任志強，王晨陽，寇忠云，蔡瑞，楊公社，龐衛(wèi)軍

運用計算機斷層掃描技術活體評估種公豬瘦肉率、脂肪率和肌內脂肪含量

西北農林科技大學動物科技學院/動物脂肪沉積與肌肉發(fā)育實驗室，陜西楊凌 712100

【目的】通過研究計算機斷層掃描（computed tomography，CT）技術在活體評估種公豬胴體與肉質性狀中的準確性，實現(xiàn)對表型組進行智能測定，為種豬的選育和精細化飼養(yǎng)管理提供技術參數(shù)?！痉椒ā窟x擇體重相近（（42.02±1.05）kg）、健康狀況良好的杜洛克公豬40頭，饑餓處理24 h后，采取耳緣靜脈注射麻醉劑，實行全身性麻醉。將豬只按照頭前尾后俯臥姿勢置于CT掃描床上，通過16排螺旋CT平掃獲取原始圖像序列。利用圖像處理技術對獲取的圖像進行圖像薄層重建與去噪、圖像多平面重建和圖像分割，進而對圖像進行定量分析，并結合B超活體測定和屠宰測定評估了種公豬的胴體組成、背膘厚、眼肌深度、眼肌面積、胴體直長和胴體斜長等胴體性狀；以屠宰測定瘦肉率為因變量，CT活體測定背膘厚、眼肌深度、眼肌面積、胴體直長和胴體斜長為自變量，運用偏最小二乘回歸分析構建種豬胴體瘦肉率的預測模型；采用索氏提取法測定背最長肌、臀中肌和半膜肌樣品中肌內脂肪（intramuscular fat，IMF）含量，并與CT活體評估對應部位肌內脂肪含量進行相關性分析?！窘Y果】在對CT活體評估與屠宰測定瘦肉率、脂肪率、骨率、皮率進行相關性分析時發(fā)現(xiàn)，兩者之間的相關系數(shù)（）均達到0.85以上，呈強相關（＜0.01）；經一元線性回歸分析，決定系數(shù)（2）分別為0.832、0.820、0.800和0.740。此外，CT活體評估與屠宰測定背膘厚、眼肌深度、胴體直長和胴體斜長無顯著差異（＞0.05）；在胸腰椎結合處（P2點）測量背膘厚時，B超活體測定與屠宰測定差異顯著（＜0.05），而CT活體評估與屠宰測定差異不顯著（＞0.05）。采用偏最小二乘法建立了預測種公豬胴體瘦肉率的回歸模型，其預測均方根誤差（root mean square error of prediction，RMSEP）和決定系數(shù)（2）分別為0.1472、0.983。進一步通過CT評估肌內脂肪含量，CT活體評估和屠宰測定背最長肌、臀中肌、半膜肌肌內脂肪含量呈強相關（＜0.01），相關系數(shù)（）分別為0.837、0.815、0.786；一元線性回歸分析表明，CT活體評估和屠宰測定肌內脂肪含量間存在極顯著的線性正相關（＜0.01）?！窘Y論】運用CT技術可準確活體測定種豬瘦肉率、脂肪率、骨率、背膘厚和眼肌深度等胴體性狀，以及肉質指標肌內脂肪含量，為實現(xiàn)種豬性能的持續(xù)改良提供了技術支撐，從而更準確地選擇相關性狀。

計算機斷層掃描；種公豬；活體評估；胴體性狀；肉質性狀

0 引言

【研究意義】種豬被稱為“豬芯片”，對種豬的選育在生豬生產中至關重要[1]。選育優(yōu)良種豬的基礎是準確獲取豬的重要經濟性狀數(shù)據(jù)，而國內長期以來對進口種豬的依賴，大大阻礙了我國種豬性狀測定技術的發(fā)展。因此，通過研發(fā)新的活體性狀測定技術來提高種豬性能測定的精確度對良種繁育體系建設具有重要的現(xiàn)實意義?！厩叭搜芯窟M展】二十世紀八十年代初，國外畜牧工作者發(fā)現(xiàn)CT（computed tomography）是一種有價值的工具，預測可以用于連續(xù)進行活體動物的身體成分估計，相關研究依次展開[2]。隨著CT設備和圖像分析領域的穩(wěn)步發(fā)展，在一些西方國家CT逐漸應用于活畜和肉類測定中，以確定活體和胴體的身體成分以及肉品質[3]。從2000年開始，挪威的商業(yè)綿羊育種計劃中，計算機斷層掃描已用于活體估計胴體的重量和組成[4-5]。為了評估兩個不同綿羊品種的胴體性狀，LAMBE等[6]采用了活體動物視頻圖像分析、超聲和計算機斷層掃描等三種方法，發(fā)現(xiàn)與其他兩種方法相比較，雖然CT使用價格更高，但卻是活體預測綿羊脂肪和肌肉總重量的最佳方法，以此可以帶來最大的經濟效益。PICOUET等[7]報道，使用密度模型并結合CT進行豬胴體的掃描，可以較好地預測豬的體重和瘦肉率。此外，LAMBE等[8]對平均體重為60、85和115 kg的活豬進行CT掃描，研究低蛋白日糧對瘦肉型豬的影響，發(fā)現(xiàn)CT評估結果與胴體解剖測定結果高度相關，能夠有效地描述飼喂不同蛋白質/氨基酸日糧方案后40—115 kg活豬的肌肉、脂肪、骨骼組成的變化。另外一方面，近幾十年來種豬選育過程中過度追求瘦肉率導致肌內脂肪含量偏低，影響肉的口感和風味，由此CT評估豬肌內脂肪含量也開始受到廣泛關注。對屠宰后的豬肉進行CT掃描來評估背最長肌肌內脂肪含量，結果顯示的是與評估牛肉肌內脂肪含量類似，準確性較高[9]。然而，對于活體上使用CT評估種豬肌內脂肪含量的相關研究結果卻出現(xiàn)了分歧，KONGSRO等[10]和FONT-I-FURNOLS等[11]研究結果表明CT不能用于活體評估種豬肌內脂肪含量，準確性不高，而LAMBE等[8]的結果顯示對于不同生長階段的豬，CT都可以準確地活體評估肌內脂肪含量?！颈狙芯壳腥朦c】目前，應用計算機斷層掃描技術活體評估種豬的經濟性狀在我國畜牧業(yè)中處于發(fā)展初步階段，關于如何使用CT技術活體評估種公豬胴體和肉質性狀尚沒有系統(tǒng)的研究，對其深入探索就顯得尤為重要。本研究選取終端父本杜洛克種公豬，利用CT進行掃描并結合圖像分析技術評估種豬胴體和肉質性狀。【擬解決的關鍵問題】基于計算機斷層掃描設備和圖像處理手段，建立種豬胴體組成、肌內脂肪含量等重要經濟性狀活體精準測定技術，實現(xiàn)對表型組進行智能測定，為種豬的選育和精細化飼養(yǎng)管理提供技術參數(shù)。

