Analisi delle immagini con tomografia computerizzata longitudinale per regioni di interesse definite dall'utente in difetti ossei di dimensioni critiche
June 24th, 2025
Presentiamo un metodo per analizzare una regione di interesse (ROI) definita dall'utente in un modello longitudinale in vivo di difetto radiale di ratto. Questo metodo consente l'analisi comparativa tra diversi scaffold precedentemente limitati da variazioni nel campo visivo della scansione con tomografia microcomputerizzata (μCT), nell'orientamento del campione e nella presenza basale di scaffold.
Abbiamo sviluppato scaffold di nanoparticelle per migliorare la rigenerazione ossea in difetti di dimensioni critiche e migliorare i tassi di guarigione rispetto agli scaffold tradizionali.
I metodi attuali spesso tracciano le variazioni del volume osseo in intere ossa, mancando di precisione e identificando costantemente le regioni localizzate di interesse nei modelli longitudinali. Il nostro protocollo consente il tracciamento coerente della regione di interesse localizzata nei modelli solidi, migliorando la precisione e l'analisi longitudinale e confrontando le valutazioni dell'intero volume osseo.
Questi risultati ci permetteranno di quantificare in modo più accurato la rigenerazione ossea nel tempo e di comunicare in modo più efficace il potenziale impatto traslazionale del nostro lavoro.
[Istruttore] Per iniziare, apri l'osso del radio estratto dal set di dati di confronto e fai clic con il pulsante destro del mouse su di esso. Quindi, cerca la procedura guidata di registrazione dell'immagine e selezionala. Nella sezione delle proprietà, impostare i dati sul set di dati di confronto per l'osso del radio estratto e fare riferimento al set di dati del punto temporale iniziale per l'osso del radio estratto. Nella sezione dell'azione della procedura guidata di registrazione delle immagini, fare clic su Ignora per il passaggio uno dei quattro. Per i passaggi due e tre o quattro, utilizzare il cursore di interazione per regolare la casella di schede sull'area comune tra i set di dati e fare clic su Applica sotto l'azione dopo ogni passaggio. Nel passaggio quattro di quattro, impostare la metrica su correlazione, la trasformazione su rigida, il preallineamento per allineare gli assi principali e fare clic su Applica sotto azione. Dopo aver allineato i set di dati, fare clic con il pulsante destro del mouse sul set di dati della settimana di confronto per l'osso del raggio estratto, cercare l'immagine trasformata di ricampionamento e selezionarla. Nella sezione delle proprietà, imposta i dati sul set di dati della settimana di confronto per l'osso del raggio estratto, l'interpolazione al vicino più prossimo, la modalità su esteso, la conservazione alle dimensioni del voxel e il valore di spaziatura interna su zero, quindi fai clic su applica. Verrà generato un nuovo set di dati trasformato. Fare clic per attivare la sezione ortogonale per il punto temporale iniziale e impostare i dati sul set di dati del punto temporale iniziale per il raggio estratto. Impostare l'orientamento in modo che il piano produca un taglio trasversale attraverso l'osso del radio. Utilizzando il dispositivo di scorrimento del numero di sezione nella sezione delle proprietà, regolare il numero di sezione per identificare le sezioni prossimale e distale che circondano il difetto di dimensione critico. Determinare e documentare il numero di fetta nel punto in cui la frattura incontra la diafisi dell'osso del radio ad entrambe le estremità. Attivare la sezione ortogonale per la settimana di confronto e impostare i dati sul set di dati del punto temporale iniziale per il raggio estratto. Quindi, regolare l'orientamento in modo che il piano produca un taglio trasversale attraverso l'osso del radio. Utilizzando il dispositivo di scorrimento del numero di sezione nella sezione delle proprietà con i dati del punto temporale iniziale che mostrano la sezione ortogonale distale, allineare il numero della sezione della settimana di confronto in modo che corrisponda alla sezione distale del punto temporale iniziale. Annotare il numero della sezione per la sezione distale dei set di dati della settimana di confronto e ripetere per la sezione prossimale. Fare clic sul punto temporale iniziale per il raggio estratto e, nella sezione delle proprietà, fare clic sullo strumento editor di ritaglio. All'interno del popup dell'editor di ritaglio, inserisci i valori minimo e massimo nei campi X, Y o Z. Osservare la finestra di visualizzazione mentre l'area di interesse viene regolata, quindi fare clic su OK per ritagliare il set di dati. Ripetere la procedura di ritaglio per il set di dati della settimana di confronto. Per determinare il volume del set di dati del punto temporale iniziale, fare clic con il