Name: Nicht-invasive Quantifizierung der Skelettmuskulatur bei Kleintieren mittels Mikro-Computertomographie (Video) | JoVE Journal
Uploaded: 2024-11-08T14:50:00.000+00:00
Duration: 7 min 33 s
Description: Erfahren Sie eine kosteneffiziente Mikro-CT-Methode zur nicht-invasiven Quantifizierung von Körperzusammensetzung bei Mäusen. Dieses Protokoll ermöglicht die Unterscheidung von Muskel-, Fett- und Knochengewebe für biomedizinische Forschung.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Alle Methoden wurden vom Institutional Animal Care and Use Committee der Universidade Federal do Rio de Janeiro (UFRJ), Rio de Janeiro (IACUC - UFRJ; A16/23-025-20). Die Scans wurden an männlichen C57BL/6-Mäusen im Alter von 6 und 22 Monaten durchgeführt.
1. Vorbereitung der Tiere
<ol>
	<li>Betäuben Sie Mäuse mit 2 % Isofluran in einem Gemisch aus Sauerstoff, das durch Verdampfung abgegeben wird. Verwenden Sie einen Präzisionsverdampfer sowohl für die Induktion als auch für die Wartung mit einer Mischung aus 100% Sauerstoff unter Verwendung eines Präzisionsverdampfers.</li>
	<li>Positionieren Sie das anästhesierte Tier in Rückenlage mit einem Mausbett auf dem Mikro-CT-Scan. Sichern Sie die Maus mit Klebeband, um Bewegungen während des Scans zu minimieren, und setzen Sie sie dann in das Portal ein.</li>
	<li>Stellen Sie während des gesamten Versuchs, der etwa 10 Minuten dauert, sicher, dass das Tier eine Maske trägt, um es unter der Narkoseebene zu halten, während es die Erhaltungsdosis nach Bedarf erhält.</li>
</ol>
2. Bilderfassung und -rekonstruktion
<ol>
	<li>Erfassen Sie Mikro-CT-Scans des Körpers mit einem hochauflösenden präklinischen Bildgebungssystem. Erfassen Sie insgesamt 1.024 Projektionen mit einer Belichtungszeit von jeweils 470 ms mit einer Rotation im Fly-Modus bei einer Spannung von 60 kV und einem Strom von 480 μA. Stellen Sie das System auf eine Vergrößerung von 1,25 ein, was zu einem Sichtfeld (FOV) von 94,72 mm für eine Gesamterfassungszeit von 8,02 Minuten führt. Erfassen Sie Bilder mit einem Binning von 1 x 1, was zu einer Auflösung von 2.368 x 2.240 Pixeln führt. HINWEIS: Die in diesem Manuskript verwendete Ausrüstung für Mikro-CT-Bilder weist aufgrund der Überlappung mit der Anästhesiemaske Einschränkungen bei der Erstellung von Kopfbildern auf. Außerdem wird nicht die gesamte Schwanzlänge erfasst. Daher schlossen wir die Kopf- und Schwanzanalyse aus (siehe Abschnitt 3).</li>
	<li>Führen Sie einen Scan mit den gleichen Parametern an einem zylindrischen Phantom aus Acryl (Durchmesser: 2,5 cm, Länge: 11,5 cm) durch, das zur Hälfte mit destilliertem Wasser gefüllt ist, um die HU für Luft und Wasser zu bestimmen. Rekonstruieren Sie nach Abschluss der Aufnahmen die Bilder mit der Aufnahmesoftware mit den für die Rauschunterdrückung optimierten Einstellungen und dem FBP-Algorithmus (Filtered Back Projection). Rekonstruktion von Tier- und Phantombildern mit einer isotropen Voxelgröße von 147 μm und einer 640er Matrix.</li>
	<li>Extrahieren Sie Luft- und Wasser-HU aus dem Phantom (Rohdaten) mit der referenzierten Software. Konvertieren Sie die Bilder in DICOM-Dateien und korrigieren Sie die HU-Werte.</li>
</ol>
3. Bildanalyse
<ol>
	<li>Hochladen einer Datei HINWEIS: Micro-CT ist eine Technik, bei der Bilder zeitlich und räumlich erfasst und eine Bildsequenz erzeugt werden. Daher ist es notwendig, den gesamten Ordner und nicht ein einzelnes Bild zu öffnen.<ol>
		<li>Suchen Sie im oberen linken Bereich der Benutzeroberfläche das Menü 3D-Slicer , das in einer graublauen Farbe hervorgehoben ist. Klicken Sie auf Daten hinzufügen (<img alt="Equation 1" src="/files/ftp_upload/67393/67393eq01.jpg" style="margin: auto;">).</li>
		<li>Wenn ein Fenster mit zwei Optionen angezeigt wird, wählen Sie die erste Option aus: Verzeichnis zum Hinzufügen auswählen.</li>
		<li>Navigieren Sie zu dem Ordner, der die DICOM-Bilderserie für das Zieltier enthält, und klicken Sie darauf. Diese Aktion öffnet den Ordner in der Software, so dass alle Bilder gleichzeitig angezeigt werden können.</li>
		<li>Beobachten Sie die Bilder, die auf drei Bildschirmen angezeigt werden. Jeder Bildschirm repräsentiert eine andere anatomische Ebene: koronal, sagittal und quer, gekennzeichnet durch die Farben Grün, Gelb und Rot.</li>
	</ol>
	</li>
	<li>Segmentierung<ol>
		<li>Suchen Sie den Segment-Editor (<img alt="Equation 2" src="/files/ftp_upload/67393/67393eq02.jpg" style="margin: auto;">) auf der oberen Registerkarte (Module) und klicken Sie darauf.</li>
		<li>Klicken Sie auf die grüne Schaltfläche + Hinzufügen , um Segmente zu erstellen und den HU-Bereich zu definieren.</li>
		<li>Erstellen Sie Segmente für Knochen, mageres Gewebe und Fettgewebe, indem Sie jeweils 3x klicken.</li>
		<li>Doppelklicken Sie auf jedes Segment, um es entsprechend den gewünschten Einstellungen zu benennen und einzufärben.</li>
		<li>Legen Sie den HU-Bereich für jedes Segment mit der Funktion Schwellenwert fest, die sich auf der linken Seite des Fensters befindet. Suchen Sie dazu die Funktion <img alt="Equation 3" src="/files/ftp_upload/67393/67393eq03.jpg" style="margin: auto;"> Schwellenwertbereich und geben Sie die HU-Werte für jeden Gewebetyp ein: Mageres Gewebe (-29 bis 225 HE), Fettgewebe (-190 bis -30 HE), Knochen (500 bis 5.000 HU). Klicken Sie auf die Schaltfläche Übernehmen. HINWEIS: Siehe Ergänzende Abbildung S1 für HU-Wertvergleiche.</li>
		<li>Wiederholen Sie den Segmentierungsprozess für jeden Gewebetyp.</li>
		<li>Klicken Sie auf 3D anzeigen , um ein 3D-Rendering zu generieren. HINWEIS: Das Rendering wird im blauen Quadranten des Displays angezeigt.</li>
	</ol>
	</li>
	<li>Reinigen des Bildes HINWEIS: Nach der Segmentierung und dem 3D-Rendering müssen Fremdelemente ausgeschlossen werden, um sicherzustellen, dass sie nicht in die volumetrischen Messungen von magerem Gewebe, Fettgewebe und Knochen einbezogen werden. Das Entfernen dieser Artefakte ist wichtig, um eine genaue Analyse zu gewährleisten.<ol>
		<li>Suchen Sie das Werkzeug "Schere" (<img alt="Equation 4" src="/files/ftp_upload/67393/67393eq04.jpg" style="margin: auto;">) im Menü Segmentierung .</li>
		<li>Wählen Sie entweder die anatomische Ebene oder das 3D-Rendering, um eine klarere Ansicht des zu entfernenden Objekts zu erhalten.<ol>
