Article de méthode

Reconstruction de 3-Dimensional Volume histologique et son application à l'étude de souris glandes mammaires

14.1K vues

⸱

DOI :

10.3791/51325

⸱

26 juillet 2014

 ,  ,  ,  ,  ,  ,  , 
1Department of Medical Biophysics, University of Toronto, 2Platform Biological Sciences, Sunnybrook Research Institute, 3Department of Laboratory Medicine and Pathobiology, University of Toronto, 4Physical Sciences, Sunnybrook Research Institute, 5Department of Pathology and Laboratory Medicine, Medical University of South Carolina, 6Manitoba Institute of Cell Biology, University of Manitoba

Dans cet article

Résumé

Nous présentons une approche de recalage d’images pour la reconstruction volumique histologique tridimensionnelle (3D), qui facilite l’étude des modifications d’un organe au niveau des macrostructures constituées de cellules. En utilisant cette approche, nous avons étudié les changements 3D entre les glandes mammaires de type sauvage et Igfbp7-null.

Résumé

reconstruction du volume d'histologie facilite l'étude de la forme 3D et le changement de volume d'un organe au niveau des macrostructures constituées de cellules. Il peut également être utilisé pour étudier et valider de nouvelles techniques et des algorithmes d'imagerie médicale volumétrique et thérapies. Création d'atlas 3D à haute résolution des différents organes 1,2,3 est une autre application de la reconstruction du volume de l'histologie. Ceci fournit une ressource pour l'enquête structures tissulaires et la relation spatiale entre les différentes fonctions cellulaires. Nous présentons une approche d'enregistrement d'image pour la reconstruction du volume de l'histologie, qui utilise un ensemble d'images de côté d'îlot optiques. Le volume de l'histologie reconstruite représente une forme fiable de l'échantillon traitées sans erreur propagée d'inscription post-traitement. Les hématoxyline et éosine (H & E) sections colorées de deux glandes mammaires de souris ont été enregistrés à leurs images correspondantes du côté d'îlot en utilisant des points limites extraites de l'éditionges de l'échantillon en histologie et du côté d'îlot images. La précision de l'enregistrement a été évalué visuellement. L'alignement des macrostructures des glandes mammaires a également été évaluée visuellement à haute résolution.

Cette étude définit les différentes étapes de ce pipeline d'enregistrement d'image, allant de l'excision de la glande mammaire par l'intermédiaire de la reconstruction 3D du volume de l'histologie. Bien 2D images histologiques révèlent les différences structurelles entre les paires de sections, le volume de l'histologie 3D permet de visualiser les différences de forme et de volume des glandes mammaires.

Introduction

IGFBP7 (insuline like growth factor protéine de liaison 7) est un membre de la famille des protéines IGF-contraignant, et a été montré pour se lier au récepteur de l'IGF1 4. Régulation à la baisse de IGFBP7 est connu pour être en corrélation avec un mauvais pronostic dans le cancer du sein 5, tandis que la réintroduction de IGFBP7 dans des modèles de xénogreffe de tumeur inhibe fortement la croissance des tumeurs par le biais 6 induction de l'apoptose et la sénescence cellulaire 7. Afin d'étudier les effets de IGFPB7, une souris IGFBP7 nul a été créé 5 (données non publiées). Bien que ces souris ne développent pas de tumeurs, ils montrent des changements dans l'histologie de l'ovaire, du muscle et du foie, ainsi que des défauts dans la structuration du développement des glandes mammaires (données non publiées). Le phénotype défectueux a été indiqué que les souris nulles ont des portées moins nombreuses et sont incapables de soutenir plusieurs grandes portées (données non publiées).

Volumes d'histologie 3D ont le potentiel de fournir des informat utileion pour les analyses et l'évaluation quantitative et comparative des résultats pathologiques dans les images médicales volumétriques. Confocale tridimensionnelle, la microscopie à deux photons peut fournir à haute résolution cellule information morphologique de la glande à mesure locale 14, mais il a un champ de vision limité et la profondeur. reconstruction du volume d'histologie fournit plus d'informations sur une plus grande étendue spatiale. En utilisant des approches traditionnelles de la distorsion est prévu au cours de la préparation de coupes histologiques, tels que le retrait, l'expansion, de larmes et de plis. Ces déformations, il est difficile d'enregistrer des images histologiques en série dans une pile 3D à reconstruire un volume 3D. Comme le nombre de sections consécutives avec des défauts augmente les similitudes entre les sections intactes est réduite et rend le processus d'enregistrement plus compliqué, par conséquent.