pulsante destro del mouse sul set di dati del punto temporale iniziale trasformato per il raggio estratto, cercare le statistiche dei materiali e selezionarlo. Nella sezione delle proprietà, impostare i dati come set di dati del punto temporale iniziale trasformato, selezionare i materiali e fare clic su Applica. Fare clic sul nuovo set di dati delle statistiche dei materiali, quindi nella finestra delle proprietà, fare clic su mostra foglio di calcolo. Fare clic sulla scheda Tabelle sopra la finestra per visualizzare il volume del set di dati del punto temporale iniziale ritagliato. Ripetere i passaggi dell'analisi del volume per il set di dati della settimana di confronto, quindi passare alla scheda Tabelle per visualizzare entrambi i set di dati con schede del volume separate. Per visualizzare la variazione del volume osseo, fare clic con il pulsante destro del mouse sul set di dati trasformato della settimana di confronto per il raggio estratto, cercare l'aritmetica e selezionarlo. Nella finestra delle proprietà, impostare l'input A come set di dati trasformato per la settimana di confronto, l'input B come set di dati del punto temporale iniziale, l'input C come nessuna origine, il tipo di risultato come input A, lasciare l'opzione deselezionata, impostare i canali dei risultati come input A e impostare l'espressione come AB. Fare clic sul set di dati risultante e premere F2 per rinominare il file, Quindi, fai clic con il pulsante destro del mouse su questo set di dati di risultati, cerca Genera superficie e selezionalo. Nella finestra delle proprietà fare clic su Applica e nella finestra popup fare clic su continua per creare un nuovo set di dati di navigazione. Fare clic con il pulsante destro del mouse sul set di dati di surf, cercare la vista superficie e selezionarla. Nella finestra di visualizzazione viene visualizzata una vista di superficie del risultato aritmetico. Per modificare il colore della vista della superficie, fare clic sulla vista della superficie nella finestra della vista del progetto. Nella finestra delle proprietà, apri il menu a discesa dei colori, seleziona costante, quindi fai clic sulla mappa dei colori e assegna un colore preferito. Per visualizzare la variazione del volume osseo nel set di dati della settimana iniziale, fare clic con il pulsante destro del mouse sul set di dati trasformato, cercare l'etichetta di estrazione e selezionarla. Nella sezione delle proprietà, imposta le etichette sul set di dati trasformato, l'ID etichetta su due e seleziona Esporta in binario, quindi fai clic su Applica per generare un set di dati dei risultati. Quindi, premere F2 per rinominare il file dei risultati. Fare clic con il pulsante destro del mouse sul nuovo set di dati dei risultati, cercare generare superficie e selezionarlo. Nella finestra delle proprietà fare clic su Applica e nella finestra popup fare clic su continua per creare un nuovo set di dati di navigazione. Quindi, fai clic con il pulsante destro del mouse sul nuovo set di dati di surf, cerca la vista della superficie e selezionala. Apparirà una vista di superficie del risultato aritmetico. Per modificare il colore di questa vista di superficie, fare clic sulla vista di superficie nella finestra della vista di progetto. Nella finestra delle proprietà, apri il menu a discesa dei colori, seleziona costante, quindi fai clic sulla mappa dei colori e assegna un colore preferito. Sono state studiate le immagini micro CT di tre modelli unici di ratto, ciascuno trattato con un'impalcatura di policaprolattone per sei settimane. I modelli solidi della settimana zero e della sesta settimana sono stati allineati con successo utilizzando regioni anatomiche condivise, consentendo un confronto longitudinale diretto, ed è stato generato un modello unito per confermare l'accuratezza della registrazione. Sottraendo la regione di interesse della settimana zero dalla regione di interesse della sesta settimana si è rivelato un modello 3D distinto della variazione del volume osseo all'interno del sito del difetto. Le sovrapposizioni visive delle variazioni del volume osseo dalla settimana zero alla sesta settimana hanno dimostrato che i diversi gruppi di polycaprolattone, o scaffold PCL, hanno comportato variazioni di volume osseo complessivo. Tuttavia, l'analisi all'interno di ciascun gruppo PCL è rimasta coerente tra gli utenti.
View the full transcript and gain access to thousands of scientific videos
Panoramica
Questo studio presenta un metodo per analizzare le regioni di interesse (ROI) definite dall'utente in un modello longitudinale di difetto radiale in vivo nei ratti. Il metodo facilita l'analisi comparativa tra diversi scaffold, affrontando le limitazioni poste dalle variazioni nei parametri di scansione della microtomografia computerizzata (µCT).