			<li>Wenn Sie eine anatomische Ebene verwenden, klicken Sie auf die Schaltfläche "Ansicht maximieren " (<img alt="Equation 5" src="/files/ftp_upload/67393/67393eq05.jpg" style="margin: auto;">) auf dem farbigen Balken der Ebene. Verwenden Sie im Fenster der anatomischen Ebene die Mausscrolltaste, um vorwärts oder rückwärts durch den CT-Scan zu navigieren. HINWEIS: Jedes Fenster kann unabhängig voneinander gescrollt werden.</li>
			<li>Verwenden Sie zum 3D-Rendern die linke Maustaste, um um eine beliebige Achse zu drehen, und die rechte Maustaste, um die Ansicht zu vergrößern. HINWEIS: Mit den Pfeiltasten auf der Tastatur kann das Bild auch gedreht werden.</li>
		</ol>
		</li>
		<li>Wenn das Scherenwerkzeug ausgewählt ist, markieren Sie die Segmentierung um das unerwünschte Objekt und kreisen Sie es ein, um es aus dem Bild zu entfernen. Die Software löscht das Objekt automatisch. HINWEIS: Stellen Sie sicher, dass der Vorgang "Innen löschen " ausgewählt ist. Wenn das verwendete Gerät Bilder für ein nichtbiologisches Bild erzeugt, wie z. B. die Perle, das Anästhetikum oder das chirurgische Gerät, ist es wichtig, es zu entfernen. Wenn ein anatomischer Bereich nicht vollständig erhalten wird, ist es außerdem von grundlegender Bedeutung, eine anatomische Referenz zu erstellen, um diese Bereiche zu entfernen, die nicht vollständig erhalten wurden, um die Wiederholbarkeit zwischen den Experimenten zu gewährleisten. Unerwünschte Objekte müssen in jeder Ebene entfernt werden.</li>
		<li>Klicken Sie auf das Symbol für das Layout der Wiederherstellungsansicht (<img alt="Equation 6" src="/files/ftp_upload/67393/67393eq06.jpg" style="margin: auto;">), um unabhängig vom ausgewählten Fenster zum Bildschirm mit den vier Fenstern zurückzukehren.</li>
		<li>Wiederholen Sie den Vorgang für alle Fenster, in denen das Objekt entfernt werden muss.</li>
	</ol>
	</li>
	<li>Volumen der Segmentierung<ol>
		<li>Quantifizieren Sie nach der Segmentierung die Volumina der Segmente mit der Quantifizierungsfunktion im Dropdown-Menü. HINWEIS: Für diese Aktion müssen alle Segmentierungen sichtbar sein.</li>
		<li>Navigieren Sie zu Quantifizierung | Segment-Statistiken. Klicken Sie auf Übernehmen und warten Sie, bis die Software eine Tabelle mit den Werten für jede Segmentierung erstellt hat. Die Software stellt für jede Segmentierung zwei Volumenwerte zur Verfügung: Labelmap (LM) und Closed Surface (CS). HINWEIS: Der LM-Wert eignet sich im Allgemeinen für die Berechnung von Segmentvolumen, wobei die Anzahl der Voxel multipliziert mit dem Volumen eines einzelnen Voxels verwendet wird. CS Value verwendet ein geglättetes Oberflächenmodell und integriert das Volumen basierend auf dreieckigen Oberflächenelementen. CS orientiert sich stärker an den anatomischen Konturen und wird für genaue Messungen empfohlen.</li>
		<li>Um Daten von einem neuen Tier hochzuladen, speichern und schließen Sie die Szene im Dateimenü .</li>
	</ol>
	</li>
	<li>Analyse der körperlichen Zusammensetzung<ol>
		<li>Verwenden Sie die von der Software bereitgestellten Volumenmessungen in cm3 , um diese Volumina in Gewebemasse umzurechnen und die entsprechende Dichte für jeden Gewebetyp anzuwenden. Es sind die folgenden Gewebedichten zu verwenden, die von der Internationalen Kommission für Strahlungseinheiten und -messungen22 festgelegt wurden: 0,95 g/cm³ (Fettgewebe), 1,05 g/cm³ (mageres Gewebe) und 1,92 g/cm³ (Skelettgewebe)2.<ol>
			<li>Um die Gewebemasse zu berechnen, multiplizieren Sie das von der Software erhaltene Volumen (cm³) mit der jeweiligen Gewebedichte (g/cm³): Fettgewebsmasse:Volumensegmentierung x 0,95 = MasseFett Magere Gewebemasse:Volumensegmentierung x 1,05 =Magere Masse Skelettgewebemasse:Volumensegmentierung x 1,92 = MasseSkelett Gesamtmasse: MasseFett + Massemager + MasseSkelett = MasseGesamt</li>
		</ol>
		</li>
	</ol>
	</li>
	<li>Messung der Knochenlänge HINWEIS: Um die Gewebemasse nach Knochenlänge für bestimmte Analysen zu korrigieren, ist es notwendig, bestimmte Knochenlängen zu erhalten.<ol>
		<li>Kehren Sie zum Menü "Segment-Editor " zurück. Blenden Sie die Segmentierungen von Fettgewebe und magerem Gewebe aus, indem Sie auf das Augensymbol (<img alt="Equation 7" src="/files/ftp_upload/67393/67393eq07.jpg" style="margin: auto;">) neben jedem Segment klicken. HINWEIS: Nur die Segmentierung, die dem Skelettgewebe entspricht, sollte sichtbar bleiben.</li>
		<li>Wählen Sie die Option Markups/Symbolleiste umschalten (<img alt="Equation 8" src="/files/ftp_upload/67393/67393eq08.jpg" style="margin: auto;">) in der oberen Ecke des Hauptmenüs. Dadurch wird ein sekundäres Menü direkt unter dem Hauptmenü geöffnet. Suchen Sie die Schaltfläche Neue Zeile erstellen (<img alt="Equation 9" src="/files/ftp_upload/67393/67393eq09.jpg" style="margin: auto;">).</li>
		<li>Navigieren Sie nach dem Klick auf den Button Neue Linie erstellen zur 3D-Rekonstruktion und identifizieren Sie den zu vermessenden Knochen. HINWEIS: Die empfohlenen Knochen sind die Tibia oder Femur22.</li>
		<li>Sobald der Knochen identifiziert ist, klicken Sie mit der linken Maustaste auf ein Ende des Knochens und erneut auf das andere Ende des Gewebes. Diese Aktion ermöglicht es der Software, die Knochengröße zu berechnen. HINWEIS: Um konsistente Messungen zu erzielen, wählen Sie für jedes Tier die gleiche anatomische Region des Knochens aus. So wird beispielsweise der Hüftkopf als ein Ende und der laterale Kondylus als anderes Ende des Femurs verwendet.</li>
	</ol>
	</li>
	<li>Datenanalyse und Normalisierung HINWEIS: Die Massendaten können wie in Abschnitt 3.5 beschrieben abgerufen und so verwendet werden, wie sie sind. Alternativ können die Mager-, Fett- und Knochenmasse auf zwei Arten normalisiert werden.<ol>
		<li>Berechnen Sie das Verhältnis zwischen der Gewebemasse und dem Gewicht des Tieres am Tag der Bildaufnahme. Normalisierung auf Gewicht:Magermasse ÷ Körpergewicht</li>
		<li>Berechnen Sie das Verhältnis zwischen Masse und Knochengröße (z. B. Oberschenkelknochen oder Schienbein). Normalisierung auf den Femur:Massemager ÷Größe des Femurs Normalisierung auf Tibia:Magere Masse ÷ GrößeTibia HINWEIS: Die Normalisierungsparameter werden basierend auf der experimentellen Fragestellung ausgewählt. Wenn Veränderungen der Knochengröße zu erwarten sind (z. B. beim Vergleich des Knochenumbaus), wird die Normalisierung nach Körpergewicht empfohlen (Punkt 3.7.1). Wenn in Ihrer experimentellen Fragestellung Änderungen des Körpergewichts zu erwarten sind, ist die Größe des langen Knochens der vorgeschlagene Normalisierungsparameter (Punkt 3.7.2).</li>
	</ol>
	</li>
</ol>

