Ossos, estruturas essenciais para a proteção de órgãos internos, estrutura corporal e suporte mecânico nos vertebrados, possuem uma complexa rede de canais (canais de Volkmann e Havers) responsáveis por nutrir as células do tecido. Entretanto a falta de estudos quantitativos leva a uma carência de medidas e parâmetros para a caracterização dessas estruturas. Utilizando computação gráfica, técnicas de processamento de imagens, e redes complexas descreveremos a obtenção, reconstrução, representação, e análise dessas redes de canais. Para isso, duas falanges distais, uma de um galo e uma de uma galinha, passaram por um processo de corte histológico, as lâminas resultantes foram fotografadas e as imagens tratadas até serem reconstruídas em 3D. Os volumes foram convertidos em redes complexas, o que permitiu o uso de métodos de análise consagrados pela literatura. As redes foram comparadas entre si e com a rede do trabalho desenvolvido por Matheus P. Viana et al. (1–3) usando análise de grau, posicionamento dos nós, detecção de comunidades, e ataques (em cascata e aleatórios). Três resultados se destacam: 1) as redes apresentam diviões predominantemente dicotômica dos canais; 2) as redes apresentam uma alta modularidade, indicando que áreas específicas desempenham funções específicas; e 3) as redes são particularmente resistentes a ataques em cascata.

Bones are essential for the protection of internal organs, for body structure, and for mechanical support in vertebrates, and present a complex network of channels (Havers and Volkmann channels) required to nourish tissue cells. However, the lack of quantitative studies leads to scarce parameters and measures to characterize these structures. By using computational graphic, image processing, and complex networks we will describe the acquisitation, reconstruction, representation, and analysis of these channel networks. Two distal phalanges (one from a hen and one from a rooster) were submitted to hystological section processing; the resulting slices were photographed and the images were treated before 3D reconstruction. The volumes were converted into complex networks which allow us to use methods of analysis widely accepted in literature. Networks were compared with each other and with the network obtained in the study by Viana et al. (1–3) using degree analysis, node positioning, community detection, and random and systematic attacks. Three results stand out: (i) the networks show a predominantly dichotomic division of channels; (ii) the networks show high modularity, indicating that specific areas perform specific functions; and (iii) the networks are particularly resistant to cascate attacks.