方法文章

利用微型计算机断层扫描技术对小型动物骨骼肌进行无创定量分析

1.3K 次观看

⸱

DOI：

10.3791/67393

⸱

2024年11月8日

 ,  ,  ,  ,  ,  , 
1Laboratório de Endocrinologia Translacional, Instituto de Biofísica Carlos Chagas Filho, Universidade Federal do Rio de Janeiro, 2Small Animal Imaging Unit, National Center for Structural Biology and Bioimaging, Universidade Federal do Rio de Janeiro

本文内容

摘要

本方案采用微型计算机断层扫描技术，可对小型动物的瘦体组织（包括骨骼肌和内脏组织）、脂肪组织以及骨骼组织进行经济高效的定量分析。该方法能够区分瘦体组织与脂肪组织，这在生物医学研究中具有显著优势，尤其适用于小型动物的转化医学研究。

摘要

骨骼肌的大小、质量和组成是研究代谢性疾病和肌肉相关疾病的关键属性，因为它们直接影响对疾病进展和治疗效果的理解。在代谢、生理学、药理学和衰老科学研究中，量化活体动物的瘦体质量、脂肪组织和骨骼质量具有重要意义。然而，由于传统评估技术存在固有局限性，获取准确的身体成分测量结果（尤其是瘦体质量）仍然具有挑战性。微型计算机断层扫描（micro-CT）是一种非侵入性放射学技术，可实现对小型动物模型内部结构的高分辨率可视化。标准化的micro-CT方法能够显著增强转化研究的可靠性与影响力，特别是在衰老研究或对同一动物在不同时间点进行观察时。尽管该技术潜力巨大，但图像采集和分析方法缺乏标准化，严重阻碍了不同研究之间结果的可比性。本文提出了一种全面、详细且低成本的基于micro-CT的瘦体质量分析方案，以应对上述挑战，并促进涉及小型动物模型的研究中方法的一致性。

引言

大小、质量和组成是研究肌肉相关及代谢疾病机制的关键骨骼肌特性1。肌肉减少症、恶病质、萎缩和肌病具有共同的表型：质量减少、组成改变以及肌肉功能受损2,3,4,5。然而，在活体动物中定量身体组成仍然极为复杂且在技术上具有挑战性6。

主要方法包括 体内 成像和体成分分析的主要方法包括双能X射线吸收测定法（DXA）、计算机断层扫描（CT）和磁共振成像（MRI）。这些方法主要用于筛查和监测导致瘦体质量减少的疾病。7,8,9,10,11DXA 由于成本较低，是身体成分分析的金标准。然而，与 MRI 和 CT 相比，DXA 存在一个显著缺点：无法在空间上区分肌肉组织和脂肪组织1.

磁共振成像（MRI）利用强磁场和射频波生成人体内部结构的详细图像12。与CT相比，其主要优势之一是具有更高的对比度分辨率，能够清晰区分不同类型的软组织1,13,14。与CT不同，MRI不使用电离辐射，因此可重复使用时更安全15,16。然而，MRI成本更高且可及性较低，扫描时间更长，维护费用也更高13,17。因此，用于小型动物分析的MRI设备通常不易获得。

微型计算机断层扫描（Micro-CT）与常规CT类似，但专为小尺度结构和生物医学研究而设计18。Micro-CT是一种先进的无创性影像评估技术，可实现对小型动物模型内部结构的精细可视化。该技术利用X射线生成机体内部结构的高分辨率图像，其原理基于不同组织类型对X射线的差异性衰减。在Micro-CT扫描过程中，小鼠平躺在一张缓慢穿过环形机架的载物台上。机架内部的X射线管围绕小鼠旋转，并从多个角度发射X射线，对侧的探测器则接收穿透机体后的X射线信号18。

显微CT扫描仪的软件通过处理来自多个角度的数据，重建出生物体的二维横截面图像（切片）。通过重建，这些切片可被组合起来，全面呈现内部解剖结构19。显微CT扫描生成的图像基于体内不同组织对X射线衰减程度的差异。这种衰减通过亨氏单位（Hounsfield Units, HU）进行量化，该单位是一种标准化放射密度的标度20,21。HU标度对于图像分割至关重要，因为每种结构具有略微不同的HU值。