1 材料與方法

1.1 試驗時間和地點

試驗于2020年9月在四川成都瑞派寵物醫(yī)院（華茜高新醫(yī)院）進行豬CT活體掃描，隨后在四川王一食品有限公司進行B超測定和屠宰采樣。試驗于2020年10月至2021年3月在陜西楊凌康復醫(yī)院和西北農林科技大學動物科技學院完成數(shù)據(jù)分析。

1.2 試驗動物

試驗豬購買于四川彭州金豬農業(yè)開發(fā)有限公司，體重為（42.02±1.05）kg的杜洛克公豬40頭。

1.3 豬只麻醉與CT掃描

豬只麻醉及CT掃描操作在四川成都瑞派寵物醫(yī)院（華茜高新醫(yī)院）進行。豬在麻醉前進行稱重、編號及饑餓處理（斷料不斷水）。饑餓處理24 h后，實行全身性麻醉。采取耳緣靜脈注射麻醉劑，丙泊酚和舒泰2﹕1配伍（0.6—0.7 mL·kg-1）。

豬的活體計算機斷層掃描采用美國GE公司Brivo CT 385 Series 16排螺旋CT，掃描方法為平掃，掃描參數(shù)設置為：管電壓120 kV，管電流180 mA，層厚3.75 mm，層間距3.75 mm，體位為俯臥位[12]。豬進入麻醉狀態(tài)后，按照頭前尾后俯臥姿勢置于CT掃描床上，并調整豬體姿勢，使脊柱正中線與CT紅外定位線重合。掃描采用三段式掃描：頭段、胸腰段和臀部掃描。先掃描定位像，確定掃描范圍后進行序列掃描，獲取的不同部位橫斷面圖像見圖1。

A. 頭部；B. 頸部；C. 胸部；D. 腰部；E. 臀部 A. Head; B. Neck; C. Chest; D. Loin; E. Buttocks

1.4 CT圖像處理

1.4.1 CT圖像薄層重建與去噪 CT掃描儀生成DICOM格式的原始圖像，初始薄層掃描設置的層厚為3.75 mm。在GE影像工作站中選擇需要重建的原始序列，點擊創(chuàng)建新的序列，設置層厚為0.625 mm，重建方式為stnd（standard）。在重建模式中打開IQ Enhance，減少薄層圖像導致的螺旋偽影。最后設置重建算法ASIR（adaptive statistical iterative reconstruction）的權重為50%，降低圖像噪聲。原始圖像薄層重建與去噪后生成的圖像見圖2。

圖2 圖像后重建與去噪

1.4.2 CT圖像多平面重建 選擇薄層重建后的序列，進入圖像后處理界面，使用多平面重建技術（multi-planar reconstruction，MPR），重建出矢狀面和冠狀面圖像（圖3）。

1.4.3 CT圖像分割 選擇薄層重建圖像序列，首先對CT床體去除。然后，逐層面去除各部位內臟區(qū)域。通過閾值分割法，將骨骼分離，隨后分離脂肪。剩余皮膚與肌肉密度相近，再通過Segment工具整體分割出肌肉，余下部分為皮膚。CT圖像分割示意圖見圖4。

A. 多平面重建；B. 橫斷面；C. 矢狀面；D. 冠狀面

A. 原始CT圖像；B. 去除床體；C. 去除內臟；D. 骨骼；E. 脂肪；F. 肌肉與皮膚；G. 肌肉；H. 皮膚

1.5 CT測定豬胴體性狀

對于胴體組成成分的評估，使用體積測定工具，先后點擊相應視窗，記錄圖像分割后各組成成分的體積，由體積與密度的乘積得到重量并計算出各成分占比[13]。然后選擇薄層重建后的序列，進行圖像的多平面重建或三維重建。最后借助于測定距離、測定面積工具，在二維或三維結構中測量兩點間距離、感興趣區(qū)域面積，依次測定背膘厚、眼肌深度和眼肌面積、胴體直長與胴體斜長等指標。

