Abstract
Histologie Volumenrekonstruktion erleichtert die Untersuchung von 3D-Form-und Volumenänderung eines Organs auf der Ebene der Makrostrukturen aus Zellen aufgebaut. Es kann auch verwendet werden, um zu untersuchen und Validierung neuer Techniken und Algorithmen, die in volumetrischen medizinischen Bildgebung und Therapie werden. Erstellen von 3D-High-Resolution-Atlanten von verschiedenen Organen, 1,2,3 ist eine weitere Anwendung der Histologie Volumenrekonstruktion. Dies stellt eine Ressource für die Untersuchung von Gewebestrukturen und die räumliche Beziehung zwischen verschiedenen zellulären Funktionen. Wir präsentieren eine Bildregistrierung Ansatz für die Histologie Volumenrekonstruktion, die eine Reihe von optischen blockface Bilder verwendet. Das rekonstruierte Histologie Volumen stellt eine zuverlässige Form der verarbeiteten Probe ohne breiteten Post-Processing-Registrierungsfehler. Die Hämatoxylin und Eosin (H & E) gefärbten Schnitten von zwei Maus-Brustdrüsen wurden zu den entsprechenden Bildern mit blockface Grenzpunkte von der ed extrahiert registriertges der Probe in der Histologie und blockface Bilder. Die Genauigkeit der Registrierung wurde visuell bewertet. Die Ausrichtung der Makrostrukturen der Brustdrüsen wurde visuell mit hoher Auflösung untersucht.
Diese Studie umreißt die verschiedenen Schritte des Bildregistrierungs Pipeline, von Entfernung der Brustdrüse durch den 3D-Volumenrekonstruktion Histologie. Während 2D-Histologie Bilder zeigen die strukturellen Unterschiede zwischen Paaren von Abschnitten, bietet 3D-Histologie Volumen die Möglichkeit, die Unterschiede in der Form und Volumen der Brustdrüsen zu visualisieren.
Introduction
IGFBP7 (Insulin-like growth factor binding protein 7) ist ein Mitglied der IGF-bindende Proteinfamilie, und es wurde gezeigt, um die IGF-1-Rezeptor-4 zu binden. Herabregulierung von IGFBP7 ist bekannt, mit einer schlechten Prognose bei Brustkrebs 5 korreliert werden, während die Wiedereinführung von IGFBP7 in Xenograft-Tumormodellen hemmt stark die Tumorwachstums 6 durch Induktion von Apoptose und Zellalterung 7. Um die Auswirkungen der IGFPB7 zu untersuchen, wurde ein IGFBP7 null Maus 5 (unveröffentlichte Daten) erstellt. Während diese Mäuse keine Tumore entwickeln, Veränderungen in der Histologie des Eierstock-, Muskel-und Leber sowie Mängel in der Brustdrüse Entwicklungs Strukturierung (unveröffentlichte Daten) zeigen sie. Das defekte Phänotyp wurde angegeben als die null-Mäuse haben kleinere Wurfgrößen und sind unfähig, mehrere große Würfe (unveröffentlichte Daten) zu erhalten.
3D-Histologie Bände haben das Potenzial, um nützliche Informat bietenIonen für quantitative und vergleichende Analysen und Bewertung der pathologischen Befunde in Volumen medizinische Bilder. Dreidimensionales konfokales können zwei-Photonen-Mikroskopie hoher Auflösung Zelle morphologische Information der Drüse an lokalen Speicherbereich 14 zu schaffen, aber eine begrenzte Sichtfeld und Tiefe hat. Histologie Volumenrekonstruktion liefert mehr Informationen über einen viel größeren räumlichen Ausdehnung. Verwendung traditioneller Ansätze gewisse Verzerrung während der Herstellung histologischer Schnitte, wie z. B. Schrumpfung, Expansion, Risse und Falten erwartet. Diese Verzerrungen machen es schwierig, seriellen histologischen Bilder in ein 3D-Stapel Register, um ein 3D-Volumen zu rekonstruieren. Da die Anzahl von aufeinanderfolgenden Abschnitten mit Defekten erhöht die Ähnlichkeiten zwischen intakten Abschnitte reduziert und folglich ist der Registrierungsprozess komplizierter.
