Een abonnement op JoVE is vereist om deze inhoud te bekijken. Log in of start vandaag met uw gratis proefperiode.

Methodenartikel

Niet-invasieve kwantificering van skeletspieren bij kleine dieren met behulp van microcomputertomografie

1.4K weergaven

⸱

DOI:

10.3791/67393

⸱

8 november 2024

 ,  ,  ,  ,  ,  , 
1Laboratório de Endocrinologia Translacional, Instituto de Biofísica Carlos Chagas Filho, Universidade Federal do Rio de Janeiro, 2Small Animal Imaging Unit, National Center for Structural Biology and Bioimaging, Universidade Federal do Rio de Janeiro

In dit artikel

Samenvatting

Dit protocol maakt gebruik van microcomputertomografie om de kosteneffectieve kwantificering van vetvrije massa mogelijk te maken, inclusief skeletspieren en visceraal weefsel, vetweefsel en skeletweefsel bij kleine dieren. Het maakt onderscheid tussen mager en vetweefsel, wat aanzienlijke voordelen biedt voor biomedisch onderzoek, met name bij translationeel onderzoek bij kleine dieren.

Samenvatting

De omvang, massa en samenstelling van de skeletspieren zijn cruciale eigenschappen voor het bestuderen van metabole en spiergerelateerde ziekten, omdat ze een directe invloed hebben op het begrip van ziekteprogressie en behandelingsresultaten. Het kwantificeren van de mager-, vet- en skeletmassa van een levend dier is belangrijk in metabole, fysiologie-, farmacologische en gerowetenschappelijke studies. Het verkrijgen van nauwkeurige metingen van de lichaamssamenstelling, met name van de vetvrije massa, blijft echter een uitdaging vanwege de inherente beperkingen van conventionele beoordelingstechnieken. Micro-computertomografie (micro-CT) is een niet-invasieve radiologische techniek die visualisatie met hoge resolutie van interne structuren in kleine diermodellen mogelijk maakt. Een gestandaardiseerde micro-CT-methode kan translationeel onderzoek aanzienlijk verbeteren met betrouwbaardere en impactvollere resultaten, met name tijdens verouderingsstudies of op verschillende tijdstippen binnen hetzelfde dier. Ondanks het potentieel ervan belemmert het gebrek aan standaardisatie in beeldacquisitie- en analysemethoden de vergelijkbaarheid van de resultaten van verschillende onderzoeken aanzienlijk. Hierin presenteren we een uitgebreid en gedetailleerd goedkoop protocol voor analyse van de magere massa met behulp van micro-CT om deze uitdagingen aan te pakken en consistentie te bevorderen in onderzoek met kleine diermodellen.

Inleiding

Grootte, massa en samenstelling zijn cruciale eigenschappen van skeletspieren voor het bestuderen van spiergerelateerde en metabole ziektemechanismen1. Sarcopenie, cachexie, atrofie en myopathieën hebben gemeenschappelijke fenotypes: vermindering van de massa, verandering in samenstelling en verminderde spierfunctie 2,3,4,5. Het kwantificeren van de lichaamssamenstelling in een levend dier blijft echter zeer complex en technisch uitdagend6.

De primaire methodologieën voor in vivo beeldvorming en analyse van de lichaamssamenstelling zijn dual-energy röntgenabsorptiometrie (DXA), computertomografie (CT) en magnetische resonantiebeeldvorming (MRI). Deze methoden worden voornamelijk gebruikt om ziekten te screenen en te monitoren die leiden tot vermindering van de vetvrije massa 7,8,9,10,11. DXA is de gouden standaard voor de analyse van de lichaamssamenstelling vanwege de lagere kosten. DXA heeft echter een aanzienlijk nadeel ten opzichte van MRI en CT: het onvermogen om spier- en vetweefsel ruimtelijk op te lossen1.

MRI maakt gebruik van sterke magnetische velden en radiogolven om gedetailleerde beelden van de interne structuren van het lichaam te genereren12. Een van de belangrijkste voordelen ten opzichte van CT is de superieure contrastresolutie, waardoor een uitstekend onderscheid mogelijk is tussen verschillende typen zacht weefsel 1,13,14. In tegenstelling tot CT maakt MRI geen gebruik van ioniserende straling, waardoor het veiliger is voor herhaald gebruik15,16. MRI is echter duurder en minder toegankelijk, met langere scantijden en hogere onderhoudskosten13,17. MRI-instrumenten die zijn aangepast voor de analyse van kleine dieren zijn dus meestal niet beschikbaar.