Différentes méthodes ont été proposées pour enregistrer les coupes histologiques et à créer un vo histologie continuelume. Certaines techniques dépendent de la variation d'intensité et 8, et d'autres sont basées sur la forme des sections 9. Pour certains spécimens les structures anatomiques peuvent être utilisés comme points de repère 10,11 ainsi que les méthodes d'enregistrement basé repère-12,13. Mais ces structures internes peuvent ne pas être détectable dans tout le volume et pour certains spécimens pas fiables structures anatomiques peuvent être identifiés. Certains groupes ont utilisé une approche d'inscription par paire et enregistré des images d'histologie consécutives un à l'autre à l'aide des contours ou des structures anatomiques 16-18. Enregistrement des coupes en série d'histologie à l'autre sans l'utilisation d'images de référence peut se propager erreur d'enregistrement et modifier la forme réelle du volume de l'histologie. Approche d'inscription par paire repose sur la cohérence de la forme des coupes histologiques et les structures internes à travers l'empilement des images; par conséquent, il nécessite échantillonnage dense de l'échantillon, quipeut-être pas toujours possible, par exemple, pour les échantillons cliniques.

Dans ce pipeline, nous utilisons des images du côté d'îlot comme un ensemble d'images de référence pour la reconstruction du volume de l'histologie 19. Images du côté d'îlot sont prises des blocs de tissus de paraffine après montage sur le microtome et avant chaque section est coupée. Ainsi, les dommages à l'individu des coupes en série coupe n'interfère pas avec l'enregistrement des coupes en série 8,11,15. Nous capturons les images du côté d'îlot d'une manière différente des autres groupes. Les images de visage de bloc optique sont obtenues par une lentille télécentrique pour éliminer ou minimiser le canon et la distorsion de perspective, ce qui se produit généralement lors de l'utilisation des lentilles de l'optique réguliers. C'est l'un des avantages de l'approche proposée par rapport aux autres méthodes publiées, qui effectuent l'imagerie de côté d'îlot à l'aide de lentilles ordinaires. Les images sont prises avec un léger angle oblique à utiliser la réflexion de la surface du bloc pour un rehaussement du contraste entre le tisssurface ue et de la paraffine et pour éliminer l'ombre du tissu en profondeur, sous la surface de la paraffine. Un filtre photographique est également utilisée pour polariser la lumière provenant de la surface du bloc et le tissu pour équilibrer le contraste 19. Afin de corriger le déplacement du bloc sur le microtome rotatif, de deux à trois trous sont percés dans les coins du bloc, qui sont facilement détectables dans les images du côté d'îlot. Les centres de gravité de ces trous sont utilisés avec inscription rigide à base de point de repère pour aligner les images du côté d'îlot.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

1. Spécimen

  1. Exciser chirurgicalement les glandes mammaires de type sauvage CDH1 ainsi que des souris IGFBP7 nulle ou trois jours après le début de la lactation.
  2. Répartir les glandes sur des lames de verre pour aider à retrouver natif glande mammaire morphologie.

2. Fixation et Traitement des tissus

  1. Fixer les glandes mammaires chez neutre tamponné 4% PFA O / N à 4 ° C.
  2. Conserver les glandes éthanol à 70% avant le traitement des tissus.
  3. Transférer les glandes de petites cassettes de traitement des tissus.
  4. Traiter les tissus à l'aide d'un processeur de tissus automatisé
    1. Déshydrater les tissus dans l'augmentation de l'éthanol et des bains de xylène de 70% d'éthanol pendant 45 minutes, deux fois dans l'éthanol 95% pendant 45 minutes, 3 fois dans 100% d'éthanol pendant 1 heure et 2 heures dans du xylène pendant 45 min.
    2. Imprégner les tissus de paraffine 3 fois pendant 1 heure chaque dans le vide avec une pression appliquée.
  5. Incluez les tissus en paraffine pour former des blocs, Pour la coupe.