<ol><li>Engelke, K., Museyko, O., Wang, L., Laredo, J. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantitative+analysis+of+skeletal+muscle+by+computed+tomography+imaging-State+of+the+art%5BTitle%5D)+AND+%22J+Orthop+Translat%22%5BJournal%5D)">Quantitative analysis of skeletal muscle by computed tomography imaging-State of the art.</a> J Orthop Translat. 15, 91(2018).</li>
<li>Peixoto da Silva, S., Santos, J. M. O., Costa e Silva, M. P., Gil da Costa, R. M., Medeiros, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cancer+cachexia+and+its+pathophysiology%3A+links+with+sarcopenia%2C+anorexia+and+asthenia%5BTitle%5D)+AND+%22J+Cachexia+Sarcopenia+Muscle%22%5BJournal%5D)">Cancer cachexia and its pathophysiology: links with sarcopenia, anorexia and asthenia.</a> J Cachexia Sarcopenia Muscle. 11 (3), 619(2020).</li>
<li>Lan, X. Q., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+role+of+TGF-%CE%B2+signaling+in+muscle+atrophy%2C+sarcopenia+and+cancer+cachexia%5BTitle%5D)+AND+%22Gen+Comp+Endocrinol%22%5BJournal%5D)">The role of TGF-β signaling in muscle atrophy, sarcopenia and cancer cachexia.</a> Gen Comp Endocrinol. 353, 1-10 (2024).</li>
<li>Bloise, F. F., Oliveira, T. S., Cordeiro, A., Ortiga-Carvalho, T. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Thyroid+hormones+play+role+in+sarcopenia+and+myopathies%5BTitle%5D)+AND+%22Front+Physiol%22%5BJournal%5D)">Thyroid hormones play role in sarcopenia and myopathies.</a> Front Physiol. 9, 560(2018).</li>
<li>Yin, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Skeletal+muscle+atrophy%3A+From+mechanisms+to+treatments%5BTitle%5D)+AND+%22Pharmacol+Res%22%5BJournal%5D)">Skeletal muscle atrophy: From mechanisms to treatments.</a> Pharmacol Res. 172, 1-12 (2021).</li>
<li>Heymsfield, S. B., Adamek, M., Gonzalez, M. C., Jia, G., Thomas, D. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Assessing+skeletal+muscle+mass%3A+historical+overview+and+state+of+the+art%5BTitle%5D)+AND+%22J+Cachexia+Sarcopenia+Muscle%22%5BJournal%5D)">Assessing skeletal muscle mass: historical overview and state of the art.</a> J Cachexia Sarcopenia Muscle. 5 (1), 9-18 (2014).</li>
<li>Cruz-Jentoft, A. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sarcopenia%3A+revised+European+consensus+on+definition+and+diagnosis%5BTitle%5D)+AND+%22Age+Ageing%22%5BJournal%5D)">Sarcopenia: revised European consensus on definition and diagnosis.</a> Age Ageing. 48 (1), 16-31 (2019).</li>
<li>Faron, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantification+of+fat+and+skeletal+muscle+tissue+at+abdominal+computed+tomography%3A+associations+between+single-slice+measurements+and+total+compartment+volumes%5BTitle%5D)+AND+%22Abdom+Radiol+%28NY%29%22%5BJournal%5D)">Quantification of fat and skeletal muscle tissue at abdominal computed tomography: associations between single-slice measurements and total compartment volumes.</a> Abdom Radiol (NY). 44 (5), 1907-1916 (2019).</li>
<li>Marra, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Assessment+of+body+composition+in+health+and+disease+using+bioelectrical+impedance+analysis+%28BIA%29+and+dual+energy+X-ray+absorptiometry+%28DXA%29%3A+A+critical+overview%5BTitle%5D)+AND+%22Contrast+Media+Mol+Imaging%22%5BJournal%5D)">Assessment of body composition in health and disease using bioelectrical impedance analysis (BIA) and dual energy X-ray absorptiometry (DXA): A critical overview.</a> Contrast Media Mol Imaging. 2019, 3548284(2019).</li>
<li>Martin, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cancer+cachexia+in+the+age+of+obesity%3A+skeletal+muscle+depletion+is+a+powerful+prognostic+factor%2C+independent+of+body+mass+index%5BTitle%5D)+AND+%22J+Clin+Oncol%22%5BJournal%5D)">Cancer cachexia in the age of obesity: skeletal muscle depletion is a powerful prognostic factor, independent of body mass index.</a> J Clin Oncol. 31 (12), 1539-1547 (2013).</li>
<li>Schlaeger, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Association+of+paraspinal+muscle+water-fat+MRI-based+measurements+with+isometric+strength+measurements%5BTitle%5D)+AND+%22Eur+Radiol%22%5BJournal%5D)">Association of paraspinal muscle water-fat MRI-based measurements with isometric strength measurements.</a> Eur Radiol. 29 (2), 599-608 (2019).</li>
<li>Kose, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Physical+and+technical+aspects+of+human+magnetic+resonance+imaging%3A+present+status+and+50+years+historical+review%5BTitle%5D)+AND+%22Adv+Phys%3A+X%22%5BJournal%5D)">Physical and technical aspects of human magnetic resonance imaging: present status and 50 years historical review.</a> Adv Phys: X. 6 (1), (2021).</li>
<li>Arnold, T. C., Freeman, C. W., Litt, B., Stein, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Low-field+MRI%3A+Clinical+promise+and+challenges%5BTitle%5D)+AND+%22J+Magn+Reson+Imaging%22%5BJournal%5D)">Low-field MRI: Clinical promise and challenges.</a> J Magn Reson Imaging. 57 (1), 25-44 (2023).</li>
<li>Wang, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Preoperative+MRI-based+radiomic+machine-learning+nomogram+may+accurately+distinguish+between+benign+and+malignant+soft-tissue+lesions%3A+A+two-center+study%5BTitle%5D)+AND+%22J+Magn+Reson+Imaging%22%5BJournal%5D)">Preoperative MRI-based radiomic machine-learning nomogram may accurately distinguish between benign and malignant soft-tissue lesions: A two-center study.</a> J Magn Reson Imaging. 52 (3), 873-882 (2020).</li>
<li>Brower, C., Rehani, M. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Radiation+risk+issues+in+recurrent+imaging%5BTitle%5D)+AND+%22Br+J+Radiol%22%5BJournal%5D)">Radiation risk issues in recurrent imaging.</a> Br J Radiol. 94 (1126), (2021).</li>
