缩放生物医学层析成像数据的解剖模型的创建和相关联的标签玻璃晶体的随后的子表面激光雕刻（SSLE）
2017年4月25日
甲方法是对晶体内表示解剖学成像数据在此描述。我们创建缩放的生物医学成像数据的三维模型水晶玻璃的在次表面激光雕刻（SSLE）使用。该工具提供了计算显示或在临床或教育环境中使用三维打印模式的有益补充。
该方法的总体目标是在玻璃晶体上利用亚表面激光雕刻 （SSLE） 来可视化具有标记结构的断层扫描成像数据。由此产生的手持式模型可以作为强大的教学工具。这种方法创建了来自临床或临床前 X 射线 CT 数据集的强大手持式模型，有助于患者或学生群体的教育。
这种技术的主要优点是文本标签悬挂在玻璃介质内并连接到相关结构上，而不会阻碍高分辨率解剖显示器的视野。这种方法的视觉演示至关重要，因为生成带有文本和比例尺的表面地图很难学习，因为准确显示结构需要多个步骤和精度。首先，将 DICOM 数据集中的 CT 图像切片转换为适当的文件格式。
在图像处理软件中，选择视图设置下的 load DICOM 命令。然后，以 NIfTI 文件格式保存数据集。现在，将 NIfTI 文件导入到一个常见的医学成像程序中，该程序使用自动分割生成表面图。
对于 3D 切片器，请使用添加数据工具。然后，选择灰度模型制作工具，并切换规范，创建并重命名新模型。接下来，将阈值降低到大约 300 胡 或骨骼分割，并将生成的灰度模型保存为 STL 文件以供进一步数据处理。
接下来，将表面映射文件导入 3D 数据准备软件。使用 Netfabb Studio Basic，选择修复模式。然后使用 select part 和 delete 工具删除所有不代表感兴趣结构的曲面。
接下来，使用添加三角形工具部分覆盖曲面上的孔，然后使用自动修复脚本完全闭合任何剩余的间隙。现在，从作菜单中选择修复退化面脚本以解决缺少表面积的边，然后使用应用修复退出修复模式并保存修改。下一步是使用剪切工具删除不需要的特征或减小模型的大小。
从上下文区域的剪切菜单中，指定每个剪切在 x-y 或 z 平面内的位置。然后使用 execute cut 工具并选择 triangulate cut 设置以自动闭合所有生成的孔。要删除由不代表感兴趣结构的切割产生的所有曲面，请同时使用 select part 和 delete 工具。
最后，如果不打算使用比例尺，则使用 scale 选项修改每个表面贴图的尺寸。因此，可以修改模型以适应 8 厘米的立方体或 5 厘米 x 5 厘米 x 8 厘米的矩形棱柱。现在，数据文件可用于次表面层雕刻，以制作没有标签或比例尺的模型。
首先为 SSLE 文件生成标签数据文件。使用带有公制模板的 CAD 软件。打开一个新文件并在任何基准面中制作 2D 草图。
使用文本工具以 2 毫米 Times New Roman 字体生成键入的解剖标签。完成后，在工具栏的退出菜单中选择 finish sketch 选项。要使用默认设置凸出字体，请从 create 菜单中选择凸出工具，然后切换 2D 文本选项。
接下来，为每个标签生成一个标签行。从一个新文件开始，然后选择绘制菜单下的中心点圆工具。然后画一个圆心在原点的圆，并使用约束菜单中的尺寸工具将圆的直径定义为 1 毫米。
将色谱柱拉伸至所需的长度，范围为 10 到 50 毫米。比例尺的制作方式类似。创建每个文本标签、每个标签行和比例尺后，将数据另存为 STL 文件。
每个文本标签都需要唯一的标签行。然后，在 SSLE 模型中，导入所有文本标签、圆柱形标签线和比例尺。使用能够将组合保存为单个 STL 文件的 3D 数据准备软件。
接下来，使用移动部件工具将文本标签放置在关联解剖结构附近。在此过程中，使用旋转零件工具定向标签，使它们都朝向同一方向。然后，使用相同的工具定位标签线，以便它们将标签连接到模型中的关联结构。
根据需要，可以通过转到 repair 模式并选择 select triangles （选择三角形） 和 remove selected triangles （删除选定的三角形） 来缩小标签线。现在以类似的方式放置比例尺。如果制作了三个条形，每个轴一个，请相应地定位它们。
定位完所有内容后，选择所有零件并将数据导出为单个 STL 文件。文本协议中描述了进一步缩小面和雕刻过程的技术。玻璃晶体的亚表面激光雕刻是将多种类型的生物医学断层扫描成像数据可视化的深刻方法。
由于尺寸在雕刻前会进行修改，因此可以通过激光雕刻来表示各种尺寸的结构。比例尺可以通过两种方式实现。它们可以跨越结构的侧面，非常适合骨芯等扩张结构。
另一个选项是使三个比例尺轴在一个拐角处收敛。这最适合于缩放或缩小的结构。次表面雕刻的主要特点是能够根据需要将文本标签附加到解剖特征上。
在这里，文本被放置在两个平面上，以隔开标签并保持解剖结构的清晰视图。可以从一侧清楚地看到的骨骼和其他结构可以仅沿一个平面对齐其标签。按照此程序，几乎任何三维数据集都可以转换为一种格式，该格式可以适当标记，以便在手持式超纯玻璃晶体介质中进行科学展示。
概述
本文描述了一种通过玻璃晶体的表面下激光雕刻（SSLE）来可视化解剖学影像数据的方法。由此产生的模型通过提供标记结构而不阻碍高分辨率解剖学显示的视图，成为有效的教学工具。
关键研究组成部分
科学领域
- 生物医学影像
- 3D建模
- 教育工具
背景
- 表面下激光雕刻允许对断层影像数据进行可视化。
- 源自影像数据集的手持模型增强了教育体验。
- 该方法通过在玻璃介质中悬挂文本标签来保持清晰度。
- 由于过程的复杂性，视觉演示至关重要。
研究目的
- 从临床或临床前影像数据创建稳健的模型。
- 为患者和学生群体提供教育便利。
- 展示精确解剖学表示方法。
使用的方法
- 将CT图像从DICOM格式转换为NIfTI格式。
- 使用医学影像软件生成表面图。
- 使用数据准备软件准备和修复3D模型。
- 使用CAD软件在模型上雕刻解剖标签和刻度尺。
主要结果
- 成功创建了用于教育的标记解剖模型。
- 展示了修改各种结构尺寸的能力。
- 展示了如何有效地定位标签和刻度尺。
- 概述了减少面数和改善雕刻质量的技术。
结论
- SSLE是可视化生物医学影像数据的有力方法。
- 文本标签可以增强模型的教育价值。
- 各种解剖结构可以通过此技术准确表示。
常见问题
Executive Industry Relevance
This method enables the creation of physical, labeled anatomical models from tomographic imaging data, supporting target validation and mechanistic de-risking in preclinical research. By providing tangible, high-resolution representations of biological structures, it enhances hypothesis testing and pathway clarification in early discovery. The approach offers a scalable, reproducible platform for visualizing complex anatomies, improving translational continuity and reducing ambiguity in target engagement studies.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Supports interrogation of therapeutic hypotheses through physical visualization of anatomical targets and associated structures.