1.6 CT測定豬肌內脂肪含量

肌內脂肪含量測定在GE影像工作站進行。選擇薄層圖像序列，進入圖像后處理界面后調整左上視窗顯示模式為X-Section，在橫斷面視窗中調整圖像層面，結合矢狀面視窗和冠狀面視窗定位到倒數(shù)3—4肋骨處背最長肌、臀中肌、半膜肌對應的層面（圖5）。然后，在該橫斷面層面上勾畫感興趣區(qū)域（ROI）。最后在X- Section視窗中調整感興趣區(qū)的閾值范圍，獲取的脂肪面積與感興趣區(qū)域面積的比例即肌內脂肪含量（圖6）[14]。

A. 背最長??；B. 臀中?。籆. 半膜肌 A. Longissimus thoracis; B. Gluteus medius; C. Semimembranosus

A. 選擇感興趣區(qū)域；B. 測定結果示意圖 A. Select the region of interest; B. Diagram of measurement results

1.7 B超測定豬背膘厚與眼肌深度

屠宰前，采用便攜式B超（DW-580）測定豬肩部最厚處、胸腰椎結合處、腰薦椎結合處和倒數(shù)3—4肋骨處等4點背膘厚；倒數(shù)3—4肋骨處眼肌深度[15]。以脂肪與肌肉界線為起點，垂直向下直至兩肋骨間肌肉最深處即為眼肌深度（背膘厚評定標準包括3點測定，即肩部最厚處、胸腰椎結合處、腰薦椎結合處；或一點測定，即倒數(shù)3—4肋骨處，因此本試驗選取了上述4個部位）。

1.8 屠宰測定豬胴體性狀

CT掃描和B超測定完成后將40頭豬進行屠宰，經24 h排酸處理后將胴體瘦肉、脂肪、骨骼、皮膚分別剝離稱重，并計算瘦肉率、脂肪率、骨率和皮率[16]。分別使用游標卡尺、硫酸紙和皮尺測定屠宰后實際背膘厚、眼肌深度和眼肌面積、胴體直長和胴體斜長[17]。

1.9 屠宰測定肌內脂肪含量

在豬屠宰后45—60 min內，切取倒數(shù)3—4肋骨間背最長肌、臀中肌、半膜肌作為樣本，采用索氏抽提法測定不同肌肉肌內脂肪含量，測定步驟參照文獻[18]。

1.10 數(shù)據(jù)分析

試驗數(shù)據(jù)用Microsoft Excel 365作初步整理，然后使用SPSS 26.0 軟件進行分析。數(shù)據(jù)分析時先檢查數(shù)據(jù)的正態(tài)性（Shapiro-Wilk檢驗）和方差的齊次性（Levene檢驗），對于不符合的數(shù)據(jù)進行反正弦轉換以滿足參數(shù)假設，隨后進行獨立樣本t檢驗或單因素方差分析。相關分析采用Pearson相關分析。分別以CT活體評估胴體組成、肌內脂肪含量為自變量，屠宰測定胴體組成、肌內脂肪含量為因變量，進行回歸分析并建立線性模型。結果以平均值±標準差（Mean±SD）表示，*表示差異顯著，**表示差異極顯著。

建立胴體瘦肉率多元線性回歸模型。因變量為實測瘦肉率，自變量為CT活體測定背膘厚、眼肌深度、眼肌面積、胴體直長和胴體斜長。使用R語言進行偏最小二乘回歸（partial least square regression，PLS）分析，具體代碼略。

2 結果

2.1 CT評估豬胴體組成

由表1可知，CT評估和屠宰實測胴體組成瘦肉率、脂肪率、骨率、皮率的相關系數(shù)（）均大于0.85。一般認為相關系數(shù)（）的絕對值在0.7以上為強相關，說明CT評估胴體組成與屠宰測定相關性為強相關，相關性均達到極顯著水平（＜0.01）。

如圖7所示，對CT評估和屠宰實測胴體組成瘦肉率、脂肪率、骨率、皮率進行一元線性回歸分析。決定系數(shù)（2）均達0.7以上，表明活體CT評估和屠宰胴體組成間存在極顯著的線性正相關（＜0.01）。

表1 CT活體測定胴體組成與屠宰真實值的相關性

同行數(shù)據(jù)肩標，*表示差異顯著（＜0.05），**表示差異極顯著（＜0.01）。下同

In the same row, * mean significant difference (＜0.05), ** mean extremely significant difference (＜0.01). The same as below

2.2 CT評估豬背膘厚

使用二維測距離工具在CT橫斷面圖像上測定所選部位距離背中線4—6 cm處背膘厚，示意圖如圖8-A所示。由圖8-B可知，CT和B超在測定肩部最厚處（P1點）背膘時，與屠宰實測差異顯著（＜0.05），同時CT測定值高于B超，兩者之間存在顯著差異（＜0.05）。此外，在胸腰椎結合處（P2點）測量時，B超與屠宰實測差異顯著（＜0.05），而CT與屠宰實測差異不顯著（＞0.05）。由此可見，通過CT活體測定背膘厚較B超測定準確性高。

2.3 CT評估豬眼肌深度與眼肌面積

眼肌深度和眼肌面積分別通過二維測距離和測面積工具測量，由圖9-A可知，在測定倒數(shù)3—4肋骨處眼肌深度時，B超與CT、屠宰實測均差異顯著（＜0.05），而CT與屠宰實測差異不顯著（＞0.05）。由圖9-B可知，在測定倒數(shù)3—4肋骨處眼肌面積時，CT測定值顯著高于屠宰實測（＜0.05）。

