June 24th, 2025
Presentamos un método para analizar una región de interés (ROI) definida por el usuario en un modelo longitudinal de defecto radial in vivo en rata. Este método permite el análisis comparativo entre diferentes andamios previamente limitados por las variaciones en el campo de visión de la tomografía microcomputarizada (μCT), la orientación de la muestra y la presencia basal del andamio.
Desarrollamos andamios de nanopartículas para mejorar la regeneración ósea en defectos de tamaño crítico y medios para mejorar las tasas de curación en comparación con los andamios tradicionales.
Los métodos actuales a menudo rastrean los cambios en el volumen óseo en huesos enteros, sin precisión e identificando consistentemente regiones localizadas de interés en modelos longitudinales. Nuestro protocolo permite un seguimiento consistente de la región de interés localizada en modelos sólidos, mejorando la precisión y el análisis longitudinal, y en comparación con las evaluaciones de volumen óseo completo.
Estos hallazgos nos permitirán cuantificar con mayor precisión la regeneración ósea a lo largo del tiempo y comunicar de manera más efectiva el impacto traslacional potencial de nuestro trabajo.
[Instructor] Para comenzar, abra el hueso de radio extraído del conjunto de datos de comparación y haga clic derecho sobre él. Luego, busque el asistente de registro de imágenes y selecciónelo. En la sección de propiedades, establezca los datos en el conjunto de datos de comparación para el hueso de radio extraído y haga referencia al conjunto de datos de punto de tiempo inicial para el hueso de radio extraído. En la sección de acción del asistente de registro de imágenes, haga clic en omitir el paso uno de cuatro. Para los pasos dos y tres de cuatro, use el cursor de interacción para ajustar el cuadro de pestaña a la región común entre los conjuntos de datos y haga clic en aplicar en acción después de cada paso. En el paso cuatro de cuatro, establezca métrica en correlación, transformación en rígida, prealineación para alinear los ejes principales y haga clic en aplicar en acción. Después de alinear los conjuntos de datos, haga clic con el botón derecho en el conjunto de datos de la semana de comparación para el hueso de radio extraído, busque volver a muestrear la imagen transformada y selecciónela. En la sección de propiedades, establezca los datos en el conjunto de datos de la semana de comparación para el hueso de radio extraído, la interpolación al vecino más cercano, el modo en extendido, conservar en tamaño de vóxel y el valor de relleno en cero y, a continuación, haga clic en aplicar. Se generará un nuevo conjunto de datos transformado. Haga clic para activar el sector ortogonal para el punto de tiempo inicial y establezca los datos en el dataset de punto de tiempo inicial para el radio extraído. Establezca la orientación para que el plano produzca un corte transversal a través del hueso del radio. Con el control deslizante del número de segmento en la sección de propiedades, ajuste el número de corte para identificar los cortes proximales y distales que rodean el defecto de tamaño crítico. Determine y documente el número de corte donde la fractura se encuentra con la diáfisis del hueso del radio en ambos extremos. Active el sector ortogonal para la semana de comparación y establezca los datos en el dataset de puntos de tiempo inicial para el radio extraído. Luego, ajuste la orientación para que el plano produzca un corte transversal a través del hueso del radio. Usando el control deslizante de número de corte en la sección de propiedades con los datos de punto de tiempo inicial que muestran el corte ortodistal distal, alinee el número de corte de la semana de comparación para que coincida con el corte distal del punto de tiempo inicial. Anote el número de corte para el corte distal de los conjuntos de datos de la semana de comparación y repita para el corte proximal. Haga clic en el punto de tiempo inicial para el radio extraído y, en la sección de propiedades, haga clic en la herramienta de edición de recortes. En la ventana emergente del editor de recortes, ingrese los valores mínimo y máximo en los campos X, Y o Z. Observe la ventana de visualización a medida que se ajusta la región de interés y, a continuación, haga clic en Aceptar para recortar el conjunto de datos. Repita el procedimiento de recorte para el conjunto de datos de la semana de comparación. Para determinar el volumen del conjunto de datos de puntos de tiempo inicial, haga clic con el botón derecho en el conjunto de datos de puntos de tiempo inicial transformado para el radio extraído, busque