人体骨骼肌通过收缩带动骨骼运动，将其功能性信息嵌入人体形态框架，构建骨骼肌数字孪生体进行骨骼肌物理及生理功能模拟，对“虚拟生理人”研究具有重要意义。本文结合国内外的相关文献，首先归纳总结了骨骼肌数字孪生体构建技术构架，然后分别从骨骼肌数字孪生体建模技术、数据采集技术、仿真分析技术、仿真平台、人体医学图像数据库五个方面进行综述。在此基础上，本文指出还需要在骨骼肌模型泛化、精度提升、模型耦合等方面进行深入研究。本文通过综述骨骼肌数字孪生体构建方法和手段，期望能够为该领域的研究人员提供参考，而本文所指出的发展方向也可作为今后值得关注的课题内容。
引用本文： 刘丹, 何玲, 杨砥, 章杰, 陈家兑, 杨观赐. 人体骨骼肌数字孪生体技术研究进展. 生物医学工程学杂志, 2023, 40(4): 784-791. doi: 10.7507/1001-5515.202210007 复制
0 引言
目前，源于工程制造领域的前沿技术——数字孪生（digital twin）正在成为智能医学时代的一项重要技术手段。数字孪生是一种综合运用感知、计算、建模等技术，建立物理实体的虚拟数字模型，利用该模型接收物理对象的数据并集成多学科、多尺度、多物理量的仿真过程实现实时演化，并可在虚拟空间忠实映射真实世界物体，反映物理实体的全生命周期过程，同时实现对物理实体状态和行为的预测、优化、调控的技术体系。其中，数字孪生体（digital twins）是数字孪生技术体系中最为关键的对象、模型和数据[1]。2022年美国福布斯双周刊提出的医疗健康领域五大技术趋势之一就是“数字孪生取代动物实验”[2]。基于数字孪生实现人类健康管理和精准个体医疗成为医疗领域一个新兴的、充满发展前景的方向，它在健康领域的应用主要有以下两个方面：① 构建患者的动态数字化副本——人体数字孪生体，以开展医疗诊断技术和方法工具的改善、分析和开发；② 创建医院、医疗设备、医疗流程等的数字孪生体进行医疗战略规划、医疗设备的预测性维护等。其中人体/患者数字孪生体是医疗健康数字孪生领域中关注度最高，但也是最为复杂的。骨骼肌是人体最大的能量代谢和内分泌性器官，在人体运动和形态维持等方面发挥重要作用，而骨骼肌数字孪生体可以解决因人体试验受限而导致的骨骼肌机制认知误差，为损伤、疼痛等肌肉类疾病提供数据化分析依据，是人体数字孪生研究中不可缺少的重要组成部分，有助于提高诊治准确率和治愈率。
为了更好地促进数字孪生在医疗健康领域的应用，帮助相关领域的科研工作者了解骨骼肌数字孪生体相关支持技术的研究进展，本文首先总结归纳出了骨骼肌数字孪生体的技术构架；然后，从数字孪生体建模技术、数据采集技术、仿真分析技术、仿真平台、人体医学图像数据库五个方面综述了最新的研究成果；最后，给出了骨骼肌数字孪生体技术的未来发展方向，以期为骨骼肌数字孪生体构建研究提供参考。
1 骨骼肌数字孪生体相关技术研究进展
早在20世纪90年代，美国、日本、韩国等国家就开始了人体数字化相关技术研究，2006年欧盟提出虚拟生理人项目，并依托该项目成立了虚拟生理人（virtual physiological human, VPH）研究组织[3]。在国内，王成焘等[4]开展 “中国力学虚拟人”建设项目，利用中国数字人数据集建立了全身骨肌系统解剖数据模型和人体骨肌系统生物力学计算平台。我国人体数字化研究经历了“虚拟可视人”和“虚拟物理人”两个研究阶段，目前处于“虚拟生理人”阶段[5]。数字孪生正是“虚拟生理人”研究的一个重要技术手段。本文借鉴陶飞等[6]提出的“数字孪生五维模型”，归纳总结出了如图1所示的骨骼肌数字孪生体构建技术构架。
图1
骨骼肌数字孪生体技术构架
Figure1.
The technology architecture of skeletal muscle digital twins
如图1所示，人体医学图像数据库及各种骨骼肌仿真平台是构建骨骼肌数字孪生体的基础和工具；骨骼肌数据采集和仿真分析技术为骨骼肌数字孪生体构建提供数据基础；骨骼肌数字孪生体建模技术从“数字化形态模型—多尺度物理模型—行为模型—规则模型”四个方面构建骨骼肌不同维度的数字表征模型，是骨骼肌数字孪生体的核心；虚拟实体是现实世界骨骼肌（物理实体）的数字化表现，孪生数据是虚拟实体的驱动，孪生数据与物理实体是单向连接交互关系。
1.1 骨骼肌数字孪生体建模技术
1.1.1 骨骼肌数字化形态模型
骨骼肌数字化形态模型可用于描述骨骼肌的外形，能同时反映不同位姿或受力情况时肌肉形态的动态变化。从电子计算机断层扫描（computed tomography, CT）或核磁共振成像（nuclear magnetic resonance imaging, MRI）等医学图像中，建立人体器官组织形态模型的研究成果已用于实践。相对于骨骼的形态不变，肌肉组织在不同运动状态下会发生较大的形状变化，而运动状态下的肌肉组织形态难以通过CT和MRI获取。为了构建能够反映肌肉作动形状变化的数字化形态模型， Roussellet等[7]利用隐式曲面对肌肉基元进行建模，用线段代替肌肉中心轴，通过中心轴的变形模拟肌肉组织变形，但所提出的方法约束及参数过多且参数调整较为困难。倪娜等[8]利用MRI数据切片图像提取人体肱二头肌特征曲线，通过建立向量值动态四阶微分方程用特征曲线动态模拟肌肉的变形过程。
这些研究虽然考虑了肌肉作动时形态变化特性，但这种基于肌肉线所构建的模型使得肌肉动态模拟精度较低，难以真实反映肌肉的动态变化。因此，可以考虑将医学断层图像处理与计算机图形学、机器学习等方法结合，寻找肌肉作动时形状变化规律，从而构建高精度的数字化形态模型。
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观生物力学及微观生理性能，构建技术包含两部分：基于骨骼肌运动学和动力学特性的生物力学模型、基于微观作用机制的生物物理学模型。
（1）骨骼肌生物力学建模