<li>Mainprize, J. G., Yaffe, M. J., Chawla, T., Glanc, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Effects+of+ionizing+radiation+exposure+during+pregnancy%5BTitle%5D)+AND+%22Abdom+Radiol+%28NY%29%22%5BJournal%5D)">Effects of ionizing radiation exposure during pregnancy.</a> Abdom Radiol (NY). 48 (5), 1564(2023).</li>
<li>Geethanath, S., Vaughan, J. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Accessible+magnetic+resonance+imaging%3A+A+review%5BTitle%5D)+AND+%22J+Magn+Reson+Imaging%22%5BJournal%5D)">Accessible magnetic resonance imaging: A review.</a> J Magn Reson Imaging. 49 (7), e65-e77 (2019).</li>
<li>Ritman, E. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Current+status+of+developments+and+applications+of+micro-CT%5BTitle%5D)+AND+%22Annu+Rev+Biomed+Eng%22%5BJournal%5D)">Current status of developments and applications of micro-CT.</a> Annu Rev Biomed Eng. 13, 531-552 (2011).</li>
<li>Khoury, B. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+use+of+nano-computed+tomography+to+enhance+musculoskeletal+research%5BTitle%5D)+AND+%22Connect+Tissue+Res%22%5BJournal%5D)">The use of nano-computed tomography to enhance musculoskeletal research.</a> Connect Tissue Res. 56 (2), 106(2015).</li>
<li>DenOtter, T. D., Schubert, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Hounsfield+Unit%5BTitle%5D)+AND+%22StatPearls+%5BInternet%5D%22%5BJournal%5D)">Hounsfield Unit.</a> StatPearls [Internet]. , StatPearls Publishing. Treasure Island (FL). (2024).</li>
<li>Pinto, E. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Efficacy+of+Hounsfield+units+measured+by+lumbar+computer+tomography+on+bone+density+assessment%3A+A+systematic+review%5BTitle%5D)+AND+%22Spine+%28Phila+Pa+1976%29%22%5BJournal%5D)">Efficacy of Hounsfield units measured by lumbar computer tomography on bone density assessment: A systematic review.</a> Spine (Phila Pa 1976). 47 (9), 702-710 (2022).</li>
<li>Beaucage, K. L., Pollmann, S. I., Sims, S. M., Dixon, S. J., Holdsworth, D. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantitative+in+vivo+micro-computed+tomography+for+assessment+of+age-dependent+changes+in+murine+whole-body+composition%5BTitle%5D)+AND+%22Bone+Rep%22%5BJournal%5D)">Quantitative in vivo micro-computed tomography for assessment of age-dependent changes in murine whole-body composition.</a> Bone Rep. 5, 70-80 (2016).</li>
<li>Faot, F., Chatterjee, M., de Camargos, G. V., Duyck, J., Vandamme, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Micro-CT+analysis+of+the+rodent+jaw+bone+micro-architecture%3A+A+systematic+review%5BTitle%5D)+AND+%22Bone+Rep%22%5BJournal%5D)">Micro-CT analysis of the rodent jaw bone micro-architecture: A systematic review.</a> Bone Rep. 2, 14-24 (2015).</li>
<li>Cooper, D., Turinsky, A., Sensen, C., Hallgrimsson, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Effect+of+voxel+size+on+3D+micro-CT+analysis+of+cortical+bone+porosity%5BTitle%5D)+AND+%22Calcif+Tissue+Int%22%5BJournal%5D)">Effect of voxel size on 3D micro-CT analysis of cortical bone porosity.</a> Calcif Tissue Int. 80 (3), 211-219 (2007).</li>
<li>Mrzilkova, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Morphology+of+the+vasculature+and+blood+supply+of+the+brown+adipose+tissue+examined+in+an+animal+model+by+micro-CT%5BTitle%5D)+AND+%22Biomed+Res+Int%22%5BJournal%5D)">Morphology of the vasculature and blood supply of the brown adipose tissue examined in an animal model by micro-CT.</a> Biomed Res Int. 2020 (1), 7502578(2020).</li>
<li>Li, F. W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Optimal+use+ratio+of+the+stromal+vascular+fraction+%28SVF%29%3A+An+animal+experiment+based+on+micro-CT+dynamic+detection+after+large-volume+fat+grafting%5BTitle%5D)+AND+%22Aesthet+Surg+J%22%5BJournal%5D)">Optimal use ratio of the stromal vascular fraction (SVF): An animal experiment based on micro-CT dynamic detection after large-volume fat grafting.</a> Aesthet Surg J. 39 (6), NP213-NP224 (2019).</li>
<li>Berndt, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Microcomputed+tomography+technique+for+in+vivo+three-dimensional+fat+tissue+volume+evaluation+after+polymer+injection%5BTitle%5D)+AND+%22Tissue+Eng+Part+C+Methods%22%5BJournal%5D)">Microcomputed tomography technique for in vivo three-dimensional fat tissue volume evaluation after polymer injection.</a> Tissue Eng Part C Methods. 23 (12), 964-970 (2017).</li>
<li>Rother, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+micro-CT-based+standard+brain+atlas+of+the+bumblebee%5BTitle%5D)+AND+%22Cell+Tissue+Res%22%5BJournal%5D)">A micro-CT-based standard brain atlas of the bumblebee.</a> Cell Tissue Res. 386 (1), 29-45 (2021).</li>
<li>Ijiri, T., Todo, H., Hirabayashi, A., Kohiyama, K., Dobashi, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Digitization+of+natural+objects+with+micro+CT+and+photographs%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Digitization of natural objects with micro CT and photographs.</a> PLoS One. 13 (4), e0195852(2018).</li>
<li>Fedorov, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((3D+Slicer+as+an+image+computing+platform+for+the+Quantitative+Imaging+Network%5BTitle%5D)+AND+%22Magn+Reson+Imaging%22%5BJournal%5D)">3D Slicer as an image computing platform for the Quantitative Imaging Network.</a> Magn Reson Imaging. 30 (9), 1323-1341 (2012).</li>
<li>Ponti, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Aging+and+imaging+assessment+of+body+composition%3A+From+fat+to+facts%5BTitle%5D)+AND+%22Front+Endocrinol+%28Lausanne%29%22%5BJournal%5D)">Aging and imaging assessment of body composition: From fat to facts.</a> Front Endocrinol (Lausanne). 10, 861(2020).</li>
</ol>

