ボクセルからの知識へ：複雑な電子顕微鏡3D-データのセグメンテーションの実用ガイド

次の実験の全体的な目標は、細胞と組織の複雑な3D電子顕微鏡データセットから関心のある特徴をセグメント化して、それらの3D組織国家を分析することです。これは、個々の電子顕微鏡画像で構成されるデータセットを収集することによって達成されます。次に、生の2Dデータを3Dボリュームに再構築し、ノイズを減らし、関心のある機能を強化するためにフィルタリングします 第2ステップとして、データの客観的および主観的な特性が評価され、セグメンテーションの方法の最適な選択が通知されます。

次に、手動抽象化、モデル生成、関心のある特徴の手動トレースのいずれかを行います。密度ベースの自動セグメンテーションまたはカスタム調整された自動セグメンテーションを実行して、関心のある特徴を抽出します。結果は、トリアージ画像特性と最適なセグメンテーションアプローチを選択するための個人的な目的に基づいて、関心のある特徴の最終的な3Dセグメントモデルを示しています。

異なるデータセットのさまざまなアプローチを比較すると、正しいセグメンテーション戦略を選択するのに役立ちます。関心のある特徴を抽出するためのさまざまな方法を示します。細胞内電子顕微鏡のボリュームの複雑さを考えると、各アプローチにはそれぞれ利点と制限があります。

一般に、セグメンテーションに不慣れな人は、さまざまなデータセットに最適なアプローチを特定することが必ずしも明確ではないため、苦労する可能性があります。大学院生のガス抜きと一緒に。その手順を実演するタイは、自動車のポスドクとしてBUになります。

私の研究室では、私の研究室の研究員であるAmit Hassanと、私の研究室のコンピューターシステムエンジニアであるJoaquin Koreaが、幾何学的な測定を行うための幾何学的なモデルを作成することが唯一の目的である場合に、手動の抽象化モデル生成を使用します。まず、データボリュームを適切なプログラムにインポートします。このデモでは、手動の抽象化モデル生成のためにkymeraソフトウェアを使用しています。

まず、ファイルを選択して開き、開いているファイルダイアログを引き出し、目的のマップのファイルの場所に移動します。次に、ボリュームビューアをプルアップし、フィーチャの表示スタイルを選択して、さまざまなレンダリングスタイルでデータを表示します。ディスプレイのしきい値を調整するには、ボリュームビューアウィンドウのヒストグラム上の垂直バーをドラッグします。

3Dボリューム内を移動して、セグメンテーションの対象領域を選択し、必要に応じて小さなサブボリュームを切り取ります。ボリュームビューアダイアログで、フィーチャを選択し、サブ領域を選択し、クリックしてドラッグし、関心領域を囲む長方形のボックスを作成します。次に、対象フィーチャに沿ってマーカーを配置し、モデルが完成するまで必要に応じてリンカーで接続します。

ボリュームビューアのメニューバーからこれを実現するには、ツール、ボリュームトレーサーダイアログを選択します。そこでボリュームトレーサーダイアログを開くには、ファイル、新しいマーカーを選択します。セット。ボリュームトレーサーダイアログで、マウスをチェックし、マーカーを高密度に配置し、データにマーカーを配置し、平面の移動とマーカーの化、新しいマーカーを選択したマーカーにリンクし、連続して選択したマーカーをリンクします。

次に、ボリュームトレーサーウィンドウで、マウスの右ボタンを使用してマーカーを配置し、マーカーとリンクの半径を挿入します。次に、ボリュームデータを右クリックして、マーカーの配置を開始します。マーカーは、ボリュームトレーサーダイアログで自動的に接続されます。

ファイルを選択し、現在のマーカーを保存します。次にファイルを閉じるマーカーを設定します。セット。新しいマーカーセットを開いて、関心のある 2 番目の目的のフィーチャーにモデルの構築を開始します。

マーカーセット間の対照的な色を利用して、特徴の違いを強調します。対象フィーチャの手動トレースは、人口密度が比較的小さく、フィーチャ抽出の精度が最優先される場合に使用される、時間のかかるアプローチです。手動トレース・オプションを持つプログラムへのボリューム・データのインポートを開始するには。ソフトウェア。

この機能により、通常、基本的なペイントブラシツールが提供されます。このデモでは、大型トモスにAmiraソフトウェアを使用しています。オープンデータを選択し、ファイル名recを右クリックします。

次に、[フォーマット]をクリックし、[大きなディスクデータとして生]を選択します。さて、そしてロードします。ヘッダー情報から適切な生データパラメータを選択し、[OK]をクリックします。

切り替えて、新しいファイル名として保存します。 am file.3D画像シーケンスの場合は、オープンデータを選択し、ファイル名tiffまたはファイル名dot mrmcを選択します。

