Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Bioengineering
Click here for the English version

Bioengineering

قياس القياس فيبريلار منظمة الكولاجين مع Curvelet تحويل القائم على أدوات

Published: November 11, 2020 doi: 10.3791/61931
Automatic Translation
1, 1,2,3
1Laboratory for Optical and Computational Instrumentation, Center for Quantitative Cell Imaging, University of Wisconsin-Madison, 2Departments of Medical Physics and Biomedical Engineering, University of Wisconsin-Madison, 3Morgridge Institute for Research, Madison, Wisconsin, 4test, test

Summary

هنا، نقدم بروتوكول لاستخدام منحنية تحويل القائمة، أداة برنامج MATLAB مفتوحة المصدر لتحديد حجم منظمة الكولاجين الفيبريلار في مصفوفة خارج الخلية من كل من الأنسجة العادية والمامراضة. يمكن تطبيق هذه الأداة على الصور مع ألياف الكولاجين أو أنواع أخرى من الهياكل مثل خط.

Abstract

الكولاجين الفيبريلار هي المصفوفة خارج الخلية البارزة (ECM) المكونات، وقد تبين أن التغييرات طوبولوجيا لها أن تكون مرتبطة مع تطور مجموعة واسعة من الأمراض بما في ذلك سرطان الثدي, المبيض, الكلى, وسرطان البنكرياس. وتركز الأدوات المتاحة مجانا البرمجيات الكم الألياف أساسا على حساب محاذاة الألياف أو التوجه، وأنها تخضع لقيود مثل شرط الخطوات اليدوية، وعدم الدقة في الكشف عن حافة الألياف في الخلفية صاخبة، أو عدم وجود توصيف ميزة المترجمة. تتميز أداة كمية الألياف الكولاجين الموضحة في هذا البروتوكول باستخدام تمثيل مثالي للصور متعددة الدرجات ممكّن من تحويل curvelet (CT). هذا النهج الخوارزمي يسمح لإزالة الضوضاء من صور الكولاجين الفيبريلار وتعزيز حواف الألياف لتوفير معلومات الموقع والتوجه مباشرة من الألياف، بدلا من استخدام غير المباشرة بكسل الحكمة أو نافذة الحكمة المعلومات التي تم الحصول عليها من أدوات أخرى. يحتوي هذا الإطار المستند إلى CT على حزمتين منفصلتين، ولكن مرتبطتين، تسمى "CT-FIRE" و "CurveAlign" التي يمكنها قياس تنظيم الألياف على مستوى عالمي أو منطقة ذات أهمية (ROI) أو أساس الألياف الفردية. وقد تم تطوير هذا الإطار الكمي لأكثر من عشر سنوات، وتطور الآن إلى منصة شاملة وناقلها المستخدم من أجل تكميم الكولاجين. باستخدام هذه المنصة، يمكن قياس ما يصل إلى حوالي ثلاثين من ميزات الألياف بما في ذلك خصائص الألياف الفردية مثل الطول والزاوية والعرض والات المستقيم، بالإضافة إلى القياسات السائبة مثل الكثافة والمحاذاة. بالإضافة إلى ذلك، يمكن للمستخدم قياس زاوية الألياف النسبية للحدود المجزأة يدويا أو تلقائيا. كما توفر هذه المنصة العديد من الوحدات الإضافية بما في ذلك الوحدات لتحليل عائد الاستثمار ، وإنشاء الحدود التلقائية ، والمعالجة اللاحقة. استخدام هذه المنصة لا يتطلب خبرة سابقة في البرمجة أو معالجة الصور ، ويمكن التعامل مع مجموعات البيانات الكبيرة بما في ذلك مئات أو آلاف الصور ، مما يتيح تحديد كمي فعال لتنظيم ألياف الكولاجين للتطبيقات البيولوجية أو الطبية الحيوية.

Introduction

الكولاجين الفيبريلار هي بارزة, مكونات ECM الهيكلية. منظماتهم التغييرات أثر وظيفة الأنسجة ويرتبط على الأرجح مع تطور العديد من الأمراض التي تتراوح بين هشاشة العظام ناقصة1, خلل وظيفي في القلب2, والجرح التئام3 لأنواع مختلفة من السرطان بما في ذلك الثدي4,5,6,المبيض7,8, الكلى9, وسرطان البنكرياس10. ويمكن استخدام العديد من طرائق التصوير المنشأة لتصور الكولاجين الفيبريلار مثل المجهر الجيل التوافقي الثاني11، البقع أو الأصباغ بالتزامن مع مجال مشرق أو المجهر الفلوريسنس أو المجهر ضوء الاستقطاب12، السائل البلورية القائمة على المجهر الاستقطاب (LC-PolScope)13، والمجهر الإلكتروني14. كما أصبحت أهمية تنظيم الكولاجين الفيبريلار أكثر وضوحا، وزيادة استخدام هذه الأساليب، كما نمت الحاجة إلى تحسين نهج تحليل الألياف الكولاجين.

كانت هناك العديد من الجهود لتطوير أساليب حسابية لقياس الكولاجين الثيريلاري الآلي. وتركز أدوات البرمجيات المتاحة بحرية أساسا على حساب محاذاة الألياف أو التوجه من خلال اعتماد إما المشتقة الأولى أو التركيبة للبكسل15،16، أو تحليل رباعية القائمة على تحويل الطيف للوحات الصور17. تخضع جميع هذه الأدوات لقيود مثل متطلبات الخطوات اليدوية ، وعدم الدقة في الكشف عن حافة الألياف في الخلفية الصاخبة ، أو عدم وجود توصيف ميزة مترجمة.

بالمقارنة مع غيرها من الأدوات المتاحة بحرية البرمجيات الحرة المفتوحة المصدر، والأساليب المذكورة في هذا البروتوكول استخدام CT- أفضل، متعددة الدرجات، طريقة التمثيل الصورة الاتجاهية- لإزالة الضوضاء من صور الكولاجين الفيبريلار وتعزيز أو تتبع حواف الألياف. يمكن توفير المعلومات حول الموقع والتوجه مباشرة من الألياف بدلاً من استخدام معلومات غير مباشرة من نوع البكسل أو من ناحية النافذة للاستدلال على مقاييس تنظيم الألياف. هذا الإطار CT القائمعلى 18،19،20،21 يمكن قياس المنظمة الألياف على أساس عالمي ، ROI ، أو الألياف ، وذلك أساسا عن طريق اثنين من منفصلة ، ولكن مرتبطة ، وحزم اسمه "CT - FIRE"18،21 و "CurveAlign"19،21. بقدر ما يتعلق الأمر بتنفيذ البرنامج ، في CT -FIRE ، يمكن استخدام معاملات CT على موازين متعددة لإعادة بناء صورة تعزز الحواف وتقلل من الضوضاء. ثم يتم تطبيق خوارزمية استخراج الألياف الفردية على الصورة التي أعيد بناؤها CT لتتبع الألياف للعثور على نقاط مركزها التمثيلية ، وتوسيع فروع الألياف من نقاط المركز ، وربط فروع الألياف لتشكيل شبكة الألياف. في CurveAlign، يمكن استخدام معاملات CT على مقياس محدد من قبل المستخدم لتتبع اتجاه الألياف المحلية، حيث يتم استخراج اتجاه ومواقع المنحنيات وتجميعها لتقدير اتجاه الألياف في المواقع المقابلة. وقد تم تطوير إطار القياس الكمي الناتج هذا لأكثر من عشر سنوات وتطور بشكل كبير في العديد من الجوانب مثل الأداء الوظيفي، واجهة المستخدم، ونمطية. على سبيل المثال، يمكن لهذه الأداة تصور اتجاه الألياف المحلية وتسمح للمستخدم بقياس ما يصل إلى ثلاثين من ميزات الألياف بما في ذلك خصائص الألياف الفردية مثل الطول والزاوية والعرض والتصوّر، بالإضافة إلى القياسات الكبيرة مثل الكثافة والمحاذاة. بالإضافة إلى ذلك، يمكن للمستخدم قياس زاوية الألياف نسبة إلى يدويا أو تلقائيا الحدود مجزأة، والتي، على سبيل المثال، تلعب دورا هاما في التنمية القائمة على الصورة biomarker في سرطان الثدي22 وسرطان البنكرياس دراسات10. توفر هذه المنصة العديد من وحدات الميزات بما في ذلك تلك لتحليل العائد على الاستثمار ، وإنشاء الحدود التلقائية ، والمعالجة اللاحقة. يمكن استخدام وحدة عائد الاستثمار لـ تعليق أشكال مختلفة من عائد الاستثمار وإجراء تحليل عائد الاستثمار المطابق. كمثال على التطبيق، يمكن استخدام وحدة إنشاء الحدود التلقائية لتسجيل صور الحقول الساطعة الهماتوسلين وeosin (H&E) مع صور الجيل التوافقي الثاني (SHG) وتوليد قناع الصورة لحدود الورم من صور H&E المسجلة. ويمكن أن تساعد وحدة ما بعد المعالجة على تيسير معالجة ودمج ملفات بيانات المخرجات من الصور الفردية من أجل التحليل الإحصائي الممكن.