<table><tbody><tr><td>3DSlicer, Version 5.6.2</td><td>3D Slicer platform</td><td></td><td>Eine kostenlose Open-Source-Software zur Bildanalyse und wissenschaftlichen Visualisierung.</td></tr><tr><td>Amide, Version 1.0.1</td><td>Amid-Plattform</td><td></td><td>Eine kostenlose Open-Source-Software zur Korrektur der Hounsfield-Unit-Werte in den verarbeiteten DICOM-Bildern.</td></tr><tr><td>Amira, Version 4.1</td><td>Thermo Fisher Scientific</td><td></td><td>Wird verwendet, um Luft- und Wasserwerte der Hounsfield-Einheit aus den Rohdaten des Phantoms zu extrahieren und Bilder in DICOM-Dateien zu konvertieren.</td></tr><tr><td>Isoforin</td><td>Crist&aacute; lia</td><td></td><td>Isofluran ist ein nicht brennbares Flüssiganästhetikum zur Verwendung in der allgemeinen Inhalationsanästhesie durch Verdampfung.</td></tr><tr><td>Triumph XO-Subsystem</td><td>Gamma Medica-Ideas Flex</td><td></td><td>Advanced-Subsystem für die präklinische Bildgebung von Kleintieren mit hochauflösenden CT- und PET-Funktionen für quantitative und qualitative Analysen.</td></tr></tbody></table>