在本文中，我们使用 HU 值准确区分骨组织、瘦组织和脂肪组织1。通过参考已确立的 HU 范围，我们确保了对身体成分的精确分析与比较。本文展示了如何使用微型 CT 获取图像，并阐述其在可视化和定量分析瘦组织、脂肪及骨骼质量中的应用。

方案

所有方法均经里约热内卢联邦大学（Universidade Federal do Rio de Janeiro，UFRJ）机构动物护理与使用委员会（IACUC - UFRJ；批准号：A16/23-025-20）批准。扫描实验在6个月和22个月大的雄性C57BL/6小鼠上进行。

1. 动物准备

  1. 使用异氟烷（2%）与氧气混合气体，通过蒸发器对小鼠进行麻醉。诱导和维持麻醉时均使用精密蒸发器，氧气浓度为100%。
  2. 将麻醉后的小鼠仰卧位固定在micro-CT扫描仪的小鼠床中，用胶带固定小鼠以减少扫描过程中的移动，然后将其插入扫描架中。
  3. 在整个实验过程中（持续约10分钟），确保小鼠佩戴面罩，以维持麻醉状态，并根据需要给予维持剂量的麻醉剂。

2. 图像采集与重建

  1. 使用高分辨率小动物成像系统获取身体的显微CT扫描图像。共采集 1,024 个投影 与一个 曝光时间 的 470 ms 每个，使用一个 果蝇模式旋转 在 电压 的 60 kV 和一个 电流 的 480 µA. 将系统设置为 1.25 倍放大，从而导致一个 94.72 mm 视场 （视野，FOV），总采集时间为8.02分钟。使用显微镜采集图像 分箱 的 1 × 1，从而实现分辨率 2,368 x 2,240 像素.
    注意：本研究中用于获取显微CT图像的设备由于与麻醉面罩存在重叠，难以获得头部图像；此外，无法完整捕捉整个尾部长度。因此，我们排除了头部和尾部分析（见第3节）。
  2. 使用相同的参数对一个丙烯酸圆柱体模（直径：2.5 cm，长度：11.5 cm）进行扫描，该模体半充满蒸馏水，以确定空气和水的HU值。完成数据采集后，使用采集软件并采用针对噪声抑制优化的设置及滤波反投影（Filtered Back Projection, FBP）算法重建图像。使用相同的重建参数批量重建动物和模体图像 147 µm 各向同性体素尺寸 和一个 640 矩阵.
  3. 使用参考软件从模体（原始数据）中提取空气和水的HU值。将图像转换为DICOM文件，并校正HU值。