Verschiedene Methoden wurden vorgeschlagen, um histologische Schnitte zu registrieren und eine kontinuierliche Histologie vo erstellenlume. Einige Techniken sind abhängig von Intensitätsvariationen 8, und andere werden von der Form der Abschnitte 9 basiert. Bei einigen Proben können die anatomischen Strukturen als Landmarken 10,11 zusammen mit Wahrzeichen-basierte Registrierungsverfahren 12,13 verwendet werden. Aber diese inneren Strukturen möglicherweise nicht nachweisbar sein in der gesamten Menge und für einige Proben keine zuverlässigen anatomischen Strukturen identifiziert werden können. Einige Gruppen haben eine paarweise Anmeldung Ansatz verwendet und registriert in Folge Histologie Bilder einem zum anderen mit Konturen oder anatomischen Strukturen 16-18. Registrieren von Serien Histologie Abschnitte miteinander, ohne die Verwendung von Referenzbildern kann die Registrierung Fehler zu propagieren und ändern Sie die tatsächliche Form der Histologie Lautstärke. Paarweise Anmeldung Ansatz beruht auf der Konsistenz der Form der Histologie Abschnitten und den inneren Strukturen im gesamten Stapel der Bilder; daher dichter Abtastung der Probe, es erfordert dienicht immer möglich ist, z. B. für klinische Proben.
In dieser Pipeline verwenden wir blockface Bilder als eine Reihe von Referenzbildern für die Histologie 19 Volumenrekonstruktion. Blockface Bilder der Paraffingewebeblöcke nach der Montage am Mikrotom genommen und vor jeder Abschnitt wird abgeschnitten. Somit muss Beschädigungen einzelner Serienschnitte Schnitt nicht mit der Registrierung der Serienschnitte 8,11,15 stören. Wir erfassen die blockface Bilder in einer anderen Weise von den anderen Gruppen. Die optischen Block Gesichtsbilder werden von einem telezentrischen Objektiv zu beseitigen oder zu minimieren, den Lauf und perspektivische Verzerrung, die in der Regel tritt auf, wenn mit regulären Linsen in der Optik erhalten. Dies ist einer der Vorteile der vorgeschlagenen Vorgehensweise gegenüber den anderen Methoden veröffentlicht, die blockface Bildgebung durchführen mit regulären Linsen. Die Bilder werden in einem geringen spitzen Winkel getroffen werden, um die Reflexion von der Oberfläche des Blocks zur Kontrastverstärkung zwischen dem TISS verwendenue und Paraffinoberfläche und den Schatten des Gewebes in der Tiefe unter der Oberfläche zu beseitigen Paraffin. Photographische Filter wird auch verwendet, um das Licht, das von der Blockoberfläche und dem Gewebe, um den Kontrast 19 ausgleichen zu polarisieren. Um die Verschiebung des Blocks auf der Rotationsmikrotom korrigieren, zwei bis drei Löcher in den Ecken des Blocks, die in den blockface Bilder leicht nachweisbar sind gebohrt. Die Schwerpunkte dieser Löcher werden zusammen mit Wahrzeichen-basierten starren Anmeldung benutzt, um die Bilder blockface auszurichten.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. Proben
- Verbrauchsteuern die Brustdrüsen chirurgisch aus Wildtyp-CDH1 sowie IGFBP7-null-Mäusen 3 Tage nach dem Einsetzen der Laktation.
- Verbreiten Sie die Drüsen auf Glasobjektträger zu helfen, wieder Muttermilchdrüsenmorphologie.
2. Fixierung und Gewebeverarbeitung
- Befestigen Sie die Milchdrüsen in neutral gepuffertem 4% PFA O / N bei 4 ° C.
- Bewahren Sie die Drüsen in 70% Ethanol vor der Gewebeverarbeitung.
- Übertragen Sie die Drüsen, kleine Gewebeverarbeitung Kassetten.