لا تتطلب منصة القياس الكمي هذه خبرة مسبقة في البرمجة أو معالجة الصور ويمكنها التعامل مع مجموعات البيانات الكبيرة بما في ذلك مئات أو آلاف الصور ، مما يتيح تحديد كمي فعال لمنظمة الكولاجين للتطبيقات البيولوجية أو الطبية الحيوية. وقد تم استخدامه على نطاق واسع في مجالات البحث المختلفة من قبل العديد من الباحثين في جميع أنحاء العالم، بما في ذلك أنفسنا. هناك أربعة منشورات رئيسية على CT-FIRE و CurveAlign18,19,20,21, منها الثلاثة الأولى قد استشهد 272 مرة (اعتبارا من 2020-05-04 وفقا لجوجل الباحث). ويشير استعراض للمنشورات التي استشهدت بهذه المنصة (CT-FIRE أو CurveAlign) إلى أن هناك ما يقرب من 110 من ورقات المجلات التي استخدمتها مباشرة لتحليلها، حيث كان هناك ما يقرب من 35 منشوراً متعاوناً مع مجموعتنا، بينما كتبت مجموعات أخرى (~ 75) منشورات أخرى. فعلى سبيل المثال، تم استخدام هذه المنصة للدراسات التالية: سرطان الثدي22,23,24, سرطان البنكرياس10,25, سرطان الكلى9,26, التئام الجروح3,27,28,29,30, سرطان المبيض8,31,7, الرباط الرحمي32, نقص الفسيفوضية دنتين1 سرطانالخلايا القاعدية34, ساركوما نقص الأكسجة35, نسيج الغضاريف36, خلل في القلب37, الخلايا العصبية38, جليبلاستوما39, تقلصات اللمفية40, cacffolds ليفي41, سرطان المعدة42, ميكروتوبول43, وتليف المثانة44. يوضح الشكل 1 تطبيق تصوير السرطان من CurveAlign للعثور على تواقيع الكولاجين المرتبطة بالورم لسرطان الثدي19 من صورة SHG. يصف الشكل 2 سير عمل تخطيطي نموذجي لهذا النظام الأساسي. على الرغم من أن هذه الأدوات قد استعرضت تقنيا18،19،21، وبروتوكولمنتظم 20 لتحليل المحاذاة مع CurveAlign هو متاح أيضا ، بروتوكول البصرية التي توضح جميع الميزات الأساسية يمكن أن تكون مفيدة. ومن شأن بروتوكول متصور، كما هو معروض هنا، أن ييسر عملية التعلم من استخدام هذه المنصة، فضلا عن معالجة الشواغل والأسئلة التي قد تكون لدى المستخدمين على نحو أكثر كفاءة.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

ملاحظة: يصف هذا البروتوكول استخدام CT-FIRE و CurveAlAlign في تحديد كمي الكولاجين. ولهاتين أداتين أهداف رئيسية متكاملة، وإن كانت مختلفة، وترتبطان معا إلى حد ما. يمكن إطلاق CT-FIRE من واجهة CurveAlign لإجراء معظم العمليات باستثناء مرحلة ما بعد المعالجة المتقدمة وتحليل العائد على الاستثمار. لتشغيل كامل من CT-FIRE، ينبغي أن تطلق بشكل منفصل.

1. جمع الصور ومتطلبات الصورة

ملاحظة: يمكن للأداة معالجة أي ملف صورة ببنيات تشبه الخط يمكن قراءتها من قبل MATLAB بغض النظر عن طريقة التصوير المستخدمة في جمعها.

  1. استخدم تدرج الرمادي 8 بت كنوع الصورة كمعلمات قيد التشغيل الافتراضية تستند إلى هذا التنسيق.
    ملاحظة: التصوير SHG هو أسلوب تصوير الكولاجين الفيبريلار المستخدمة على نطاق واسع خالية من التسمية وعالية الدقة. سيتم استخدام صور SHG من دراسة سرطان الثدي19 هنا لغرض العرض التوضيحي.

2. تركيب البرمجيات ومتطلبات النظام

ملاحظة: كل من المستقل و الإصدارات التعليمات البرمجية المصدر متوفرة بحرية. يتطلب إصدار شفرة المصدر تثبيت MATLAB كامل بما في ذلك أدوات معالجة الإشارات ومعالجة الصور وتحليل الإحصاءات والحوسبة المتوازية. لتشغيل إصدار التعليمات البرمجية المصدر، يجب إضافة كافة المجلدات الضرورية بما في ذلك بعض من مصادر خارجية إلى مسار MATLAB. ينصح باستخدام التطبيق المستقل (APP) لمعظم المستخدمين ، مما يتطلب تثبيت برنامج تشغيل برنامج برنامج MATLAB متوفر مجانًا (MCR) للإصدار المحدد. ويرد أدناه وصف لإجراء تركيب وإطلاق التطبيق.

  1. تحميل CT-FIRE الإصدار 3.0 (CTF3.0) و CurveAlign الإصدار 5.0 (CA5.0) حزم APP من https://eliceirilab.org/software/ctfire/ https://eliceirilab.org/software/curvealign/ على التوالي.
    ملاحظة: تتضمن كل حزمة صور APP المستقلة، اليدوية، والاختبار.
  2. اتبع المتطلبات التفصيلية وإرشادات التثبيت من المواقع المذكورة أعلاه لتثبيت MATLAB MCR 2018b.
  3. إطلاق APP.
    1. لنظام Windows 64 بت، انقر نقراً مزدوجاً فوق رمز APP لإطلاقه.
    2. لنظام Mac، اتبع الخطوات التالية لإطلاقه: انقر بزر الماوس الأيمن على التطبيق (ctrl-click) | إظهار | محتويات الحزمة | المحتويات | MacOS applauncher (انقر بزر الماوس الأيمن واختر فتح).
      ملاحظة: يمكن رؤية تفاصيل أخرى في مواقع البرامج المدرجة في 2.1.

3. استخراج الألياف الفردية مع CT-FIRE

ملاحظة: يستخدم CT-FIRE CT لـ إلغاء الصورة، وتعزيز حواف الألياف، ثم يستخدم خوارزمية استخلاص الألياف لتتبع الألياف الفردية. يتم حساب الطول والزاوية والعرض والل ومباشرة للألياف الفردية.