2.4 CT評估豬胴體直長與胴體斜長

胴體直長和胴體斜長以二維橫斷面圖像三維重建后借助于三維測距離工具測量，由圖10可知，使用CT活體評估胴體直長、胴體斜長與屠宰實測差異不顯著（＞0.05），這說明CT在測定胴體長時準確性較高，可以用于生產實踐。

2.5 胴體瘦肉率預測模型構建

以豬瘦肉率屠宰實測值為因變量，CT測定背膘厚、眼肌深度、眼肌面積、胴體直長和胴體斜長為自變量，經偏最小二乘回歸分析，得到活體預測胴體瘦肉率的回歸方程。預測均方根誤差（RMSEP）為0.1472，決定系數(shù)（2）為0.983。

圖7 CT評估與實測胴體組成的回歸分析

A. 背膘厚測定示意圖；B. 背膘厚測定結果 A. Diagram of backfat thickness determination; B. Backfat thickness measurement results

預測回歸模型為：y=56.0691-0.1330x1-0.0346x2- 0.4554x3-0.1478x4+0.0406x5+0.0739x6+0.0631x7+0.0838x8

式中，y為預測的胴體瘦肉率，x1為肩部最厚處背膘厚，x2為倒數(shù)3—4肋骨處背膘厚，x3為胸腰椎結合處背膘厚，x4為腰薦椎結合處背膘厚，x5為倒數(shù)3—4肋骨處眼肌深度，x6為倒數(shù)3—4肋骨處眼肌面積，x7為胴體直長，x8為胴體斜長。

2.6 CT評估豬肌內脂肪含量

由表2可知，CT評估和屠宰實測背最長肌、臀中肌、半膜肌肌內脂肪含量的相關系數(shù)（）均大于0.75，說明CT評估肌內脂肪含量與屠宰測定相關性為強相關，相關性達到極顯著水平（＜0.01）。

如圖11所示，對CT評估和屠宰實測背最長肌、臀中肌、半膜肌肌內脂肪含量進行了一元線性回歸分析。決定系數(shù)（2）均達0.6以上，表明活體CT評估和屠宰測定肌內脂肪含量間存在極顯著的線性正相關（＜0.01）。

A. 眼肌深度；B. 眼肌面積 A. Eye muscle depth; B. Eye muscle area

A. 胴體直長；B. 胴體斜長 A. Carcass straight length; B. Carcass sloping length

圖11 CT與實測肌內脂肪含量間的回歸分析比較

Fig.11 Regression analysis of CT and actual intramuscular fat content

表2 CT活體測定肌內脂肪含量與屠宰真實值的相關性

3 討論

3.1 CT評估豬胴體組成

種豬胴體性狀具有高遺傳力，胴體瘦肉率作為評價胴體性狀的一項重要指標，對種豬的選育意義重大，也與豬場的經濟效益密切相關，因而必須提高種豬胴體瘦肉率活體測定技術的準確性[19]。ROMVáRI等[20]以60頭豬的左半胴體為測定對象，通過CT掃描和屠宰實測，發(fā)現(xiàn)該方法測定豬胴體瘦肉率的誤差不高于解剖誤差。此外，CARABúS等[21]用CT分析活豬來評估體重分別為30、70、100和120 kg時三種遺傳類型的豬身體成分的變化，結果證實計算機斷層掃描適合評估活豬的身體成分，準確性較高。本研究借助CT掃描技術獲取種豬活體掃描圖像，以此來評估胴體組成。CT評估和屠宰實測胴體組成的相關系數(shù)（）和決定系數(shù)（2）分別達到0.85以上和0.7以上，故CT可以準確評估種豬瘦肉率、脂肪率、骨率和皮率，這與上述國外學者的研究結果相一致。近幾年國內也開始探索計算機斷層掃描評估種豬的胴體組成，汪杰[13]使用圖像分割技術預測了種豬CT圖像中的瘦肉率、脂肪率和骨率，發(fā)現(xiàn)和美國公司評估所提供的結果存在一定差異，說明CT掃描后圖像處理的方法對結果的準確性也有影響。因此，CT活體評估種豬胴體組成時，需要研發(fā)出準確性較高的配套處理軟件，從而保證獲取數(shù)據(jù)的有效性?；贑T設備的口徑限制，本研究選用的是40 kg左右的杜洛克公豬，與實際生產屠宰110 kg左右豬進行胴體性狀測定之間存在差異，采用更大容量的CT設備對體重為110 kg左右的豬只進行評估的工作值得進一步研究。

3.2 CT評估豬背膘厚、眼肌深度與眼肌面積

豬的活體背膘厚度、眼肌面積與胴體瘦肉率呈高度遺傳相關[22-23]。目前，在生豬生產中使用B超技術來測量豬的背膘厚和眼肌面積。然而，B超測定的準確性與測定人員和設備都有關，其結果和實測之間容易產生較大誤差[24]。在本研究中對CT掃描后的橫斷面圖像進行背膘厚、眼肌深度和眼肌面積的測定。在測量背膘厚方面，CT、B超與實測在肩部最厚處差異顯著，這是由于測定起點不同所導致的，豬的生理結構背中線處背膘厚與距背中線4—6 cm處的邊膘厚存在一定差異。屠宰后實測的背膘厚是以背中線為起點，而本試驗中CT測量選取的起點與B超測定一樣，即距離背中線4—6 cm[25]。同時，對于胸腰椎結合處（即最后肋骨處）的背膘厚，B超測定與屠宰測定差異顯著，但CT與實測差異不顯著，表明CT測定準確性高于B超。進一步對眼肌深度進行測定，B超測定值顯著小于CT和屠宰實測值。CT較B超測定準確性高的原因有兩方面，一是CT掃描過程中豬處于麻醉狀態(tài)，而B超測定時豬雖被保定了，但豬只易動；二是CT掃描后的圖像可以根據(jù)多平面重建圖像和三維圖像進行準確定位，B超測定過程中只能依靠測定員的熟練度進行定位。此外，在測量眼肌面積時，CT測定與實測之間差異顯著，CT測定結果大于屠宰測定，其原因是屠宰實測不能直接計算不規(guī)則圖形面積，而是根據(jù)公式估算出的眼肌面積。