- Verarbeiten Sie die Gewebe mit Hilfe eines automatisierten Gewebeprozessor
- Dehydratisierung der Gewebe in zunehmenden Ethanol und Xylol Bäder von 70% Ethanol für 45 min, 2 mal in 95% Ethanol für 45 Minuten, 3 mal in 100% Ethanol für 1 Stunde und 2 mal in Xylol für 45 min.
- Dringen das Gewebe mit Paraffin 3 Mal für jeweils 1 h in einem Vakuum mit Druckvorgabe.
- Betten Sie das Gewebe in Paraffin zu Blöcken, Für das Schneiden.
3. Histologie und Blockface Imaging
- Schneiden Sie die Paraffinblöcke mit Hilfe eines Rotationsmikrotoms, bis das überschüssige Paraffin wird entfernt.
- Verwenden eine Vertikalfräsmaschine 1 mm Bohrungen in mindestens zwei Ecken der Paraffinblock senkrecht zu der Kassette.
- Montieren Sie den Gewebeblock auf der Rotationsmikrotoms.
- Richten Sie die blockface Abbildungssystem 19 vor dem Mikrotom.
- Optischen Bild blockface Erfassen vor dem Schneiden.
- Schneiden Bänder aus vier Abschnitten bei 5 um Dicke am Mikrotom.
- Übertragen Sie die Bänder an den kalten Wasserbad.
- Trennen Sie die zweiten und vierten Abschnitt des Bandes und montieren sie auf Objektträgern. Wahl der zweiten und vierten Abschnitt eine Lücke zwischen 5 &mgr; m Abschnitte.
- Erweitern Sie jeden Abschnitt in einem warmen Wasserbad (48 ° C), um sie unwrinkle, dann wieder montieren auf dem Objektträger.
HINWEIS: CUtting, Montage, Glättungs die Abschnitte führen, dass einige Verzerrungen auf dem Abschnitt, wie Reiß, falten, Schrumpfung und Expansion. Diese Artefakte erschweren die Registrierung der Histologieschnitten. - Färben der Schnitte mit H & E mit einem automatischen stainer.
- Deckglas die Folien mit einem automatischen Eindeckautomat.
- Digitalisieren Sie die Folien mit einem digitalen Histologie Dia-Scanner mit einer Auflösung von Interesse. Aus diesem Protokoll ist die Vergrößerung 20x und die Auflösung ist 0,47 um.
- Down probieren Sie die Histologie Bilder an die Auflösung des blockface Bilder, 18 um.
4. Bildregistrierung
- Bildsegmentierung und Punktauswahl
- In blockface Bilder messen die Pixelwerte der Ausrichtungslöcher und benutzen den Durchschnittswert als eine feste Schwelle zu segmentieren die Ausrichtungslöcher in den Ecken des Paraffinblocks.
- Da einige Zusatzteile kann auch durch segmentiert werdenmit dem festgelegten Schwellenwert, verwenden Sie die Rundheit und den Bereich der segmentierten Objekte, um die Löcher zu finden und entsorgen Sie die zusätzlichen Objekten. Um dies zu tun, schreibe einen kleinen Code und finden Sie das Verhältnis von (4π x Fläche) / (Perimeter) 2 für die segmentierten Objekte. Dieses Verhältnis für runde Objekte 1 ist.
- Für jede Brustdrüse, wählen Sie eine blockface Bild als Referenz, und richten Sie den Rest der blockface Bilder zum Referenz, indem die Mitte der Anmeldung Löcher und Wahrzeichen-basierte Registrierungstechniken.
- Für die ausgerichteten blockface Bilder manuell Segment oder extrahieren Sie die Gewebe aus dem Hintergrund. Nutzen die meisten großen Objekt durch in der Maske für den Rest des Protokolls.
- Für H & E Abschnitte die folgenden Schritte für die automatische Segmentierung.
- Verwenden Otsu Schwellwerttechnik 20 bis Segment Bilder aus dem Hintergrund und erstellen binäre Masken der Histologie Bilder.
- Identifizieren und wählen Sie die ansehnliche Objekt in jeder Maske mit dem histogram der markierten Objekte.
- Extrahieren Sie die ein Pixel breite Grenzpunkte von beiden Histologie und blockface Masken.