  1. CT-FIRE على صورة واحدة أو صور متعددة
    1. إطلاق APP كما هو موضح في 2.3.
    2. انقر على فتح ملف (ملفات) زر في واجهة المستخدم الرسومية الرئيسية (واجهة المستخدم الرسومية ، الشكل 3A) ، ثم حدد صورة واحدة أو أكثر / أو كومة صورة من نافذة المطالبة. استخدم التقنية المناسبة لنظام التشغيل لتحديد صور متعددة في مربع الحوار (على سبيل المثال، في Windows، اضغط على CTRL أثناء تحديد ملفات متعددة).
      ملاحظة: إذا تم تحديد ملفين أو أكثر من ملفات الصور، يجب أن تستخدم كافة الصور نفس معلمات التشغيل للتحليل. تأكد من أن يتم الحصول على كافة الصور في نفس أو ظروف مشابهة.
    3. حدد خيارات الحوسبة المتوازية عن طريق التحقق من خانة الاختيار Parallel في الزاوية اليمنى العليا لتحليل الصور المتعددة.
    4. بالنسبة إلى رصة الصورة، حرك شريط التمرير بالشريحة أسفل مربع قائمة الملفات لتحديد الشريحة التي سيتم تحليلها.
    5. تعيين خصائص التشغيل. استخدم المعلمات الافتراضية لإجراء تحليل أولي لبعض الصور. إذا كان استخدام المعلمات الافتراضية، انتقل إلى الخطوة 3.1.6. لتعيين معلمات (معلمات) مختلفة، انقر على الزر تحديث في لوحة المعلمات. اتبع الدليل لضبط المعلمات بشكل صحيح.
      ملاحظة: تتضمن المعلمات المعدلة بشكل متكرر عتبة الخلفية (thresh_im2) ونصف قطر البحث في النوى (s_xlinkbox). إذا كان مستوى الضوضاء في الخلفية عاليًا، يتم تعيين thresh_im2 إلى قيمة أكبر؛ s_xlinkbox يرتبط مع متوسط نصف قطر الألياف، تعيين قيمة أصغر للكشف عن الألياف رقيقة.
    6. انقر على زر تشغيل.
      ملاحظة: معلومات التقدم سيتم عرض في كل من إطار المعلومات و إطار الأوامر. بعد اكتمال التحليل، سيتم عرض جدول الإخراج (الشكل 3B).
    7. انقر على أي بند في الجدول الإخراج لرؤية الرسم البياني من الألياف التدابير(الشكل 3C والشكل 3F)من الصورة بما في ذلك الطول والعرض والزاوية، وال استقامة.
      ملاحظة: سيتم أيضا عرض الصور الألياف مع الألياف مضاف على الصورة الأصلية(الشكل 3E).
    8. تحقق من المجلد الفرعي المسمى ctFIREout تحت مجلد الصورة لملفات الإخراج بما في ذلك ملف الصورة ".tiff" الملف ".csv" و "الحصة".
  2. تحليل منطقة مكافحة الحرائق (ROI)
    1. التعليق التوضيحي لعائد ROI باستخدام مدير ROI
      1. انقر على فتح ملف (ملفات) زر في واجهة المستخدم الرسومية الرئيسية(الشكل 3A) لتحميل صورة واحدة أو أكثر.
      2. حدد الصورة التي سيتم تعليقها في قائمة الملفات.
      3. حدد مدير ROI في القائمة المنسدلة من لوحة خيارات ROI.
      4. انقر على زر تشغيل لتشغيل وحدة مدير العائد على الاستثمار (الشكل 3A).
      5. في مدير ROI GUI (الشكل 4A) ، انقر على القائمة المنسدلة أسفل قائمة رسم ROI (d)لرسم ROIs ، واحدًا تلو الآخر.
        ملاحظة: يمكن أن يكون شكل ROI مستطيل أو حر أو قطع ناقص أو مضلع أو مستطيل محدد. اتبع الإرشادات التي تظهر على الشاشة لرسم التعليق التوضيحي ROI وحفظه والإنهاء منه.
      6. بعد تحديد الطريقة لرسم عائد الاستثمار، اسحب المستطيل الأصفر الذي يظهر على الصورة الأصلية إلى الموضع المطلوب، ثم انقر على الزر حفظ العائد على الاستثمار (roi) أو اضغط على المفتاح لإضافة عائد الاستثمار هذا إلى قائمة العائد على الاستثمار. سيتم تسمية عائد الاستثمار هذا تلقائيًا.
      7. ارسم عائد استثمار جديد عن طريق سحب عائد الاستثمار السابق إلى موضع جديد، وحفظه كما هو مذكور في 3.2.1.6، أو كرر الخطوات 3.2.1.5-3.2.1.6 لرسم عائد استثمار جديد.
      8. اضغط على x أو حدد عائد استثمار جديد؟ في القائمة المنسدلة لشكل عائد الاستثمار لإنهاء التعليق التوضيحي لعائد ROI.
      9. تحقق من خانات الاختيار إظهار الكل والتسميات لإظهار كافة ROIs المعرفة في القائمة وأسمائها على الصورة الأصلية.
      10. حدد عائد الاستثمار في قائمة العائد على الاستثمار لإجراء عمليات عائد الاستثمار الأساسية بما في ذلك إعادة تسمية العائد على الاستثمار، حذف ROI، حفظ نص ROI، تحميل ROI من النص، حفظ قناع العائد على الاستثمار، تحميل ROI من القناع، والجمع بين ROIs.
      11. تحقق من ملف الإخراج الخاص بـ مدير عائد الاستثمار المحفوظ كملف .mat في مجلد فرعي يسمى ROI_management ضمن مجلد الصورة الأصلي.
      12. لإضافة تعليق توضيحي على صورة أخرى في قائمة الملفات المفتوحة، كرر الخطوات 3.2.1.2-3.2.1.11.
      13. بعد الانتهاء من التعليق التوضيحي، أغلق GUI مدير عائد الاستثمار ، وإعادة تعيين واجهة المستخدم الرسومية الرئيسية عن طريق النقر على زر إعادة تعيين في GUI الرئيسي.
    2. تحليل عائد الاستثمار لصورة واحدة في مدير عائد الاستثمار
      1. إذا تم إجراء تحليل CT-FIRE بالصورة الكاملة وتم حفظ النتائج في الدليل الافتراضي، فانقر على ROIs واحد أو أكثر في قائمة ROI، ثم انقر على زر محلل ROI ctFIRE لبدء وحدة تحليل ما بعد عائد الاستثمار.
        ملاحظة: سيتم حفظ النتائج تلقائياً في مجلد فرعي موجود في \\[مجلد الصورة]\ CTF_ROI\فرد\ROI_post_analysis\.
      2. في النافذة المنبثقة، انقر على زر فحص الألياف لعرض الألياف داخل ROIs المحدد (الشكل 4B).
      3. انقر على الإحصاءات مؤامرة لعرض المدرجات الرسومية لكل عائد الاستثمار(الشكل 4C). سيتم عرض أرقام الإخراج المقابلة.
      4. إذا لم يتم إجراء تحليل CT-FIRE للصورة الكاملة، انقر على ROIs واحد أو أكثر في قائمة ROI، وانقر على زر تطبيق ctFIRE على ROI لتطبيق تحليل CT-FIRE مباشرة على ROIs المحدد.
      5. اتبع الإرشادات الموجودة في إطار المطالبة لتشغيل التحليل.
        ملاحظة: يتم تمرير معلمات تشغيل CT-FIRE خلال GUI الرئيسي ثم يمكن للمستخدم تحديث المعلمات قيد التشغيل كما هو موضح في الخطوة 3.1.5 حسب الحاجة. بعد اكتمال التحليل، سيتم عرض إحصاءات موجزة من الألياف القياسات في الجدول الناتج. سيتم حفظ النتائج تلقائياً في مجلد فرعي موجود في \\[مجلد الصور]\ CTF_ROI\فرد\ROI_analysis\.
    3. تحليل عائد الاستثمار لصور متعددة باستخدام محلل عائد الاستثمار
      1. اتبع الخطوات في 3.2.1 لإضافة تعليق توضيحي على ROIs للصور التي سيتم تحليلها.