3.3 CT評估豬胴體直長與胴體斜長

胴體直長和胴體斜長與瘦肉率也呈正相關[26]。長期以來，對于胴體直長和胴體斜長的測定只能在屠宰后進行，B超技術因其原理也無法進行測量，所以目前尚未有活體評估種豬胴體直長和胴體斜長的相關報道。CT掃描技術的優(yōu)勢是可以利用二維橫斷面圖像三維重建生成3D圖像，進而可以在三維上測定兩點之間的距離[27-28]。本研究中通過三維重建，使用測量工具測定了胴體直長和胴體斜長，發(fā)現(xiàn)CT與實測之間差異不顯著，CT可以準確活體評估種豬胴體直長和胴體斜長。

3.4 胴體瘦肉率預測模型構建

在動物育種實踐的CT研究中，最初以普通最小二乘法建立的多元線性回歸模型被用來估計豬體成分，但在獨立數(shù)據(jù)庫中測試這些方程時，出現(xiàn)了實質的偏差，這是因為自變量之間存在高度多重共線性[29]。當存在大量高度相關的預測變量（多重共線性）時，偏最小二乘回歸（PLS）是一種非常有用的統(tǒng)計技術，其嘗試提取有限數(shù)量的潛在因子，以盡可能多地解釋預測變量和響應變量之間的協(xié)方差[30]。另外一方面，PLS的優(yōu)勢是可以應用于小樣本數(shù)據(jù)的回歸模型建立。

背膘厚和眼肌面積與瘦肉率直接相關，而眼肌深度與眼肌面積相關且與瘦肉率有關，此外胴體長與瘦肉率也成正相關，因此，本試驗選用CT所測的背膘厚、眼肌深度、眼肌面積、胴體直長和胴體斜長為自變量，屠宰實測瘦肉率為因變量建立了偏最小二乘回歸方程。預測均方根誤差（RMSEP）為0.1472，遠小于標準1，同時決定系數(shù)（2）為0.983，表明胴體瘦肉率預測模型預測效果好。但是，當測定樣本數(shù)據(jù)量較小時，決定系數(shù)（2）會偏大，今后需要加大測定樣本數(shù)量并優(yōu)化模型。

3.5 CT評估豬肌內脂肪含量

在種豬的選育過程中，肉質性狀也扮演著重要角色，尤其是肌內脂肪含量這個關鍵指標。肌內脂肪是豬肉風味物質的重要前體物，其含量影響著其他肉質性狀，包括嫩度、多汁性、肉色和系水力等[31]。因此，對肌內脂肪含量的測定可以作為衡量肉品質的標準，以此鑒別出種群中品質優(yōu)良的遺傳個體。肌內脂肪含量可以在屠宰后通過大理石花紋評分或經索氏抽提法測定，然而這兩種方法不適用于活體評估，效率較低[32]。隨著B超技術的興起，應用B超儀活體測定豬肌內脂肪含量成為有力方法，促進種豬肌內脂肪性狀的選擇[33]。此外，國外畜牧工作者一直致力于研發(fā)精準活體性能測定技術，逐漸發(fā)現(xiàn)相比于B超，計算機斷層掃描對種豬性狀測定更加準確。

LAMBE等[8]用CT評估不同生長階段的活豬IMF，研究表明預測結果準確。此外，CLELLAND等[34]評估活羊時發(fā)現(xiàn)，CT可以準確測定活羊的肌內脂肪含量。本研究也證實了這一結論，試驗在CT掃描杜洛克種公豬后，選取具有代表性的背最長肌、臀中肌和半膜肌為分析對象，定位到對應的圖像測定肌內脂肪含量。對不同部位CT測定和屠宰測定IMF的相關分析發(fā)現(xiàn)，相關系數(shù)（）均大于0.75，呈強相關。進一步通過一元線性回歸分析，結果顯示活體IMF測定和屠宰測定間存在極顯著的線性正相關，決定系數(shù)（2）均大于0.6。侯明俸等[35]和葉南偉等[36]通過B超預測豬肌內脂肪，決定系數(shù)（2）分別為0.48和0.421。本研究中CT評估肌內脂肪含量較B超準確性有所提高，但不足之處是所選的體重與屠宰時差異較大，而豬脂肪的大量沉積是發(fā)生在生長育肥階段后期。

4 結論

運用CT技術活體評估種公豬的胴體性狀和肉質性狀，與屠宰實測相比較精準性較高。在胴體性狀方面，CT測定的胴體組成，包括瘦肉率、脂肪率、骨率和皮率與實測相關系數(shù)均達0.85以上，呈強相關。此外，CT測定的背膘厚和眼肌深度較B超更準確，并能夠實現(xiàn)活體測定胴體直長和胴體斜長。在肉質性狀方面，使用CT評估的背最長肌、臀中肌和半膜肌肌內脂肪含量與實測相關系數(shù)均達0.7以上，呈強相關。因此，在種豬性能測定中可以利用計算機斷層掃描技術活體測定胴體與肉質性狀，以此推進表型組智能測定技術在育種基礎工作中的應用，加快我國良種繁育體系建設。

[1] 唐振雙, 殷東, 尹立林, 馬云龍, 項韜, 朱猛進, 余梅, 劉小磊, 李新云, 邱小田, 趙書紅. 豬基因組選擇“兩步走”策略的計算機模擬評估. 中國農業(yè)科學, 2021, 54(21): 4677-4686.