Micro-CT is vergelijkbaar met conventionele CT, maar op maat gemaakt voor kleine structuren en biomedisch onderzoek18. Micro-CT is een geavanceerde, niet-invasieve radiologische beoordelingstechniek die gedetailleerde visualisatie van interne structuren in kleine diermodellen mogelijk maakt. Micro-CT gebruikt röntgenstralen om gedetailleerde beelden te maken van de interne structuren van het lichaam, waarbij wordt vertrouwd op de differentiële verzwakking van röntgenstralen door verschillende weefseltypen. Tijdens een micro-CT-scan ligt de muis op een tafel die langzaam door een cirkelvormig portaal beweegt. In het portaal draait een röntgenbuis rond de muis en zendt röntgenstralen uit vanuit verschillende hoeken. Detectoren aan de andere kant vangen deze röntgenstralen op nadat ze door het lichaam zijn gegaan18.

De software van de micro-CT-scanner verwerkt de gegevens vanuit deze meerdere hoeken om tweedimensionale dwarsdoorsnedebeelden (plakjes) van het lichaam te reconstrueren. Door middel van reconstructie kunnen deze plakjes worden gecombineerd om de interne anatomie volledig weer te geven19. De beelden die door micro-CT-scans worden geproduceerd, zijn gebaseerd op de verschillende gradaties van röntgenverzwakking door verschillende weefsels in het lichaam. Deze verzwakking wordt gekwantificeerd met behulp van Hounsfield Units (HU), een schaal die de radiodichtheid20,21 standaardiseert. De HU-schaal is fundamenteel voor segmentatie, omdat elke structuur een iets andere waarde heeft.

In dit artikel hebben we HU-waarden gebruikt om nauwkeurig onderscheid te maken tussen bot, mager weefsel en vetweefsel1. Door te verwijzen naar gevestigde HU-reeksen, zorgden we voor een nauwkeurige analyse en vergelijking van de lichaamssamenstelling. Hierin laten we zien hoe u afbeeldingen kunt verkrijgen met behulp van micro-CT en de toepassing ervan bij het visualiseren en kwantificeren van magere, vet- en skeletmassa.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

Alle methoden zijn goedgekeurd door het Institutional Animal Care and Use Committee van de Universidade Federal do Rio de Janeiro (UFRJ), Rio de Janeiro (IACUC - UFRJ; A16/23-025-20). Er werden scans uitgevoerd op mannelijke C57BL/6-muizen van 6 en 22 maanden.

1. Voorbereiding van dieren

  1. Verdoof muizen met 2% isofluraan in een mengsel van zuurstof dat via verdamping wordt afgegeven. Gebruik een precisieverdamper voor zowel inductie als onderhoud met een mengsel van 100% zuurstof met behulp van een precisieverdamper.
  2. Plaats het verdoofde dier in rugligging op de micro-CT-scan met behulp van een muisbed. Zet de muis vast met tape om beweging tijdens het scannen te minimaliseren en plaats deze vervolgens in het portaal.
  3. Zorg er tijdens het experiment, dat ongeveer 10 minuten duurt, voor dat het dier een masker draagt om het onder het verdovingsvlak te houden terwijl u de onderhoudsdosis krijgt als dat nodig is.

2. Beeldacquisitie en reconstructie

  1. Verkrijg micro-CT-scans van het lichaam met behulp van een preklinisch beeldvormingssysteem met hoge resolutie. Leg in totaal 1.024 projecties vast met een belichtingstijd van elk 470 ms , met behulp van een vliegmodusrotatie bij een spanning van 60 kV en een stroom van 480 μA. Stel het systeem in op een vergroting van 1,25, wat resulteert in een gezichtsveld (FOV) van 94,72 mm voor een totale opnametijd van 8,02 min. Leg afbeeldingen vast met een binning van 1 x 1, wat resulteert in een resolutie van 2.368 x 2.240 pixels.
    OPMERKING: De apparatuur die in dit manuscript wordt gebruikt voor micro-CT-beelden vertoont beperkingen bij het verkrijgen van hoofdafbeeldingen vanwege de overlap met het verdovingsmasker. Bovendien wordt niet de hele staartlengte vastgelegd. Daarom hebben we de kop-en-staartanalyse uitgesloten (zie paragraaf 3).
  2. Voer een scan uit met dezelfde parameters op een cilindrisch fantoom van acryl (diameter: 2,5 cm, lengte: 11,5 cm) dat voor de helft is gevuld met gedestilleerd water om de HU voor lucht en water te bepalen. Na voltooiing van de acquisities reconstrueert u de afbeeldingen met behulp van de acquisitiesoftware met instellingen die zijn geoptimaliseerd voor ruisonderdrukking en het Filtered Back Projection (FBP)-algoritme. Reconstrueer zowel dier- als fantoombeelden in batches met behulp van een isotrope voxelgrootte van 147 μm en een matrix van 640.
  3. Zuig lucht en water HU af uit het fantoom (ruwe gegevens) met behulp van de software waarnaar wordt verwezen. Converteer de afbeeldingen naar DICOM-bestanden en corrigeer de HU-waarden.

