Quantifying the inner structure of bones is central to various analyses dealing with the phenotypic evolution of animals with an ossified skeleton. Computed tomography allows to assess the repartition of bone tissue within an entire skeletal element. Two parameters of importance for such analyses are the global compactness (Cg) and total cross-sectional area (Tt.Ar). However, no open-source, time-efficient methods are available to acquire these parameters for whole bones. A methodology to assess the variation of these parameters along a profile following one of the studied bone’s anatomical axes is also wanting. Here I present an ImageJ macro and associated R script to automatically acquire Cg and Tt.Ar along an axis of the skeletal element of interest using a slice-by-slice approach. No manual segmentation is required and several bones can be present on the analysed scan, as long as the bone of interest is isolated and the largest element on each slice. While some bias might be involved by the automatic acquisition, semi-automatic slice exclusion and correction procedures can be used to efficiently account for it. As a test case, µCT-data was gathered for the mid-lumbar vertebra of over 70 mammals. The two evaluated correction procedures proved to perform equally well, with a slight advantage for the one relying on the exclusion of local outliers. The presented macro allows to efficiently build a dataset concerned with the quantification of bone inner structure. The code being readily available, further improvement of the methodology and adjustment to particular needs can be easily performed.

中文翻译：

---

逐片轮廓评估的总体骨结构

量化骨骼的内部结构对于处理骨骼骨化动物的表型演变的各种分析至关重要。计算机断层扫描可以评估整个骨骼元素内骨组织的重新分配。此类分析的两个重要参数是整体紧密度（Cg）和总横截面面积（Tt.Ar）。但是，没有开源，省时的方法可获取整个骨骼的这些参数。还需要一种方法来评估这些参数沿着所研究的骨骼的解剖学轴之一沿轮廓的变化。在这里，我展示了一个ImageJ宏和相关的R脚本，可以使用逐个切片的方法沿感兴趣的骨骼元素的轴自动获取Cg和Tt.Ar。只要分离出感兴趣的骨骼并且每个切片上的元素最大，就不需要手动分割，并且在分析的扫描中可以出现几根骨骼。尽管自动采集可能涉及一些偏差，但可以使用半自动切片排除和校正过程来有效地解决这一问题。作为测试案例，收集了70多个哺乳动物腰中腰椎的µCT数据。两种经过评估的校正程序被证明具有同样良好的性能，对于那些依靠排除局部异常值的校正程序而言，它具有轻微优势。呈现的宏允许有效地建立与骨内部结构的量化有关的数据集。该代码易于获取，可以轻松地实现方法的进一步改进和对特定需求的调整。只要感兴趣的骨骼被隔离并且每个切片上的元素最大即可。尽管自动采集可能涉及一些偏差，但可以使用半自动切片排除和校正过程来有效地解决这一问题。作为测试案例，收集了70多个哺乳动物腰中腰椎的µCT数据。两种经过评估的校正程序被证明具有同样良好的性能，对于那些依靠排除局部异常值的校正程序而言，它具有轻微优势。呈现的宏允许有效地建立与骨内部结构的量化有关的数据集。该代码易于获取，可以轻松地实现方法的进一步改进和对特定需求的调整。只要感兴趣的骨骼被隔离并且每个切片上的元素最大即可。尽管自动采集可能涉及一些偏差，但可以使用半自动切片排除和校正过程来有效地解决这一问题。作为一个测试案例，收集了70多个哺乳动物腰中椎的µCT数据。两种经过评估的校正程序被证明具有同样良好的性能，但对于那些依赖于排除局部异常值的校正程序而言，它具有一点优势。呈现的宏允许有效地建立与骨内部结构的量化有关的数据集。该代码易于获取，可以轻松地实现方法的进一步改进和对特定需求的调整。尽管自动采集可能涉及一些偏差，但可以使用半自动切片排除和校正过程来有效地解决这一问题。作为一个测试案例，收集了70多个哺乳动物腰中椎的µCT数据。两种经过评估的校正程序被证明具有同样良好的性能，对于那些依靠排除局部异常值的校正程序而言，它具有轻微优势。呈现的宏允许有效地建立与骨内部结构的量化有关的数据集。该代码易于获取，可以轻松地实现方法的进一步改进和对特定需求的调整。尽管自动采集可能涉及一些偏差，但可以使用半自动切片排除和校正过程来有效地解决这一问题。作为测试案例，收集了70多个哺乳动物腰中腰椎的µCT数据。两种经过评估的校正程序被证明具有同样良好的性能，对于那些依靠排除局部异常值的校正程序而言，它具有轻微优势。呈现的宏允许有效地建立与骨内部结构的量化有关的数据集。该代码易于获取，可以轻松地实现方法的进一步改进和对特定需求的调整。两种经过评估的校正程序被证明具有同样良好的性能，对于那些依靠排除局部异常值的校正程序而言，它具有轻微优势。呈现的宏允许有效地建立与骨内部结构的量化有关的数据集。该代码易于获取，可以轻松地实现方法的进一步改进和对特定需求的调整。两种经过评估的校正程序被证明具有同样良好的性能，对于那些依靠排除局部异常值的校正程序而言，它具有轻微优势。呈现的宏允许有效地建立与骨内部结构的量化有关的数据集。该代码易于获取，可以轻松地实现方法的进一步改进和对特定需求的调整。