TANG Z S, YIN D, YIN L L, MA Y L, XIANG T, ZHU M J, YU M, LIU X L, LI X Y, QIU X T, ZHAO S H. To evaluate the “two-step” genomic selection strategy in pig by simulation. Scientia Agricultura Sinica, 2021, 54(21): 4677-4686. (in Chinese)

[2] SKJERVOLD H, GR?NSETH K, VANGEN O, EVENSEN A.estimation of body composition by computerized tomography. Zeitschrift Für Tierzüchtung Und Züchtungsbiologie, 2010, 98(1/2/3/4): 77-79.

[3] PRIETO N, NAVAJAS E A, RICHARDSON R I, ROSS D W, HYSLOP J J, SIMM G, ROEHE R. Predicting beef cuts composition, fatty acids and meat quality characteristics by spiral computed tomography. Meat Science, 2010, 86(3): 770-779.

[4] JONES H E, LEWIS R M, YOUNG M J, WOLF B T. The use of X-ray computer tomography for measuring the muscularity of live sheep. Animal Science, 2002, 75(3): 387-399.

[5] JOPSON N, AMER P, MCEWAN J. Comparison of two-stage selection breeding programmes for terminal sire sheep. Proceedings of the NZ Society of Animal Production, 2004, 64: 212-216.

[6] LAMBE N R, NAVAJAS E A, SCHOFIELD C P, FISHER A V, SIMM G, ROEHE R, BüNGER L. The use of various live animal measurements to predict carcass and meat quality in two divergent lamb breeds. Meat Science, 2008, 80(4): 1138-1149.

[7] PICOUET P A, TERAN F, GISPERT M, FONT I FURNOLS M. Lean content prediction in pig carcasses, loin and ham by computed tomography (CT) using a density model. Meat Science, 2010, 86(3): 616-622.

[8] LAMBE N R, WOOD J D, MCLEAN K A, WALLING G A, WHITNEY H, JAGGER S, FULLARTON P, BAYNTUN J, BüNGER L. Effects of low protein diets on pigs with a lean genotype 2. Compositional traits measured with computed tomography (CT). Meat Science, 2013, 95(1): 129-136.

[9] FONT-I-FURNOLS M, BRUN A, TOUS N, GISPERT M. Use of linear regression and partial least square regression to predict intramuscular fat of pig loin computed tomography images. Chemometrics and Intelligent Laboratory Systems, 2013, 122: 58-64.

[10] KONGSRO J, GJERLAUG-ENGER E.prediction of intramuscular fat in pigs using computed tomography. Open Journal of Animal Sciences, 2013, 3(4): 321-325.

[11] FONT-I-FURNOLS M, BRUN A, GISPERT M. Intramuscular fat content in different muscles, locations, weights and genotype-sexes and its prediction in live pigs with computed tomography. Animal: an International Journal of Animal Bioscience, 2019, 13(3): 666-674.

[12] 邵勇維克, 任志強, 孫昌輝, 張衡, 楊公社, 龐衛(wèi)軍. 計算機斷層掃描(CT)對豬胴體組成評估的研究進展. 豬業(yè)科學, 2019, 36(6): 116-119.

SHAO Y, REN Z Q, SUN C H, ZHANG H, YANG G S, PANG W J. Research progress of computed tomography (CT) in evaluation of pig carcass composition. Swine Industry Science, 2019, 36(6): 116-119. (in Chinese)

[13] 汪杰. 基于CT圖像的種豬優(yōu)選方法研究與實現(xiàn)[D]. 馬鞍山: 安徽工業(yè)大學, 2019.

WANG J. Research and implementation of pig breeding optimum selection method based on CT image[D]. Maanshan: Anhui University of Technology, 2019. (in Chinese)

[14] 張哲, 王楚端, 王立賢, 李俊奇, 周偉良, 李振寬. 計算機視覺技術在豬眼肌肌內脂肪含量測定中的應用. 豬業(yè)科學, 2006, 23(2): 24-25.

ZHANG Z, WANG C D, WANG L X, LI J Q, ZHOU W L, LI Z K. Application of computer vision technology in the determination of intramuscular fat content of pig eye muscle. Swine Industry Science, 2006, 23(2): 24-25. (in Chinese)

[15] 陳志偉, 楊華威. B超在種豬生產性能測定中的應用. 湖北畜牧獸醫(yī), 2013, 34(12): 46-48.

CHEN Z W, YANG H W. Application of B-ultrasound in the determination of production performance of breeding pigs. Hubei Journal of Animal and Veterinary Sciences, 2013, 34(12): 46-48. (in Chinese)

[16] 中華人民共和國農業(yè)部. 種豬生產性能測定規(guī)程: NY/T 822— 2004[S]. 北京: 中國農業(yè)出版社, 2004.

Ministry of Agriculture of the People’s Republic of China. Rules for performance testing of breeding pig: NY/T 822—2004[S]. Beijing: China Agriculture Press, 2004. (in Chinese)

[17] 中華人民共和國農業(yè)部. 瘦肉型豬胴體性狀測定技術規(guī)范: NY/T 825—2004[S]. 北京: 中國農業(yè)出版社, 2004.