3. 图像分析

  1. 上传文件
    注意：显微CT（Micro-CT）是一种在时间和空间上捕捉图像的技术，生成一系列图像。因此，必须打开整个文件夹，而非单个图像。
    1. 在界面左上角区域，找到以灰蓝色突出显示的 3D Slicer 菜单，点击 添加数据（figure-protocol-1）。
    2. 当出现包含两个选项的窗口时，选择第一个选项：选择要添加的目录。
    3. 导航至包含目标动物DICOM图像序列的文件夹并点击该文件夹。此操作将在软件中打开该文件夹，使所有图像可同时显示。
    4. 观察在三个屏幕上显示的图像。每个屏幕代表不同的解剖平面：冠状面（绿色）、矢状面（黄色）和横断面（红色）。
  2. 图像分割
    1. 在顶部标签栏（模块）中找到 分割编辑器（figure-protocol-2），并点击进入。
    2. 点击绿色的 + 添加 按钮以创建分割区域，并定义HU范围。
    3. 分别点击3次，为骨组织、瘦体组织和脂肪组织创建分割区域。
    4. 双击每个分割区域，根据需要设置其名称和颜色。
    5. 使用窗口左侧的 阈值 功能设置每个分割区域的HU范围。找到 阈值范围 功能（figure-protocol-3），输入各组织类型的HU值：瘦体组织（-29 至 225 HU）；脂肪组织（-190 至 -30 HU）；骨组织（500 至 5,000 HU）。点击 应用 按钮。
      注意：HU值比较请参见 补充图S1。
    6. 对每种组织类型重复上述分割过程。
    7. 点击 显示3D 以生成三维重建图像。
      注意：三维重建图像将显示在屏幕的蓝色象限中。
  3. 图像清理
    注意：完成分割与三维重建后，必须排除多余物体，以确保其不被纳入瘦体组织、脂肪组织和骨骼的体积测量中。去除这些伪影对于保证分析准确性至关重要。
    1. 在 分割 菜单中找到“剪刀”工具（figure-protocol-4）。
    2. 选择解剖平面或三维重建图像，以便更清晰地观察需移除的物体。
      1. 若使用解剖平面，点击该平面彩色栏上的 最大化视图 按钮（figure-protocol-5）。在解剖平面窗口内，使用鼠标滚轮前后浏览CT扫描图像。
        注意：每个窗口可独立滚动。
      2. 对于三维重建图像，使用鼠标左键沿任意轴旋转，右键进行缩放。
        注意：键盘上的方向键也可用于旋转图像。
    3. 选中 剪刀 工具后，高亮标记不需要物体周围的分割区域并将其圈出，软件将自动删除该物体。
      注意：请确保选择的操作为 擦除内部。如果所用设备生成了非生物性物体的图像（如标记珠、麻醉剂或手术器械），必须将其移除。此外，若某些解剖区域未完整获取，则必须建立解剖参照，以去除未完全获取的区域，确保实验间的可重复性。所有平面中均需移除不需要的物体。
    4. 点击 恢复视图布局图标（figure-protocol-6），无论当前处于哪个窗口，均可返回至四窗口显示界面。
    5. 在所有需要移除物体的窗口中重复此过程。
  4. 分割体积计算
    1. 完成分割后，使用下拉菜单中的 量化 功能对各分割区域的体积进行定量。
      注意：执行此操作时，所有分割区域必须可见。
    2. 进入 量化 | 分割统计，点击 应用，等待软件生成显示各分割区域数值的表格。软件为每个分割区域提供两个体积值：标签图（LM）和闭合表面（CS）。
      注意：LM值通常适用于通过体素数量乘以单个体素体积来计算分割体积；CS值基于平滑表面模型，利用三角形表面单元积分计算体积，更贴近解剖轮廓，推荐用于精确测量。
    3. 如需上传新动物的数据，请在 文件 菜单中保存并关闭当前场景。
  5. 身体成分分析
    1. 使用软件提供的以 cm3 为单位的体积测量值，将其转换为组织质量，并为每种组织类型应用相应的密度。采用国际辐射单位与测量委员会（ICRU）规定的组织密度22：0.95 g/cm³（脂肪组织）、1.05 g/cm³（瘦体组织）和1.92 g/cm³（骨骼组织）2。
      1. 计算组织质量时，将软件获得的体积（cm³）乘以相应组织的密度（g/cm³）：
        脂肪组织质量：Volumesegmentation × 0.95 = Massadipose
        瘦体组织质量：Volumesegmentation × 1.05 = Masslean
        骨骼组织质量：Volumesegmentation × 1.92 = Massskeletal
        ​总质量：Massadipose + Masslean + Massskeletal = MassTotal
  6. 骨长度测量
    注意：为进行某些分析，需根据骨长度校正组织质量，因此必须获取特定骨的长度。
    1. 返回 分割编辑器 菜单。通过点击各分割区域旁的眼睛图标（figure-protocol-7），隐藏脂肪组织和瘦体组织的分割区域。
      注意：仅保留骨骼组织对应的分割区域可见。
    2. 在主菜单右上角选择 切换标记/工具栏（figure-protocol-8），将在主菜单下方打开一个次级菜单。找到 创建新线段 按钮（figure-protocol-9）。
    3. 点击 创建新线段 按钮后，进入三维重建图像，识别待测量的骨骼。
      注意：推荐测量胫骨或股骨22。
    4. 确定骨骼后，在骨骼一端左键点击一次，再在另一端点击一次。此操作将使软件计算骨的长度。
      注意：为保证测量一致性，应对每只动物选择相同的解剖位置。例如，以股骨头为一端，股骨外侧髁为另一端。
  7. 数据分析与归一化
    注意：质量数据可按第3.5节所述方式获取并直接使用，也可通过两种方式对瘦体、脂肪和骨质量进行归一化处理。
    1. 计算组织质量与动物在成像当日体重之间的比值。
      ​体重归一化：Masslean ÷ 体重
    2. 计算质量与骨尺寸（例如股骨或胫骨）之间的比值。
      股骨归一化：Masslean ÷ Sizefemur
      胫骨归一化：Masslean ÷ Sizetibia
      注意：归一化参数的选择取决于实验问题。若预期骨尺寸发生变化（例如比较骨重塑时），建议采用体重归一化（第3.7.1项）；若实验问题中预期体重发生变化，则建议采用长骨尺寸作为归一化参数（第3.7.2项）。