- Verwenden Chain-Code-Algorithmus 21, um die Grenzpunkte durch eine Folge von stückweise linearen darstellen passt.
- Initial Starre Registrierung
- Verwenden Fourier Deskriptoren Algorithmus 22, zu finden, die erste starre Transformation zwischen den Grenzpunkten der Histologie und ihre entsprechenden blockface Bilder. Diese erste transformieren umfasst die Translation, Rotation und Skalierungsfaktoren.
- Verwandeln Sie jedes Bild mit der Histologie aus dem vorherigen Schritt die Anfangs Transformation erhalten.
- Verfeinerung der Starre Registrierung
- Entfernen Sie die hohe Krümmung Randabschnitte von der Histologie Kontur mit einem rollenden Ball Filter 23.
- Wählen Sie 500 Punkte aus den verbleibenden Histologie Grenzpunkte zufällig mit gleichmäßigen Verteilung.
- Transformieren Sie die dieHistologie Zufallsgrenzpunkte mit der aus der Fourier-Deskriptoren erhalten anfänglichen Transformation.
- Wählen Sie die ganze Reihe von blockface Grenzpunkte und benutzen Iterative Closest Point (ICP) Algorithmus 24, um die starre Transformation zwischen den blockface Grenzpunkte, Ziel und Histologie Zufallsgrenzpunkte zu finden.
- Transformation der ausgerichteten Histologie Bilder aus dem vorhergehenden Schritt erhalten, und der Stapel ausgerichtet Histologie Bilder erstellt die Histologie Volumen.
- Verwenden Sie ein 3D-Visualisierungs-Software, um eine visuelle Bild der Histologie Volume zu erstellen.
- Stack anzeigen der Bilder bei 5-facher Vergrößerung
- Down probieren Sie die Original Histologie Bilder, um die Vergrößerung 5x.
- Crop die Region von Interesse in einer der Histologie Bilder.
- Berechnen der Position dieser Region in anderen 5x Histologie Bilder unter Verwendung der Kombination der starren Transformationen aus den zwei Schritten der Registrierung.
- Schneiden Sie das regions von Interesse für die gleichen Größenbereich in allen anderen histologischen Bilder.
- Schließlich verfeinern die Ausrichtung zwischen den Regionen manuell. Ein Programm zu schreiben, die zwei Bilder überlagert, und ermöglicht die Auswahl der Werte für Rotation und Translation eines der Bilder gegenüber dem anderen ein und speichert dann das transformierte Bild, wenn die Ausrichtung angenommen wird.
- Sehen Sie sich die Stapel der ausgerichteten 5x Histologie Regionen mit einem 3D-Visualisierungssoftware.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Ein Fallstrick der traditionellen Mikroskopie-Techniken ist, dass das Verständnis von einem Organ auf der mikroskopischen Ebene wird auf einem Feld-of-view in einer Zeit beschränkt. Auch "total Offenlegung" Dias, die gesamte Folie Abschnitte bieten, scheitern, um dreidimensionale Informationen. Mit der Entwicklung des gesamten Objektträger, dynamische Scan-Technologien, unsere Fähigkeit, einen Abschnitt in seiner Gesamtheit zu sehen gestiegen ist, aber die Extrapolation Strukturen erfordert 3D-Histologie Volumenrekonstruktion.