3. Histologie et d'îlot Imaging

  1. Couper les blocs de paraffine en utilisant un microtome rotatif jusqu'à ce que l'excès de paraffine est retirée.
  2. Utiliser une fraiseuse verticale pour percer des trous de 1 mm dans au moins deux coins du bloc de paraffine perpendiculaire à la cassette.
  3. Monter le bloc de tissu sur le microtome rotatif.
  4. Mettre en place le système d'imagerie de côté d'îlot 19 à l'avant du microtome.
  5. Image optique de côté d'îlot capturer avant la coupe.
  6. Couper des rubans de quatre sections à 5 um d'épaisseur sur le microtome.
    1. Transférer les rubans au bain d'eau froide.
    2. Séparer les deuxième et quatrième sections de ruban et les monter sur des lames de microscope. Choisir les deuxième et quatrième sections fournit un écart de 5 um entre les sections.
    3. Développez chaque section dans un bain d'eau chaude (48 o C) à dérider, puis re-monter sur la lame de microscope.
      REMARQUE: CUtting, de montage, unwrinkling les sections provoquent des distorsions sur la section, telles que la déchirure, pli, le retrait et l'expansion. Ces artefacts compliquent l'enregistrement des sections histologiques.
    4. Colorer les sections avec H & E en utilisant une coloration automatique.
    5. Lamelle les diapositives à l'aide d'une colleuse automatique.
    6. Numériser les diapositives à l'aide d'un scanner de diapositives de l'histologie numérique à la résolution d'intérêt. Pour ce protocole le grossissement est de 20x et la résolution est de 0,47 um.
    7. Bas-échantillonner les images d'histologie à la résolution des images du côté d'îlot, 18 um.

4. L'image Enregistrement

  1. Segmentation de l'image et de la sélection du point
    1. En images côté d'îlot de mesurer les valeurs de pixel des trous d'enregistrement et d'utiliser la valeur moyenne comme seuil fixe pour segmenter les trous d'enregistrement dans les coins du bloc de paraffine.
    2. Depuis quelques pièces supplémentaires pourraient aussi être segmentés parutilisant le seuil fixé, utiliser la circularité et la zone des objets segmentés pour trouver les trous et jeter les objets supplémentaires. Pour ce faire, écrire un petit code et trouver le rapport de (4π x surface) / (périmètre) 2 pour les objets segmentés. Ce ratio pour les objets ronds est 1.
    3. Pour chaque glande mammaire, sélectionner une image de côté d'îlot comme référence et aligner le reste des images du côté d'îlot à la référence à l'aide du centre des trous d'enregistrement et de techniques d'enregistrement basé repère.
    4. Pour les images alignées du côté d'îlot, un segment ou extrait du tissu de l'arrière-plan manuellement. Utilisez l'objet le plus importante dans le masque pour le reste du protocole.
    5. Pour H & E sections suivez les étapes ci-dessous pour la segmentation automatique.
      1. Utilisez Otsu technique de seuillage 20 images de segments de l'arrière-plan et créer des masques binaires des images d'histologie.
      2. Identifier et sélectionner l'objet le plus importante dans chaque masque en utilisant la histogram des objets marqués.
      3. Extraire les un pixel de large points limites de deux histologie et masques de côté d'îlot.
      4. Utilisez le code de la chaîne algorithme 21, pour représenter les points de la frontière par une séquence de linéaire par morceaux s'adapte.
  2. Inscription rigide initiale
    1. Utiliser les descripteurs de Fourier algorithme 22, pour trouver la première transformation rigide entre les points limites de l'histologie et de leurs images correspondantes du côté d'îlot. Cette première transformation comprend les facteurs traduction, rotation et échelle.
    2. Transformer chaque image avec l'histologie initiale transformée obtenue à partir de l'étape précédente.
  3. Raffinement de l'enregistrement rigide
    1. Retirer les sections de pointe de haute courbure du contour de l'histologie en utilisant un filtre de roulement à billes 23.
    2. Sélectionnez 500 points des points limites d'histologie restantes à l'aide de façon aléatoire de distribution uniforme.
    3. Transformer le lahistologie points limites aléatoires avec la transformation initiale obtenue à partir de descripteurs de Fourier.
    4. Sélectionner l'ensemble des points de la frontière du côté d'îlot et utiliser itératives points les plus proches (ICP) de l'algorithme 24 pour trouver la transformation rigide entre les points limites de côté d'îlot, de la destination et histologie points limites aléatoires.
    5. Transformer les images histologiques alignées obtenues à partir de l'étape précédente et de la pile d'images histologiques alignés crée le volume de l'histologie.
    6. Utiliser un logiciel de visualisation 3D pour créer une image visuelle du volume de l'histologie.
  4. Affichage de la pile des images au grossissement de 5x
    1. Bas-échantillonner les images d'histologie originaux 5x grossissement.
    2. Recadrage de la région d'intérêt dans l'une des images d'histologie.
    3. Calculer l'emplacement de cette région dans les autres images histologiques 5x utilisant la combinaison des transformations rigides provenant des deux étapes d'enregistrement.
    4. Recadrer la régions d'intérêt à la même région de la taille de toutes les autres images d'histologie.
    5. Enfin affiner l'alignement entre les régions manuellement. Écrire un programme qui se superpose deux images et permet de sélectionner les valeurs de rotation et de translation de l'une des images sur l'autre, puis enregistre l'image transformée lorsque l'alignement est acceptée.
    6. Voir les piles des régions d'histologie 5x alignés en utilisant un logiciel de visualisation 3D.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