结果

将麻醉后的动物在成像平台上进行正确的解剖学定位，可确保扫描结果的一致性和可重复性，从而凸显数据采集在获得可靠结果方面的有效性。在整个成像过程中，对动物实施适当的麻醉，包括使用专用的气体输送系统和挥发性麻醉剂蒸发器，是实现精确解剖学评估的基础（图1）。

图2 展示了在不同解剖平面上的分割与重建结果，呈现了冠状面、矢状面和横断面的连续图像。这些图像显示了骨骼组织、脂肪组织和瘦组织逐步分割的过程，最终得到整合所有组织类型的完整分割图像，清晰地区分了不同组织，并根据识别出的组织类型展示了特定区域的标记。尽管设备限制导致无法进行全身扫描，该方法仍可在多个解剖平面上提供有关组织分布与组成的详细信息。

图3 展示了强调不同组织类型的三维重建图像——骨骼（蓝色）、脂肪组织（黄色）和瘦组织（红色），提供了对解剖结构的全面可视化。该可视化结果凸显了本方案在生成用于解剖学研究的详细三维模型方面的有效性。

表1 详细列出了相对于成像当天动物体重的标准化组织质量（瘦体质量、体脂和骨骼质量）。所列数值是通过将组织体积（单位：cm³）乘以相应的组织密度得到的，具体方法见方法部分的步骤3.5.1.1。

表2 提供了身体成分的绝对值，显示了每只动物的质量分布以及瘦体重、体脂和骨骼组织的百分比。这使我们能够评估每种组织类型的总量及其对每个样本整体身体成分的贡献。

补充表 S1 显示了每位分析人员完成每只动物体成分分析所需的时间，以及不同分析人员之间结果的变异程度。该表评估了在测量瘦体重、体脂质量和骨骼质量等体成分指标时，经验丰富的操作人员（分析人员 1、2 和 5）与经验较少的操作人员（分析人员 3 和 4）之间是否存在显著差异。

图4 展示了成年与老年受试者之间的身体成分对比分析。结果显示瘦体重百分比下降，体脂含量增加，符合典型的衰老特征。这些发现共同凸显了该成像方案在提供关键解剖学数据方面的稳健性与精确性，对于推动临床前研究方法的发展至关重要。

figure-results-1
图1：动物准备。（A）在成像过程中用于动物镇静的装置，例如气体输送系统和挥发器；（B）微型CT扫描系统；（C）麻醉后的动物仰卧于小鼠床之上。正确的体位对于获得一致且可重复的结果至关重要。请点击此处查看该图的放大版本。

figure-results-2
图2：在不同解剖平面上切片的分割与可视化。 （A）冠状面，（B）矢状面，以及（C）横断面。从左至右，图像依次显示未分割的扫描结果（灰色）、骨骼分割（蓝色）、体脂分割（黄色）、瘦组织分割（红色），最后为包含所有分割结果的完整分割图像。请点击此处查看该图的放大版本。

figure-results-3
图3：三维重建图像。 从左至右，图像展示了受试者的三维重建结果，突出显示了不同类型的组织：骨骼为蓝色，体脂为黄色，瘦组织为红色，最后一幅图像则综合显示了骨骼、脂肪组织和瘦组织的整体视图。请点击此处查看该图的放大版本。

figure-results-4
图4成年与老年小鼠身体成分的比较 柱状图展示了成年个体骨骼组织占体重的百分比（10.5%） ± 0.5%；老年人群：9.9% ± 1.0%, p = 0.19），体脂率（成人：17.2 ± 5.7%；老年人群：27.9% ± 4.4%, p = 0.03）以及瘦体重（成年：72.3 ± 5.7%；老年人群：62.3 ± 3.6%, p = 0.03）。数据以均值表示 ± SD 来自动物实验（成年：n = 3；老年：n = 3）。统计分析采用非配对 t 检验 t单尾检验 p 值（* p < 0.05). 请点击此处以查看此图的放大版本。