次に、トグルして右クリックし、[ファイル名として保存]を選択します。3Dビューアウィンドウで、オルソスライスを選択して画像ファイルを開きます。次に、下部のスライダーを使用してスライス内を移動し、大きなディスクデータとして開いた大きなデータをトリミングします。

プールウィンドウでファイル名を切り替え、右クリックしてlattice accessを選択します。目的のボックスサイズを入力し、ボックスを目的の領域に移動して、[適用]をクリックします。新しいファイルを保存します。

次に、プール ウィンドウでファイルを切り替えて、セグメンテーション ファイルを作成します。次に、右クリックしてラベル付けフィールドを選択します。新しいファイルが作成され、セグメンテーションエディタータブとオブジェクトプールに自動的にロードされます。

ペイントブラシツールを使用して、関心のある最初のフィーチャの境界線をトレースします。必要に応じてブラシのサイズを変更し、マウス ポインターを使用して目的のフィーチャの境界をトレースします。トレースされた領域をショートカットで埋めます F.プラス記号のボタンをクリックして選択を追加します。

すべてのスライスで目的のフィーチャを追跡し、手動トレース セグメンテーションを繰り返します。オブジェクトプールタブでソフトウェアユーザーガイドの指示に従って、視覚化および基本的な定性的または定量的分析のための表面レンダリングを生成し、プールウィンドウでファイル名ラベルを切り替えます。次に、右クリックして[surface gen]を選択します。

目的のサーフェス プロパティを選択し、[適用]をクリックします。新しいファイル名 surf がプールに作成されます。セグメント化されたボリュームを視覚化するには、プールウィンドウでファイル名surfを切り替えます。

次に、右クリックしてサーフェスビューを選択します。テキストプロトコルで説明されているように、視覚化と定性分析のためのサーフェスを生成します。自動密度ベースのセグメンテーションは、コントラスト、鮮明さ、または混雑度がさまざまなデータセットで使用され、関心のある密度を引き出して、しきい値設定の魔法の杖または自動セグメンテーション用の他の密度ベースのツールを備えたプログラムにボリュームデータのインポートを開始します。

関心のある特徴量の手動トレース技術で行ったように、このデモンストレーションでは、明確に区別できるマージンのない特徴に対して Amira ソフトウェアが使用されています。しきい値ツールを使用するには、しきい値アイコンを選択します。スライダーを調整して密度を望ましい範囲内に調整し、関心のあるフィーチャのみがマスクされるようにします。

選択ボタンをクリックしてから、プラス記号またはショートカットのボタンをクリックして選択を追加します。A テキストプロトコルで説明されているように、視覚化と定性分析のためのサーフェスを生成します。すべて4番目のアプローチです。

カスタムメイドの自動セグメンテーションを使用して、大規模なデータセットを効率的にセグメント化できますが、MATLAB などのプログラムの知識が必要です。この方法のステップバイステップの説明については、カスタムテーラードセグメンテーションに関する補足ビデオを参照してください 6つのサンプルデータセットを4つのアプローチでセグメント化しました。手動抽象化モデル生成、対象特徴の手動トレース、自動密度ベースのセグメンテーション、およびカスタムメイドの自動セグメンテーション、手動抽象化モデル生成は、樹脂にとって効果的でした。

植物細胞壁の樹脂埋め込み染色トモグラフィーの正確な密度を抽出するのではなく、定量的な目的でモデルを作成することを目的とする立体繊毛の埋め込み染色トモグラフィー。密度ベースの自動セグメンテーションは、多くのスライスからセルロースを迅速に抽出するのに最も効果的でした。手動の方法では、データのいくつかのスライスに対してより多くの労力がかかりました。

手動の抽象化モデル生成は、キノシリウムのステージトモグラフィーで微小管トリプレットを生成しましたが、2つの自動化されたアプローチは、密度をより迅速に抽出するため、集束イオンビームからのミトコンドリアの形状、乳房上皮細胞の走査型電子顕微鏡法のために好まれました。手動トレースは最もクリーンな結果を提供し、人口密度が低いため、迅速なセグメンテーションを可能にしました。セグメント化が必要な量が多いため、カスタムメイドの自動セグメンテーションは、シリアルブロックの顔走査型電子顕微鏡の細菌データをセグメント化するのに最も効率的であることが証明されました。

時間はかかりますが、集束イオンビームの乳房上皮細胞膜走査型電子顕微鏡法を抽出する唯一の方法は、手動トレースでした。セグメンテーションアプローチの開発は、構造細胞生物学というこの新しい分野の研究者が、多種多様な細胞培養、オルガノイド培養、またはモデル生物の高分子複合体、オルガネラ、および細胞のレベルで細胞の3D構造を探求し、決定するための道を開くものです。このビデオを見れば、データセットに最適なセグメンテーションアプローチを選択して適用する方法を十分に理解できるはずです。