Um besser zu charakterisieren den Mangel des IGFBP7-null-Maus, wurden 3D-Rekonstruktion der Brustdrüsen auf Drüsen herausgeschnitten 3 Tage nach Beginn der Stillzeit durchgeführt. Abbildung 1 zeigt die Pipeline der vorgeschlagene Ansatz für die 3D-Histologie Wiederaufbau. Die blockface Bilder werden zuerst durch die Löcher in den Ecken des Paraffinblock ausgerichtet. Fig. 2A-B zeigen die blockface Volumen des Wildtyp-und IGFBP7 null mammary Drüsen sind. Die Histologie Bilder werden dann zu den entsprechenden ausgerichtet blockface Bilder registriert, um die Histologie Volumen zu rekonstruieren. 3A-B zeigen die rekonstruierten Histologie Bände der Wildtyp-und IGFBP7 null Brustdrüsen. Mit Blick auf die Gesamtstrukturen (Videos A und B) können wir den Unterschied in der Größe zwischen Mutante und Wildtyp-Drüsen zu sehen. , Unter Verwendung der hierin beschriebenen Vorgehensweise wird es jedoch offensichtlich, dass diese Größenunterschied ist in der Länge und Breite, aber interessanterweise nicht die Tiefe. Für die in diesem Pilotversuch verwendet Drüsen, war die Wildtyp-Drüse 1,06 mm tief, während die IGFBP7 null Drüse betrug 1,02 mm tief. Die anderen Phänotyp sofort erkennbar ist der Unterschied in stromalen Komponenten der beiden Drüsen, wie Eosin-Färbung (pink Bereiche) gekennzeichnet. Die Wildtyp-Drüsen haben wenig Stroma-Gewebe, während die Null-Drüsen scheinen überwiegend Stroma-Gewebe sein. Dieser Unterschied zeigt sich vor allem bei Videos C und D. DieVideos enthalten nur kernhaltigen Zellen (Färbung mit Hämatoxylin), von diesen Videos sehen wir, dass die Nulldrüse behält seine Dichte, während der Wildtyp-Drüse scheint hauptsächlich Drüsenstrukturen enthalten. Der Abstand zwischen den Abschnitten in Videos A bis D wurde auf das Doppelte der ursprünglichen Abstand erhöht, um die Visualisierung zu unterstützen. Um dies weiter zu untersuchen, wurden Bilder in der Nähe der Lymphknoten in höherer Auflösung ausgerichtet ist, ermöglicht uns zu sehen, wie die Drüsen verändern sich in Serienschnitten. In der Wildtyp-Drüse können wir große Strukturen, die mit Milch (Videos E und F) gefüllt sein würde zu sehen. Im Gegensatz dazu die IGFBP7 null Drüse hat wenige gut entwickelte Strukturen. Darüber hinaus wurden diese Strukturen mit Fibroblasten-ähnliche Zellen überfüllt.
Als einer der großen Defekt mit der IGFBP7-null-Maus ist die Fähigkeit, große Würfe zu erhalten, ist es durch den Vergleich präsentiert, dass der strukturelle Unterschied zwischen dem Wildtyp-und Null-Drüsen beitragen könnten deutlichdem beobachteten Phänotyp 25. Die Alveolarvolumen stark innerhalb der Null-Drüsen einen unzureichenden Milchmenge für die Zuführung große Würfe reduziert. Wir haben festgestellt, dass das Gesamtvolumen des Wildtyp-Drüse 82,8879 mm 3, während die Nulldrüse nur 19,6291 mm 3 gemessen.
Abbildung 1. Schematische Darstellung der Schritte in der 3D-Rekonstruktion Prozess beteiligt. Vierte Leisten Maus Milchdrüsen wurden als Beispiele verwendet. Milchdrüsen wurden aus normalen und null Mäusen geerntet, verarbeitet und Paraffin eingebettet. Registrierung Löcher wurden in die Paraffinblöcke, gefolgt von Blockfläche Imaging-und Serienschnitt der Drüsen gebohrt. Die Schnitte wurden mit Bändern aus vier Abschnitten abgerufen werden. Der erste Abschnitt wurde block konfrontiert vor dem Schneiden (lila outl abgebildetin), während der 2. und 4. Abschnitte (rote Umrandung) wurden für H & E-Färbung und Scannen gewählt. Blockfläche Bilder wurden ausgerichtet (unter Verwendung Anmeldung Löcher) und manuell segmentiert. H & E-Schnitte wurden mit 20-facher Auflösung digitalisiert dann abwärts abgetastet; diese Bilder automatisch segmentiert. Beide Sätze von segmentierten Bilder wurden zu Grenzpunkt Auswahl und Registrierung unterzogen. Ausgänge sind 3D-histologischen Volumina sowie hochauflösende Gebieten. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.