      2. افتح صورة واحدة أو أكثر بالنقر على الزر فتح ملف (ملفات).
      3. لتشغيل تحليل ما بعد العائد على الاستثمار عند توفر نتائج تحليل الصور الكاملة، انقر على القائمة المنسدلة في لوحة خيارات التشغيل وحدد الخيار CTF بعد محلل ROI.
      4. انقر على زر تشغيل لتشغيل تحليل العائد على الاستثمار لجميع الصور المحملة.
      5. تحقق من معلومات التقدم المعروضة في إطار الرسالة في أسفل GUI وفي إطار الأوامر.
      6. بعد اكتمال التحليل، تحقق من إحصائيات الملخص لكل عائد استثمار معروض في جدول إخراج.
        ملاحظة: يتم حفظ ملفات الإخراج التفصيلية تلقائياً في مجلد فرعي موجود في \\ [مجلد الصورة]\CTF_ROI\\الدفعة\ROI_post_analysis\.
      7. لتشغيل تحليل مباشر عندما لا تتوفر نتائج تحليل الصور الكاملة، اتبع الخطوات 3.2.3.1-3.2.3.6، باستثناء أنه في الخطوة 3.2.3.3، حدد الخيار CTF ROI تحليلr؛ في الخطوة 3.2.3.4، قبل النقر فوق الزر تشغيل، قم بتحديث المعلمات قيد التشغيل كما هو موضح في الخطوة 3.1.5. بعد النقر على زر التشغيل، في إطار حوار موجه، اختر بين شريطي استثمار مستطيل وقناع عائد الاستثمار من أي شكل.
        ملاحظة: إذا كان ROIs المشروحة مستطيلة، يمكن للمستخدم اختيار "ROI مستطيلة". في الخطوة 3.2.3.6، يتم حفظ نتائج تحليل العائد على الاستثمار في مجلد فرعي موجود في \\[مجلد الصورة]\CTF_ROI\Batch\ROI_analysis\.
  3. بعد المعالجة مع CT-FIRE
    ملاحظة: بعد تحليل CT-FIRE العادية الموضحة في 3.1، يمكن للمستخدم إجراء مزيد من بعد المعالجة. دون تشغيل استخراج الألياف المستهلكة للوقت مرة أخرى، العادية بعد المعالجة، وصفها في 3.3.1، يمكن تحديث بعض خصائص الرقم الإخراج الأساسية، في حين أن مرحلة ما بعد المعالجة المتقدمة الموصوفة في 3.3.2 يمكن تصور الألياف الفردية وخصائصها، وأداء العتبة المعقدة بين جميع خصائص الألياف الأربعة، وتوليد إحصاءات موجزة للألياف المختارة، وتصور الألياف المختارة باستخدام خريطة لون مخصصة.
    1. المعالجة الدورية بعد المعالجة باستخدام CT-FIRE
      1. تشغيل التطبيق CT-FIRE، أو انقر على زر إعادة تعيين بعد عمليات أخرى لتهيئة واجهة المستخدم الرسومية CT-FIRE الرئيسية(الشكل 3A).
      2. تحقق من مربع الاختيار .mat في الجزء العلوي من واجهة المستخدم الرسومية الرئيسية.
      3. انقر فوق الزر فتح ملف (ملفات) لتحديد الملف .mat الإخراج CT-FIRE في المجلد الفرعي ctFIREout.
        ملاحظة: إذا تم تحديد ملفات متعددة، سيتم تحديد مربع الاختيار الدفع تلقائيًا. سيتم عرض اسم الملف للصور المقابلة في قائمة المربعات.
      4. تحديث الخيارات في لوحة التحكم في شكل الإخراج.
      5. احتفظ بالخيارات الافتراضية في "خيارات الإخراج"،والتي ستتأكد من تحديث كافة ملفات الإخراج وفقًا لمجموعة المعلمات الجديدة المحددة في 3.3.1.4.
      6. انقر على زر ما بعد المعالجة. تحقق من معلومات التقدم في إطار الرسالة في الجزء السفلي من واجهة المستخدم الرسومية الرئيسية وكذلك في إطار الأوامر.
      7. بعد اكتمال التحليل، انقر على أي عنصر في جدول الإخراج لرؤية الرسم البياني لقياس الألياف للصورة بما في ذلك الطول والعرض والزاوية والات المستقيمة.
        ملاحظة: ملفات الإخراج الجديدة سوف الكتابة فوق القديمة الموجودة في المجلد الفرعي ctFIREout.
    2. مرحلة ما بعد المعالجة المتقدمة لـ CT-FIRE
      1. تشغيل التطبيق CT-FIRE، أو انقر على زر إعادة تعيين بعد عمليات أخرى لتهيئة واجهة المستخدم الرسومية CT-FIRE الرئيسية(الشكل 3A).
      2. تحقق من مربع الاختيار OUT.adv في الجزء العلوي من واجهة المستخدم الرسومية الرئيسية(الشكل 3A).
      3. انقر على زر ما بعد المعالجة لإطلاق واجهة المستخدم الرسومية المتقدمة بعد المعالجة المسماة " وحدةالتحليل" (الشكل 5A).
      4. انقر على الزر تحديد ملف لتحديد صورة.
      5. انقر على زر Visualise Fibers لإدخال رقم الألياف استنادًا إلى التسميات الموجودة في شكل علامة التبويب Original-fibers.
        ملاحظة: سيتم عرض قياسات الألياف المختارة في جدول الإخراج (الشكل 5B) ، وسيتم تراكب الألياف المقابلة على الصورة الأصلية المعروضة في علامة التبويب المسماة الألياف المقيسة (الشكل 5C).
      6. انقر على الزر تأكيد/تحديث للانتقال إلى عملية تحديد العتبة.
      7. تحقق من مربع تحديد العتبة لتمكين إعدادات العتبة.
      8. اختر أحد خيارات تحديد العتبات الأربعة من القائمة المنسدلة.
      9. أدخل العتبات المطلوبة في لوحة العتبات لخصائص واحدة أو أكثر من الألياف.
      10. انقر على زر العتبة الآن لتطبيق شروط العتبة أعلاه.
      11. تحقق من الرقم الفوري مع اسمها الذي ينتهي مع المقاييس التصور لرؤية الألياف المحددة مضاف على الصور الأصلية مع خرائط اللون المخصصة كما هو مبين في الشكل 5E.
      12. كرر الخطوات 3.3.2.9-3.3.2.11 لتعيين العتبات المرغوبة.
      13. انقر على زر حفظ الألياف لحفظ المعلومات المحددة.
        ملاحظة: سيتم عرض الألياف المحددة المقابلة في شكل علامة التبويب المسمى بعد العتبة.
      14. انقر على زر إنشاء الإحصائيات، ثم انقر فوق الزر موافق في النافذة المنبثقة لإنشاء إحصائيات موجزة.
        ملاحظة: جدول الإخراج(الشكل 5D)سوف تظهر القيمة الوسط من الألياف المحددة. سيتم حفظ إحصائيات أخرى من الألياف المحددة في ملف Excel الذي يتم عرض موقعه في نافذة الحالة في الجزء السفلي من هذه واجهة المستخدم الرسومية.
      15. لتضمين معلومات الألياف الفردية المحددة في ملف الإخراج، تحقق من المربع إنشاء ورقة البيانات الأولية قبل النقر فوق الزر موافق.
      16. لتجميع النتائج من صور متعددة، في الخطوة 3.3.2.4، تحقق من وضع الدفعي أو وضع المكدس وحدد عدة صور أو مكدس (رزمة) لتحليلها؛ تخطي الخطوات 3.3.2.5-3.3.2.6. في الخطوات 3.3.2.8-3.3.2.9، تعيين شروط عتبة، ولكن كما عتبة الأزرار الآن وحفظ الألياف معطلة، تخطي الخطوات 3.3.2.10-3.3.2.13؛ وأخيراً، اتبع الإرشادات الواردة في الخطوة 3.3.2.14 لإنشاء إحصائيات موجزة وخصائص الألياف الفردية للألياف المحددة.