瘦体质量
动物编号瘦体质量 (g)体重 (g)标准化（体重）
Elderly 115.137.40.4
Elderly 214.444.40.3
Elderly 314.337.70.4
Adult 112.329.10.4
Adult 216.530.40.5
Adult 316.131.70.5
体脂
动物编号体脂质量 (g)体重 (g)标准化（体重）
Elderly 16.437.40.2
Elderly 28.244.40.2
Elderly 35.337.70.1
Adult 14.429.10.2
Adult 22.730.40.1
Adult 33.431.70.1
骨骼
动物编号骨骼质量 (g)体重 (g)标准化（体重）
Elderly 12.337.40.06
Elderly 22.344.40.05
Elderly 32.437.70.06
Adult 12.029.10.07
Adult 22.330.40.08
Adult 32.231.70.07

表1：根据成像当天动物体重对质量进行归一化处理。 如第3.7节所述，可根据检查当天动物的体重对组织质量进行归一化。该归一化方法已应用于瘦体组织、脂肪组织和骨组织，依据为动物体重。

身体成分（g）
分割体积 × 1.05分割体积 × 0.95分割体积 × 1.92瘦体重 + 脂肪 + 骨骼
动物编号瘦体重（g）体脂质量（g）骨骼质量（g）总质量（g）
Elderly 115.16.42.323.8
Elderly 214.38.22.324.9
Elderly 314.35.32.422.0
Adult 112.34.42.018.6
Adult 216.52.72.321.5
Adult 316.13.42.221.7
身体成分（%）
动物编号瘦体重（%）体脂质量（%）骨骼质量（%）总质量（%）
Elderly 163.626.89.6100
Elderly 258.132.89.0100
Elderly 364.924.111.0100
Adult 165.923.510.6100
Adult 276.812.410.9100
Adult 374.315.79.9100

表2：身体成分。（A）动物身体成分的重量（单位：克）；（B）身体成分的百分比。

补充表 S1：不同操作人员评估的身体成分。 每次评估均记录了瘦体重、体脂质量、骨骼质量以及分析所用时间（单位：分钟）。分析人员1、2和5为经验丰富的操作人员，而分析人员3和4为无经验人员，仅遵循本研究中描述的实验方案。请点击此处下载该文件。

补充图 S1：不同生物与非生物材料的密度范围。 该图展示了各种生物组织和非生物物质的密度范围。数据来源于文献，并经过调整以实现最佳的组织区分效果。骨骼的密度最高，其次为瘦体组织，而体脂的密度则显著较低。本设备以水作为参考标准进行校准，其密度设为 0。请点击此处下载该文件。

讨论

通过断层扫描进行评估是一种获取详细身体成分信息的有效且非侵入性方法。特别是微型计算机断层扫描（micro-CT），可为临床前研究提供有价值的结局指标。在骨骼研究领域，micro-CT 具有多种用途，其中分析骨微结构23和骨重塑过程24尤为引人关注。评估生物内部结构的形态在生物医学研究中同样具有重要意义，例如通过分析特定组织中血管系统的密度，可评估其功能并推断代谢状态25。在脂肪组织的内分泌与代谢研究中，micro-CT 能够在活体小型动物中提供基础性信息26,27。此外，micro-CT 还可应用于其他领域，如动物学和植物学，用于评估小型昆虫和植物的结构28,29。

显微CT的一个显著局限性是高昂的成本以及图像分析软件的获取受限。此外，准确测量需要具备解剖学知识，尤其是动物解剖学知识。本文介绍了3D Slicer软件，该软件能够产生与商业软件相当的结果。该系统还降低了对 extensive 解剖学知识的需求，因其具有半自动化的特性30。

通过微计算机断层扫描（micro-CT）获取并经软件分析的图像表明，小鼠在衰老过程中的身体成分变化与人类相似，表现为总脂肪组织增加，同时瘦体重相应减少31。这一现象在成年小鼠（6个月）与老年小鼠（22个月）的比较中尤为明显。

由于设备的限制，麻醉面罩会遮挡头部的采集，因此我们无法捕获并准确分割整个头部。为此，我们采用寰椎（C1）作为解剖学参考点，并将分析重点放在本研究所用设备中该点以下的区域。因此，所有位于C1以上的图像均被选择性地去除。设备未能获取完整的尾部长度，因此在所有分析中均从基部去除尾部。我们建议用户为选定的排除区域建立解剖学标记点，以确保实验间的可重复性。