nicht-invasive quantifizierung der skelettmuskulatur bei kleintieren mittels mikro-computertomographie

Non-invasive Skeletal Muscle Quantification in Small Animals Using Micro-computed Tomography

Die richtige anatomische Positionierung des sedierten Tieres auf dem Bildgebungstisch gewährleistet konsistente und reproduzierbare Scanergebnisse und unterstreicht die Effektivität der Datenerfassung bei der Erzielung zuverlässiger Ergebnisse. Die richtige Sedierung von Tieren während der gesamten Bildgebung, einschließlich spezieller Gasabgabesysteme und Verdampfer, ist für eine präzise anatomische Beurteilung von grundlegender Bedeutung (Abbildung 1).
Abbildung 2 veranschaulicht die Segmentierung und das Rendering in verschiedenen anatomischen Ebenen und zeigt sequentielle Bilder in der koronalen, sagittalen und transversalen Ebene. Diese Bilder zeigen die allmähliche Segmentierung von Skelett-, Fettgewebe- und magerem Gewebe, die in einer gründlich segmentierten Darstellung gipfelt, die alle Gewebetypen integriert, eine klare Unterscheidung zwischen den Geweben hervorhebt und regionenspezifische Markierungen auf der Grundlage der identifizierten Gewebetypen zeigt. Trotz der Einschränkungen der Ausrüstung, die eine Ganzkörpererfassung ausschließen, liefert die Methode detaillierte Informationen über die Gewebeverteilung und -zusammensetzung über verschiedene anatomische Ebenen hinweg.
Abbildung 3 zeigt 3D-Renderings, die die Gewebetypen Knochen (blau), Fettgewebe (gelb) und mageres Gewebe (rot) hervorheben und eine umfassende Visualisierung anatomischer Strukturen bieten. Diese Visualisierung unterstreicht die Wirksamkeit des Protokolls bei der Erstellung detaillierter 3D-Modelle, die für anatomische Studien unerlässlich sind.
Tabelle 1 zeigt die normalisierten Gewebemassen (Magermasse, Körperfett und Skelettmasse) im Verhältnis zum Gewicht des Tieres am Tag der Bildgebung. Die dargestellten Werte ergeben sich aus der Multiplikation des Gewebevolumens (in cm³) mit der entsprechenden Gewebedichte, wie in Schritt 3.5.1.1 der Methodik beschrieben.
Tabelle 2 enthält absolute Werte für die Körperzusammensetzung, die die Massenverteilung und den Anteil an Magergewebe, Körperfett und Skelettgewebe jedes Tieres zeigen. Es ermöglicht uns, die Gesamtmenge jedes Gewebetyps zu beurteilen und zu beurteilen, wie sie zur Gesamtkörperzusammensetzung jeder Probe beiträgt.
Die ergänzende Tabelle S1 zeigt die Zeit, die jeder Analytiker benötigt, um die Analyse der Körperzusammensetzung für jedes Tier abzuschließen, und die Variabilität der Ergebnisse zwischen den Analytikern. Es wird bewertet, ob es bei der Messung von Körperzusammensetzungsmetriken wie Magermasse, Körperfettmasse und Skelettmasse eine signifikante Variabilität zwischen erfahrenen (Analysten 1, 2 und 5) und unerfahrenen Bedienern (Analysten 3 und 4) gibt.
Abbildung 4 zeigt eine vergleichende Analyse der Körperzusammensetzung zwischen erwachsenen und älteren Probanden. Es zeigt eine Verringerung des Anteils an fettfreier Masse und eine Zunahme des Körperfetts, was mit typischen Alterungsmustern übereinstimmt. Diese Ergebnisse unterstreichen die Robustheit und Präzision des Bildgebungsprotokolls bei der Bereitstellung kritischer anatomischer Daten, die für die Weiterentwicklung präklinischer Forschungsmethoden unerlässlich sind.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/67393/67393fig01.jpg"> 
Abbildung 1: Präparation von Tieren. (A) Die für die Sedierung von Tieren während des gesamten bildgebenden Prozesses verwendete Vorrichtung, wie z. B. Gaszuführsysteme und Verdampfer; (B) das Mikro-CT-Scansystem. (C) Das betäubte Tier liegt in Rückenlage auf einem Mäusebett. Die richtige Positionierung ist entscheidend, um konsistente und reproduzierbare Ergebnisse zu erzielen. <a href="https://www.jove.com/files/ftp_upload/67393/67393fig01large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/67393/67393fig02.jpg"> 
Abbildung 2: Segmentierung und Visualisierung von Schnitten in verschiedenen anatomischen Ebenen. (A) Koronale Ebene, (B) Sagittalebene und (C) Transversalebene. Von links nach rechts zeigen die Bilder einen unsegmentierten Scan (grau), eine Knochensegmentierung (blau), eine Körperfettsegmentierung (gelb), eine Segmentierung von magerem Gewebe (rot) und schließlich eine vollständige Segmentierung, einschließlich aller Segmentierungen. <a href="https://www.jove.com/files/ftp_upload/67393/67393fig02large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/67393/67393fig03.jpg"> 
Abbildung 3: 3D-Renderings. Von links nach rechts zeigen die Bilder das 3D-Rendering des Motivs, wobei verschiedene Gewebetypen hervorgehoben werden: Knochen in Blau, Körperfett in Gelb, mageres Gewebe in Rot, und das endgültige Bild zeigt eine umfassende Ansicht, die Knochen, Fettgewebe und mageres Gewebe kombiniert. <a href="https://www.jove.com/files/ftp_upload/67393/67393fig03large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/67393/67393fig04.jpg"> 
Abbildung 4: Vergleich der Körperzusammensetzung zwischen adulten und älteren Mäusen. Das Balkendiagramm zeigt die prozentuale Körperzusammensetzung des Skelettgewebes (Erwachsene: 10,5 ± 0,5 %; ältere Menschen: 9,9 ± 1,0 %, p = 0,19), des Körperfetts (Erwachsene: 17,2 ± 5,7 %; ältere Menschen: 27,9 ± 4,4 %, p = 0,03) und der fettfreien Masse (Erwachsene: 72,3 ± 5,7 %; ältere Menschen: 62,3 ± 3,6 %, p = 0,03). Die Daten werden als MEAN ± SD der Tiere dargestellt (Erwachsene: n = 3; ältere Menschen: n = 3). Die Statistik wurde unter Verwendung eines ungepaarten t-Tests mit einem One-Tail-p-Wert (* p &lt; 0,05) berechnet. <a href="https://www.jove.com/files/ftp_upload/67393/67393fig04large.jpg" target="_blank">Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.</a>
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td colspan="4">MAGER</td>
		</tr>
		<tr>
			<td>Tier-ID</td>