4. تحليل الألياف مع CurveAlign

ملاحظة: تم وضع CurveAlign في البداية لقياس زوايا الألياف تلقائيًا فيما يتعلق بالحدود المحددة من قبل المستخدم. يمكن استخدام الإصدار الحالي من CurveAlign للتقييم المجمع للميزات القائمة على الكثافة والمحاذاة بالإضافة إلى قياس الزاوية النسبية إما عن طريق تحميل معلومات الألياف الفردية المستخرجة من CT-FIRE أو مباشرة باستخدام الاتجاه المحلي للمنحنيات. يحسب CurveAlign ما يصل إلى ثلاثين من الميزات المتعلقة بالميزات العالمية أو المحلية بشكل رئيسي بما في ذلك الكثافة والمحاذاة بالإضافة إلى خصائص الألياف الفردية عند اعتماد CT-FIRE كأسلوب تتبع الألياف.

  1. تحليل الألياف مع المنحنى
    1. إطلاق APP كما هو موضح في 2.3.
    2. انقر على زر إعادة تعيين لإعادة تعيين APP إلى حالته الأولية إذا تم إجراء عمليات أخرى.
    3. في واجهة المستخدم الرسومية الرئيسية(الشكل 6A)، تحقق من خيار طريقة تحليل الألياف الضوئية للتأكد من تحديد CT (الخيار الافتراضي).
      ملاحظة: في هذا الوضع، يتم تنفيذ CT على الصورة، واتجاه كل curvelet يمثل اتجاه الألياف في الموقع المقابل.
    4. انقر على القائمة المنسدلة لأسلوب الحدود، وحدد وضع معالجة الحدود من خيارات القائمة المنسدلة التالية: بلا حدود، وحدود CSV، وحدود TIFF.
      ملاحظة: إذا كان هناك حاجة إلى أي حد، تخطي هذه الخطوة. الرجوع إلى 4.3 لكيفية حساب زوايا الألياف فيما يتعلق حد.
    5. انقر على الحصول على صورة (ق) زر في واجهة المستخدم الرسومية الرئيسية(الشكل 6A)، ومن ثم حدد صورة واحدة أو أكثر / أو كومة صورة من نافذة المطالبة. استخدم التقنية المناسبة لنظام التشغيل لتحديد صور متعددة في مربع الحوار (على سبيل المثال، في Windows، اضغط على CTRL أثناء تحديد ملفات متعددة).
      ملاحظة: إذا تم تحديد ملفين أو أكثر من ملفات الصور، يجب أن تستخدم كافة الصور نفس معلمات التشغيل للتحليل. تأكد من أن يتم الحصول على كافة الصور في نفس أو ظروف مشابهة.
    6. بالنسبة إلى رصة الصورة، حرك شريط التمرير بالشريحة أسفل مربع قائمة الملفات لتحديد الشريحة التي سيتم تحليلها.
    7. أدخل كسر الـ coefs للاحتفاظ به. هذه القيمة هي جزء من أكبر معاملات CT التي سيتم استخدامها في تحليل الألياف.
      ملاحظة: إذا كانت الصورة لديها تباين كبير في كثافة الألياف أو التباين، فإن التعليق التوضيحي للمناطق ذات الأهمية مع التباين حتى لتحليل الألياف لأن هذا الوضع لا يكتشف سوى ألمع الألياف في الصورة. بالإضافة إلى ذلك، كلما كان حجم الصورة أكبر، قم بتعيين قيمة أصغر لهذا الكسر.
    8. الاحتفاظ بكافة المعلمات في "خيارات الإخراج" وأخرى في الخيار "خيارات متقدمة" كـ الافتراضي; قد تكون هناك حاجة إلى ملفات الإخراج في عمليات أخرى مستقبلية.
    9. انقر على زر تشغيل في الجزء السفلي من واجهة المستخدم الرسومية الرئيسية(الشكل 6A).
      ملاحظة: سيتم عرض معلومات التقدم في إطار رسالة مميزة باللون الأخضر في الجزء السفلي. بعد الانتهاء من العملية، سيتم عرض بعض الإحصاءات الموجزة لكل صورة في جدول الإخراج (الشكل 6B) ، وسيتم حفظ جميع ملفات الإخراج تلقائيًا في مجلد فرعي يسمى CA_Out في دليل الصورة الأصلية ( الصور).
    10. انقر على أي بند في الجدول الناتج (الشكل 6B) لرؤية الرسم البياني (الشكل 6E) أو مؤامرة البوصلة (الشكل 6F) من زوايا الألياف.
      ملاحظة: سيتم عرض صورة التراكب(الشكل 6C)وخريطة الحرارة (الشكل 6D) من المحاذاة أو الزاوية.
    11. انقر فوق الزر إعادة تعيين لتشغيل عمليات أخرى، أو إغلاق واجهة المستخدم الرسومية الرئيسية لإنهاء APP.
  2. تحليل الألياف الفردية مع CT-FIRE
    ملاحظة: الإجراء هو نفس واحد الموضحة في المقطع 4.1 فيما عدا أنه في الخطوة 4.1.3 حدد وضع تحليل الألياف ذات الصلة CT-FIREو تخطي الخطوة 4.1.7 كما أنه غير قابل للتطبيق ويتم تعطيل في وضع CT-FIRE. على وجه التحديد، في الخطوة 4.1.3، حدد أحد من بين ثلاثة أساليب تحليل الألياف المستندة إلى CT-FIRE:
    1. حدد CT-FIRE الألياف لاستخدام نقطة مركز الألياف والألياف زاوية لتمثيل الألياف.
      ملاحظة: لا يأخذ هذا الخيار بعين الاعتبار التغييرات في اتجاه الألياف على طول الألياف.
    2. حدد نقاط نهاية CT-FIRE لاستخدام نقطتي نهاية الألياف وزاوية الألياف المقابلة لتمثيل الألياف.
      ملاحظة: مقارنة بـ 4.2.1، يستخدم هذا الخيار موضعين لتمثيل الألياف بدلاً من نقطة واحدة (نقطة الوسط من الألياف).
    3. حدد CT-FIRE شرائح لاستخدام أجزاء من الألياف لتمثيل الألياف.
      ملاحظة: لكل قطعة طول مساو (تعيين إلى 5 بكسل بشكل افتراضي في CT-FIRE) وكذلك اتجاهها وموقعها، مما يعكس التغيير في الاتجاه على طول الألياف. هذا الخيار سيكون الأكثر استهلاكا للوقت، ولكن سيكون الخيار الأفضل بين ثلاث طرق تحليل الألياف CT-FIRE القائم على تتبع التغيرات في الاتجاه المحلي من الألياف متعرج.
  3. تحليل المحاذاة النسبية مع الحد
    ملاحظة: مقارنةً بالتحليل المنتظم بدون شروط الحدود الموضحة في القسمين 4.2 و 4.3، يحتاج تحليل المحاذاة النسبية مع شروط الحدود إلى ما يلي:
    1. في الخطوة 4.1.3، حدد شرط الحدود tiff.
      ملاحظة: سيحتاج المستخدم ملف حد المطابق لكل صورة أو كل مكدس. اتبع الإرشادات التي تظهر على الشاشة لإضافة تعليق توضيحي إلى ملف حد CSV (تنسيق قيم مفصولة بفواصل أو إحداثيات س) أو ملف حدود Tiff يدوياً. سيتم حفظ الملفات الحدود التي تم إنشاؤها في CurveAlign تلقائياً وفقاً اصطلاحات تسمية دليل الملفات والملفات الموضحة في الدليل. إذا تم توفير زوج من H&E مشرق حقل و SHG الصور، استخدم الوحدة النمطية التلقائية لإنشاء الحدود الموضحة في القسم 4.4 لإنشاء ملف الحدود.
    2. في لوحة المعلمات الأولية، أدخل المسافة من أقرب حد لتقييم الألياف فقط داخل نطاق المسافة هذا.
    3. في لوحة خيارات الإخراج، تحقق من مربع اقتران الحدود Bdry Assoc لتصور النقطة على الحد المقترنة مع ألياف أو قطعة ألياف أو منحنية.
  4. إنشاء الحدود التلقائي
    1. إطلاق APP كما هو موضح في 2.3.
    2. انقر على زر إعادة تعيين لإعادة تعيين APP إلى حالته الأولية إذا تم إجراء عمليات أخرى بالفعل.
    3. انقر على زر إنشاء BD لبدء وحدة إنشاء الحدود التلقائية.
    4. اتبع الإرشادات/القرائن التي تظهر على الشاشة لإنشاء ملف حد لصورة واحدة أو أكثر استنادًا إلى زوج من الصور ذات المجال الساطع وSSHG.
    5. إغلاق إطار الوحدة النمطية، أو انقر فوق الزر إعادة تعيين في واجهة المستخدم الرسومية الرئيسية(الشكل 6A) لإنهاء هذه الوحدة النمطية.
  5. منطقة منحنى من تحليل الاهتمام
    1. التعليق التوضيحي لعائد ROI باستخدام مدير ROI
      1. انقر على الحصول على صورة (ق) زر في واجهة المستخدم الرسومية الرئيسية(الشكل 6A) لتحميل صورة واحدة أو أكثر.
      2. حدد الصورة التي سيتم تعليقها في قائمة الملفات.
      3. انقر على مدير ROI لإطلاق وحدة مدير عائد الاستثمار (الشكل 7A).
      4. اتبع الخطوات 3.2.1.5-3.2.1.13 في القسم 3.2.1.
    2. تحليل عائد الاستثمار لصورة واحدة في مدير عائد الاستثمار
      1. إذا تم إجراء تحليل الصورة الكاملة CurveAlign ، وتم حفظ النتائج في الدليل الافتراضي ، فانقر على ROIs واحد أو أكثر في قائمة ROI ، ثم انقر فوق الزر محلل عائد الاستثمار CA لتشغيل تحليل ما بعد عائد الاستثمار.
        ملاحظة: بعد اكتمال التحليل، سيتم عرض الإحصاءات الموجزة في جدول الإخراج(الشكل 7C)بالإضافة إلى شكل مدرج التكراري(الشكل 7D)الذي يظهر توزيع الزاوية.
      2. انقر على أي بند في الجدول الإخراج لتصور الألياف في عائد الاستثمار معين(الشكل 7B)وكذلك الرسم البياني لزوايا الألياف.
      3. تحقق من ملفات الإخراج المحفوظة في مجلد فرعي موجود في \\[مجلد الصورة]\ CA_ROI\فرد\ROI_post_analysis\.
      4. إذا لم يتم إجراء تحليل المرجع المصدق كامل الصورة، انقر فوق واحد أو أكثر من ROIs في قائمة ROI، وانقر على زر تطبيق CA على العائد على الاستثمار (ROI) لتطبيق تحليل CA مباشرة على ROIs المحدد. اتبع الإرشادات الموجودة في إطار المطالبة لتشغيل التحليل.
        ملاحظة: يتم تمرير معلمات تشغيل تحليل CA خلال واجهة المستخدم الرسومية الرئيسية; تحديث المعلمات قيد التشغيل الموضحة في الخطوة 4.1.7 حسب الحاجة. بعد اكتمال التحليل، سيتم عرض نتائج الإحصاءات الموجزة لمقاييس الألياف في جدول الإخراج. سيتم حفظ النتائج تلقائياً في مجلد فرعي موجود في \\[مجلد الصورة]\ CA_ROI\فرد\ROI_analysis\.
    3. تحليل عائد الاستثمار لصور متعددة باستخدام محلل عائد الاستثمار
      1. اتبع الخطوات في 4.5.1 لإضافة تعليق توضيحي على ROIs للصور التي سيتم تحليلها.
      2. افتح صورة واحدة أو أكثر بالنقر على الزر الحصول على صورة (صور).
      3. لتشغيل تحليل ما بعد عائد الاستثمار عند توفر نتائج تحليل الصور الكاملة، انقر على الزر تحليل عائد الاستثمار وحدد خيار عائد الاستثمار بعد المعالجة.
      4. تحقق من معلومات التقدم المعروضة في إطار الرسالة في أسفل GUI وفي إطار الأوامر.
      5. بعد اكتمال التحليل، تحقق من إحصائيات الملخص لكل عائد استثمار معروض في جدول إخراج.
        ملاحظة: يتم حفظ ملفات الإخراج التفصيلية تلقائياً في مجلد فرعي موجود في \\ [مجلد الصورة]\CA_ROI\\الدفعة\ROI_post_analysis\.
      6. لتشغيل تحليل مباشر مع وضع CT عندما لا تتوفر نتائج تحليل الصور الكاملة، اتبع الخطوات 4.5.3.1-4.5.3.5، باستثناء التغييرات التالية: تعديل الخطوة 4.5.3.3 عن طريق تحديد الخيار CA على ROI مستطيلة مقصوصة أو CA على قناع مع عائد الاستثمار من أي شكل. إذا كانت كافة ROIs المشروح شكل مستطيل، اختر خيار ROI مستطيل. بعد الخطوة 4.5.3.2، تحديث المعلمات قيد التشغيل، كما هو موضح في 4.1.7.
        ملاحظة: نتائج تحليل العائد على الاستثمار سيتم حفظها في مجلد فرعي موجود في \\ [مجلد الصورة]\CA_ROI\\دفعة\ROI_analysis\.
  6. بعد تجهيز المنحنى
    1. بدء تشغيل التطبيق على النحو المبين في القسم 2.3.
    2. انقر على الزر إعادة تعيين لإعادة تعيين APP إلى حالته الأولية إذا تم تنفيذ عمليات أخرى بالفعل.
    3. انقر على زر ما بعد المعالجة لبدء وحدة ما بعد المعالجة.
    4. اتبع الإرشادات/القرائن التي تظهر على الشاشة للجمع بين ميزات الإخراج أو القيم من صور مختلفة.
    5. إغلاق إطار الوحدة النمطية، أو انقر فوق الزر إعادة تعيين في واجهة المستخدم الرسومية الرئيسية(الشكل 6A) لإنهاء هذه الوحدة النمطية.

5. الوقت المقدر للجري

  1. انتظر وقت التشغيل المقدر لمعالجة صورة بحجم 1024 بكسل × 1024 بكسل بكثافة ألياف معتدلة. يعتمد الوقت الحسابي الفعلي بشكل عام على عوامل متعددة بما في ذلك حجم الملف ووضع التحليل والميزات التي سيتم نشرها ونوع وحدة المعالجة المركزية (CPU) ومقدار الذاكرة العشوائية المتاحة (أو RAM). CT-FIRE استخراج الألياف الفردية يستغرق بضع دقائق. منحنى CT-وضع دون حدود يستغرق بضع ثوان. CurveAlign الألياف CT-FIRE أو وضع ينتهي الألياف دون حدود يستغرق عشرات الثواني. CurveAlign وضع الألياف CT-FIRE دون حدود يستغرق مئات من الثواني. يستغرق تحليل المنحنى مع الحدود عشرات الثواني إلى عدة دقائق، حسب تعقيد الحدود.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

