、肌肉活動以及身體運動之間的關系。BOB由骨骼段和運動肌肉單元組成，可以了解關節接觸力、關節力矩、肌肉負荷分布、捕捉運動軌跡數據。醫學影像控制系統MIMICS（Materialise，比利時）能對輸入的CT、MRI等掃描數據進行三維建模，為有限元分析軟件ANSYS（ANSYS Inc.，美國）、ABAQUS（Dassault Systemes，法國）等提供數據接口，借助其通用動力學分析軟件，也可以進行人體骨肌系統動力學分析。
表1
主流人體骨肌系統仿真軟件
Table1.
Mainstream human skeletal muscle system simulation software
基于這些平臺，研究者開展了相關的人體系統分析研究。范子珍等[35]提出一種基于OpenSim的外骨骼設計方法，該方法將外骨骼機械本體嵌入人體肌肉骨骼模型中進行耦合。陳亮等[36]同步紅外捕捉系統、測力臺和表面肌電儀記錄運動學、動力學與肌電數據，通過三維建模軟件SoildWorks（Dassault Systemes，法國）、數學建模軟件Matlab（MathWorks，美國）及OpenSim建立人體負重蹲起的數學模型，并優化計算出相關骨骼肌群肌力。陳琦等[37]運用遞歸公式得到行走過程運動學表達式，在仿真環境中建立虛擬樣機，以人體運動參數驅動外骨骼進行運動學仿真。王穎等[38]通過Anybody建立股骨—肌肉模型，運用逆向動力學分析比較日常動作間股骨的應力分布與應力峰值，研究不同動作對股骨頸骨折術后股骨生物力學的影響。
1.5 人體醫學圖像數據庫
目前，各國已相繼開發構建各自的人體醫學圖像數據庫。唐慶玉等[39]報道，1988年日本首先公布了人體全身的MRI圖像數據庫。20世紀90年代初，美國國家醫學圖書館公布了基于MRI和X射線計算機斷層成像（X-ray computed tomography，X-CT）圖像數據的人體全身數據庫（visual human project，VHP）。李安安等[40]也報道，韓國于2000年開始可視人研究計劃（vsible Korean human，VKH）。2002年，在以“中國數字化虛擬人體的科技問題”為主題的香山科學會議上，我國研究者提出由于人種差異，中國應構建自己的人體數據集[41]。2003年，第三軍醫大學數字醫學研究所發布中國數字化可視人體的數據集，包括五套中國可視化人體斷面解剖數據集[42]。同年，第一軍醫大學也公布了虛擬中國人女性和男性數據集，構建了男性虛擬中國人0.2 mm等間距數字圖像數據集[43]。此外，上海中醫藥大學建立穴位斷面標本圖像庫和人體標定穴位后的逐層斷面解剖圖片庫[44]。如表2所示，列出了主要人體骨肌醫學圖像數據庫。
表2
主要人體醫學圖像數據庫
Table2.