Un écueil de techniques de microscopie traditionnels est que la compréhension d'un organe à l'échelle microscopique est limitée à un champ de vision à la fois. Même "divulgation total" diapositives, qui fournissent des sections entières de diapositives, ne parviennent pas à fournir des informations en trois dimensions. Avec le développement de la coulisse ensemble, les technologies de numérisation dynamiques, notre capacité à voir un article dans sa totalité a augmenté, mais l'extrapolation structu...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

Dans cette étude, nous avons développé un enregistrement flux de travail d'image à reconstruire un volume d'histologie 3D de série d'images d'histologie 2D, qui ne nécessitent pas de points de repère internes choisis au hasard ou marqueurs fiduciaires implantés dans le tissu, ce qui pourrait fausser le tissu. Par le procédé décrit, des images du côté d'îlot optiques elles-mêmes sont utilisées comme images de référence avant la coupe. Nous utilisons des trous percés dans extérieures du bloc de paraffi...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

Les auteurs n’ont rien à révéler

Remerciements

Les auteurs tiennent à remercier le Laboratoire de recherche sur l’imagerie des biomarqueurs (BIRL) de l’Institut de recherche Sunnybrook pour ses services d’histologie. Ce travail a été financé par la Fondation Terry Fox, la Fondation canadienne du cancer du sein des Prairies et des Territoires du Nord-Ouest, ainsi que par une subvention des IRSC, #MOP-97996.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
16 % PFAVWR International1571016 % Solution de paraformaldéhyde
Petites cassettes de traitement des tissusVWR InternationalCA95029-956
Leica ASP300 Processeur de tissus automatiséLeica14047643515
100 % éthanolFisher ScientificS25307B
XyleneVWR International  ;CA95057-822
Paraffine  ;Thermo Fisher39501006Paraplast support d’enrobage de tissus
Leica EG 1160 centre d’enrobageLeica
Microtome rotatif LeicaLeica
International  ;CA48312-015
H& E stainVWR International
Colorer
Coverslips  ;VWR International  ;48404-452
MEDITE RCM 7000 lamelles en verreMEDITE
Leica SCN400 scanner de lamesLeica
MATLABMathWorks IncMATLAB 2007bLogiciel de développement
MeVisLabMeVis Medical Solutions AGMeVisLab 2.1Logiciel de visualisation 3D
Fraiseuse Lames de microscope VWR automatique