2. Blockface Mengen. Optische Bilder der am Mikrotom montiert Paraffinblock erhalten werden, bevor jeder Abschnitt geschnitten wird. Der Schwerpunkt der Bohrungen bei derEcken der Paraffinblock wird verwendet, um die blockface Bilder ausrichten und erstellen Sie die blockface Lautstärke. Bild (A) zeigt das Wildtyp-Brustdrüse bei 3 Tage nach der Induktion der Laktation und (B) zeigt die gleiche Zeitpunkt für die IGFBP7 null Brustdrüse. Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.
Abbildung 3. Histologie Lautstärke. Die Histologie Bilder, um ihre entsprechenden ausgerichteten blockface Bilder zu rekonstruieren, Histologie Volumen registriert. (A) Wildtyp-Drüse und (B) IGFBP7 null Brustdrüse, 3 Tage nach der Stillzeit Induktion. BitteKlicken Sie hier, um eine größere Version dieser Figur zu sehen.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
In dieser Studie haben wir eine Bildregistrierung Workflow, um ein 3D-Histologie Volumen aus 2D-Serien Histologie Bilder, die nicht internen zufällig ausgewählten Landmarken oder implantiert Bezugsmarker im Gewebe, die das Gewebe verzerren könnten erfordert rekonstruieren entwickelt. Durch das beschriebene Verfahren werden optische Bilder blockface sich als die Referenzbilder vor dem Schneiden verwendet. Wir verwenden externe Löcher in dem Paraffinblock gebohrt, um beim Ausrichten der Bilder blockface unterstützen und für die 2D Querbewegung des Paraffinblocks vor der Kamera zu korrigieren. Die 2D-Bilder Histologie zu den entsprechenden 2D blockface Bilder ausgerichtet, um die Ausbreitung der Registrierungsfehler zu verhindern und eine genaue Rekonstruktion Histologie Volumen, auch wenn defekte Serienschnitte ergeben sich aus Blöcken. Um die Arbeitsabläufe unabhängig von der Art des Gewebes und der Histologie Fleck verwendet werden, um zu machen, werden Grenzpunkte verwendet werden, um die Registrierung durchführen. Dieser Punkt-Basisd Ansatz hat den Vorteil (über Intensität basierte Ansätze), dass es weniger rechenintensive und daher besser in der Lage, mit sehr großen Bildern der digitalen Pathologie zu bewältigen.
Ein weiterer Vorteil der Verwendung von blockface Bilder, um die Histologie Bilder auszurichten ist, dass der Abstand zwischen den Histologie Bilder hat keinen Einfluss auf die Qualität ihrer Ausrichtung auf die Histologie Volume zu erstellen. Dies ist in der klinischen Umgebung, wo der Abstand zwischen den Abschnitten kann stark variieren, oft so groß, wie einen halben Zentimeter wichtig.
In diesem Papier haben wir gezeigt, dass der Ansatz reproduzierbar ist für zwei verschiedene Milchdrüsen mit unterschiedlichen Strukturen und Intensitätsschwankungen. Da der Ansatz nutzt die Begrenzung der Abschnitte, ist der Grad der Variation zwischen verschiedenen Drüsen klein. Früher haben wir auch die Fähigkeit der Ansatz für einen anderen präklinischen Modell 19 gezeigt. Da verschiedene Gewebearten haben unterschiedliche biomechanische pigenschaften wird der Registrierungsfehler erwartet, dass für verschiedene Proben zu ändern. Wir denken, dass die Pipeline für recht solide Proben, z. B. menschlichen Tumorfremdtransplantaten. In der Zukunft werden wir weiter untersuchen die Genauigkeit der 3D-Rekonstruktion Pipeline mit anderen Proben, wie Menschenbrustgewebe.
Eine der anderen Begrenzungsfaktoren der vorgeschlagenen Arbeitsablauf ist die manuelle Segmentierung der blockface Bilder. Diese Einschränkung könnte durch die Entwicklung eines automatischen Textursegmentierungsansatz, beispielsweise durch Verwendung von Markov-Zufallsfeld (MRF) Modelle zu 26,27 Segment die Probe aus dem Hintergrund in blockface Bilder entfernt werden.