Major human medical image database
充分了解人體結構數據，有效理解人體信息，根據不同層次需求，開展人體數據采集和研究工作，建立具有自主知識產權的數據集，對我國數字化人體模型完善和發展，對疾病診斷、病變成因分析及預測領域科學研究具有深遠影響和重大意義。
2 骨骼肌數字孿生體的發展方向
2021年，以“虛擬生理人體與醫學應用”為主題的國家自然科學基金委員會第296期雙清論壇上，專家們指出我國人體數字化技術開始進入“虛擬生理人”階段[45]。2022年9月，歐盟虛擬生理人研究組織的虛擬生理人交流會主題為“用于個性化治療開發和臨床試驗的數字孿生”[46]，表明數字孿生體在未來虛擬生理人研究中將起到非常重要的作用。前述研究成果為數字孿生體構建奠定了一定基礎，但要構建真正意義上的骨骼肌數字孿生體仍需進一步深入探索。構建具有逼真幾何形態、物理/生理/病理行為并支持醫學和健康應用的骨骼肌數字孿生體，還應該加強以下幾個方面的研究：
（1）骨骼肌泛化數字化形態模型。基于MRI數據的個體骨骼肌形態模型建模時效性低，難以在醫學實踐中應用。采用現有人體數據庫的通用模型，又存在不能反映個體特征信息的問題。因此，需要進一步探索如何通過少量個體樣本，基于幾何形態學和深度學習方法，構建類參數化的骨骼肌泛化數字化形態模型，通過感知差異性特征參數使其調整成個性化的模型實體。
（2）高精度骨骼肌數字孿生體構建及評估。骨骼肌類型多樣，結構、功能、力學性質差別大，且表面形態多變，準確構建其動態的形態和物理模型具有相當難度。且由于不同個體肌肉狀態的差異性，導致通用本構模型參數難以準確反映個體肌力特性。充分利用新的仿真分析技術，突破現有實體試驗的方式，賦予個體骨骼肌真實的力學特性，同時建立精準的評價標準才能保證數字孿生體的質量和性能。
（3）基于肌電信號的骨骼肌多尺度物理模型融合方法。目前的骨骼肌多尺度物理模型，通過構建含有所有已知微觀生理反應的集合獲取骨骼肌的宏觀力學表現。而微觀生理特性數據獲取具有相當難度，因此，深入開展肌電信號分析研究，獲取更多的生物物理信息，結合神經網絡及其他臨床數據，反推出各種生理參數的變化情況和規律，是一個重要研究方向。
（4）肌肉損傷高保真仿真分析技術。在規則模型構件中，實現損傷的判定、預測都要求以高準確率為前提。根據醫學圖像數據，準確分析判定損傷，進而描述損傷的特征，尋找合理模擬肌肉損傷形成過程的仿真，完成損傷的發展預測。同時高保真仿真可能包含多物理、多尺度和強非線性模型，如何使用高性能計算機或并行計算技術，實現數字孿生體的實時響應非常關鍵。
3 結束語
在醫療健康數字孿生體研究領域中，人體/患者數字孿生體是醫療健康數字孿生領域中受關注度最高，也是最為復雜的。隨著數字化技術的發展，未來，每個人都可以擁有屬于自己的數字孿生體。我國人體數字化技術經歷了“虛擬可視人”和“虛擬物理人”兩個研究階段，骨骼肌數字孿生體對構建具有高保真的形態、動態物理行為及基于生理/病理的虛擬生理人具有重大意義。本文主要針對人體骨骼肌數字孿生體技術，較為系統地概述與總結數字孿生體技術，骨骼肌的虛擬實體建模、數據采集、仿真分析等技術研究進展。在骨骼肌數字化形態模型構建、多尺度物理模型研究、行為模型分析和規則模型建立方面已取得了一定成果。醫療健康體系中，醫院、醫療設備等非生命體的數字孿生體構建均可借鑒工程領域或建筑領域數字孿生體的構建方法。由于人體的復雜性，人體數字孿生體的構建雖然可以借鑒工程領域研究成果，但由于生物組織的高度復雜性，需要進一步探索新的構建方法和技術。在骨骼肌建模和多尺度仿真分析、多維度多模態數據協同分析骨骼肌構成要素的生理機制、幾何物理生理建模與可交互的呈現、與虛擬人體生理系統的有機集成等方面還需要進行大量深入的研究工作。
重要聲明
利益沖突聲明：本文全體作者均聲明不存在利益沖突。
作者貢獻聲明：劉丹主要負責引言、骨骼肌數字化形態模型、骨骼肌多尺度物理模型、骨骼肌規則模型、骨骼肌數據采集技術和骨骼肌數字孿生體發展方向內容的撰寫，通信作者何玲主要負責骨骼肌數字化形態模型、骨骼肌仿真分析技術、骨骼肌仿真平臺和人體數據庫內容的撰寫，楊砥主要協助歸納總結骨骼肌數字孿生體技術構架相關內容，章杰主要協助歸納總結骨骼肌數字化形態模型相關內容，陳家兌協助歸納總結骨骼肌數據采集技術的內容，楊觀賜主要負責全文審校。