本文介绍了一种利用易于获取且成本较低的方案分析断层扫描图像的方法。该软件成功区分了三种组织类型：瘦体组织、脂肪组织和骨骼组织。然而，该方法无法区分骨骼肌与内脏器官，这在小鼠体成分分析中是一个常见难题。

微型CT无法区分内脏组织和骨骼肌质量。尽管存在这一局限性，我们的结果仍表明该软件在研究影响身体成分的疾病方面具有重要价值，特别是对骨骼肌产生影响的疾病，如肥大或萎缩。该技术可作为非侵入性检测重复进行，实现对身体成分的纵向监测。这一能力有助于评估保护性治疗措施，并开发用于模拟多种代谢性疾病的实验方案。

披露

作者声明无竞争利益。

致谢

本研究由里约热内卢州卡洛斯·查加斯·菲略研究支持基金会（FAPERJ；E-26/010.002643/2019 和 E-26/201.335/2022）、巴西高等教育人员提升协调办公室（CAPES）-001 资助代码、里约热内卢联邦大学机构科研启动奖学金计划以及国家科学技术发展理事会（CNPq；FFB：001.306236/2022-2 TMO-C：309339/2023-5）资助。作者感谢里约热内卢联邦大学国家结构生物学与生物成像中心（CENABIO）提供设施使用支持，特别是小型动物影像单元（UIPA）的 microPET/SPECT/CT 平台。补充 图 S1 使用 BioRender.com 制作。

材料

本文使用的材料清单
姓名公司目录编号评论
3DSlicer，版本 5.6.23D Slicer 平台一款用于图像分析和科学可视化的免费开源软件。
Amide，版本 1.0.1Amide 平台一款免费开源软件，用于校正处理后的 DICOM 图像中的亨氏单位（Hounsfield Unit）值。
Amira，版本 4.1Thermo Fisher Scientific用于从模体的原始数据中提取空气和水的亨氏单位值，并将图像转换为 DICOM 文件。
IsoforineCristália异氟烷是一种不可燃的液态麻醉剂，通过汽化用于全身吸入麻醉。
Triumph XO 子系统Gamma Medica-Ideas Flex专为临床前小动物成像设计的先进成像子系统，提供高分辨率的 CT 和 PET 功能，适用于定性和定量分析。