Durch die Untersuchung der Wildtyp-und IGFBP7 null Brustdrüsen, waren wir in der Lage, Unterschiede in der Struktur und Zusammensetzung der Drüsen in 3D durch einen umfassenden Verbund der einzelnen Abschnitte der beiden Drüsen identifizieren. Diese Technik in weiteren Zeichen Aidedzeichnenden die IGFBP7-null-Phänotyp auf der zellulären Ebene, und zeigten, dass deutliche Unterschiede in Alveolarvolumen kann, einige der Mängel in diesem Modell 25 zu sehen bei.
Die wichtige Funktion dieses Ansatzes ist, dass es vom Gewebetyp und der Intensitätsvariationen unabhängig und kann somit verwendet werden, um das Volumen der Histologie von verschiedenen präklinischen und klinischen Proben zu rekonstruieren. Einer der weiteren Vorteile dieses Ansatzes ist, dass es nicht von einer spezifischen Farbstoffs. Diese Kontur basierten Ansatz ist mit jedem Fleck-kompatibel, so lange, wie es eine klare Kontur des ganzen Abschnitt oder einer klaren Kontur einer Struktur, die sowohl in der Histologie und blockface Bilder nachweisbar ist. Die Untersuchung des Tumors Form, Volumen, und die Heterogenität eines der klinischen Anwendungen von 3D-Histologie Volumen. In diesem Papier haben wir gezeigt, dass der vorgeschlagene Ansatz ist in der Lage Rekonstruktion von 3D-Histologie Volumen und können uns weiter seinzum Vergleich, Visualisierung und Analyse von anderen Proben ed.
Subscription Required. Please recommend JoVE to your librarian.
Materials
| Name | Company | Catalog Number | Comments |
| 16% PFA | VWR International | 15710 | 16% Paraformaldehyde solution |
| Small tissue processing cassettes | VWR International | CA95029-956 | |
| Leica ASP300 automated tissue processor | Leica | 14047643515 | |
| 100% Ethanol | Fisher Scientific | S25307B | |
| Xylene | VWR International | CA95057-822 | |
| Paraffin | Thermo Fisher | 39501006 | Paraplast tissue embedding medium |
| Leica EG 1160 embedding center | Leica | ||
| Leica rotary microtome | Leica | ||
| Milling machine | Argo | ||
| Microscope slides | VWR International | CA48312-015 | |
| H&E stain | VWR International | ||
| Automatic stainer | |||
| Coverslips | VWR International | 48404-452 | |
| MEDITE RCM 7000 glass coverslipper | MEDITE | ||
| Leica SCN400 slide scanner | Leica | ||
| MATLAB | MathWorks Inc | MATLAB 2007b | Development software |
| MeVisLab | MeVis Medical Solutions AG | MeVisLab 2.1 | 3D visualization software |
References
- Sunkin, S. M., et al. Brain Atlas: An integrated spatiotemporal port for exploring the central nervous system. Nucleic Acids Research. 41, 996-1008 (2012).
- Shen, E. H., Overly, C. C., Jones, A. R. The Allen Human Brain Atlas: Comprehensive gene expression mapping of the human brain. Trends in Neurosciences. 35 (12), 711-714 (2012).
- Trifunović, D., Karali, M., Camposampiero, D., Ponzin, D., Banfi, S., Marigo, V. A high-resolution RNA expression atlas of retinitis pigmentosa genes in human and mouse retinas. Invest. Ophthalmol. Vis. Sci. 49 (6), 2330-2336 (2008).
- Evdokimova, V., et al. IGFBP7 binds to the IGF-1 receptor and blocks its activation by insulin-like growth factors. Science Signaling. 5 (255), 92 (2012).
- Burger, A., Leyland-Jones, B., Banerjee, K., Spyropoulos, D., Seth, A. Essential roles for IGFBP-3 and IGFBP-rP1 in breast cancer. European J. Cancer. 41 (11), 1515-1527 (2005).
- Amemiya, Y., et al. Insulin like growth factor binding protein-7 reduces growth of human breast cancer cells and xenografted tumors. Breast Cancer Res Treat. 126 (2), 373-384 (2011).