经典的肌肉模型：希尔（Hill）肌肉三元素收缩模型、人体软组织粘弹性体以及肌肉的数学建模研究，均难以准确描述不同区域肌肉的力学特性。为了表征各种肌肉组织的交互作用、在应力下的改变，Shan等[9]通过临床试验测量得到腓肠三头肌和桡神经肌的杨氏模量，该研究结果表明，在次最大肌收缩过程中，腓肠三头肌和桡神经肌表现出不均匀和各向异性的力学性能。Pinel等[10]通过对比21名年轻人和15名老年人的肌肉体积和结构、肌内脂肪的数量和分布以及腓肠三头肌的肌肉剪切模量等方面与年龄相关的差异，还探讨了年轻人和老年人的肌肉体积、结构、肌内脂肪和踝跖屈强度之间的关系。上述研究表明，骨骼肌力学性能复杂，同时还与多种因素相关，如年龄因素。
目前，生物力学建模方面的研究主要关注局部肌肉组织表现出的特殊力学特性，大都由试验取得组织力学数据，具有较强的针对性，多因素影响机制尚未明确。近年来，研究者将生物力学模型应用于各种虚拟实验验证或虚拟手术系统，但主要通过离线仿真方式模拟骨骼肌的生物力学行为，离精准反映骨骼肌行为特性还存在一定差距。
（2）骨骼肌生物物理学建模
骨骼肌肌力的产生通过肌肉骨骼系统多尺度复杂过程实现，如神经刺激的产生、骨骼肌肌节内的力产生、肌腱的力传递等。在组织层面上，大多数早期骨骼肌模型用一维弹力线构建，模拟结果精度较低，而多尺度模型将微观结构变化与宏观变形结合考虑，具有较高精度且能从生物物理学角度揭示肌肉组织工作机制，因此融合不同尺度的骨骼肌多尺度建模成为当前研究热点和难点。Röhrle等[11]构建了包含细胞生理学模型的骨骼肌模型，该模型包括了多个亚细胞模型，能够反映肌肉疲劳、空间特性、肌纤维的分布、运动单位募集行为以及骨骼肌力的生成。Heidlauf等[12]在Röhrle等[11]的研究基础上，采用自下而上的方法，构建骨骼肌生物物理模型，并与动作电位沿骨骼肌纤维的传播进行耦合，同时将细胞参数与骨骼肌本构方程联系起来，构建了多物理尺度的、完全耦合的骨骼肌建模仿真框架。耿慧玉[13]研究了人体骨骼肌的多尺度结构和功能，建立了融合半肌小节模型以及动作电位传导模型的人体骨骼肌生物力学模型。马闯[14]将人体骨骼肌的微观作用机制和肌肉运动能量守恒关系结合，研究肌纤维兴奋收缩的生理过程。
近年来，骨骼肌不同尺度下的结构功能和力学行为及生物物理特性已引起了研究者的关注。但是要构建精确的骨骼肌多尺度物理模型，需要考虑复杂的肌纤维结构、运动单位的分布以及骨骼肌和骨骼肌周围组织的相互作用。因此，要全面真实地刻画人体骨骼肌，反映其真实生物物理性能，精准分析骨骼肌生物力学特点还任重道远。
1.1.3 骨骼肌行为模型
骨骼肌行为模型通过采集物理实体数据构建，主要涉及人体数据采集和数据处理技术。骨骼肌的肌力是骨骼肌行为的宏观力学表现，主要通过动作捕捉实验结合逆向动力学获取受试者的运动学和动力学参数，从而获得人体内部的肌力值[15]。目前，通过动作捕捉获取人体数据主要有两种方式：高速高精度视频动作捕捉、可穿戴式惯性动作捕捉系统[16]。
表面肌电是靠近皮肤的表面肌群受神经控制产生的生物电信号，蕴含了丰富的肌肉功能及状态信息。当前，已有不少研究者开展了通过表面肌电信号获取骨骼肌力的方法研究。例如：胡若晨[17]基于高密度表面肌电和非负矩阵分解算法展开动态自主收缩力估计研究，提出了一种利用深度置信网络融合多肌肉表面肌电信息的方法。由于在理论上可逼近任意非线性函数，从而可有效拟合肌电与肌力的复杂关系，深度学习算法近年来被引入肌力估计领域。Tang等[18]提出了一种新的编码器—解码器深度网络混合框架来处理微观神经驱动信息，并将其应用于精确的肌力估计。此外，由于肌电信号在生理上与肌肉组织自身的生物化学反应、具体的收缩过程以及相关神经肌肉控制系统存在着复杂的联系，近年来研究者们开始研究肌电信号分解技术，以获取微观神经驱动信息。
研究者们的研究已为通过肌电信号分析骨骼肌宏观微观性能奠定了基础，但仍然存在肌力估计精度不足的问题。由于具有对原始信息利用率高、泛化能力强和无需人工提取特征等优势，采用深度学习网络构建高精度肌力估计模型，是未来基于肌电信号的肌力估计和分解的可行解决方案。
1.1.4 骨骼肌规则模型
骨骼肌规则模型，是指通过数据采集获得肌肉的物理性能数据后，再经数据分析确定肌肉损伤等骨骼肌疾病判定规则模型，进而完成骨骼肌疾病的预测。目前，该模型主要针对骨骼肌的损伤开展研究。骨骼肌损伤的判定大都基于医学图像的分析展开。医学超声由于具有空间分辨率高、软组织对比度好、诊断局限性小、价格适中等特点，获得广大影像学医师的青睐。然而，超声检查不易确定较低和较高密度对象的准确情况，相较而言，如果不考虑成本问题，MRI能够提供良好的软组织对比度，可以清晰了解肌肉、肌腱损伤情况和程度。另有研究表明，针对不同类型的肩关节损伤，MRI均可获得与关节镜相符的诊断效果[19]。对于肌肉组织坏死的情况，阮鹏等[20]通过实验证明，MRI联合表观弥散系数用于肌肉电击和烧伤等肌肉坏死情况的病理变化检测具有重要参考价值。梁冬丽[21]通过实验指出，MRI检查能有效显示冈上肌钙化性肌腱炎局部肌腱及周围组织结构情况，有较高的诊断符合率。
在骨骼肌损伤判定基础上，围绕损伤形成、病变恶化进程及术后效果分析等方面的预测研究引起了学者们的关注。基于中国人体数据库建立的骨骼—肌肉系统有限元分析与肌肉力预测平台，已在临床与人机工效等领域实现初步应用。Wang等[22]提出一种可模拟肌肉疲劳和恢复的模型，该模型考虑了肌肉疲劳和恢复特性，可预测最大自主收缩下肌肉疲劳情况，并可预测力维持过程中的耐力时间。Mikayla等[23]建立肌肉慢性损伤模型，分析了肌肉慢性损伤与脂肪的关系。综上，骨骼肌损伤判定与预测研究虽然取得了一定成效，但是仍然存在数据序列和来源单一、模型可泛化性差、过拟合等问题。