3. Beeldanalyse

  1. Een bestand uploaden
    OPMERKING: Micro-CT is een techniek die beelden in de tijd en ruimte vastlegt en een beeldreeks genereert. Daarom is het noodzakelijk om de hele map te openen in plaats van een enkele afbeelding.
    1. Zoek in de linkerbovenhoek van de interface het 3D Slicer-menu , gemarkeerd in een grijsblauwe kleur. Klik op Gegevens toevoegen (figure-protocol-1).
    2. Wanneer een venster met twee opties verschijnt, selecteert u de eerste optie: Kies Directory om toe te voegen.
    3. Navigeer naar de map met de DICOM-afbeeldingenserie voor doeldieren en klik erop. Met deze actie wordt de map in de software geopend, zodat alle afbeeldingen tegelijkertijd kunnen worden bekeken.
    4. Bekijk de beelden die op drie schermen worden weergegeven. Elk scherm vertegenwoordigt een ander anatomisch vlak: coronaal, sagittaal en transversaal, te herkennen aan respectievelijk de kleuren groen, geel en rood.
  2. Segmentatie
    1. Zoek de Segmenteditor (figure-protocol-2) op het bovenste tabblad (Modules) en klik erop.
    2. Klik op de groene knop + Toevoegen om segmenten te maken en het HU-bereik te definiëren.
    3. Maak segmenten voor bot, mager weefsel en vetweefsel door 3x op elk segment te klikken.
    4. Dubbelklik op elk segment om het een naam te geven en in te kleuren volgens de gewenste instellingen.
    5. Stel het HU-bereik voor elk segment in met behulp van de functie Drempel, die zich aan de linkerkant van het venster bevindt. Om dit te doen, zoekt u de functie figure-protocol-3 Drempelbereik en voert u de HU-waarden voor elk weefseltype in: Mager weefsel (-29 tot 225 HU); vetweefsel (-190 tot -30 HU); bot (500 tot 5.000 HU). Klik op de knop Toepassen.
      OPMERKING: Raadpleeg aanvullende figuur S1 voor vergelijkingen van HU-waarden.
    6. Herhaal het segmentatieproces voor elk weefseltype.
    7. Klik op 3D weergeven om een 3D-rendering te genereren.
      OPMERKING: De weergave verschijnt in het blauwe kwadrant van het scherm.
  3. Het beeld opschonen
    OPMERKING: Na segmentatie en 3D-rendering moeten externe items worden uitgesloten om ervoor te zorgen dat ze niet worden opgenomen in de volumetrische metingen van mager weefsel, vetweefsel en bot. Het verwijderen van deze artefacten is essentieel om een nauwkeurige analyse te garanderen.
    1. Zoek de tool "Schaar" (figure-protocol-4) in het segmentatiemenu .
    2. Kies het anatomische vlak of de 3D-weergave voor een duidelijker beeld van het object dat moet worden verwijderd.
      1. Als u een anatomisch vlak gebruikt, klikt u op de knop Weergave maximaliseren (figure-protocol-5) op de gekleurde balk van het vlak. Gebruik in het anatomische vlakvenster de muisknop om vooruit of achteruit door de CT-scan te navigeren.
        OPMERKING: Elk venster kan afzonderlijk scrollen.
      2. Voor 3D-rendering gebruikt u de linkermuisknop om langs een as te draaien en de rechtermuisknop om in te zoomen.
        OPMERKING: Met de pijltjestoetsen op het toetsenbord kunt u de afbeelding ook draaien.
    3. Selecteer de tool Schaar en markeer de segmentatie rond het ongewenste object en omcirkel het om het uit de afbeelding te verwijderen. De software verwijdert het object automatisch.
      OPMERKING: Zorg ervoor dat de bewerking Erase Inside is geselecteerd. Als de gebruikte apparatuur afbeeldingen genereert voor een niet-biologisch beeld, zoals de kraal, het verdovingsmiddel of chirurgische apparatuur, is het belangrijk om het te verwijderen. Bovendien, als een anatomisch gebied niet volledig wordt verkregen, is het van fundamenteel belang om een anatomische referentie vast te stellen om deze gebieden te verwijderen die niet volledig zijn verkregen om herhaalbaarheid tussen experimenten te garanderen. Ongewenste objecten moeten in elk vlak worden verwijderd.
    4. Klik op het pictogram voor het herstellen van de weergavelay-out (figure-protocol-6) om terug te keren naar het scherm met de vier vensters, ongeacht het geselecteerde venster.
    5. Herhaal het proces voor alle vensters waarin het object moet worden verwijderd.
  4. Segmentatie volume
    1. Kwantificeer na de segmentatie de volumes van de segmenten met behulp van de kwantificeringsfunctie in het vervolgkeuzemenu.