- Benatar, T., et al. IGFBP7 reduces breast tumor growth by induction of senescence and apoptosis pathways. Breast Cancer Res Treat. 133 (2), 563-573 (2012).
- Bardinet, E., et al. Co-registration of histological, optical and MR data of the human brain. Medical Image Computing and Computer-Assisted Intervention-Part I. , Springer-Verlag. London, UK. 548-555 (2002).
- Jacobs, M. A., Windham, J. P., Soltanian-Zadeh, H., Peck, D. J., Knight, R. A. Registration and warping of magnetic resonance images to histological sections. Medical Physics. 26 (8), 1568-1578 (1999).
- Zhan, Y., Ou, Y., Feldman, M., Tomaszeweski, J., Davatzikos, C., Shen, D. Registering histologic and MR images of prostate for image-based cancer detection. Academic radiology. 14 (11), 1367-1381 (2007).
- Dauguet, J., et al. Three-dimensional reconstruction of stained histological slices and 3D non-linear registration with in vivo MRI for whole baboon brain. Journal of Neuroscience Methods. 164 (1), 191-204 (2007).
- Lazebnik, R. S., Lancaster, T. L., Breen, M. S., Lewin, J. S., Wilson, D. L. Volume registration using needle paths and point landmarks for evaluation of interventional MRI treatments. IEEE Transactions on Medical Imaging. 22 (5), 653-660 (2003).
- Breen, M. S., Lazebnik, R. S., Wilson, D. L. Three-dimensional registration of magnetic resonance image data to histological sections with model-based evaluation. Annals of Biomedical Engineering. 33 (8), 1100-1112 (2005).
- Mori, H., Borowsky, A. D., Bhat, R., Ghajar, C. M., Seiki, M., Bissell, M. J. The American Journal of Pathology. 180 (6), 2249-2256 (2012).
- Gibb, M., et al. Resolving the three-dimensional histology of the heart. Computational Methods in Systems Biology. Gilbert, D., Heiner, M. , 2-16 Springer-Verlag. London, UK. 2-16 (2012).
- Wu, M. L., et al. Three-dimensional virtual microscopy of colorectal biopsies. Archives of Pathology & Laboratory Medicine. 129 (4), 507-510 (2005).
- Arganda-Carreras, I., et al. 3D Reconstruction of histological sections: Application to mammary gland tissue. Microscopy Research and Technique. 73 (11), 1019-1029 (2010).
- Song, Y., Treanor, D., Bulpitt, A. J., Magee, D. R. 3D reconstruction of multiple stained histology images. Journal of Pathology Informatics. 4 (2), 7 (2013).
- Shojaii, R., Karavardanyan, T., Yaffe, M., Martel, A. L.
- Ridler, T. W., Calvard, S. Picture thresholding using an iterative selection method. IEEE Transactions on Systems, Man, and Cybernetics. 8 (8), 630-632 (1978).
- Freeman, H.
- Giardina, C. Accuracy of curve approximation by harmonically related vectors with elliptical loci). Computer Graphics and Image Processing. 6 (3), 277-285 (1977).
- Shojaii, R., Martel, A. L. A novel edge point selection method for registration of histology images. Optical Tissue Image analysis in Microscopy, Histopathology and Endoscopy. (OPTIMHisE) Workshop, MICCAI. , (2009).
- Besl, P., McKay, N. A method for registration of 3-D shapes. IEEE Transactions on Pattern Analysis and Machine Intelligence. 14 (2), 239-256 (1992).
- Chatterjee, S., et al. Loss of Igfbp7 causes precocious involution in lactating mouse mammary gland. PLoS ONE. 9 (2), e87858 (2013).
- Manjunath, B. S., Chellappa, R. Unsupervised texture segmentation using Markov random field models. IEEE Transactions on Pattern Analysis and Machine Intelligence. 13 (5), 478-482 (1991).
- Krishnamachari, S., Chellappa, R. Multiresolution Gauss-Markov random field models for texture segmentation. IEEE Transactions on Image Processing: a publication of the IEEE Signal Processing Society. 6 (2), 251-267 (1997).