参考文献

  1. Engelke, K., Museyko, O., Wang, L., Laredo, J. D. Quantitative analysis of skeletal muscle by computed tomography imaging-State of the art. J Orthop Translat. 15, 91(2018).
  2. Peixoto da Silva, S., Santos, J. M. O., Costa e Silva, M. P., Gil da Costa, R. M., Medeiros, R. Cancer cachexia and its pathophysiology: links with sarcopenia, anorexia and asthenia. J Cachexia Sarcopenia Muscle. 11 (3), 619(2020).
  3. Lan, X. Q., et al. The role of TGF-β signaling in muscle atrophy, sarcopenia and cancer cachexia. Gen Comp Endocrinol. 353, 1-10 (2024).
  4. Bloise, F. F., Oliveira, T. S., Cordeiro, A., Ortiga-Carvalho, T. M. Thyroid hormones play role in sarcopenia and myopathies. Front Physiol. 9, 560(2018).
  5. Yin, L., et al. Skeletal muscle atrophy: From mechanisms to treatments. Pharmacol Res. 172, 1-12 (2021).
  6. Heymsfield, S. B., Adamek, M., Gonzalez, M. C., Jia, G., Thomas, D. M. Assessing skeletal muscle mass: historical overview and state of the art. J Cachexia Sarcopenia Muscle. 5 (1), 9-18 (2014).
  7. Cruz-Jentoft, A. J., et al. Sarcopenia: revised European consensus on definition and diagnosis. Age Ageing. 48 (1), 16-31 (2019).
  8. Faron, A., et al. Quantification of fat and skeletal muscle tissue at abdominal computed tomography: associations between single-slice measurements and total compartment volumes. Abdom Radiol (NY). 44 (5), 1907-1916 (2019).
  9. Marra, M., et al. Assessment of body composition in health and disease using bioelectrical impedance analysis (BIA) and dual energy X-ray absorptiometry (DXA): A critical overview. Contrast Media Mol Imaging. 2019, 3548284(2019).
  10. Martin, L., et al. Cancer cachexia in the age of obesity: skeletal muscle depletion is a powerful prognostic factor, independent of body mass index. J Clin Oncol. 31 (12), 1539-1547 (2013).
  11. Schlaeger, S., et al. Association of paraspinal muscle water-fat MRI-based measurements with isometric strength measurements. Eur Radiol. 29 (2), 599-608 (2019).
  12. Kose, K. Physical and technical aspects of human magnetic resonance imaging: present status and 50 years historical review. Adv Phys: X. 6 (1), (2021).
  13. Arnold, T. C., Freeman, C. W., Litt, B., Stein, J. M. Low-field MRI: Clinical promise and challenges. J Magn Reson Imaging. 57 (1), 25-44 (2023).
  14. Wang, H., et al. Preoperative MRI-based radiomic machine-learning nomogram may accurately distinguish between benign and malignant soft-tissue lesions: A two-center study. J Magn Reson Imaging. 52 (3), 873-882 (2020).
  15. Brower, C., Rehani, M. M. Radiation risk issues in recurrent imaging. Br J Radiol. 94 (1126), (2021).
  16. Mainprize, J. G., Yaffe, M. J., Chawla, T., Glanc, P. Effects of ionizing radiation exposure during pregnancy. Abdom Radiol (NY). 48 (5), 1564(2023).
  17. Geethanath, S., Vaughan, J. T. Accessible magnetic resonance imaging: A review. J Magn Reson Imaging. 49 (7), e65-e77 (2019).
  18. Ritman, E. L. Current status of developments and applications of micro-CT. Annu Rev Biomed Eng. 13, 531-552 (2011).
  19. Khoury, B. M., et al. The use of nano-computed tomography to enhance musculoskeletal research. Connect Tissue Res. 56 (2), 106(2015).
  20. DenOtter, T. D., Schubert, J. Hounsfield Unit. StatPearls [Internet]. , StatPearls Publishing. Treasure Island (FL). (2024).
  21. Pinto, E. M., et al. Efficacy of Hounsfield units measured by lumbar computer tomography on bone density assessment: A systematic review. Spine (Phila Pa 1976). 47 (9), 702-710 (2022).
  22. Beaucage, K. L., Pollmann, S. I., Sims, S. M., Dixon, S. J., Holdsworth, D. W. Quantitative in vivo micro-computed tomography for assessment of age-dependent changes in murine whole-body composition. Bone Rep. 5, 70-80 (2016).
  23. Faot, F., Chatterjee, M., de Camargos, G. V., Duyck, J., Vandamme, K. Micro-CT analysis of the rodent jaw bone micro-architecture: A systematic review. Bone Rep. 2, 14-24 (2015).
  24. Cooper, D., Turinsky, A., Sensen, C., Hallgrimsson, B. Effect of voxel size on 3D micro-CT analysis of cortical bone porosity. Calcif Tissue Int. 80 (3), 211-219 (2007).
  25. Mrzilkova, J., et al. Morphology of the vasculature and blood supply of the brown adipose tissue examined in an animal model by micro-CT. Biomed Res Int. 2020 (1), 7502578(2020).
  26. Li, F. W., et al. Optimal use ratio of the stromal vascular fraction (SVF): An animal experiment based on micro-CT dynamic detection after large-volume fat grafting. Aesthet Surg J. 39 (6), NP213-NP224 (2019).
  27. Berndt, S., et al. Microcomputed tomography technique for in vivo three-dimensional fat tissue volume evaluation after polymer injection. Tissue Eng Part C Methods. 23 (12), 964-970 (2017).
  28. Rother, L., et al. A micro-CT-based standard brain atlas of the bumblebee. Cell Tissue Res. 386 (1), 29-45 (2021).
  29. Ijiri, T., Todo, H., Hirabayashi, A., Kohiyama, K., Dobashi, Y. Digitization of natural objects with micro CT and photographs. PLoS One. 13 (4), e0195852(2018).
  30. Fedorov, A., et al. 3D Slicer as an image computing platform for the Quantitative Imaging Network. Magn Reson Imaging. 30 (9), 1323-1341 (2012).
  31. Ponti, F., et al. Aging and imaging assessment of body composition: From fat to facts. Front Endocrinol (Lausanne). 10, 861(2020).

重印与许可

标签

身体成分分析小动物成像瘦体重测量脂肪组织分割三维重建亨氏单位阈值骨长测量临床前成像
利用微型计算机断层扫描技术对小型动物骨骼肌进行无创定量分析
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。