estadísticas de materiales y selecciónelo. En la sección de propiedades, establezca los datos como el dataset de puntos de tiempo inicial transformado, seleccione materiales y haga clic en aplicar. Haga clic en el nuevo conjunto de datos de estadísticas de materiales, luego en la ventana de propiedades, haga clic en mostrar hoja de cálculo. Haga clic en la pestaña tablas situada encima de la ventana para ver el volumen del dataset de puntos de tiempo inicial recortado. Repita los pasos de análisis de volumen para el conjunto de datos de la semana de comparación y, a continuación, vaya a la pestaña de tablas para ver ambos conjuntos de datos con pestañas de volumen independientes. Para visualizar el cambio en el volumen óseo, haga clic con el botón derecho en el conjunto de datos transformado de la semana de comparación para el radio extraído, busque aritmética y selecciónelo. En la ventana de propiedades, establezca la entrada A como el conjunto de datos transformado de la semana de comparación, la entrada B como el conjunto de datos de punto de tiempo inicial, la entrada C como sin origen, el tipo de resultado como entrada A, deje la opción sin marcar, establezca los canales de resultados como la entrada A y establezca la expresión como AB. Haga clic en el conjunto de datos resultante y presione F2 para cambiar el nombre del archivo, Luego, haga clic derecho en este conjunto de datos de resultados, busque Generar superficie y selecciónelo. En la ventana de propiedades, haga clic en aplicar y, en la ventana emergente, haga clic en continuar para crear un nuevo dataset de navegación. Haga clic con el botón derecho en el dataset de navegación, busque vista de superficie y selecciónelo. Aparecerá una vista de superficie del resultado aritmético en la ventana de visualización. Para cambiar el color de la vista de superficie, haga clic en la vista de superficie en la ventana de vista del proyecto. En la ventana de propiedades, abra el menú desplegable de colores, seleccione constante, luego haga clic en mapa de colores y asigne un color preferido. Para ver el cambio de volumen óseo en el conjunto de datos de la semana inicial, haga clic con el botón derecho en el conjunto de datos transformado, busque la etiqueta de extracción y selecciónelo. En la sección de propiedades, establezca las etiquetas en el conjunto de datos transformado, el ID de etiqueta en dos y active exportar a binario, luego haga clic en aplicar para generar un conjunto de datos de resultados. A continuación, presione F2 para cambiar el nombre del archivo de resultados. Haga clic con el botón derecho en el nuevo conjunto de datos de resultados, busque generar superficie y selecciónelo. En la ventana de propiedades, haga clic en aplicar y, en la ventana emergente, haga clic en continuar para crear un nuevo dataset de navegación. A continuación, haga clic derecho en el nuevo conjunto de datos de surf, busque la vista de superficie y selecciónelo. Aparecerá una vista superficial del resultado aritmético. Para cambiar el color de esta vista de superficie, haga clic en la vista de superficie en la ventana de vista del proyecto. En la ventana de propiedades, abra el menú desplegable de colores, seleccione constante, luego haga clic en mapa de colores y asigne un color preferido. Se investigaron imágenes de microtomografía computarizada de tres modelos únicos de ratas, cada uno tratado con un andamio de policaprolactona durante seis semanas. Los modelos sólidos de la semana cero y seis se alinearon con éxito utilizando regiones anatómicas compartidas, lo que permitió una comparación longitudinal directa, y se generó un modelo combinado para confirmar la precisión del registro. Restar la región de interés de la semana cero de la región de interés de la semana seis reveló un modelo 3D distinto del cambio de volumen óseo dentro del sitio del defecto. Las superposiciones visuales de los cambios en el volumen óseo de la semana cero a la semana seis demostraron que los diferentes grupos de andamios de policaprolactona, o PCL, dieron como resultado cambios variables en el volumen óseo general. Sin embargo, el análisis dentro de cada grupo de LCP se mantuvo consistente entre los usuarios.
View the full transcript and gain access to thousands of scientific videos
Este estudio presenta un método para analizar regiones de interés (ROI) definidas por el usuario en un modelo longitudinal de defecto radial in vivo en ratas. El método facilita el análisis comparativo entre diferentes andamios, abordando las limitaciones planteadas por las variaciones en los parámetros de escaneo de microtomografía computarizada (µCT).