Ministry of Agriculture of the People’s Republic of China. Technical regulation for testing of carcass traits in lean-type pig: NY/T 825—2004[S]. Beijing: China Agriculture Press, 2004. (in Chinese)

[18] 韓啟春. 益生菌發(fā)酵飼料對育肥豬生長性能和肉品質的影響[D]. 楊凌: 西北農林科技大學, 2018.

HAN Q C. Effects of probiotics fermented feed on growth performance,carcasstraits and meat quality in finishing-pig[D]. Yangling: Northwest A & F University, 2018. (in Chinese)

[19] FONT I FURNOLS M, GISPERT M. Comparison of different devices for predicting the lean meat percentage of pig carcasses. Meat Science, 2009, 83(3): 443-446.

[20] ROMVáRI R, DOBROWOLSKI A, REPA I, ALLEN P, OLSEN E, SZABó A, HORN P. Development of a computed tomographic calibration method for the determination of lean meat content in pig carcasses. Acta Veterinaria Hungarica, 2006, 54(1): 1-10.

[21] CARABúS A, GISPERT M, BRUN A, RODRíGUEZ P, FONT- I-FURNOLS M.computed tomography evaluation of the composition of the carcass and main cuts of growing pigs of three commercial crossbreeds. Livestock Science, 2014, 170: 181-192.

[22] 劉敬順, 包杰, 張豪. 豬的活體超聲波評估技術與方法. 當代畜禽養(yǎng)殖業(yè), 2003(10): 2-7, 12.

LIU J S, BAO J, ZHANG H. Ultrasonic evaluation technology and method of pigs. Modern Animal Husbandry, 2003(10): 2-7, 12. (in Chinese)

[23] 吳珍芳, 陳文廣. 豬胴體和肉質性狀遺傳力及其遺傳相關. 華北農學報, 2000, 15(S1): 46-50.

WU Z F, CHEN W G. Heritabilities and genetic correlations of pig carcassand meat quality traits. Acta Agriculturae Boreall—Sinica, 2000, 15(S1): 46-50. (in Chinese)

[24] 夏欣, 趙書紅, 胡軍勇, 劉望宏, 倪德斌. B超測定種豬活體性能影響因素的分析. 中國農業(yè)科技導報, 2019, 21(1): 37-42.

XIA X, ZHAO S H, HU J Y, LIU W H, NI D B. Influencing factors of breeding pig living performance detection by B-mode equipment. Journal of Agricultural Science and Technology, 2019, 21(1): 37-42. (in Chinese)

[25] 劉煒, 吳昊旻, 俞湘麟, 王希斌. B超活體測定對種豬瘦肉性狀的遺傳改良. 上海畜牧獸醫(yī)通訊, 2010(4): 35-36.

LIU W, WU H M, YU X L, WANG X B. Genetic improvement of lean meat traits in breeding pigs by B-ultrasounddetermination. Shanghai Journal of Animal Husbandry and Veterinary Medicine, 2010(4): 35-36. (in Chinese)

[26] 金訪中, 黃瑞華, 王松均, 王先明, 曹小英, 楊茂成, 錢成剛, 占應祥. 長白豬胴體組成與瘦肉率的關系. 南京農業(yè)大學學報, 2000, 23(1): 55-57.

JIN F Z, HUANG R H, WANG S J, WANG X M, CAO X Y, YANG M C, QIAN C G, ZHAN Y X. Correlation of carcass lean meat percentage and carcass composition in landrace pig. Journal of Nanjing Agricultural University, 2000, 23(1): 55-57. (in Chinese)

[27] 章新友. 醫(yī)學圖形圖像處理. 3版. 北京: 中國中醫(yī)藥出版社, 2018: 120-124.

ZHANG X Y. Medical Graphic Image Processing. 3rd ed. Beijing: China Press of Traditional Chinese Medicine, 2018: 120-124. (in Chinese)

[28] HO H, YU H B, GANGSEI L E, KONGSRO J. A CT-image based pig atlas model and its potential applications in the meat industry. Meat Science, 2019, 148: 1-4.

[29] FONT I FURNOLS M, TERAN M F, GISPERT M. Estimation of lean meat content in pig carcasses using X-ray Computed Tomography and PLS regression. Chemometrics and Intelligent Laboratory Systems, 2009, 98(1): 31-37.

[30] 張華東, 阮陸寧. 偏最小二乘回歸在R軟件中的實現(xiàn)及其優(yōu)缺點剖析. 科技廣場, 2015(11): 12-17.

ZHANG H D, RUAN L N. Realization and advantages and disadvantages analysis of partial least-squares regression in the R software. Science Mosaic, 2015(11): 12-17. (in Chinese)

[31] 黃業(yè)傳, 賀稚非, 李洪軍, 秦剛, 王庭, 馬明輝. 皮下脂肪和肌內脂肪對豬肉風味的作用. 中國農業(yè)科學, 2011, 44(10): 2118-2130.

HUANG Y C, HE Z F, LI H J, QIN G, WANG T, MA M H. The flavor contribution of subcutaneous and intramuscular fat to pork. Scientia Agricultura Sinica, 2011, 44(10): 2118-2130. (in Chinese)

[32] 張金霜, 張明武, 曾慶怡, 張豪. 生豬肌內脂肪含量超聲預測方案. 廣東農業(yè)科學, 2012, 39(21): 128-131, 4.