Références

  1. Sunkin, S. M., et al. Brain Atlas: An integrated spatiotemporal port for exploring the central nervous system. Nucleic Acids Research. 41, 996-1008 (2012).
  2. Shen, E. H., Overly, C. C., Jones, A. R. The Allen Human Brain Atlas: Comprehensive gene expression mapping of the human brain. Trends in Neurosciences. 35 (12), 711-714 (2012).
  3. Trifunović, D., Karali, M., Camposampiero, D., Ponzin, D., Banfi, S., Marigo, V. A high-resolution RNA expression atlas of retinitis pigmentosa genes in human and mouse retinas. Invest. Ophthalmol. Vis. Sci. 49 (6), 2330-2336 (2008).
  4. Evdokimova, V., et al. IGFBP7 binds to the IGF-1 receptor and blocks its activation by insulin-like growth factors. Science Signaling. 5 (255), 92(2012).
  5. Burger, A., Leyland-Jones, B., Banerjee, K., Spyropoulos, D., Seth, A. Essential roles for IGFBP-3 and IGFBP-rP1 in breast cancer. European J. Cancer. 41 (11), 1515-1527 (2005).
  6. Amemiya, Y., et al. Insulin like growth factor binding protein-7 reduces growth of human breast cancer cells and xenografted tumors. Breast Cancer Res Treat. 126 (2), 373-384 (2011).
  7. Benatar, T., et al. IGFBP7 reduces breast tumor growth by induction of senescence and apoptosis pathways. Breast Cancer Res Treat. 133 (2), 563-573 (2012).
  8. Bardinet, E., et al. Co-registration of histological, optical and MR data of the human brain. Medical Image Computing and Computer-Assisted Intervention-Part I. , Springer-Verlag. London, UK. 548-555 (2002).
  9. Jacobs, M. A., Windham, J. P., Soltanian-Zadeh, H., Peck, D. J., Knight, R. A. Registration and warping of magnetic resonance images to histological sections. Medical Physics. 26 (8), 1568-1578 (1999).
  10. Zhan, Y., Ou, Y., Feldman, M., Tomaszeweski, J., Davatzikos, C., Shen, D. Registering histologic and MR images of prostate for image-based cancer detection. Academic radiology. 14 (11), 1367-1381 (2007).
  11. Dauguet, J., et al. Three-dimensional reconstruction of stained histological slices and 3D non-linear registration with in vivo MRI for whole baboon brain. Journal of Neuroscience Methods. 164 (1), 191-204 (2007).
  12. Lazebnik, R. S., Lancaster, T. L., Breen, M. S., Lewin, J. S., Wilson, D. L. Volume registration using needle paths and point landmarks for evaluation of interventional MRI treatments. IEEE Transactions on Medical Imaging. 22 (5), 653-660 (2003).
  13. Breen, M. S., Lazebnik, R. S., Wilson, D. L. Three-dimensional registration of magnetic resonance image data to histological sections with model-based evaluation. Annals of Biomedical Engineering. 33 (8), 1100-1112 (2005).
  14. Mori, H., Borowsky, A. D., Bhat, R., Ghajar, C. M., Seiki, M., Bissell, M. J. The American Journal of Pathology. 180 (6), 2249-2256 (2012).
  15. Gibb, M., et al. Resolving the three-dimensional histology of the heart. Computational Methods in Systems Biology. Gilbert, D., Heiner, M. , 2-16 Springer-Verlag. London, UK. 2-16 (2012).
  16. Wu, M. L., et al. Three-dimensional virtual microscopy of colorectal biopsies. Archives of Pathology & Laboratory Medicine. 129 (4), 507-510 (2005).
  17. Arganda-Carreras, I., et al. 3D Reconstruction of histological sections: Application to mammary gland tissue. Microscopy Research and Technique. 73 (11), 1019-1029 (2010).
  18. Song, Y., Treanor, D., Bulpitt, A. J., Magee, D. R. 3D reconstruction of multiple stained histology images. Journal of Pathology Informatics. 4 (2), 7(2013).
  19. Shojaii, R., Karavardanyan, T., Yaffe, M., Martel, A. L. Validation of histology image registration. SPIE Medical Imaging. 7962, 79621E, doi:10.1117/12.878762. 7962 (7962E), (2011).
  20. Ridler, T. W., Calvard, S. Picture thresholding using an iterative selection method. IEEE Transactions on Systems, Man, and Cybernetics. 8 (8), 630-632 (1978).
  21. Freeman, H. Computer processing of line-drawing images. ACM Computing Surveys (CSUR. 6 (1), 57-97 (1974).
  22. Giardina, C. Accuracy of curve approximation by harmonically related vectors with elliptical loci). Computer Graphics and Image Processing. 6 (3), 277-285 (1977).
  23. Shojaii, R., Martel, A. L. A novel edge point selection method for registration of histology images. Optical Tissue Image analysis in Microscopy, Histopathology and Endoscopy. (OPTIMHisE) Workshop, MICCAI. , (2009).
  24. Besl, P., McKay, N. A method for registration of 3-D shapes. IEEE Transactions on Pattern Analysis and Machine Intelligence. 14 (2), 239-256 (1992).
  25. Chatterjee, S., et al. Loss of Igfbp7 causes precocious involution in lactating mouse mammary gland. PLoS ONE. 9 (2), e87858(2013).
  26. Manjunath, B. S., Chellappa, R. Unsupervised texture segmentation using Markov random field models. IEEE Transactions on Pattern Analysis and Machine Intelligence. 13 (5), 478-482 (1991).
  27. Krishnamachari, S., Chellappa, R. Multiresolution Gauss-Markov random field models for texture segmentation. IEEE Transactions on Image Processing: a publication of the IEEE Signal Processing Society. 6 (2), 251-267 (1997).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Demander l’autorisation de réutiliser le texte ou les figures de cet article JoVE

Demander une autorisation

Mots-clés

Reconstruction volum trique histologique 3Dapproche par recalage d imagesimages optiques de face de bloccoloration l h matoxyline et l osinealignement par logiciel personnalisalgorithme des descripteurs de Fourierpoints iterations les plus procheslogiciel de visualisation 3Dimagerie m dicale volum trique

Articles connexes