وقد طبقت هذه الأساليب بنجاح في العديد من الدراسات. بعض التطبيقات النموذجية تشمل: 1) Conklin وآخرون22 تستخدم CurveAlign لحساب الكولاجين المرتبطة بالورم التوقيعات, ووجدت أن ألياف الكولاجين كانت أكثر محاذاة عموديا على محيط القناة في سرطان القناة في الموقع (DCIS) الآفات; 2) Drifka وآخرون10 تستخدم وضع CT-FIRE في CurveAlign لتحديد محاذاة الكولاجين stromal لخلوص الغدة القنية البنكرياسية والأنسجة البنكرياسية العادية /المزمنة، ووجدت أن هناك زيادة في محاذاة في أنسجة السرطان مقارنة مع ذلك في الأنسجة العادية/المزمنة؛ 3) Alkmin وآخرون7 تستخدم CurveAlign لتحديد التوزيع الزاوي من ألياف F-actin والمحاذاة الكولاجين العام من الصور SHG من الكولاجين السترومال المبيض، وأظهرت أن مورفولوجيا مصفوفة يلعب دورا هاما في قيادة حركة الخلية و F-actin المحاذاة؛ 4) LeBert وآخرون3 تطبيق CT-FIRE على الصور SHG من نموذج إصلاح الجرح حمار وحشي وجدت زيادة في سمك ألياف الكولاجين بعد إصابة حادة؛ 5) ديفين وآخرون45 تستخدم وضع CT-FIRE في CurveAlign لصور SHG من الكولاجين أضعاف الصوتية من نماذج حيوانية مختلفة لقياس خصائص الألياف الفردية والمحاذاة الشاملة، وأظهرت أن الكولاجين الكولاجين الصوتي البورسين وجل الكلاب كان أعلى محاذاة واستقامة أقل من ذلك؛ 6) Keikhosravi وآخرون13 تستخدم CurveAlign لتحديد المحاذاة الكولاجين في عينات الهستوبات الصورة مع LC-PolScope، وأظهرت أن LC-PolScope و SHG قابلة للمقارنة من حيث المحاذاة وقياس التوجه لبعض أنواع الأنسجة.

Figure 1
الشكل 1: استخدام CurveAlign للعثور على تواقيع الكولاجين المرتبطة بالورم من صور SHG لمجهر نسيج سرطان الثدي البشري (TMA). (A)صورة تراكب لب TMA مع صورة SHG (أصفر) متراكبة على صورة المجال المشرقة H & E المقابلة. (ب) منطقة اهتمام (أ) . (C) صورة المجال المشرقة من (B). (D) صورة SHG من (B). (F) القناع المرتبط بالصورة المجال المشرق (C). (E) صورة تراكب الإخراج CurveAlign تظهر حدود الورم (الأصفر) من (F) ، ومواقع الألياف التمثيلية ، والاتجاه (خطوط خضراء) ؛ يتم استخدام الخطوط الزرقاء لربط الألياف مع أقرب الحدود الخاصة بهم. الأسهم الخضراء في (B) و (E) تظهر الألياف الموازية لحدود الورم ، بينما تظهر الأسهم الحمراء هناك الألياف عمودي على الحدود. شريط المقياس في (A) يساوي 200 ميكرومتر. يتم عرض الصور في (B)-F) بنفس المقياس، و شريط المقياس التمثيلي في (D) يساوي 50 ميكرومتر. المختصرات: SHG = الجيل التوافقي الثاني؛ H & E = الهماتيوكسيلين واليوسين. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

Figure 2
الشكل 2: سير العمل التخطيطي للكمية لصورة الكولاجين الفيبريلار. (A) SHG الصورة التي سيتم تحليلها من قبل CT-FIRE و / أو CurveAlAlign. (B) تراكب إخراج الصورة من قبل CT-FIRE. (C) حد القناع من (A) هو مدخل CurveAlAlign اختياري. (D)تراكب إخراج الصورة بواسطة CurveAlign. تمثل خطوط الألوان في (B) الألياف المستخرجة. في(D)، تشير الخطوط الخضراء إلى مواقع وتوجهات الألياف التي تقع خارج الحدود (الخطوط الصفراء) وهي على مسافة محددة من أقرب حدودها ، والخطوط الحمراء هي تلك الخاصة بالألياف الأخرى ، وتستخدم الخطوط الزرقاء لربط الألياف بأقرب حدودها. يتم عرض الصور في (A)(D)بنفس المقياس، و شريط المقياس التمثيلي في (A) يساوي 200 ميكرومتر.

Figure 3
الشكل 3: تحليل دوري CT-FIRE. (A)واجهة المستخدم الرسومية الرئيسية. (ب) جدول الإخراج الذي يعرض إحصائيات الملخص. (C) و (F) إظهار المدرجات التكرارية من زاوية وعرض ، على التوالي. (E) صورة الإخراج تظهر الألياف المستخرجة (خطوط ملونة) مضاف على الصورة SHG الأصلي (D). الاختصارات: GUI = CT = تحويل curvelet; واجهة المستخدم الرسومية؛ SHG = الجيل التوافقي الثاني. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

Figure 4
الشكل 4: وحدة إدارة عائد الاستثمار CT-FIRE. (A)الوحدة GUI الوحدة النمطية. (B) العائد على الاستثمار بعد تحليل أربعة ريال عماني مع أشكال مختلفة تظهر الألياف داخل كل عائد الاستثمار. (C) المدرجات التكرارية ROI من خصائص الألياف المختلفة. اختصارات: CT = تحويل curvelet; GUI = واجهة مستخدم رسومية؛ العائد على الاستثمار = منطقة الاهتمام. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

Figure 5
الشكل 5: CT-FIRE متقدمة وحدة ما بعد المعالجة. (A)الوحدة GUI الوحدة النمطية. (ب) قياسات ثلاثة ألياف مختارة. (C) التصور من الألياف الثلاثة المحددة في (B). (D) موجز الإحصاءات بعد تطبيق عتبة طول (> 60 بكسل). (E) التصور من الألياف المحددة في (D)مع طول-- شريط اللون القائم. اختصارات: CT = تحويل curvelet; GUI = واجهة مستخدم رسومية. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

Figure 6
الشكل 6: التحليل المنتظم للمنحنية. (A)واجهة المستخدم الرسومية الرئيسية. (ب) جدول الإخراج الذي يعرض إحصائيات الملخص. (C)صورة الإخراج التي تبين مواقع واتجاه الألياف التمثيلية (خطوط خضراء) والحدود (خطوط صفراء) متراكبة على الصورة الأصلية SHG، وتستخدم الخطوط الزرقاء لربط الألياف مع أقرب حدودها، والخطوط الحمراء تظهر مواقع وتوجهات الألياف داخل حدود أو خارج بعيدا عن الحدود (> المستخدم المسافة المحددة، على سبيل المثال، 250 بكسل هنا). (D) Heatmap من الزوايا: الأحمر (> 60 درجة)، أصفر (45-60] درجة، أخضر (10، 45] درجة. (E)–(F)إظهار توزيع زاوية باستخدام الرسم البياني ومؤامرة البوصلة، على التوالي. الاختصارات: واجهة المستخدم الرسومية = واجهة المستخدم الرسومية؛ SHG = الجيل التوافقي الثاني. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

Figure 7
الشكل 7: وحدة إدارة عائد الاستثمار المنحني. (أ) وحدة واجهة المستخدم الرسومية. (B) أربعة ROIs مستطيلة مشروحة مضاف على الصورة الأصلية. (C) العائد على عائد الاستثمار في مرحلة ما بعد تحليل الجدول الإخراج. (D) الرسم البياني زاوية من كل عائد الاستثمار. المختصرات: ROI = منطقة الاهتمام؛ GUI = واجهة مستخدم رسومية. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

يصف هذا البروتوكول استخدام CT-FIRE و CurveAlign لتحديد كمية الكولاجين الفيبريلار ويمكن تطبيقها على أي صورة مع ألياف الكولاجين أو غيرها من الهياكل الممدود تشبه الخط أو الألياف مثل مناسبة للتحليل من قبل CT-FIRE أو CurveAlign. على سبيل المثال، يمكن معالجة الألياف الإيلاستين أو المرنة بطريقة مماثلة على هذا النظام الأساسي. لقد اختبرنا كل من الأدوات على الألياف الاصطناعية التي تم إنشاؤها حسابيا21. اعتماداً على التطبيق، يجب على المستخدمين اختيار وضع التحليل الذي هو الأكثر ملاءمة للبيانات الخاصة بهم. يمكن وضع تحليل الألياف CT استخدام المنحنى مباشرة في CT لتمثيل موقع الألياف والتوجه، وأنها حساسة للتغيرات في بنية الألياف المحلية. يمكن استخدام وضع CT لتحديد موقع الألياف واتجاهها في ظروف معقدة ، على سبيل المثال ، حيث يكون مستوى الضوضاء مرتفعًا ، أو الألياف متعرجة ، أو الاختلاف في سمك الألياف مرتفعًا. ومع ذلك ، حيث أن وضع CT يلتقط فقط ألمع أجزاء من الصورة ، فإنه سيفوت بعض الألياف بكثافة أقل عندما يكون هناك اختلاف كبير في كثافة الصورة.

وعلاوة على ذلك، لا يوفر وضع CT معلومات عن الألياف الفردية. على النقيض من وضع CT- واسطة، وضع CT-FIRE بحساب خصائص الألياف الفردية ويمكن تحليل جميع الألياف التي كثافة أعلى من عتبة محددة. التحديات المرتبطة بوضع CT-FIRE تشمل: 1) دقة استخراج الألياف سليمة قد تكون خفضت أو للخطر عندما يكون هناك تباين كبير في كثافة على طول الألياف أو سمك الألياف عبر صورة; و 2) التحليل القياسي الحالي يتطلب حسابياً كما هو مذكور في البروتوكول. ويمكن رؤية المزيد من التفاصيل حول مزايا وحدود هذه الأساليب في منشوراتنا السابقة20,21.

