头身比是反映头部相对身体比例并表征脑体异速进化与脑体异速生长的重要人体测量学表型，为解析脑体比例的遗传结构及其临床和演化意义提供了关键切入点。在演化尺度上，头身比呈现出明显的异速进化特征，使现代人类拥有哺乳动物中相对于体型最大的大脑。在个体发育过程中，大脑与身体发育优先级的变化规律，形成了典型的脑体异速生长模式。然而，传统头身比测量依赖人工操作，存在效率低、主观误差大等局限，难以支撑大规模人群研究，导致其遗传结构、演化特征及与疾病关联长期缺乏系统解析。在此背景下，西安交通大学生命学院杨铁林教授团队引入深度学习技术，突破传统测量范式，从大规模医学影像数据中高效、精准地提取头身比表型，为系统研究其遗传结构提供了新的技术路径。

研究团队以深度学习模型为核心技术支撑，构建了头身比表型的自动化提取流程。首先，基于ResNet架构开发了一系列影像质量控制模型，从海量双能X射线吸收法（DXA）影像中自动筛选出48410幅高质量全身骨骼影像。在此基础上，进一步构建了以ResNet-152为编码器的U-Net图像分割模型，实现了头长、头宽及五项身体关键维度的高精度提取，最终构建出覆盖头部与身体不同尺度的10种头身比表型。

依托深度学习模型生成的高质量头身比表型数据，研究团队结合基因组信息系统开展遗传分析，共鉴定出245个与头身比显著相关的独立遗传位点，估算其遗传力介于25%至43%之间，证明头身比是一类受中等程度遗传调控的复杂数量性状。整合转录组及多组学数据，从多策略角度优选出608个头身比相关基因，这些基因显著富集于骨骼发育、生长激素信号等生物学通路，并在特定脑区的少突胶质细胞以及多类骨骼软骨细胞中表现出显著的表达关联。在疾病关联层面，研究从表型关联、遗传预测及因果推断三个层面，发现头身比是多种骨骼、心血管和代谢疾病的保护因素，以及特定神经、精神类疾病的潜在风险因素。在演化层面，研究发现头身比相关遗传变异在哺乳动物与鸟类共享的基因组保守区域、人类加速进化区等区域中显著富集。

综上，研究构建了一条“深度学习影像表型提取—遗传结构解析—功能注释—疾病关联”的完整研究链条，为复杂形态表型的遗传结构研究提供了可复用的技术范式。研究鉴定的头身比相关遗传位点及其疾病关联特征，为疾病风险分层和个体化干预提供了新的潜在生物标志物。对头身比演化意义的系统分析，也为理解人类脑体比例演化及物种适应性进化提供了新的研究视角。研究充分展示了深度学习技术在医学影像表型挖掘中的应用潜力，为多学科交叉研究提供了新的思路与方法。

近日，该研究成果以《基于深度学习图像分割的头身比遗传结构解析及其对常见疾病的意义》（Genetic Insights into Head-to-Body Ratios Via Deep Learning-Based Image Segmentation and Implications for Common Diseases）为题，发表在《自然通讯》（Nature Communications）上。该论文通讯作者为西安交通大学生命学院杨铁林教授、郭燕教授和内蒙古医科大学第二附属医院王建忠教授，西安交通大学生命学院博士生史伟和董珊珊副教授为论文共同第一作者。西安交通大学生物医学信息工程教育部重点实验室和生命学院为该论文的第一完成单位和通讯单位。该工作得到了国家自然科学基金、陕西省杰出青年科学基金、中央高校基本科研业务费等基金，以及西安交通大学分析测试共享中心的支持。