- Operational Value: Enables functional target validation by clarifying spatial relationships between labeled structures and disease-relevant anatomy.
- Predictive Value: Enhances confidence in target selection by reducing mechanistic ambiguity via tangible, label-integrated models.
Screening & Assay Development
- Assay Readiness: Produces standardized, reproducible biological replicas that serve as reference systems for assay development and compound screening.
- Quantitative Output: Enables precise spatial measurements and scale bar integration, supporting accurate dose-response and localization analyses.
- Platform Reuse: Facilitates enterprise-wide sharing of validated anatomical models across discovery teams, improving workflow consistency.
Translational & Preclinical Research
- Disease Relevance: Generates clinically and preclinically relevant anatomical replicas from CT datasets, aligning with translational biomarker strategies.
- Preclinical Continuity: Bridges discovery and preclinical validation by providing consistent, labeled models for cross-functional review.
- Risk-Adjusted Decisions: Supports go/no-go assessments by improving anatomical interpretability in mechanism-of-action and safety studies.
Pipeline & Workflow Integration
The method integrates into the discovery continuum from early target hypothesis generation through lead identification and preclinical validation, enabling physical model-based assessment at key inflection points.
- Discovery Biology: Facilitates hypothesis testing and pathway clarification by converting imaging data into tangible, label-enabled anatomical representations.
- Screening: Delivers reproducible, high-resolution models with scale bars that support standardized compound screening and target engagement assays.
- Analytics: Provides quantitative spatial outputs and labeled substructures that enable comparative analysis across experimental conditions.
- Translational Research: Ensures continuity from imaging to preclinical use by preserving anatomical fidelity and label alignment in glass crystal format.
- Enterprise Reuse: Establishes a reusable, shareable capability for generating standardized anatomical models across sites and projects.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence in target validation by reducing anatomical ambiguity through physical, labeled model visualization.
- Operational Value: Delivers standardization and reproducibility via standardized file formats (DICOM, NIfTI, STL) and repeatable engraving workflows.
- Strategic Value: Improves capital efficiency by enabling early de-risking of targets through enhanced anatomical understanding.
- Portfolio Impact: Supports risk-adjusted prioritization by providing clear, tangible models for cross-functional target assessment.
Implementation Considerations
- Requires expertise in biomedical image processing, 3D modeling, and CAD software for label and scale bar generation.
- Depends on access to image processing tools (e.g., 3D Slicer), model repair software (e.g., Netfabb), and SSLE engraving equipment.
- Necessitates cross-team standardization of file formats and labeling conventions to ensure model consistency across users.
- Involves adaptation considerations when applying the method to varying anatomical scales and tissue types from diverse imaging modalities.
- Includes practical limitations related to model size constraints, engraving resolution thresholds, and the need for manual post-processing to remove non-relevant surfaces.