			<td>Magere Masse (g)</td>
			<td>Gewicht (g)</td>
			<td>Normalisierung (Gewichtung)</td>
		</tr>
		<tr>
			<td>Ältere Menschen 1</td>
			<td>15.1</td>
			<td>37.4</td>
			<td>0.4</td>
		</tr>
		<tr>
			<td>Ältere Menschen 2</td>
			<td>14.4</td>
			<td>44.4</td>
			<td>0.3</td>
		</tr>
		<tr>
			<td>Ältere Menschen 3</td>
			<td>14.3</td>
			<td>37.7</td>
			<td>0.4</td>
		</tr>
		<tr>
			<td>Erwachsener 1</td>
			<td>12.3</td>
			<td>29.1</td>
			<td>0.4</td>
		</tr>
		<tr>
			<td>Erwachsener 2</td>
			<td>16.5</td>
			<td>30.4</td>
			<td>0.5</td>
		</tr>
		<tr>
			<td>Erwachsener 3</td>
			<td>16.1</td>
			<td>31.7</td>
			<td>0.5</td>
		</tr>
		<tr>
			<td colspan="4">KÖRPERFETT</td>
		</tr>
		<tr>
			<td>Tier-ID</td>
			<td>Körperfettmasse (g)</td>
			<td>Gewicht (g)</td>
			<td>Normalisierung (Gewichtung)</td>
		</tr>
		<tr>
			<td>Ältere Menschen 1</td>
			<td>6.4</td>
			<td>37.4</td>
			<td>0.2</td>
		</tr>
		<tr>
			<td>Ältere Menschen 2</td>
			<td>8.2</td>
			<td>44.4</td>
			<td>0.2</td>
		</tr>
		<tr>
			<td>Ältere Menschen 3</td>
			<td>5.3</td>
			<td>37.7</td>
			<td>0.1</td>
		</tr>
		<tr>
			<td>Erwachsener 1</td>
			<td>4.4</td>
			<td>29.1</td>
			<td>0.2</td>
		</tr>
		<tr>
			<td>Erwachsener 2</td>
			<td>2.7</td>
			<td>30.4</td>
			<td>0.1</td>
		</tr>
		<tr>
			<td>Erwachsener 3</td>
			<td>3.4</td>
			<td>31.7</td>
			<td>0.1</td>
		</tr>
		<tr>
			<td colspan="4">SKELETT</td>
		</tr>
		<tr>
			<td>Tier-ID</td>
			<td>Skelettmasse (g)</td>
			<td>Gewicht (g)</td>
			<td>Normalisierung (Gewichtung)</td>
		</tr>
		<tr>
			<td>Ältere Menschen 1</td>
			<td>2.3</td>
			<td>37.4</td>
			<td>0.06</td>
		</tr>
		<tr>
			<td>Ältere Menschen 2</td>
			<td>2.3</td>
			<td>44.4</td>
			<td>0.05</td>
		</tr>
		<tr>
			<td>Ältere Menschen 3</td>
			<td>2.4</td>
			<td>37.7</td>
			<td>0.06</td>
		</tr>
		<tr>
			<td>Erwachsener 1</td>
			<td>2.0</td>
			<td>29.1</td>
			<td>0.07</td>
		</tr>
		<tr>
			<td>Erwachsener 2</td>
			<td>2.3</td>
			<td>30.4</td>
			<td>0.08</td>
		</tr>
		<tr>
			<td>Erwachsener 3</td>
			<td>2.2</td>
			<td>31.7</td>
			<td>0.07</td>
		</tr>
	</tbody>
</table>
Tabelle 1: Normalisierung der Massen nach Tiergewicht am Tag der Bildgebung. Wie in Abschnitt 3.7 erläutert, kann die Masse des Gewebes durch das Gewicht des Tieres am Tag der Untersuchung normalisiert werden. Diese Normalisierung wurde auf mageres, Fettgewebe und Knochengewebe basierend auf dem Gewicht des Tieres angewendet.
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td colspan="5">Körperzusammensetzung (g)</td>
		</tr>
		<tr>
			<td></td>
			<td>Segmentierungsvolumen x 1,05</td>
			<td>Segmentierungsvolumen x 0,95</td>
			<td>Segmentierung Volumen x 1,92</td>
			<td>Schlank + Fett + Skelett</td>
		</tr>
		<tr>
			<td>Tier-ID</td>
			<td>Magere Masse (g)</td>
			<td>Körperfettmasse (g)</td>
			<td>Skelettmasse (g)</td>
			<td>Gesamtmasse (g)</td>
		</tr>
		<tr>
			<td>Ältere Menschen 1</td>
			<td>15.1</td>
			<td>6.4</td>
			<td>2.3</td>
			<td>23.8</td>
		</tr>
		<tr>
			<td>Ältere Menschen 2</td>
			<td>14.3</td>
			<td>8.2</td>
			<td>2.3</td>
			<td>24.9</td>
		</tr>
		<tr>
			<td>Ältere Menschen 3</td>
			<td>14.3</td>
			<td>5.3</td>
			<td>2.4</td>
			<td>22.0</td>
		</tr>
		<tr>
			<td>Erwachsener 1</td>
			<td>12.3</td>
			<td>4.4</td>
			<td>2.0</td>
			<td>18.6</td>
		</tr>
		<tr>
			<td>Erwachsener 2</td>
			<td>16.5</td>
			<td>2.7</td>
			<td>2.3</td>
			<td>21.5</td>
		</tr>
		<tr>
			<td>Erwachsener 3</td>
			<td>16.1</td>
			<td>3.4</td>
			<td>2.2</td>
			<td>21.7</td>
		</tr>
		<tr>
			<td colspan="5">Körperzusammensetzung (%)</td>
		</tr>
		<tr>
			<td>Tier-ID</td>
			<td>Magere Masse (%)</td>
			<td>Körperfettmasse (%)</td>
			<td>Skelettmasse (%)</td>
			<td>Gesamtmasse (%)</td>
		</tr>
		<tr>
			<td>Ältere Menschen 1</td>
			<td>63.6</td>
			<td>26.8</td>
			<td>9.6</td>
			<td>100</td>
		</tr>
		<tr>
			<td>Ältere Menschen 2</td>
			<td>58.1</td>
			<td>32.8</td>
			<td>9.0</td>
			<td>100</td>
		</tr>
		<tr>
			<td>Ältere Menschen 3</td>
			<td>64.9</td>
			<td>24.1</td>
			<td>11.0</td>
			<td>100</td>
		</tr>
		<tr>
			<td>Erwachsener 1</td>
			<td>65.9</td>
			<td>23.5</td>
			<td>10.6</td>
			<td>100</td>
		</tr>
		<tr>
			<td>Erwachsener 2</td>
			<td>76.8</td>
			<td>12.4</td>
			<td>10.9</td>
			<td>100</td>
		</tr>
		<tr>
			<td>Erwachsener 3</td>
			<td>74.3</td>
			<td>15.7</td>
			<td>9.9</td>
			<td>100</td>
		</tr>
	</tbody>
</table>
Tabelle 2: Zusammensetzung des Körpers. (A) die Körperzusammensetzung der Tiere in Gramm; (B) der prozentuale Anteil der Körperzusammensetzung.
Ergänzende Tabelle S1: Körperzusammensetzung, die von verschiedenen Operatoren bewertet wurde. Für jede Auswertung wurden die Magermasse, die Körperfettmasse, die Skelettmasse und die für die Analyse benötigte Zeit (in Minuten) aufgezeichnet. Die Analysten 1, 2 und 5 waren erfahrene Bediener, während die Analysten 3 und 4 unerfahren waren und nur das in der Studie beschriebene Protokoll befolgten. <a href="https://www.jove.com/files/ftp_upload/67393/Supplementary%20table%201%20R1.xlsx" target="_blank">Bitte klicken Sie hier, um diese Datei herunterzuladen.</a>
Ergänzende Abbildung S1: Dichtebereich verschiedener biologischer und nicht-biologischer Materialien. Die Abbildung veranschaulicht die Dichtebereiche verschiedener biologischer Gewebe und nicht-biologischer Substanzen. Die Werte wurden aus der Literatur gewonnen und angepasst, um eine optimale Gewebedifferenzierung zu erreichen. Knochen weisen die höchste Dichte auf, gefolgt von magerem Gewebe, während Körperfett eine deutlich geringere Dichte aufweist. Das Gerät wurde mit Wasser als Referenz bei einer Dichte von 0 kalibriert. <a href="https://www.jove.com/files/ftp_upload/67393/Supplementary%20Figure.pdf" target="_blank">Bitte klicken Sie hier, um diese Datei herunterzuladen.</a>