بقدر ما يتعلق الأمر بدقة تتبع الألياف ، يمكن للمستخدم الاعتماد بشكل رئيسي على الفحص البصري للتحقق من الصورة المتداخلة حيث يتم تراكب الألياف المستخرجة أو التوجهات التمثيلية على الصورة الأصلية. وبالإضافة إلى ذلك، بالنسبة لـ CT-FIRE، يمكن للمستخدم استخدام وحدة المعالجة المتقدمة لتحديد خصائص الألياف الفردية المختارة ومقارنتها بالقياسات باستخدام أدوات تحليل الصور الأخرى مثل فيجي46. بالنسبة لـ CurveAlign، قد يقارن المستخدم نتائج الاتجاه أو المحاذاة بتلك التي يتم حسابها بواسطة أدوات أخرى مثل OrientationJ16 و CytoSpectre17.

من بين الميزات المتاحة للإخراج من قبل النظام الأساسي ، يتم استخدام الميزات المتعلقة بالمحاذاة بشكل متكرر وهي الأكثر موثوقية وقوة. لاستخدام ميزات الألياف الفردية، يحتاج المستخدم إلى تأكيد استخراج ميزات الألياف التمثيلية. ملاحظة، يمكن تقسيم الألياف سليمة إلى عدة قطاعات أقصر في بعض الظروف، والتي يجب أن تأخذ في الاعتبار المستخدم عند اختيار وضع تحليل الألياف أو إجراء مزيد من التحليل الإحصائي. حتى عندما لا يمكن استخدام طول الألياف مباشرة كخاصية قابلة للمقارنة ، قد يشير اتجاه أو عرض شرائح الألياف الموزونة مقابل أطوالها إلى معلومات مفيدة. وفيما يتعلق بتصوير SHG، يمكن أن تؤثر الفتحة الرقمية (NA) للعدسة الموضوعية بشكل كبير على الكشف عن عرض وطول الألياف، ولكن تأثيرها أقل على قياسات التوجيه والمحاذاة. في تجربتنا في التصوير SHG، ونحن عادة بحاجة إلى استخدام عدسة الهدف مع التكبير 40x أو أعلى مع NA ≥ 1،0 لتحقيق قياس قوي سمك الألياف.

يمكن تفسير "المحاذاة" بثلاث طرق مختلفة: 1) المحاذاة فيما يتعلق بالاتجاه الأفقي الإيجابي المسمى "زاوية"، تتراوح من 0 إلى 180 درجة، حيث تكون الزوايا القريبة من الصفر لها اتجاه مماثل لزوايا قريبة من 180 درجة؛ (2) محاذاة 10 درجات إلى 10 درجات. 2) المحاذاة فيما يتعلق بحدود تسمى "زاوية النسبية"، تتراوح بين 0 إلى 90 درجة، مع 0 درجة تشير إلى الألياف موازية للحدود و 90 تشير إلى الألياف عمودي؛ و 3) محاذاة الألياف مع ما يتعلق بعضها البعض اسمه "معامل المحاذاة" ، تتراوح بين 0 إلى 1 ، مع 1 تشير إلى ألياف محاذاة تماما والقيم الصغيرة التي تمثل أكثر عشوائيا الألياف الموزعة.

وإلى جانب ميزات الألياف المحسوبة في هذه المنصة، اقترحت بعض المقاييس استناداً إلى تحليل الملمس47،48،49 أيضا لتحديد أنماط ECM. يمكن أن توفر هذه الميزات ذات الصلة مادة واصف بديل أو إضافية من ECM في بعض التطبيقات. وتكمن التحديات التي تواجه تطوير هذا النوع من المقاييس في التشغيل البيني للأهمية البيولوجية المحتملة، والتوصيف المحلي، ودقة تتبع الألياف الفردية.

لتحسين المعلمات الجارية وإجراء استكشاف الأخطاء وإصلاحها، يمكن للمستخدم الرجوع إلى دليل، المنشورات ذات الصلة20،21، فضلا عن الشريط الجانبي الأسئلة الشائعة على صفحات GitHub Wiki من مستودع curvelets: https://github.com/uw-loci/curvelets/wiki. بالنسبة لبعض الأزرار، قد يظهر تلميح دالة لتوجيه المستخدم للعملية الحالية أو التالية عندما ينقل المستخدم رمز الماوس فوق زر. اتبع المعلومات الموجودة على GUI أو إطار الأوامر لتنفيذ استكشاف الأخطاء وإصلاحها.

لمعالجة مجموعة بيانات كبيرة، يتم تشجيع المستخدم على استخدام خيارات الحوسبة المتوازية، والتي تمكن الأداة من معالجة صور متعددة في وقت واحد. أحد الخيارات هو استخدام العديد من وحدات المعالجة المركزية إذا كانت متوفرة على الكمبيوتر الذي يتم استخدامه. بدلاً من ذلك، يتم توفير نسخة مقطوعة الرأس من كل من APPs وقد تم تجميعها بنجاح في عقدة التجميع من خلال الخادم الذي تم الاحتفاظ به في مركز50 كوندور للحوسبة عالية الإنتاجية (CHTC) في جامعة ويسكونسن ماديسون. وقد تم تطوير سير عمل CHTC لتكميم الألياف على نطاق واسع ، واختبارها ، واستخدامها بنجاح على مجموعات الصور الحقيقية التي تتكون من الآلاف من الصور. يمكن للمستخدم تكييف وظائف MATLAB مقطوعة الرأس لكل من CT-FIRE و CurveAlign لتشغيل القياس الكمي على أنظمة الحوسبة السحابية الأخرى بما في ذلك الخدمات التجارية مثل تلك التي تقدمها Amazon و Google و Microsoft.

وتشمل اتجاهات التنمية الجارية والمستقبلية: 1) دمج شبكة التعلم العصبي العميق لاستخراج أو توليد جودة عالية من الألياف الكولاجين الاصطناعية الصور وتحسين قوة ودقة الألياف خوارزمية تتبع; 2) دمج جميع الوحدات في منصة شاملة مع تحسين التعليمات البرمجية والوثائق التالية لأفضل الممارسات الهندسية للبرامج؛ 3) نشر جميع الميزات الأساسية على منصة الحوسبة السحابية؛ 4) تعزيز سير العمل من تحليل الألياف باستخدام خدمة CHTC؛ و 5) تحسين وظائف مولد الألياف الاصطناعية.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

ليس لدى أصحاب البلاغ ما يكشفون عنه.

Acknowledgments

نشكر العديد من المساهمين والمستخدمين ل CT-FIRE و CurveAlAlign على مر السنين، بما في ذلك الدكتور روب نوفاك، الدكتور كارولين بيهلك، الدكتور جيريمي بريدفيلدت، غونيت ميهتا، أندرو ليخت، الدكتور أديب كيخوسرافي، الدكتور مات كونكلين، الدكتور جين سنغال، الدكتور باولو بروفنزانو، الدكتور بريندا أوغلي، الدكتورة باتريشيا كيلي، الدكتور جوزيف Szulczewski، الدكتور سوزان Ponik ومساهمات تقنية إضافية من وقد تم دعم هذا العمل من خلال تمويل من مؤسسة أبحاث أشباه الموصلات، ومعهد مورغريدج للبحوث، ومنح المعاهد القومية للصحة R01CA199996، R01CA181385 وU54CA210190 إلى K.W.E.

Materials

Name Company Catalog Number Comments
CT-FIRE Univerity of Wisconsin-Madison N/A open source software available from https://eliceirilab.org/software/ctfire/
CurveAlign University of Wisconsin-Madison N/A open source software available from https://eliceirilab.org/software/curvealign/

