计算动物考古学的新工具：完整骨骼模型的自动定位与轮廓分析

《Journal of Archaeological Science》：New tools for computational zooarchaeology: Automatic positioning and contour analysis of complete bone models

本研究提出自动骨骼对齐算法和全局轮廓工具，解决复杂骨骼形状分析难题，并应用于高山瞪羚骨骼性别差异分析，为兽考古学3D形态学分析提供标准化框架。

　　

Roxanne Lebenzon | Nir Dick | Natalie D. Munro | Leore Grosman

康涅狄格大学人类学系，1176单元，354 Mansfield Road，Storrs，CT，06269，美国

摘要

作为动物考古学研究中的重要工具，形态测量分析在分类学、古环境重建和动物驯化等基础研究领域做出了重要贡献。随着计算技术的快速发展，新的分析方法（本文称为“完整模型分析”或CMA）为动物考古学带来了巨大潜力。通过完全自动化的方式提取和分析3D模型，CMA提供了一种准确、可重复且细致的骨骼形状分析方法。然而，由于某些骨骼形状的复杂性和不规则性，这些方法至今尚未在动物考古学中得到广泛应用，因为现有的自动定位技术无法处理这些形状。在这里，我们提出了一种三步程序，可以自动定位任何3D模型，从而使得所有现有的CMA分析协议能够应用于动物骨骼材料。此外，我们还开发了一种全局轮廓工具，可以自动生成几何轮廓以计算骨骼组合的变异情况。我们通过研究现代山瞪羚（Gazella gazella）骨骼的性别相关变异来展示这两种工具的适用性和实用性。最终，本文为动物考古学中新的CMA分析方法的发展打开了大门，包括利用机器学习的方法。

引言

自动物考古学领域成立以来，骨骼材料的尺寸和形状分析一直是其核心组成部分。形态测量分析已被用于解决最基本的动物考古学问题，如分类学、古环境重建、动物管理和驯化等（Broughton, 1997; Davis, 1977, 1981; Munro, 2004; Stiner et al., 2000; Tchernov and Horwitz, 1991; Wolverton et al., 2008; Zeder and Hesse, 2000; Zohary et al., 1998）。特别是过去十年中，3D定量分析技术的迅速发展（Grosman, 2016; Shott, 2014; Wyatt-Spratt, 2022），使得骨骼形状的变异分析精度大大提高（Colominas et al., 2019; Cucchi et al., 2011; Evin et al., 2015; Gaastra, 2023; Harbers et al., 2020; Hartstone-Rose et al., 2014; Haruda, 2017; P?llath et al., 2019; Tallet et al., 2016）。尽管这为动物考古学研究开辟了新的途径，但新的、可重复的、更全面的技术尚未被完全整合进来。

其中最有前景的发展之一是“完整模型分析”（CMA），这是一种由以色列耶路撒冷希伯来大学计算考古学实验室开发的3D计算框架。与依赖预定义标志点的传统3D方法不同，CMA通过完全自动化的程序从整个3D模型中提取并分析形状特征，自动定位是该过程的关键第一步。CMA协议已成功应用于各种文物类型，包括石器和陶器（Grosman et al., 2014, 2022; Harush et al., 2020; Muller et al., 2022, 2023, 2024; Richardson et al., 2014; Valletta et al., 2021; Valletta and Grosman, 2021; Yashuv and Grosman, 2024）。然而，由于骨骼形状的复杂性和不规则性，这些方法尚未应用于骨骼材料，因为现有的自动定位技术无法处理这些形状。尽管如此，CMA在动物考古学中的应用有望彻底改变骨骼形态学的研究。

在这里，我们提出了一种专门为完整骨骼元素设计的自动定位算法。一旦骨骼模型被自动对齐，就可以应用之前开发的新旧CMA算法以及其他依赖模型间对应关系的3D形态测量工具进行后续分析。作为这一努力的一部分，我们还开发了一种新的探索性工具，通过将3D骨骼模型与切片平面相交来生成连续的几何轮廓。这是一种无需标志点的可视化及量化形状变异的方法。重要的是，这项研究为骨骼材料的3D形状分析奠定了新的基础，并展示了自动化3D分析在推动动物考古学研究方面的潜力，能够生成高质量、可重复的数据。这些协议不仅为骨骼的自动对齐提供了标准化框架，也为未来动物考古学的3D分析发展（如机器学习）铺平了道路。最终，这些进步提高了我们量化和分析动物骨骼组合中细微形态变异的能力，这是现有3D分析工具无法实现的。

章节片段

背景

传统的考古学研究方法长期以来一直受到观察者内部和观察者之间差异以及测量工具和技术误差的影响（Fish, 1978; Gnaden and Holdaway, 2000; Lyman and VanPool, 2009）。数字方法通过生成更一致、准确和可重复的数据提供了解决方案，但只有当3D数据生成和分析过程稳健可靠时，其潜力才能得到充分发挥（Gao et al., 2018）。

数据收集

本研究中使用的3D骨骼模型来自两种骨骼元素（跟骨和距骨），这些骨骼来自以色列耶路撒冷希伯来大学（HUJI）和特拉维夫斯坦哈特自然历史博物馆（TAU）收藏的现代山瞪羚（Gazella gazella）标本（表1）。我们选择跟骨和距骨是因为它们的结构密度较高，更有可能在考古过程中保存下来。

讨论

本文介绍的算法在3D形状分析方面取得了重大进展，尤其是它们能够系统地从复杂的3D模型中提取、分析和可视化有意义的数据。我们的CMA方法的一个主要优势在于它使用了完整的几何网格，而不仅仅是提取的标志点或其他人为定义的特征。这种无需标志点的方法能够更全面地表示形状变异，捕捉到复杂的形态细节。

结论

在这里，我们介绍了两种计算工具，使完整的骨骼元素能够进行完整模型分析（CMA）：一种三步自动定位程序和一种用于组合级比较的全局轮廓工具。这些工具通过实现完全自动化的3D骨骼模型分析，解决了CMA在动物考古学应用中的一些长期存在的障碍。

作者贡献声明

Roxanne Lebenzon：撰写——审稿与编辑、初稿撰写、方法论、资金获取、正式分析、数据管理、概念化。Nir Dick：撰写——审稿与编辑、初稿撰写、可视化、验证、软件开发、方法论、研究、正式分析、数据管理、概念化。Natalie D. Munro：撰写——审稿与编辑、初稿撰写、监督、资金获取、概念化。Leore Grosman：撰写

资助

这项研究得到了NSF论文改进资助（编号：BCS-2308745）以及Robert W. Wilson慈善信托基金和Yad Hanadiv基金会的支持，他们对LG的计算考古学实验室做出了重要贡献。

利益冲突声明

作者声明没有已知的财务利益或个人关系可能影响本文的研究结果。

致谢

我们感谢耶路撒冷希伯来大学国家收藏馆的Rivka Rabinovich和Gali Beiner以及特拉维夫斯坦哈特自然历史博物馆的Karin Tamar提供了用于3D扫描的现代瞪羚骨骼材料。我们特别感谢耶路撒冷希伯来大学计算考古学实验室的成员们，在从扫描到后勤支持的各个方面的帮助——感谢Hadas Goldgeier、Adam Hamamreh、Ortal等人的支持。