Componenti principali dello studio
Area della scienza
- Rigenerazione ossea
- Tecnologia degli scaffold
- Analisi longitudinale
Sfondo
- I difetti critici nelle ossa richiedono strategie di rigenerazione efficaci.
- Gli scaffold tradizionali potrebbero non fornire tassi di guarigione ottimali.
- I metodi esistenti mancano di precisione nel tracciamento delle regioni di interesse localizzate.
- La scansione della microtomografia computerizzata (µCT) può variare in base all'orientamento del campione.
Obiettivo dello studio
- Migliorare la rigenerazione ossea utilizzando scaffold di nanoparticelle.
- Migliorare i tassi di guarigione rispetto agli scaffold tradizionali.
- Consentire un tracciamento coerente delle regioni di interesse localizzate negli studi longitudinali.
Metodi utilizzati
- Sviluppo di scaffold di nanoparticelle per la rigenerazione ossea.
- Implementazione di un modello longitudinale di difetto radiale in vivo nei ratti.
- Microtomografia computerizzata (µCT) per l'imaging e l'analisi.
- Analisi comparativa di diversi scaffold basata sul tracciamento delle ROI.
Risultati principali
- Migliore precisione nel tracciamento delle regioni di interesse localizzate.
- Miglioramento dei tassi di guarigione osservati con gli scaffold di nanoparticelle.
- Analisi comparativa di successo tra diversi tipi di scaffold.
- Il metodo affronta le limitazioni delle valutazioni del volume osseo completo.
Conclusioni
- Il metodo sviluppato consente un'analisi più accurata della rigenerazione ossea.
- Il tracciamento localizzato delle ROI è cruciale per comprendere le prestazioni degli scaffold.
- Questo approccio può portare a migliori design di scaffold per applicazioni cliniche.
Domande frequenti
Executive Industry Relevance
Quantitative longitudinal micro-CT analysis of user-defined regions of interest (ROIs) in critical-sized bone defects enables precise tracking of localized bone regeneration, directly supporting mechanistic de-risking and predictive confidence in early-stage bone repair studies. This capability addresses a key inflection point in preclinical scaffold evaluation by allowing consistent, reproducible measurement of bone volume changes within targeted anatomical sites. The approach enhances portfolio decision-making by providing robust, user-independent data for scaffold performance assessment.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables precise interrogation of bone regeneration hypotheses within defined anatomical regions.
- Supports functional validation of scaffold materials by quantifying localized bone repair over time.
- Improves predictive confidence for translational advancement by reducing measurement ambiguity.
Screening & Assay Development
- Facilitates preparation of validated in vivo models for downstream scaffold screening workflows.
- Standardizes ROI-based quantitative outputs, enhancing reproducibility across users and studies.
- Enables reliable comparison of scaffold groups by isolating bone volume changes within critical defect sites.
Translational & Preclinical Research
- Aligns preclinical bone regeneration models with disease-relevant anatomical targets.
- Provides continuity from discovery through preclinical validation by supporting longitudinal outcome tracking.
- De-risks translational decisions by enabling robust, user-independent quantification of scaffold efficacy.
Pipeline & Workflow Integration
This ROI-based micro-CT analysis method integrates from early discovery through preclinical scaffold evaluation, supporting lead identification and risk-adjusted advancement.
- Discovery Biology: Enables hypothesis testing and pathway clarification for bone regeneration within targeted anatomical sites.
- Screening: Provides standardized, reproducible quantitative outputs for scaffold comparison.
- Analytics: Delivers volumetric measurements and visual overlays to compare longitudinal changes across conditions.
- Translational Research: Supports preclinical continuity by aligning measurement endpoints with translational goals.
- Enterprise Reuse: Establishes a reusable imaging and analysis workflow for diverse bone repair studies.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in bone regeneration studies.
- Operational Value: Standardizes analysis, improves reproducibility, and enables multi-user consistency.
- Strategic Value: Informs go/no-go decisions and enhances capital efficiency by providing robust quantitative endpoints.
- Portfolio Impact: Supports risk-adjusted prioritization of scaffold candidates for advancement.
Implementation Considerations
- Requires expertise in micro-CT imaging and anatomical alignment procedures.
- Depends on access to advanced imaging software and computational infrastructure.
- Necessitates cross-user standardization to ensure reproducibility of ROI selection and analysis.
- Adaptable to various preclinical bone defect models with appropriate anatomical referencing.
- Limited by the need for precise anatomical registration and consistent imaging parameters.