Nicht-invasive Quantifizierung der Skelettmuskulatur bei Kleintieren mittels Mikro-Computertomographie

Skeletal muscle size, mass, and composition are critical properties for studying metabolic and muscle-related diseases, as they directly impact the ...

non-invasive-skeletal-muscle-quantification-small-animals-using-micro

Research

Forschung

JoVE Journal

Biology

Biologie

Tracking-Dynamics of Muscle Engraftment bei Kleintieren durch In Vivo Fluorescent Imaging

Ein experimentelles Mausmodell von Knochenmetastasen wurde nach intrakardialen Lieferung von Luciferase exprimierenden Mammatumorzellen gegründet. Tumorentstehung und führte Osteolyse wurden in Längsrichtung mit Biolumineszenz-und Mikro-CT-Bildgebung überwacht.

Überwachung Tumormetastasen und Osteolysen mit Biolumineszenz und Micro-CT Imaging

Neuromuskuläre Erkrankungen weisen oft ein zeitlich variierenden, räumlich heterogen und vielschichtige Pathologie. Das Ziel des Protokolls ist es, diese Pathologie unter Verwendung von nicht-invasive Magnetresonanzbildgebungsverfahren zu charakterisieren.

Quantitative Magnetresonanztomographie von Skelettmuskelerkrankung

Diese Methode beschreibt die Verwendung der Quanten-Mikro-Computertomographie (MicroCT) zur Beurteilung der kardialen Morphologie, Funktion, Durchblutung, des Stoffwechsels und der Lebensfähigkeit mit jodiertem Kontrastmittel bei Mäusen mit experimentell induzierter myokardialer Ischämie. Die Technik kann für die zerstörungsfreie longitudinale Hochdurchsatz-Bildgebung in vivo verschiedener Tiermodelle menschlicher Herzerkrankungen eingesetzt werden.

In Vivo quantitative Bewertung der myokardialen Struktur, Funktion, Perfusion und Lebensfähigkeit Mit Herz Micro-Computertomographie

Das Ziel dieses Protokolls ist eine nackte im Zusammenhang mit Osteoporose vertebrale Kompression Bruch Rattenmodell zu generieren, die längs bewertet in Vivo mit einer parallelisierter Microcomputed Tomographie-basierten quantitativen Strukturanalyse werden können.

Parallelisierter längs Microcomputed Tomographie-basierten quantitativen Strukturanalyse von einem nackten Rattenmodell Osteoporose bedingte Wirbelfraktur

3D Ultraschall-Bildgebung (3DUS) ermöglicht die schnelle und kostengünstige Morphometrie des Muskel-Skelett-Gewebe. Wir präsentieren Ihnen ein Protokoll zur Messung der Muskellänge Volumen und Faszikel mit 3DUS.

3D Ultraschall-Bildgebung: schnelle und kostengünstige Morphometrie des Muskel-Skelett-Gewebe

Dieses Papier weist Benutzer in Vivo Mikro-Computertomographie (µCT) Scanner wie betäuben, richtig positionieren und zurückhalten der Hind Gliedmaßen einer Ratte für minimale Bewegung während der hochauflösenden Bildgebung des Schienbeins. Das Ergebnis sind qualitativ hochwertige Bilder, die bearbeitet werden können, um genau zu quantifizieren, Knochen-Mikroarchitektur.

Die richtige Positionierung und Zurückhaltung einer Ratte Hind Extremität für fokussierte hochauflösende Bildgebung von Knochen-Mikroarchitektur mit In Vivo Mikro-Computertomographie

Wir präsentieren einen Workflow für die Segmentierung und Quantifizierung der trabekuläre Knochen für 2D und 3D Bilder basierend auf den Knochen äußere Begrenzung mit ImageJ-Plugin. Dieser Ansatz ist effizienter und genauer als der aktuelle manuelle Hand-Konturierung Ansatz und bietet Schicht für Schicht Quantifizierungen, die nicht im aktuellen kommerziellen Software verfügbar sind.

Äußere Begrenzung unterstützt Segmentierung und Quantifizierung der trabekulären Knochen durch eine Imagej-Plugin

Hier beschreiben wir eine Visualisierungs- und Quantifizierungsmethode für murine Hintergliedmaßengefäße mittels Mikro-Röntgen-Computertomographie.

Probenvorbereitung für computertomographisch basierte dreidimensionale Visualisierung von Murinen Hintergliedmaßengefäßen

Die vorliegende Studie beschreibt dezellularisierungsbasierte Methoden zur Visualisierung und Quantifizierung der Ablagerung von intramuskulärem Fettgewebe (IMAT) durch intaktes Muskelvolumen sowie zur Quantifizierung von Metriken einzelner Adipozyten, aus denen IMAT besteht.

Dezellularisierungsbasierte Quantifizierung der Fettinfiltration der Skelettmuskulatur

Lokale Injektionen einer mitochondrialen Farbstoffbeschriftung terminaler Schwann-Zellmitochondrien in vivo zur konfokalen Mikroskopie. Diese Methode nutzt einen Proof of Concept, der im Skelettgewebe von Mäusen mit gesunden oder kranken Muskeln demonstriert wurde, um eine hochauflösende mitochondriale Visualisierung zu ermöglichen.

Methoden zur In-situ-Quantifizierung der mitochondrialen Morphologie in Muskel- und terminalen Schwannzellen von Mäusen

Erfahren Sie eine kosteneffiziente Mikro-CT-Methode zur nicht-invasiven Quantifizierung von Körperzusammensetzung bei Mäusen. Dieses Protokoll ermöglicht die Unterscheidung von Muskel-, Fett- und Knochengewebe für biomedizinische Forschung.

Nicht-invasive Quantifizierung der Skelettmuskulatur bei Kleintieren mittels Mikro-Computertomographie

Weitere Videos entdecken