      OPMERKING: Alle segmentaties moeten zichtbaar zijn voor deze actie.
    2. Navigeer naar Kwantificering | Segment statistieken. Klik op Toepassen en wacht tot de software een tabel genereert met waarden voor elke segmentatie. De software biedt twee volumewaarden voor elke segmentatie: Labelmap (LM) en Closed Surface (CS).
      OPMERKING: LM-waarde is over het algemeen geschikt voor het berekenen van segmentvolumes, waarbij het aantal voxels wordt gebruikt vermenigvuldigd met het volume van een enkele voxel. CS Value maakt gebruik van een afgevlakt oppervlaktemodel en integreert volume op basis van driehoekige oppervlakte-elementen. CS sluit beter aan op de anatomische contouren en wordt aanbevolen voor nauwkeurige metingen.
    3. Om gegevens van een nieuw dier te uploaden, slaat u de scène op en sluit u deze in het bestandsmenu .
  5. Analyse van de samenstelling van het lichaam
    1. Gebruik de volumemetingen die door de software in cm3 worden geleverd om deze volumes om te zetten in weefselmassa en pas de juiste dichtheid toe voor elk weefseltype. Gebruik de volgende weefseldichtheden gespecificeerd door de International Commission on Radiation Units and Measurements22: 0,95 g/cm³ (vetweefsel), 1,05 g/cm³ (mager weefsel) en 1,92 g/cm³ (skeletweefsel)2.
      1. Om de weefselmassa te berekenen, vermenigvuldigt u het volume (cm³) dat uit de software wordt verkregen met de respectieve weefseldichtheid (g/cm³):
        Vetweefselmassa:Volumesegmentatie X 0,95 = Massavet
        Magere weefselmassa:volumesegmentatie x 1,05 =magere massa
        Massa skeletweefsel:volumesegmentatie X 1,92 = massaskelet
        Totale massa: Massavet + Massamager + Massaskelet = MassaTotaal
  6. Meting van botlengte
    OPMERKING: Om weefselmassa te corrigeren aan de botlengte voor bepaalde analyses, is het noodzakelijk om specifieke botlengtes te verkrijgen.
    1. Keer terug naar het menu Segmenteditor . Verberg de segmentaties van vetweefsel en mager weefsel door op het oogpictogram (figure-protocol-7) naast elk segment te klikken.
      OPMERKING: Alleen de segmentatie die overeenkomt met skeletweefsel mag zichtbaar blijven.
    2. Selecteer de optie Markeringen/werkbalk in- en uitschakelen (figure-protocol-8) in de bovenhoek van het hoofdmenu. Dit opent een secundair menu net onder het hoofdmenu. Zoek de knop Nieuwe lijn maken (figure-protocol-9).
    3. Nadat u op de knop Nieuwe lijn maken hebt geklikt, navigeert u naar de 3D-reconstructie en identificeert u het bot dat moet worden gemeten.
      OPMERKING: De aanbevolen botten zijn het scheenbeen of dijbeen22.
    4. Zodra het bot is geïdentificeerd, klikt u met de linkermuisknop op het ene uiteinde van het bot en opnieuw op het andere uiteinde van het weefsel. Met deze actie kan de software de botgrootte berekenen.
      OPMERKING: Selecteer voor consistente metingen voor elk dier hetzelfde anatomische gebied van het bot. De heupkop wordt bijvoorbeeld gebruikt als het ene uiteinde en de laterale condylus als het andere uiteinde van het dijbeen.
  7. Gegevensanalyse en normalisatie
    OPMERKING: De massagegevens kunnen worden verkregen zoals uitgelegd in paragraaf 3.5 en worden gebruikt zoals ze zijn. Als alternatief kunnen de vet-, vet- en botmassa op twee manieren worden genormaliseerd.
    1. Bereken de verhouding tussen de weefselmassa en het gewicht van het dier op de dag dat de beelden worden verkregen.
      Normalisatie naar gewicht: Massamager ÷ lichaamsgewicht
    2. Bereken de verhouding tussen massa en botgrootte (bijvoorbeeld dijbeen of scheenbeen).
      Normalisatie naar dijbeen: Massamager ÷Grootte dijbeen
      Normalisatie naar scheenbeen: Massamager ÷ Groottescheenbeen
      OPMERKING: De normalisatieparameters worden gekozen op basis van de experimentele vraag. Als er veranderingen in de botgrootte worden verwacht (bijvoorbeeld: bij het vergelijken van botremodellering), wordt normalisatie naar lichaamsgewicht voorgesteld (item 3.7.1). Bovendien, als er veranderingen in lichaamsgewicht worden verwacht in uw experimentele vraag, is de lange botgrootte de voorgestelde normalisatieparameter (item 3.7.2).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