用模型化、数值化方法表达肌肉损伤，对提高诊断的准确性具有重要意义。对关节肌肉组织损伤过程进行量化表达，掌握肌肉损伤认知方法，构建数字化分析系统，作为医学研究有效的实验手段和工具，可为慢性损伤自然病程推演、治疗方案模拟等医学问题提供支撑平台和解决途径。
1.2 骨骼肌数据采集技术
骨骼肌数据按采集时运动状态不同可分为静态数据和动态数据。静态数据主要指各种医学图像数据，如MRI、CT等。医学图像采集过程中体位维持、采集参数、体内解剖标志的选择、图像数据中对“感兴趣”组织的准确提取、配准方式的选择、多模态图像数据配准和多次配准的准确性等问题亟待进一步研究。
动态数据的采集，是通过感知肌肉运动引起的变化，实时获取肌肉形态、肌力、变形等数据信号。当前，采集肌肉动态数据的方法有限，应用最广泛的方法是肌电信号采集。肌电信号采集又分为表面肌电和插入式肌电两种。表面肌电信号采集便捷，但是容易受到噪音干扰。近年来，随着深度摄像技术的不断进步，利用深度摄像机已可以实现运动过程中肌肉形变的采集，它的优点是非接触测量，但该方法采样速度较低，计算成本大。此外，三维扫描仪可以捕获大面积和小细节，也可应用于人体肌肉变形数据的采集。此外，已有市售的肌力数字测量仪（Myoton Pro, Myoton AS., 爱沙尼亚）通过在肌肉表面施加短时脉冲，可以快速地计算出肌力、肌张力、粘弹性等生物力学指标。这些信号采集设备常常结合人体运动状态的捕捉设备，例如惯性动作捕捉系统，一起获取运动过程中肌肉形态变化的数据。随着采集技术的多样化，研究者们开始研究肌肉的物理和生理参数的多模态数据采集方法。何金保等[24]用运动单位空间位置分解方法解决动态肌肉收缩表面肌电信号分解问题，对原始信号进行奇异值分解预处理，然后根据运动单位在各个通道上的波形相关性提取发放时刻，对发放时刻进行分类，说明了该方法具有良好的表面肌电信号分解性能。由于肌电采集设备佩戴不舒适且价格昂贵，惯性传感器进行运动跟踪也存在精度不足的问题，近年来集成柔性传感器的智能可穿戴设备开始在肌肉状态分析中得到应用。Chen等[25]采用集成柔性传感器的智能衣物收集手臂运动数据，估计连续手臂的运动学信息，实现手臂肌肉的表面肌电信号预测。
虽然以上仪器设备可用于进行骨骼肌动态数据采集，但骨骼肌依附于骨骼，在皮下以多层形式相互作用，由表面采集到的数据推算表层肌肉整体形状变化，估算中层和内层具有相当的难度，研制精度更高、测试范围更大的肌肉动态数据采集仪器是未来发展方向，研究计算精度更高的肌肉形态变化推算方法是迫切需要解决的问题。
1.3 骨骼肌仿真分析技术
人体运动系统由骨骼、骨关节和骨骼肌组成。从运动角度看，骨骼是被动部分，骨骼肌是动力部分，骨关节是运动的枢纽。人体骨骼—肌肉系统（骨肌系统）是多柔体冗余系统，运用已有的骨肌系统数据进行人体仿真分析是解析运动过程的有效手段。本文主要从动力学仿真和生理/病理仿真两方面进行综述。
刘伟[26]利用卡尔曼滤波算法进行人体关节位置评估，从而构建人体行为数学模型，提出一种基于机器学习的人体动作局部特征点识别方法。郑敏等[27]建立面向下肢骨骼的拉格朗日动力学方程，获得了骨关节动力学参数变化规律。Tao等[28]结合表面肌电信号和运动学数据，提出了一种基于肌肉模型的收缩力预测方法，反映运动过程中肌肉真实收缩力。Glitsch等[29]在考虑了膝关节及腿部软组织的情况下，建立下肢生物力学模型，运用逆动力学方法确定肌肉和骨关节力。Ma等[30]构建用于下肢康复的人机耦合动力学模型，该模型中融合了人体与外骨骼及人体与假肢耦合的多刚体模型。刘丹等[31]提出一种肩胛提肌高保真数字孪生体方法，包括肩胛提肌力—形模型库、本构模型及其数字孪生体构建方法。学者们以动力学理论为基础，根据肌肉—骨骼运动和力的问题，运用相关方法进行了仿真求解。还有许多学者借助有限元分析平台，建立仿真模型进行了高效的分析。
围绕生理学和病理学模拟，Corrado等[32]通过比较心脏肌肉特殊节点与周围属性均值的偏离程度描述心脏病的不确定性。Amuzescu等[33]在体外致心律失常评价范式架构条件下，通过电流、电压、钙离子（Ca2+）与动力学实验建立了心脏均衡模型。Hao等[34]针对涉及主动脉瘤生长的多尺度血流动力学—流体—结构相互作用问题，提出一种多尺度拉格朗日—欧拉有限元方法。
综上，研究者们开始用智能算法模拟人体生理学和病理学复杂行为，构建的模型已经可以用于对象行为的解释。这些研究为骨骼肌数字孪生体中模拟人体运动或疾病产生过程提供了新的方法和技术手段。
1.4 骨骼肌仿真平台
目前，国际上已有多款较为成熟的人体仿真软件平台，主要包括人体生物力学分析软件OpenSim（The National Center for Simulation in Rehabilitation Research，美国 ）、人体建模软件Anybody（Anybody Technology，丹麦）、骨骼肌肉交互式建模软件SIMM（Motion Analysis Corporation, 美国）、人体骨骼肌肉分析软件BOB（European Society of Biomechanics，英国）等，如表1所示。OpenSim可用于模拟机器人、人体骨骼等生物力学系统，大量学者在此平台分享自己的数据和研究方法。Anybody可计算模型骨骼、肌肉和关节的受力、变形、肌腱的弹性能及人体对环境的生物力学响应。SIMM考虑了骨肌系统中骨骼、肌肉、韧带及肌腱，可计算外力、肌肉活动以及身体运动之间的关系。BOB由骨骼段和运动肌肉单元组成，可以了解关节接触力、关节力矩、肌肉负荷分布、捕捉运动轨迹数据。医学影像控制系统MIMICS（Materialise，比利时）能对输入的CT、MRI等扫描数据进行三维建模，为有限元分析软件ANSYS（ANSYS Inc.，美国）、ABAQUS（Dassault Systemes，法国）等提供数据接口，借助其通用动力学分析软件，也可以进行人体骨肌系统动力学分析。
表1
主流人体骨肌系统仿真软件
Table1.
Mainstream human skeletal muscle system simulation software
基于这些平台，研究者开展了相关的人体系统分析研究。范子珍等[35]提出一种基于OpenSim的外骨骼设计方法，该方法将外骨骼机械本体嵌入人体肌肉骨骼模型中进行耦合。陈亮等[36]同步红外捕捉系统、测力台和表面肌电仪记录运动学、动力学与肌电数据，通过三维建模软件SoildWorks（Dassault Systemes，法国）、数学建模软件Matlab（MathWorks，美国）及OpenSim建立人体负重蹲起的数学模型，并优化计算出相关骨骼肌群肌力。陈琦等[37]运用递归公式得到行走过程运动学表达式，在仿真环境中建立虚拟样机，以人体运动参数驱动外骨骼进行运动学仿真。王颖等[38]通过Anybody建立股骨—肌肉模型，运用逆向动力学分析比较日常动作间股骨的应力分布与应力峰值，研究不同动作对股骨颈骨折术后股骨生物力学的影响。
1.5 人体医学图像数据库
目前，各国已相继开发构建各自的人体医学图像数据库。唐庆玉等[39]报道，1988年日本首先公布了人体全身的MRI图像数据库。20世纪90年代初，美国国家医学图书馆公布了基于MRI和X射线计算机断层成像（X-ray computed tomography，X-CT）图像数据的人体全身数据库（visual human project，VHP）。李安安等[40]也报道，韩国于2000年开始可视人研究计划（vsible Korean human，VKH）。2002年，在以“中国数字化虚拟人体的科技问题”为主题的香山科学会议上，我国研究者提出由于人种差异，中国应构建自己的人体数据集[41]。2003年，第三军医大学数字医学研究所发布中国数字化可视人体的数据集，包括五套中国可视化人体断面解剖数据集[42]。同年，第一军医大学也公布了虚拟中国人女性和男性数据集，构建了男性虚拟中国人0.2 mm等间距数字图像数据集[43]。此外，上海中医药大学建立穴位断面标本图像库和人体标定穴位后的逐层断面解剖图片库[44]。如表2所示，列出了主要人体骨肌医学图像数据库。
表2
主要人体医学图像数据库
Table2.
Major human medical image database
充分了解人体结构数据，有效理解人体信息，根据不同层次需求，开展人体数据采集和研究工作，建立具有自主知识产权的数据集，对我国数字化人体模型完善和发展，对疾病诊断、病变成因分析及预测领域科学研究具有深远影响和重大意义。
2 骨骼肌数字孪生体的发展方向
2021年，以“虚拟生理人体与医学应用”为主题的国家自然科学基金委员会第296期双清论坛上，专家们指出我国人体数字化技术开始进入“虚拟生理人”阶段[45]。2022年9月，欧盟虚拟生理人研究组织的虚拟生理人交流会主题为“用于个性化治疗开发和临床试验的数字孪生”[46]，表明数字孪生体在未来虚拟生理人研究中将起到非常重要的作用。前述研究成果为数字孪生体构建奠定了一定基础，但要构建真正意义上的骨骼肌数字孪生体仍需进一步深入探索。构建具有逼真几何形态、物理/生理/病理行为并支持医学和健康应用的骨骼肌数字孪生体，还应该加强以下几个方面的研究：
（1）骨骼肌泛化数字化形态模型。基于MRI数据的个体骨骼肌形态模型建模时效性低，难以在医学实践中应用。采用现有人体数据库的通用模型，又存在不能反映个体特征信息的问题。因此，需要进一步探索如何通过少量个体样本，基于几何形态学和深度学习方法，构建类参数化的骨骼肌泛化数字化形态模型，通过感知差异性特征参数使其调整成个性化的模型实体。
（2）高精度骨骼肌数字孪生体构建及评估。骨骼肌类型多样，结构、功能、力学性质差别大，且表面形态多变，准确构建其动态的形态和物理模型具有相当难度。且由于不同个体肌肉状态的差异性，导致通用本构模型参数难以准确反映个体肌力特性。充分利用新的仿真分析技术，突破现有实体试验的方式，赋予个体骨骼肌真实的力学特性，同时建立精准的评价标准才能保证数字孪生体的质量和性能。
（3）基于肌电信号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，通过构建含有所有已知微观生理反应的集合获取骨骼肌的宏观力学表现。而微观生理特性数据获取具有相当难度，因此，深入开展肌电信号分析研究，获取更多的生物物理信息，结合神经网络及其他临床数据，反推出各种生理参数的变化情况和规律，是一个重要研究方向。
（4）肌肉损伤高保真仿真分析技术。在规则模型构件中，实现损伤的判定、预测都要求以高准确率为前提。根据医学图像数据，准确分析判定损伤，进而描述损伤的特征，寻找合理模拟肌肉损伤形成过程的仿真，完成损伤的发展预测。同时高保真仿真可能包含多物理、多尺度和强非线性模型，如何使用高性能计算机或并行计算技术，实现数字孪生体的实时响应非常关键。
3 结束语
在医疗健康数字孪生体研究领域中，人体/患者数字孪生体是医疗健康数字孪生领域中受关注度最高，也是最为复杂的。随着数字化技术的发展，未来，每个人都可以拥有属于自己的数字孪生体。我国人体数字化技术经历了“虚拟可视人”和“虚拟物理人”两个研究阶段，骨骼肌数字孪生体对构建具有高保真的形态、动态物理行为及基于生理/病理的虚拟生理人具有重大意义。本文主要针对人体骨骼肌数字孪生体技术，较为系统地概述与总结数字孪生体技术，骨骼肌的虚拟实体建模、数据采集、仿真分析等技术研究进展。在骨骼肌数字化形态模型构建、多尺度物理模型研究、行为模型分析和规则模型建立方面已取得了一定成果。医疗健康体系中，医院、医疗设备等非生命体的数字孪生体构建均可借鉴工程领域或建筑领域数字孪生体的构建方法。由于人体的复杂性，人体数字孪生体的构建虽然可以借鉴工程领域研究成果，但由于生物组织的高度复杂性，需要进一步探索新的构建方法和技术。在骨骼肌建模和多尺度仿真分析、多维度多模态数据协同分析骨骼肌构成要素的生理机制、几何物理生理建模与可交互的呈现、与虚拟人体生理系统的有机集成等方面还需要进行大量深入的研究工作。
重要声明
利益冲突声明：本文全体作者均声明不存在利益冲突。
作者贡献声明：刘丹主要负责引言、骨骼肌数字化形态模型、骨骼肌多尺度物理模型、骨骼肌规则模型、骨骼肌数据采集技术和骨骼肌数字孪生体发展方向内容的撰写，通信作者何玲主要负责骨骼肌数字化形态模型、骨骼肌仿真分析技术、骨骼肌仿真平台和人体数据库内容的撰写，杨砥主要协助归纳总结骨骼肌数字孪生体技术构架相关内容，章杰主要协助归纳总结骨骼肌数字化形态模型相关内容，陈家兑协助归纳总结骨骼肌数据采集技术的内容，杨观赐主要负责全文审校。
0 引言
目前，源于工程制造领域的前沿技术——数字孪生（digital twin）正在成为智能医学时代的一项重要技术手段。数字孪生是一种综合运用感知、计算、建模等技术，建立物理实体的虚拟数字模型，利用该模型接收物理对象的数据并集成多学科、多尺度、多物理量的仿真过程实现实时演化，并可在虚拟空间忠实映射真实世界物体，反映物理实体的全生命周期过程，同时实现对物理实体状态和行为的预测、优化、调控的技术体系。其中，数字孪生体（digital twins）是数字孪生技术体系中最为关键的对象、模型和数据[1]。2022年美国福布斯双周刊提出的医疗健康领域五大技术趋势之一就是“数字孪生取代动物实验”[2]。基于数字孪生实现人类健康管理和精准个体医疗成为医疗领域一个新兴的、充满发展前景的方向，它在健康领域的应用主要有以下两个方面：① 构建患者的动态数字化副本——人体数字孪生体，以开展医疗诊断技术和方法工具的改善、分析和开发；② 创建医院、医疗设备、医疗流程等的数字孪生体进行医疗战略规划、医疗设备的预测性维护等。其中人体/患者数字孪生体是医疗健康数字孪生领域中关注度最高，但也是最为复杂的。骨骼肌是人体最大的能量代谢和内分泌性器官，在人体运动和形态维持等方面发挥重要作用，而骨骼肌数字孪生体可以解决因人体试验受限而导致的骨骼肌机制认知误差，为损伤、疼痛等肌肉类疾病提供数据化分析依据，是人体数字孪生研究中不可缺少的重要组成部分，有助于提高诊治准确率和治愈率。
为了更好地促进数字孪生在医疗健康领域的应用，帮助相关领域的科研工作者了解骨骼肌数字孪生体相关支持技术的研究进展，本文首先总结归纳出了骨骼肌数字孪生体的技术构架；然后，从数字孪生体建模技术、数据采集技术、仿真分析技术、仿真平台、人体医学图像数据库五个方面综述了最新的研究成果；最后，给出了骨骼肌数字孪生体技术的未来发展方向，以期为骨骼肌数字孪生体构建研究提供参考。
1 骨骼肌数字孪生体相关技术研究进展
早在20世纪90年代，美国、日本、韩国等国家就开始了人体数字化相关技术研究，2006年欧盟提出虚拟生理人项目，并依托该项目成立了虚拟生理人（virtual physiological human, VPH）研究组织[3]。在国内，王成焘等[4]开展 “中国力学虚拟人”建设项目，利用中国数字人数据集建立了全身骨肌系统解剖数据模型和人体骨肌系统生物力学计算平台。我国人体数字化研究经历了“虚拟可视人”和“虚拟物理人”两个研究阶段，目前处于“虚拟生理人”阶段[5]。数字孪生正是“虚拟生理人”研究的一个重要技术手段。本文借鉴陶飞等[6]提出的“数字孪生五维模型”，归纳总结出了如图1所示的骨骼肌数字孪生体构建技术构架。
图1
骨骼肌数字孪生体技术构架
Figure1.
The technology architecture of skeletal muscle digital twins
如图1所示，人体医学图像数据库及各种骨骼肌仿真平台是构建骨骼肌数字孪生体的基础和工具；骨骼肌数据采集和仿真分析技术为骨骼肌数字孪生体构建提供数据基础；骨骼肌数字孪生体建模技术从“数字化形态模型—多尺度物理模型—行为模型—规则模型”四个方面构建骨骼肌不同维度的数字表征模型，是骨骼肌数字孪生体的核心；虚拟实体是现实世界骨骼肌（物理实体）的数字化表现，孪生数据是虚拟实体的驱动，孪生数据与物理实体是单向连接交互关系。
1.1 骨骼肌数字孪生体建模技术
1.1.1 骨骼肌数字化形态模型
骨骼肌数字化形态模型可用于描述骨骼肌的外形，能同时反映不同位姿或受力情况时肌肉形态的动态变化。从电子计算机断层扫描（computed tomography, CT）或核磁共振成像（nuclear magnetic resonance imaging, MRI）等医学图像中，建立人体器官组织形态模型的研究成果已用于实践。相对于骨骼的形态不变，肌肉组织在不同运动状态下会发生较大的形状变化，而运动状态下的肌肉组织形态难以通过CT和MRI获取。为了构建能够反映肌肉作动形状变化的数字化形态模型， Roussellet等[7]利用隐式曲面对肌肉基元进行建模，用线段代替肌肉中心轴，通过中心轴的变形模拟肌肉组织变形，但所提出的方法约束及参数过多且参数调整较为困难。倪娜等[8]利用MRI数据切片图像提取人体肱二头肌特征曲线，通过建立向量值动态四阶微分方程用特征曲线动态模拟肌肉的变形过程。
这些研究虽然考虑了肌肉作动时形态变化特性，但这种基于肌肉线所构建的模型使得肌肉动态模拟精度较低，难以真实反映肌肉的动态变化。因此，可以考虑将医学断层图像处理与计算机图形学、机器学习等方法结合，寻找肌肉作动时形状变化规律，从而构建高精度的数字化形态模型。
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观生物力学及微观生理性能，构建技术包含两部分：基于骨骼肌运动学和动力学特性的生物力学模型、基于微观作用机制的生物物理学模型。
（1）骨骼肌生物力学建模
经典的肌肉模型：希尔（Hill）肌肉三元素收缩模型、人体软组织粘弹性体以及肌肉的数学建模研究，均难以准确描述不同区域肌肉的力学特性。为了表征各种肌肉组织的交互作用、在应力下的改变，Shan等[9]通过临床试验测量得到腓肠三头肌和桡神经肌的杨氏模量，该研究结果表明，在次最大肌收缩过程中，腓肠三头肌和桡神经肌表现出不均匀和各向异性的力学性能。Pinel等[10]通过对比21名年轻人和15名老年人的肌肉体积和结构、肌内脂肪的数量和分布以及腓肠三头肌的肌肉剪切模量等方面与年龄相关的差异，还探讨了年轻人和老年人的肌肉体积、结构、肌内脂肪和踝跖屈强度之间的关系。上述研究表明，骨骼肌力学性能复杂，同时还与多种因素相关，如年龄因素。
目前，生物力学建模方面的研究主要关注局部肌肉组织表现出的特殊力学特性，大都由试验取得组织力学数据，具有较强的针对性，多因素影响机制尚未明确。近年来，研究者将生物力学模型应用于各种虚拟实验验证或虚拟手术系统，但主要通过离线仿真方式模拟骨骼肌的生物力学行为，离精准反映骨骼肌行为特性还存在一定差距。
（2）骨骼肌生物物理学建模
骨骼肌肌力的产生通过肌肉骨骼系统多尺度复杂过程实现，如神经刺激的产生、骨骼肌肌节内的力产生、肌腱的力传递等。在组织层面上，大多数早期骨骼肌模型用一维弹力线构建，模拟结果精度较低，而多尺度模型将微观结构变化与宏观变形结合考虑，具有较高精度且能从生物物理学角度揭示肌肉组织工作机制，因此融合不同尺度的骨骼肌多尺度建模成为当前研究热点和难点。Röhrle等[11]构建了包含细胞生理学模型的骨骼肌模型，该模型包括了多个亚细胞模型，能够反映肌肉疲劳、空间特性、肌纤维的分布、运动单位募集行为以及骨骼肌力的生成。Heidlauf等[12]在Röhrle等[11]的研究基础上，采用自下而上的方法，构建骨骼肌生物物理模型，并与动作电位沿骨骼肌纤维的传播进行耦合，同时将细胞参数与骨骼肌本构方程联系起来，构建了多物理尺度的、完全耦合的骨骼肌建模仿真框架。耿慧玉[13]研究了人体骨骼肌的多尺度结构和功能，建立了融合半肌小节模型以及动作电位传导模型的人体骨骼肌生物力学模型。马闯[14]将人体骨骼肌的微观作用机制和肌肉运动能量守恒关系结合，研究肌纤维兴奋收缩的生理过程。
近年来，骨骼肌不同尺度下的结构功能和力学行为及生物物理特性已引起了研究者的关注。但是要构建精确的骨骼肌多尺度物理模型，需要考虑复杂的肌纤维结构、运动单位的分布以及骨骼肌和骨骼肌周围组织的相互作用。因此，要全面真实地刻画人体骨骼肌，反映其真实生物物理性能，精准分析骨骼肌生物力学特点还任重道远。
1.1.3 骨骼肌行为模型
骨骼肌行为模型通过采集物理实体数据构建，主要涉及人体数据采集和数据处理技术。骨骼肌的肌力是骨骼肌行为的宏观力学表现，主要通过动作捕捉实验结合逆向动力学获取受试者的运动学和动力学参数，从而获得人体内部的肌力值[15]。目前，通过动作捕捉获取人体数据主要有两种方式：高速高精度视频动作捕捉、可穿戴式惯性动作捕捉系统[16]。
表面肌电是靠近皮肤的表面肌群受神经控制产生的生物电信号，蕴含了丰富的肌肉功能及状态信息。当前，已有不少研究者开展了通过表面肌电信号获取骨骼肌力的方法研究。例如：胡若晨[17]基于高密度表面肌电和非负矩阵分解算法展开动态自主收缩力估计研究，提出了一种利用深度置信网络融合多肌肉表面肌电信息的方法。由于在理论上可逼近任意非线性函数，从而可有效拟合肌电与肌力的复杂关系，深度学习算法近年来被引入肌力估计领域。Tang等[18]提出了一种新的编码器—解码器深度网络混合框架来处理微观神经驱动信息，并将其应用于精确的肌力估计。此外，由于肌电信号在生理上与肌肉组织自身的生物化学反应、具体的收缩过程以及相关神经肌肉控制系统存在着复杂的联系，近年来研究者们开始研究肌电信号分解技术，以获取微观神经驱动信息。
研究者们的研究已为通过肌电信号分析骨骼肌宏观微观性能奠定了基础，但仍然存在肌力估计精度不足的问题。由于具有对原始信息利用率高、泛化能力强和无需人工提取特征等优势，采用深度学习网络构建高精度肌力估计模型，是未来基于肌电信号的肌力估计和分解的可行解决方案。
1.1.4 骨骼肌规则模型
骨骼肌规则模型，是指通过数据采集获得肌肉的物理性能数据后，再经数据分析确定肌肉损伤等骨骼肌疾病判定规则模型，进而完成骨骼肌疾病的预测。目前，该模型主要针对骨骼肌的损伤开展研究。骨骼肌损伤的判定大都基于医学图像的分析展开。医学超声由于具有空间分辨率高、软组织对比度好、诊断局限性小、价格适中等特点，获得广大影像学医师的青睐。然而，超声检查不易确定较低和较高密度对象的准确情况，相较而言，如果不考虑成本问题，MRI能够提供良好的软组织对比度，可以清晰了解肌肉、肌腱损伤情况和程度。另有研究表明，针对不同类型的肩关节损伤，MRI均可获得与关节镜相符的诊断效果[19]。对于肌肉组织坏死的情况，阮鹏等[20]通过实验证明，MRI联合表观弥散系数用于肌肉电击和烧伤等肌肉坏死情况的病理变化检测具有重要参考价值。梁冬丽[21]通过实验指出，MRI检查能有效显示冈上肌钙化性肌腱炎局部肌腱及周围组织结构情况，有较高的诊断符合率。
在骨骼肌损伤判定基础上，围绕损伤形成、病变恶化进程及术后效果分析等方面的预测研究引起了学者们的关注。基于中国人体数据库建立的骨骼—肌肉系统有限元分析与肌肉力预测平台，已在临床与人机工效等领域实现初步应用。Wang等[22]提出一种可模拟肌肉疲劳和恢复的模型，该模型考虑了肌肉疲劳和恢复特性，可预测最大自主收缩下肌肉疲劳情况，并可预测力维持过程中的耐力时间。Mikayla等[23]建立肌肉慢性损伤模型，分析了肌肉慢性损伤与脂肪的关系。综上，骨骼肌损伤判定与预测研究虽然取得了一定成效，但是仍然存在数据序列和来源单一、模型可泛化性差、过拟合等问题。
用模型化、数值化方法表达肌肉损伤，对提高诊断的准确性具有重要意义。对关节肌肉组织损伤过程进行量化表达，掌握肌肉损伤认知方法，构建数字化分析系统，作为医学研究有效的实验手段和工具，可为慢性损伤自然病程推演、治疗方案模拟等医学问题提供支撑平台和解决途径。