ZHANG J S, ZHANG M W, ZENG Q Y, ZHANG H. Prediction of intramuscular fat in live swine using real-time ultrasound. Guangdong Agricultural Sciences, 2012, 39(21): 128-131, 4. (in Chinese)

[33] NEWCOM D W, BAAS T J, LAMPE J F. Prediction of intramuscular fat percentage in live swine using real-time ultrasound. Journal of Animal Science, 2002, 80(12): 3046-3052.

[34] CLELLAND N, BUNGER L, MCLEAN K A, KNOTT S, MATTHEWS K R, LAMBE N R. Prediction of intramuscular fat content and shear force in Texel lamb loins using combinations of different X-ray computed tomography (CT) scanning techniques. Meat Science, 2018, 140: 78-85.

[35] 侯明俸, 蔡更元, 吳珍芳, 劉德武. B超在豬活體肌內脂肪含量測定中的應用. 畜牧與獸醫(yī), 2013, 45(7): 55-57.

HOU M F, CAI G Y, WU Z F, LIU D W. Application of B-ultrasound in the determination of intramuscular fat content in pigs. Animal Husbandry & Veterinary Medicine, 2013, 45(7): 55-57. (in Chinese)

[36] 葉南偉, 李順, 韋偉, 俞汶賽, 羅武, 劉宏程, 陳杰. B超活體預測二花臉豬肌內脂肪含量技術研究. 畜牧與獸醫(yī), 2020, 52(6): 1-4.

YE N W, LI S, WEI W, YU W S, LUO W, LIU H C, CHEN J. The technique of predicting intramuscular fat content in live Erhualian pigs by B-ultrasound. Animal Husbandry & Veterinary Medicine, 2020, 52(6): 1-4. (in Chinese)

Estimation of Lean Percentage, Fat Percentage, and Intramuscular Fat Content of Boars by Computed Tomography

Laboratory of Animal Fat Deposition and Muscle Development/College of Animal Science and Technology, Northwest A&F University, Yangling 712100, Shaanxi

【Objective】 The aim of this study was to investigate the accuracy of computed tomography (CT) technology in theestimation of carcass and meat quality traits in boars, so as to achieve intelligent measurements of the phenome, and thus provide technical parameters for selection and feeding management of boars. 【Method】 In the present study, 40 Duroc boars of similar weight ((42.02±1.05) kg) and in good health were selected and starved for 24 h. After that, general anaesthesia was administered by intravenous injection of anaesthetic at the ear margins.The boars were placed on the CT scanning bed in the prone position of the head, front and tail, and the original image sequences were obtained by 16-slice spiral CT scanning. The images were then subjected to thin layer reconstruction with denoising, multi-planar reconstruction, and segmentation by image processing techniques in order to quantitatively analyze the images, and combined with B-ultrasoundmeasurement and slaughter measurement to evaluate the carcass traits of boars, such as carcass composition, backfat thickness, eye muscle depth, eye muscle area, carcass straight length, and carcass sloping length. A prediction model for carcass leanness of breeding boars was constructed using partial least squares regression analysis with slaughter-measured leanness as the dependent variable and CT-measured backfat thickness, eye muscle depth, eye muscle area, carcass straight length, and carcass sloping length as the independent variables. The Soxhlet extraction method was used to determine the content of intramuscular fat (IMF) in the longissimus thoracis, gluteal medius, and semimembranosussamples, and then the correlation analysis was performed with the intramuscular fat content in the corresponding parts of the CTassessment.【Result】When analyzing the correlation between CTevaluation and slaughter determination of lean percentage, fat percentage, bone percentage, and skin percentage, it was found that the correlation coefficient () between the two parameters was above 0.85, showing a strong correlation (＜0.01); subsequently, after a one-variable linear regression analysis, the coefficient of determination (2) was 0.832, 0.820, 0.800, and 0.740, respectively. In addition, there was no significant difference (＞0.05) between CT and slaughter measurements of backfat thickness, eye muscle depth, carcass straight length, and carcass sloping length. When measuring backfat thickness at the thoracolumbar junction (P2 point), the difference between B-ultrasound and slaughter measurements was significant (＜0.05), while the difference between CTassessment and slaughter measurements was not significant (＞0.05).In a regression model using partial least squares to predict the carcass lean percentage of boars, the root mean square error of prediction (RMSEP) and2were 0.1472 and 0.934, respectively. Furthermore, the content of intramuscular fat was measured by CT, and CT estimation and slaughter measurements of the longissimus thoracis, gluteus medius, and semimembranosus were strongly correlated (＜0.01), with correlation coefficients () of 0.837, 0.815, and 0.786, respectively.One-variable linear regression analysis revealed a highly significant positive linear correlation (＜0.01) betweenCT assessment and post-slaughter measured intramuscular fat content.【Conclusion】CT technology allowed accuratedetermination of carcass traits, such as lean percentage, fat percentage, bone percentage, backfat thickness, and eye muscle depth, as well as intramuscular fat content of meat quality indicators, which provided a technical support for the continuous improvement of breeding performance and thus more accurate selection of relevant traits.

computed tomography; boars;estimation; carcass traits; meat quality traits

2021-05-21；

2023-03-16

國家重點研發(fā)計劃（2021YFF1000602，2017YFD0502002）、陜西省重點研發(fā)計劃（2022ZDLNY01-04，2018ZDXL-NY-02-03）

任志強，E-mail：rzq0220@gmail.com。通信作者龐衛(wèi)軍，E-mail：pwj1226@nwsuaf.edu.cn

10.3864/j.issn.0578-1752.2023.09.014

（責任編輯 林鑒非）