Een goede anatomische positionering van het verdoofde dier op de beeldvormingstafel zorgt voor consistente en reproduceerbare scanresultaten, wat de effectiviteit van gegevensverzameling benadrukt bij het bereiken van betrouwbare resultaten. Een goede sedatie bij dieren tijdens de beeldvorming, inclusief gespecialiseerde gasafgiftesystemen en verdampers, is van fundamenteel belang voor nauwkeurige anatomische beoordelingen (Figuur 1).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

Evaluatie door middel van tomografie is een effectieve en niet-invasieve methode voor het verkrijgen van gedetailleerde informatie over de lichaamssamenstelling. Met name Micro-CT biedt waardevolle uitkomstmaten voor preklinische studies. Op het gebied van botten heeft micro-CT verschillende toepassingen, aangezien het analyseren van de micro-architectuur23 en botremodellering24 bijzonder interessant zijn. Het beoordelen van de morfologie v...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

De auteurs verklaren geen tegenstrijdige belangen.

Dankbetuigingen

Dit onderzoek werd gefinancierd door Carlos Chagas Filho Foundation for Research Support of the State of Rio de Janeiro (FAPERJ; E-26/010.002643/2019 en E-26/201.335/2022), Coordenação de Aperfeiçoamento de Pessoal de Nível Superior -Brazil (CAPES)-001 Finance Code. Programa Institucional de bolsas de iniciação científica da Universidade Federal do Rio de Janeiro. Nationale Raad voor Wetenschappelijke en Technologische Ontwikkeling (CNPq; FFB: 001. 306236/2022-2 TMO-C: 309339/2023-5). De auteurs erkennen het National Center for Structural Biology and Bioimaging (CENABIO)/ Universidade Federal do Rio de Janeiro voor het gebruik van zijn faciliteiten, met name het microPET/SPECT/CT-platform van de Small Animal Imaging Unit (UIPA). Aanvullende figuur S1 is gemaakt met BioRender.com.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
3DSlicer, version 5.6.23D Slicer platformEen gratis en open-source software voor beeldanalyse en wetenschappelijke visualisatie.
Amide, version 1.0.1Amide platformEen gratis en open-source software gebruikt voor het corrigeren van de Hounsfield Unit waarden in de verwerkte DICOM-beelden.
Amira, version 4.1Thermo Fisher ScientificGebaat om lucht en water Hounsfield Unit waarden uit de ruwe gegevens van de fantoom te extraheren en om afbeeldingen om te zetten in DICOM-bestanden.
IsoforineCristáliaIsofluraan is een niet-brandbaar vloeibaar verdovingsmiddel voor gebruik in algemene inhalatieanesthesie door verdamping.
Triumph XO subsystemGamma Medica-Ideas FlexGeavanceerd beeldvormingssubsysteem ontworpen voor preklinische kleine dier beeldvorming, dat hoog-resolutie CT en PET capaciteiten biedt voor kwantitatieve en kwalitatieve analyse.

Referenties

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

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Meer artikelen verkennen

Lichaamssamenstingsanalysebeeldvorming van kleine dierenmeting van vetvrije massasegmentatie van vetweefsel3D-renderingHounsfield-eenheid drempelwaardemeting van botlengtepreklinische beeldvorming
Niet-invasieve kwantificering van skeletspieren bij kleine dieren met behulp van microcomputertomografie
Neem contact met ons op
Aanbevelen aan de bibliotheek

Privacy

Gebruiksvoorwaarden

Beleidsoverzicht

Copyright © 2026 MyJoVE Corporation. Alle rechten voorbehouden.