1.2 骨骼肌数据采集技术
骨骼肌数据按采集时运动状态不同可分为静态数据和动态数据。静态数据主要指各种医学图像数据，如MRI、CT等。医学图像采集过程中体位维持、采集参数、体内解剖标志的选择、图像数据中对“感兴趣”组织的准确提取、配准方式的选择、多模态图像数据配准和多次配准的准确性等问题亟待进一步研究。
动态数据的采集，是通过感知肌肉运动引起的变化，实时获取肌肉形态、肌力、变形等数据信号。当前，采集肌肉动态数据的方法有限，应用最广泛的方法是肌电信号采集。肌电信号采集又分为表面肌电和插入式肌电两种。表面肌电信号采集便捷，但是容易受到噪音干扰。近年来，随着深度摄像技术的不断进步，利用深度摄像机已可以实现运动过程中肌肉形变的采集，它的优点是非接触测量，但该方法采样速度较低，计算成本大。此外，三维扫描仪可以捕获大面积和小细节，也可应用于人体肌肉变形数据的采集。此外，已有市售的肌力数字测量仪（Myoton Pro, Myoton AS., 爱沙尼亚）通过在肌肉表面施加短时脉冲，可以快速地计算出肌力、肌张力、粘弹性等生物力学指标。这些信号采集设备常常结合人体运动状态的捕捉设备，例如惯性动作捕捉系统，一起获取运动过程中肌肉形态变化的数据。随着采集技术的多样化，研究者们开始研究肌肉的物理和生理参数的多模态数据采集方法。何金保等[24]用运动单位空间位置分解方法解决动态肌肉收缩表面肌电信号分解问题，对原始信号进行奇异值分解预处理，然后根据运动单位在各个通道上的波形相关性提取发放时刻，对发放时刻进行分类，说明了该方法具有良好的表面肌电信号分解性能。由于肌电采集设备佩戴不舒适且价格昂贵，惯性传感器进行运动跟踪也存在精度不足的问题，近年来集成柔性传感器的智能可穿戴设备开始在肌肉状态分析中得到应用。Chen等[25]采用集成柔性传感器的智能衣物收集手臂运动数据，估计连续手臂的运动学信息，实现手臂肌肉的表面肌电信号预测。
虽然以上仪器设备可用于进行骨骼肌动态数据采集，但骨骼肌依附于骨骼，在皮下以多层形式相互作用，由表面采集到的数据推算表层肌肉整体形状变化，估算中层和内层具有相当的难度，研制精度更高、测试范围更大的肌肉动态数据采集仪器是未来发展方向，研究计算精度更高的肌肉形态变化推算方法是迫切需要解决的问题。
1.3 骨骼肌仿真分析技术
人体运动系统由骨骼、骨关节和骨骼肌组成。从运动角度看，骨骼是被动部分，骨骼肌是动力部分，骨关节是运动的枢纽。人体骨骼—肌肉系统（骨肌系统）是多柔体冗余系统，运用已有的骨肌系统数据进行人体仿真分析是解析运动过程的有效手段。本文主要从动力学仿真和生理/病理仿真两方面进行综述。
刘伟[26]利用卡尔曼滤波算法进行人体关节位置评估，从而构建人体行为数学模型，提出一种基于机器学习的人体动作局部特征点识别方法。郑敏等[27]建立面向下肢骨骼的拉格朗日动力学方程，获得了骨关节动力学参数变化规律。Tao等[28]结合表面肌电信号和运动学数据，提出了一种基于肌肉模型的收缩力预测方法，反映运动过程中肌肉真实收缩力。Glitsch等[29]在考虑了膝关节及腿部软组织的情况下，建立下肢生物力学模型，运用逆动力学方法确定肌肉和骨关节力。Ma等[30]构建用于下肢康复的人机耦合动力学模型，该模型中融合了人体与外骨骼及人体与假肢耦合的多刚体模型。刘丹等[31]提出一种肩胛提肌高保真数字孪生体方法，包括肩胛提肌力—形模型库、本构模型及其数字孪生体构建方法。学者们以动力学理论为基础，根据肌肉—骨骼运动和力的问题，运用相关方法进行了仿真求解。还有许多学者借助有限元分析平台，建立仿真模型进行了高效的分析。
围绕生理学和病理学模拟，Corrado等[32]通过比较心脏肌肉特殊节点与周围属性均值的偏离程度描述心脏病的不确定性。Amuzescu等[33]在体外致心律失常评价范式架构条件下，通过电流、电压、钙离子（Ca2+）与动力学实验建立了心脏均衡模型。Hao等[34]针对涉及主动脉瘤生长的多尺度血流动力学—流体—结构相互作用问题，提出一种多尺度拉格朗日—欧拉有限元方法。
综上，研究者们开始用智能算法模拟人体生理学和病理学复杂行为，构建的模型已经可以用于对象行为的解释。这些研究为骨骼肌数字孪生体中模拟人体运动或疾病产生过程提供了新的方法和技术手段。
1.4 骨骼肌仿真平台
目前，国际上已有多款较为成熟的人体仿真软件平台，主要包括人体生物力学分析软件OpenSim（The National Center for Simulation in Rehabilitation Research，美国 ）、人体建模软件Anybody（Anybody Technology，丹麦）、骨骼肌肉交互式建模软件SIMM（Motion Analysis Corporation, 美国）、人体骨骼肌肉分析软件BOB（European Society of Biomechanics，英国）等，如表1所示。OpenSim可用于模拟机器人、人体骨骼等生物力学系统，大量学者在此平台分享自己的数据和研究方法。Anybody可计算模型骨骼、肌肉和关节的受力、变形、肌腱的弹性能及人体对环境的生物力学响应。SIMM考虑了骨肌系统中骨骼、肌肉、韧带及肌腱，可计算外力、肌肉活动以及身体运动之间的关系。BOB由骨骼段和运动肌肉单元组成，可以了解关节接触力、关节力矩、肌肉负荷分布、捕捉运动轨迹数据。医学影像控制系统MIMICS（Materialise，比利时）能对输入的CT、MRI等扫描数据进行三维建模，为有限元分析软件ANSYS（ANSYS Inc.，美国）、ABAQUS（Dassault Systemes，法国）等提供数据接口，借助其通用动力学分析软件，也可以进行人体骨肌系统动力学分析。
表1
主流人体骨肌系统仿真软件
Table1.
Mainstream human skeletal muscle system simulation software
基于这些平台，研究者开展了相关的人体系统分析研究。范子珍等[35]提出一种基于OpenSim的外骨骼设计方法，该方法将外骨骼机械本体嵌入人体肌肉骨骼模型中进行耦合。陈亮等[36]同步红外捕捉系统、测力台和表面肌电仪记录运动学、动力学与肌电数据，通过三维建模软件SoildWorks（Dassault Systemes，法国）、数学建模软件Matlab（MathWorks，美国）及OpenSim建立人体负重蹲起的数学模型，并优化计算出相关骨骼肌群肌力。陈琦等[37]运用递归公式得到行走过程运动学表达式，在仿真环境中建立虚拟样机，以人体运动参数驱动外骨骼进行运动学仿真。王颖等[38]通过Anybody建立股骨—肌肉模型，运用逆向动力学分析比较日常动作间股骨的应力分布与应力峰值，研究不同动作对股骨颈骨折术后股骨生物力学的影响。
1.5 人体医学图像数据库
目前，各国已相继开发构建各自的人体医学图像数据库。唐庆玉等[39]报道，1988年日本首先公布了人体全身的MRI图像数据库。20世纪90年代初，美国国家医学图书馆公布了基于MRI和X射线计算机断层成像（X-ray computed tomography，X-CT）图像数据的人体全身数据库（visual human project，VHP）。李安安等[40]也报道，韩国于2000年开始可视人研究计划（vsible Korean human，VKH）。2002年，在以“中国数字化虚拟人体的科技问题”为主题的香山科学会议上，我国研究者提出由于人种差异，中国应构建自己的人体数据集[41]。2003年，第三军医大学数字医学研究所发布中国数字化可视人体的数据集，包括五套中国可视化人体断面解剖数据集[42]。同年，第一军医大学也公布了虚拟中国人女性和男性数据集，构建了男性虚拟中国人0.2 mm等间距数字图像数据集[43]。此外，上海中医药大学建立穴位断面标本图像库和人体标定穴位后的逐层断面解剖图片库[44]。如表2所示，列出了主要人体骨肌医学图像数据库。
表2
主要人体医学图像数据库
Table2.
Major human medical image database
充分了解人体结构数据，有效理解人体信息，根据不同层次需求，开展人体数据采集和研究工作，建立具有自主知识产权的数据集，对我国数字化人体模型完善和发展，对疾病诊断、病变成因分析及预测领域科学研究具有深远影响和重大意义。
2 骨骼肌数字孪生体的发展方向
2021年，以“虚拟生理人体与医学应用”为主题的国家自然科学基金委员会第296期双清论坛上，专家们指出我国人体数字化技术开始进入“虚拟生理人”阶段[45]。2022年9月，欧盟虚拟生理人研究组织的虚拟生理人交流会主题为“用于个性化治疗开发和临床试验的数字孪生”[46]，表明数字孪生体在未来虚拟生理人研究中将起到非常重要的作用。前述研究成果为数字孪生体构建奠定了一定基础，但要构建真正意义上的骨骼肌数字孪生体仍需进一步深入探索。构建具有逼真几何形态、物理/生理/病理行为并支持医学和健康应用的骨骼肌数字孪生体，还应该加强以下几个方面的研究：
（1）骨骼肌泛化数字化形态模型。基于MRI数据的个体骨骼肌形态模型建模时效性低，难以在医学实践中应用。采用现有人体数据库的通用模型，又存在不能反映个体特征信息的问题。因此，需要进一步探索如何通过少量个体样本，基于几何形态学和深度学习方法，构建类参数化的骨骼肌泛化数字化形态模型，通过感知差异性特征参数使其调整成个性化的模型实体。
（2）高精度骨骼肌数字孪生体构建及评估。骨骼肌类型多样，结构、功能、力学性质差别大，且表面形态多变，准确构建其动态的形态和物理模型具有相当难度。且由于不同个体肌肉状态的差异性，导致通用本构模型参数难以准确反映个体肌力特性。充分利用新的仿真分析技术，突破现有实体试验的方式，赋予个体骨骼肌真实的力学特性，同时建立精准的评价标准才能保证数字孪生体的质量和性能。
（3）基于肌电信号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，通过构建含有所有已知微观生理反应的集合获取骨骼肌的宏观力学表现。而微观生理特性数据获取具有相当难度，因此，深入开展肌电信号分析研究，获取更多的生物物理信息，结合神经网络及其他临床数据，反推出各种生理参数的变化情况和规律，是一个重要研究方向。
（4）肌肉损伤高保真仿真分析技术。在规则模型构件中，实现损伤的判定、预测都要求以高准确率为前提。根据医学图像数据，准确分析判定损伤，进而描述损伤的特征，寻找合理模拟肌肉损伤形成过程的仿真，完成损伤的发展预测。同时高保真仿真可能包含多物理、多尺度和强非线性模型，如何使用高性能计算机或并行计算技术，实现数字孪生体的实时响应非常关键。
3 结束语
在医疗健康数字孪生体研究领域中，人体/患者数字孪生体是医疗健康数字孪生领域中受关注度最高，也是最为复杂的。随着数字化技术的发展，未来，每个人都可以拥有属于自己的数字孪生体。我国人体数字化技术经历了“虚拟可视人”和“虚拟物理人”两个研究阶段，骨骼肌数字孪生体对构建具有高保真的形态、动态物理行为及基于生理/病理的虚拟生理人具有重大意义。本文主要针对人体骨骼肌数字孪生体技术，较为系统地概述与总结数字孪生体技术，骨骼肌的虚拟实体建模、数据采集、仿真分析等技术研究进展。在骨骼肌数字化形态模型构建、多尺度物理模型研究、行为模型分析和规则模型建立方面已取得了一定成果。医疗健康体系中，医院、医疗设备等非生命体的数字孪生体构建均可借鉴工程领域或建筑领域数字孪生体的构建方法。由于人体的复杂性，人体数字孪生体的构建虽然可以借鉴工程领域研究成果，但由于生物组织的高度复杂性，需要进一步探索新的构建方法和技术。在骨骼肌建模和多尺度仿真分析、多维度多模态数据协同分析骨骼肌构成要素的生理机制、几何物理生理建模与可交互的呈现、与虚拟人体生理系统的有机集成等方面还需要进行大量深入的研究工作。
重要声明
利益冲突声明：本文全体作者均声明不存在利益冲突。
作者贡献声明：刘丹主要负责引言、骨骼肌数字化形态模型、骨骼肌多尺度物理模型、骨骼肌规则模型、骨骼肌数据采集技术和骨骼肌数字孪生体发展方向内容的撰写，通信作者何玲主要负责骨骼肌数字化形态模型、骨骼肌仿真分析技术、骨骼肌仿真平台和人体数据库内容的撰写，杨砥主要协助归纳总结骨骼肌数字孪生体技术构架相关内容，章杰主要协助归纳总结骨骼肌数字化形态模型相关内容，陈家兑协助归纳总结骨骼肌数据采集技术的内容，杨观赐主要负责全文审校。