DOWNLOAD MATERIALS LIST

References

  1. Nadiarnykh, O., et al. Second harmonic generation imaging microscopy studies of osteogenesis imperfecta. Journal of Biomedical Optics. 12 (5), 051805 (2007).
  2. Kouris, N. A., et al. A nondenatured, noncrosslinked collagen matrix to deliver stem cells to the heart. Regenerative Medicine. 6 (5), 569-582 (2011).
  3. LeBert, D. C., et al. Matrix metalloproteinase 9 modulates collagen matrices and wound repair. Development. 142 (12), 2136-2146 (2015).
  4. Provenzano, P. P., et al. Collagen reorganization at the tumor-stromal interface facilitates local invasion. BMC Medicine. 4 (1), 38 (2006).
  5. Provenzano, P. P., et al. Collagen density promotes mammary tumor initiation and progression. BMC Medicine. 6 (1), 1 (2008).
  6. Conklin, M. W., et al. Aligned collagen is a prognostic signature for survival in human breast carcinoma. The American Journal of Pathology. 178 (3), 1221-1232 (2011).
  7. Alkmin, S., et al. Migration dynamics of ovarian epithelial cells on micro-fabricated image-based models of normal and malignant stroma. Acta Biomaterialia. 100, 92-104 (2019).
  8. Campbell, K. R., Campagnola, P. J. Assessing local stromal alterations in human ovarian cancer subtypes via second harmonic generation microscopy and analysis. Journal of Biomedical Optics. 22 (11), 116008 (2017).
  9. Best, S. L., et al. Collagen organization of renal cell carcinoma differs between low and high grade tumors. BMC Cancer. 19 (1), 490 (2019).
  10. Drifka, C. R., et al. Periductal stromal collagen topology of pancreatic ductal adenocarcinoma differs from that of normal and chronic pancreatitis. Modern Pathology. 28 (11), 1470-1480 (2015).
  11. Campagnola, P. J., et al. Three-dimensional high-resolution second-harmonic generation imaging of endogenous structural proteins in biological tissues. Biophysical Journal. 82 (1), 493-508 (2002).
  12. Arun Gopinathan, P., et al. Study of collagen birefringence in different grades of oral squamous cell carcinoma using picrosirius red and polarized light microscopy. Scientifica. 2015, 1-7 (2015).
  13. Keikhosravi, A., et al. Quantification of collagen organization in histopathology samples using liquid crystal based polarization microscopy. Biomedical Optics Express. 8 (9), 4243-4256 (2017).
  14. Quan, B. D., Sone, E. D. Cryo-TEM analysis of collagen fibrillar structure. Methods in Enzymology. 532, 189-205 (2013).
  15. Boudaoud, A., et al. FibrilTool, an ImageJ plug-in to quantify fibrillar structures in raw microscopy images. Nature Protocols. 9 (2), 457-463 (2014).
  16. Rezakhaniha, R., et al. Experimental investigation of collagen waviness and orientation in the arterial adventitia using confocal laser scanning microscopy. Biomechanics and Modeling in Mechanobiology. 11 (3-4), 461-473 (2012).
  17. Kartasalo, K., et al. CytoSpectre: a tool for spectral analysis of oriented structures on cellular and subcellular levels. BMC Bioinformatics. 16 (1), 1 (2015).
  18. Bredfeldt, J. S., et al. Computational segmentation of collagen fibers from second-harmonic generation images of breast cancer. Journal of Biomedical Optics. 19 (1), 016007 (2014).
  19. Bredfeldt, J. S., et al. Automated quantification of aligned collagen for human breast carcinoma prognosis. Journal of Pathology Informatics. 5 (1), 28 (2014).
  20. Liu, Y., Keikhosravi, A., Mehta, G. S., Drifka, C. R., Eliceiri, K. W. Methods for quantifying fibrillar collagen alignment. Methods in Molecular Biology. 1627, 429-451 (2017).
  21. Liu, Y., et al. Fibrillar collagen quantification with curvelet transform based computational methods. Frontiers in Bioengineering and Biotechnology. 8, 198 (2020).
  22. Conklin, M. W., et al. Collagen alignment as a predictor of recurrence after ductal carcinoma in situ. Cancer Epidemiology and Prevention Biomarkers. 27 (2), 138-145 (2018).
  23. Jallow, F., et al. Dynamic interactions between the extracellular matrix and estrogen activity in progression of ER+ breast cancer. Oncogene. 38 (43), 6913-6925 (2019).
  24. Smirnova, T., et al. Serpin E2 promotes breast cancer metastasis by remodeling the tumor matrix and polarizing tumor associated macrophages. Oncotarget. 7 (50), 82289 (2016).
  25. Fanous, M., Keikhosravi, A., Kajdacsy-Balla, A., Eliceiri, K. W., Popescu, G. Quantitative phase imaging of stromal prognostic markers in pancreatic ductal adenocarcinoma. Biomedical Optics Express. 11 (3), 1354-1364 (2020).
  26. Jiménez-Torres, J. A., Virumbrales-Muñoz, M., Sung, K. E., Lee, M. H., Abel, E. J., Beebe, D. J. Patient-specific organotypic blood vessels as an in vitro model for anti-angiogenic drug response testing in renal cell carcinoma. EBioMedicine. 42, 408-419 (2019).
  27. Govindaraju, P., Todd, L., Shetye, S., Monslow, J., Puré, E. CD44-dependent inflammation, fibrogenesis, and collagenolysis regulates extracellular matrix remodeling and tensile strength during cutaneous wound healing. Matrix Biology. 75, 314-330 (2019).
  28. Henn, D., et al. Cryopreserved human skin allografts promote angiogenesis and dermal regeneration in a murine model. International Wound Journal. 17 (4), 925-936 (2020).
  29. Rico-Jimenez, J., et al. Non-invasive monitoring of pharmacodynamics during the skin wound healing process using multimodal optical microscopy. BMJ Open Diabetes Research and Care. 8 (1), 000974 (2020).
  30. Israel, J. S., et al. Quantification of collagen organization after nerve repair. Plastic and Reconstructive Surgery Global Open. 5 (12), (2017).
  31. Rentchler, E. C., Gant, K. L., Drapkin, R., Patankar, M., Campagnola, P. J. Imaging collagen alterations in STICs and high grade ovarian cancers in the fallopian tubes by second harmonic generation microscopy. Cancers. 11 (11), 1805 (2019).
  32. Hu, C., et al. Imaging collagen properties in the uterosacral ligaments of women with pelvic organ prolapse using spatial light interference microscopy (SLIM). Frontiers in Physics. 7, 72 (2019).
  33. Guirado, E., et al. Disrupted protein expression and altered proteolytic events in hypophosphatemic dentin can be rescued by dentin matrix protein 1. Frontiers in Physiology. 11, 82 (2020).
  34. Kiss, N., et al. Quantitative analysis on ex vivo nonlinear microscopy images of basal cell carcinoma samples in comparison to healthy skin. Pathology & Oncology Research. 25 (3), 1015-1021 (2019).
  35. Lewis, D. M., et al. Collagen fiber architecture regulates hypoxic sarcoma cell migration. ACS Biomaterials Science & Engineering. 4 (2), 400-409 (2018).
  36. Moura, C. C., Bourdakos, K. N., Tare, R. S., Oreffo, R. O., Mahajan, S. Live-imaging of Bioengineered Cartilage Tissue using Multimodal Non-linear Molecular Imaging. Scientific Reports. 9 (1), 1-9 (2019).
  37. Murtada, S. I., et al. Paradoxical aortic stiffening and subsequent cardiac dysfunction in Hutchinson-Gilford progeria syndrome. Journal of The Royal Society Interface. 17 (166), 0066 (2020).
  38. Nichol, R. H., Catlett, T. S., Onesto, M. M., Hollender, D., Gómez, T. M. Environmental elasticity regulates cell-type specific RHOA signaling and neuritogenesis of human neurons. Stem Cell Reports. 13 (6), 1006-1021 (2019).
  39. Pointer, K. B., et al. Association of collagen architecture with glioblastoma patient survival. Journal of Neurosurgery. 126 (6), 1812-1821 (2016).
  40. Razavi, M. S., Leonard-Duke, J., Hardie, B., Dixon, J. B., Gleason, R. L. Axial stretch regulates rat tail collecting lymphatic vessel contractions. Scientific Reports. 10 (1), 1-11 (2020).
  41. Xue, Y., et al. Valve leaflet-inspired elastomeric scaffolds with tunable and anisotropic mechanical properties. Polymers for Advanced Technologies. 31 (1), 94-106 (2020).
  42. Zhou, Z. H., et al. Reorganized collagen in the tumor microenvironment of gastric cancer and its association with prognosis. Journal of Cancer. 8 (8), 1466 (2017).
  43. Zinn, A., et al. The small GTPase RhoG regulates microtubule-mediated focal adhesion disassembly. Scientific Reports. 9 (1), 1-15 (2019).
  44. Zwaans, B. M., et al. Radiation cystitis modeling: A comparative study of bladder fibrosis radio-sensitivity in C57BL/6, C3H, and BALB/c mice. Physiological Reports. 8 (4), (2020).
  45. Devine, E. E., Liu, Y., Keikhosravi, A., Eliceiri, K. W., Jiang, J. J. Quantitative second harmonic generation imaging of leporine, canine, and porcine vocal fold collagen. The Laryngoscope. 129 (11), 2549-2556 (2019).
  46. Schindelin, J., et al. Fiji: an open-source platform for biological-image analysis. Nature Methods. 9 (7), 676-682 (2012).
  47. Zeitoune, A. A., et al. Epithelial ovarian cancer diagnosis of second-harmonic generation images: A semiautomatic collagen fibers quantification protocol. Cancer Informatics. 16, (2017).
  48. Wershof, E., et al. Matrix feedback enables diverse higher-order patterning of the extracellular matrix. PLoS Computational Biology. 15 (10), 1007251 (2019).
  49. Mostaço-Guidolin, L. B., et al. Fractal dimension and directional analysis of elastic and collagen fiber arrangement in unsectioned arterial tissues affected by atherosclerosis and aging. Journal of Applied Physiology. 126 (3), 638-646 (2019).
  50. Thain, D., Tannenbaum, T., Livny, M. Distributed computing in practice: the Condor experience. Concurrency and Computation: Practice and Experience. 17 (2-4), 323-356 (2005).

Tags

الهندسة الحيوية، الإصدار 165، الأورام microenvironment، مصفوفة خارج الخلية، السرطان، تنظيم الكولاجين الألياف، الكم الكولاجين الفيبريلار، تحويل المنحني، الجيل التوافقي الثاني المجهري، برنامج تحليل الصور
قياس القياس فيبريلار منظمة الكولاجين مع Curvelet تحويل القائم على أدوات
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Liu, Y., Eliceiri, K. W. Quantifying … More

Liu, Y., Eliceiri, K. W. Quantifying Fibrillar Collagen Organization with Curvelet Transform-Based Tools. J. Vis. Exp. (165), e61931, doi:10.3791/61931 (2020).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter