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

Methodenartikel

Retrospectieve cardiale gating met een prototype röntgengestuurde tomograaf voor kleine dieren

871 weergaven

⸱

DOI:

10.3791/67803

⸱

21 februari 2025

 ,  , 
1Department of Molecular and Medical Pharmacology, David Geffen School of Medicine, University of California, Los Angeles, 2Crump Institute for Molecular Imaging, University of California, Los Angeles, 3Jonsson Comprehensive Cancer Center, University of California, Los Angeles

In dit artikel

Samenvatting

We geven een uitgebreide beschrijving van de intrinsieke retrospectieve cardiale gating-methode van de CrumpCAT, een prototype van een röntgencomputertomografie (CT)-scanner voor kleine dieren die is ontworpen en gebouwd in onze onderzoeksinstelling.

Samenvatting

De CrumpCAT is een prototype van een röntgencomputertomografie (CT)-scanner voor kleine dieren, ontwikkeld in onze onderzoeksinstelling. De CMOS-detector met een maximale framesnelheid van 29 Hz en vergelijkbare röntgenbronnen van wolfraam met energieën variërend van 50 kVp tot 80 kVp worden veel gebruikt in in de handel verkrijgbare preklinische röntgen-CT-instrumenten. Dit maakt het beschreven werk zeer relevant voor andere instellingen, ondanks de algemeen waargenomen wijsheid dat deze detectoren niet geschikt zijn om de hoge hartslag van muizen (~600 slagen/min) af te schermen. De scanner beschikt over beeldvorming met een gemiddelde (200 μm) en hoge resolutie (125 μm) resolutie, fluoroscopie, retrospectieve ademhalingspoort en retrospectieve hartgating, met iteratieve of gefilterde projectiebeeldreconstructie. Van deze kenmerken is cardiale gating de meest bruikbare functie voor het bestuderen van hartfuncties in vivo, omdat het beeldvervaging veroorzaakt door ademhalings- en hartbewegingen effectief elimineert.

Hier beschrijven we onze methode voor preklinische intrinsieke retrospectieve cardiaal-gated CT-beeldvorming, gericht op het bevorderen van onderzoek naar in vivo hartfunctie- en structuuranalyse. De cardiac-gating-methode verwerft een groot aantal projecties met de kortste praktische belichtingstijd (~20 ms) en extraheert vervolgens retrospectief ademhalings- en hartsignalen uit temporele veranderingen in ruwe projectiesequenties. Deze signalen worden gebruikt om projecties te verwerpen die behoren tot de inspiratiefase met hoge bewegingssnelheid van de ademhalingscyclus en om de resterende projecties in 12 groepen te verdelen, die elk overeenkomen met één fase van de hartcyclus. Elke groep wordt onafhankelijk gereconstrueerd met behulp van een iteratieve methode om een volumetrisch beeld te produceren voor elke hartfase, wat resulteert in een vierdimensionale (4D) dataset.

Deze fasebeelden kunnen gezamenlijk of afzonderlijk worden geanalyseerd, waardoor een gedetailleerde beoordeling van de hartfunctie mogelijk is. We hebben de effectiviteit van beide benaderingen van de cardiac-gate-functie van de prototypescanner aangetoond door middel van representatieve in vivo beeldvormingsresultaten.

Inleiding

Onderzoek met kleine dieren maakt vaak gebruik van een combinatie van niet-invasieve beeldvormingsmodaliteiten, waarbij röntgencomputertomografie (CT) een prominente keuze is vanwege de volwassenheid, kosteneffectiviteit, snelheid 1,2 en het vermogen om aanvullende informatie te verstrekken naast andere modaliteiten zoals positronemissietomografie (PET)2,3 en computertomografie met enkelvoudige fotonemissie (SPECT)2,4. Net als andere beeldvormingstechnieken is CT echter vatbaar voor fysiologische bewegingsartefacten veroorzaakt door het kloppende hart of de ademhaling, die vervaging introduceren en de nauwkeurigheid van het onderzoek beperken.

Om deze beperking aan te pakken, kan het vervagen van ademhalings- en hartbewegingen worden beperkt door middel van een techniek die bekend staat als gating 5,6,7,8, waarbij gegevensverzameling wordt gesynchroniseerd met specifieke fasen van de hart- of ademhalingscyclus (of poorten). Een benadering om dit te bereiken, bekend als prospectieve gating 3,6, is het bevestigen van sensoren aan het dier om real-time gating-signalen aan een compatibele scanner te leveren. Hoewel deze methode effectief is, is ze arbeidsintensief en tijdrovend, vooral bij het bevestigen van sensoren aan de borst en de poten van kleine dieren zoals muizen, waardoor de schaal van onderzoeken wordt beperkt. Als alternatief omvat intrinsieke retrospectieve gating 7,9,10,11 het verkrijgen van tijdreeksgegevens zonder het gebruik van sensoren, maar door kenmerken in de gegevens te identificeren die het mogelijk maken om de resultaten retrospectief te sorteren op basis van hun fase in de hart- of ademhalingscyclus. Deze aanpak biedt resultaten die vergelijkbaar zijn met prospectieve poorten, maar zonder de noodzaak van extra hardware of de moeite die nodig is om pulssensoren aan te sluiten, en vereenvoudigt daarom experimentele protocollen aanzienlijk.

In onze methode voor preklinische cardiale CT-beeldvorming gebruiken we intrinsieke retrospectieve gating om ademhalings- en hartcycli te extraheren uit amplitudevariaties in regio's in röntgenprojecties die de meest significante veranderingen tussen opeenvolgende frames vertonen. Om dit proces te vergemakkelijken, wordt een thoraxsjabloon van de muis gecoregistreerd op de eerste posteroanterieure projectie met behulp van Wederzijdse Informatie12. Zodra de sjabloon op zijn plaats is, worden pixelintensiteiten in een venster in de buurt van het middenrif opgeteld om een surrogaat ademhalingssignaal te genereren, terwijl die in de buurt van het myocardium worden opgeteld om het surrogaathartsignaal af te leiden. Deze signalen worden vervolgens gefilterd in het tijddomein en aan elk frame in de dataset wordt een fractioneel fasenummer toegewezen (tussen 0 en 1) op basis van de ademhalings- en hartfase. Dit maakt het mogelijk om projecties te selecteren of af te wijzen op basis van hun fasewaarden. Doorgaans worden frames die overeenkomen met de eindvervalfase van de ademhalingscyclus (0,15 ≤ fase < 0,85) behouden, terwijl die uit de inspiratiefase, waar de beweging het meest uitgesproken is, worden weggegooid. De overige frames zijn gegroepeerd in 12 cardiale fasen, die elk 1/12 (0,083) van de hartcyclus vertegenwoordigen en worden gereconstrueerd in 3D-beelden met behulp van een iteratieve methode (Ordered Subset Expectation Maximization [OSEM])13,14. Het hele proces is samengevat in figuur 1.

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

Protocol

Dierexperimentele protocollen werden beoordeeld en goedgekeurd door het Institutional Animal Care and Use Committee van de University of California, Los Angeles (UCLA). In dit protocol werden C57BL/6J-muizen (8 weken oud, mannelijk, 24-26 g) gebruikt. De CT-scanner die in dit onderzoek is gebruikt, is de CrumpCAT (Figuur 2), een prototype dat in onze onderzoeksinstelling is ontwikkeld voor preklinisch onderzoek en ons de controle en flexibiliteit biedt die nodig zijn om acquisitie- en reconstructieprotocollen te optimaliseren. De methode gaat ervan uit dat verdoofde muizen een hartslag hebben die niet hoger is dan 600 slagen/min en een ademhalingsfrequentie tussen 20 en 180 ademhalingen/min15.

1. Instellingen van de apparatuur

  1. Gebruik de röntgenbron op een piekspanning van 50 kVp met een continue stroom van 200 μA.
  2. Stel de pixelsamenvoeging van de röntgencamera in op 2 en de belichtingstijd op de kortste praktische waarde (20 ms belichtingstijd plus 14 ms leestijd voor een totale bemonsteringstijd van 34 ms).
    OPMERKING: De optie zonder binning (binning 1) heeft een langzamere framesnelheid en kan daarom niet worden gebruikt voor gated acquisities. De maximale framerate ligt rond de 30 frames/s.

2. Voorbereiding van dieren

  1. Verdoof muizen met een mengsel van zuurstof en isofluraangas in een concentratie van 2,0%.
  2. Houd de dieren 10 minuten onder narcose voordat ze op de CT-beeldvorming worden gemaakt, om ervoor te zorgen dat de vitale functies stabiel zijn en dat de dieren ontspannen zijn om lichaamsbewegingen tijdens de scan te voorkomen. Beoordeel de anesthesiediepte van een muis aan de hand van het ontbreken van de teenknijpreflex wanneer u met een vingernagel stevig in het weefsel tussen de tenen knijpt.
  3. Om de hartafhankelijke beeldvorming de hartkamers te visualiseren, injecteert u intraveneus 100 μL CT-contrastmiddel door de staartader onmiddellijk vóór CT-beeldvorming (Figuur 3A).
  4. Plaats de verdoofde muis in de CT-beeldvormingskamer (Figuur 3B).

3. Gegevensverzameling

  1. Schakel de CrumpCAT-software in.
  2. Niet-gated CT-beeldvorming met hoge resolutie (125 μm, binning 1) (Figuur 4A)
    1. Voer een studie-ID in op de gebruikersinterface.
    2. Selecteer Muis Hi-Res in het vervolgkeuzemenu Protocol .
    3. Klik op de knop Scannen op de gebruikersinterface om 720 projecties te verkrijgen met een belichtingstijd van 80 ms/projectie.
  3. Niet-gated CT-beeldvorming met gemiddelde resolutie (200 μm, binning 2) (Figuur 4B)
    1. Voer een studie-ID in op de gebruikersinterface.
    2. Selecteer Muisstandaard in het vervolgkeuzemenu Protocol .
    3. Klik op de knop Scannen op de gebruikersinterface om 720 projecties te verkrijgen met een belichtingstijd van 100 ms/projectie.
  4. Gated CT-beeldvorming (200 μm, binning 2) (Figuur 4C)
    1. Voer een studie-ID in op de gebruikersinterface.
    2. Selecteer Hartpoort in het vervolgkeuzemenu Protocol .
    3. Klik op de knop Scannen op de gebruikersinterface en verkrijg 21.600 projecties met een belichtingstijd van 20 ms/projectie.

4. Voorverwerking van gegevens

OPMERKING: Voorbewerkingsstappen zijn alleen vereist voor gated acquisities. Al deze stappen worden automatisch uitgevoerd door de reconstructiesoftware en er is geen tussenkomst van een operator vereist.

  1. Signaal extractie
    1. Voor co-registratie van thoraxsjablonen laat u een kleine afbeelding (sjabloon) die een thorax van een muis met de ribben, het hart, de longen en de lever ruw voorstelt, automatisch worden geregistreerd op de eerste röntgenprojectie, door de wederzijdse informatie12 tussen de projectie en de sjabloon te maximaliseren (Figuur 5).
      OPMERKING: Alleen vertaalbewerkingen worden uitgevoerd op de sjabloon en de co-geregistreerde sjabloon wordt gebruikt om interessegebieden (ROI's) op alle projecties te identificeren.
    2. Laat voor extractie van ademhalingssignalen een rechthoekige ROI (ROI-1) in de sjabloon worden aangewezen om het diafragma weer te geven en het te genereren ademhalingssignaal door de pixelintensiteiten binnen ROI-1 voor elke projectie op te tellen (Figuur 5).
    3. Laat voor extractie van hartsignalen een tweede rechthoekige ROI (ROI-2) worden aangewezen in de sjabloon nabij het hart, en het hartsignaal wordt gegenereerd door de pixelintensiteiten in ROI-2 voor elke projectie op te tellen (Figuur 5).
      OPMERKING: De thoraxsjabloon wordt alleen op de eerste projectie geregistreerd om aan te geven welke beeldrijen en -kolommen (venster) moeten worden gebruikt voor signaalextractie. Dat venster is breed genoeg om alle projecties te omvatten, zolang het dier maar redelijk gecentreerd is, zoals het geval is bij het gebruik van ons dierenbed16.
  2. Band-doorlaat filter
    1. Laat een banddoorlaatfilter genereren door twee Sinc-functies te combineren met verschillende afsnijfrequenties in het temporele domein17, die overeenkomen met laagdoorlaatfilters in het frequentiedomein zoals hieronder beschreven.
    2. Laat de software het banddoorlaatfilter toepassen op het hartsignaal met behulp van een frequentieband van [300, 600] min-1 (Figuur 6A).
      OPMERKING: Het ongefilterde hartsignaal (Figuur 6B) bevat nog steeds een significante bijdrage van de ademhalingsbeweging.
    3. Laat op dezelfde manier het ademhalingssignaal worden gefilterd met behulp van een frequentieband van [20, 300] min-1. De hogere harmonischen worden bewaard om een signaal te produceren dat niet alleen sinusvormig is en de twee hoofdfasen duidelijker identificeert: inspiratie en uitademing.
      OPMERKING: Op dit punt kunnen zowel ademhalings- als hartsignalen gemakkelijk worden geïnterpoleerd en als continue functies van de tijd worden beschouwd voor het berekenen van het fractionele fasenummer.
  3. Fase-indeling
    1. Laat de software het begin van elke cyclus (respiratoir of hart) identificeren door de nulkruisingen van de eerste afgeleide van het signaal te vinden. Elke nuldoorgang komt overeen met een maximum in het signaal en markeert het begin van een nieuwe cyclus en het einde van de vorige. Zie voor een voorbeeld het ademhalingssignaal in figuur 7.
    2. Laat een fractionele fasewaarde (tussen 0 en 1) toekennen aan elke projectie voor elk van de twee signalen (respiratoir of hart).
      OPMERKING: Per definitie heeft het beginpunt een fractionele fasewaarde van nul (voor de huidige cyclus) of één (voor de vorige cyclus).
  4. Selectie maskers
    1. Laat 12 binaire maskers (één per hartfase) worden gemaakt om projecties te selecteren die bij elke fase horen. Elk masker bevat 21.600 vermeldingen (één per projectie) die een 0 of een 1 zijn, wat betekent dat die projectie respectievelijk wordt afgewezen of behouden.
    2. Merk voor elk masker (fase) op dat de software aangeeft of een projectie wordt behouden (1) of weggegooid (0) op basis van het fractionele fasenummer. Voor fase 0 worden projecties met een cardiale fasewaarde in het interval [0, 1/12] bewaard. Voor fase 1 worden de hartfasewaarden in het interval [1/12, 2/12] aangehouden, enzovoort.
    3. Houd er voor elk masker (fase) rekening mee dat alle projecties met een ademhalingsfase kleiner dan 0,15 of groter dan 0,85 worden afgewezen (0 in masker) omdat ze behoren tot de inspiratiefase, die de grootste beweging heeft (Figuur 8A). Figuur 8B toont de toewijzing van de cardiale fase aan projecties voor de eerste 2 s.
      OPMERKING: Er werd geen significante vertekening geïntroduceerd met dit selectieproces, aangezien het aantal projecties per fase relatief constant was op 1.800 ± 194.

5. Reconstructie van het beeld

  1. Voor niet-gated CT-scans reconstrueert u beelden met een gemiddelde (200 μm) of hoge (125 μm) resolutie met behulp van het algoritme voor gefilterde backprojectie (Feldkamp18) met een Shepp-Logan-filter.
  2. Voor cardiaal-gated CT-scans, reconstrueer elk beeld van de hartfase met behulp van het iteratieve OSEM-algoritme13, met 12 subsets en 8 iteraties, waarbij alleen rekening wordt gehouden met geselecteerde projecties die bijdragen aan een bepaalde fase (zoals aangegeven in een binair faseselectiemasker).
  3. Om ruis te verminderen, past u een mediaanfilter na reconstructie toe in de temporele dimensie (d.w.z. over afbeeldingen) en een licht 3D-Gaussiaans filter in de ruimtelijke dimensie (σ = 38 μm).
    OPMERKING: Gebruik voor respiratoire-gated beeldreconstructie alle hartfasen onduidelijk. Straalverhardingscorrectie (watercorrectie) wordt toegepast op elke reconstructie.

6. Beeldbeoordeling en kwantificering van het volume van de linkerventrikel (LV)

  1. Open het CT-beeld in een DICOM-viewer zoals Amide19 (Afbeelding 9A).
  2. Verbeter het zichtbare beeldcontrast door het CT-bereik (gemeten in Hounsfield Unit [HU]) in te stellen op [-500, 500] (Figuur 9A).
  3. Beoordeling van de beeldkwaliteit
    1. Teken een ROI voor het verkalkte gebied, dat wordt gedefinieerd als het gebied rond het maximum met een CT-waarde groter dan of gelijk aan 85% van de maximale HU-waarde (Figuur 9B).
    2. Gebruik contrast-ruisverhouding (CNR)20,21 als maatstaf om de beeldkwaliteit te beoordelen en het vermogen om kleine structuren, zoals kleine verkalkingen, te identificeren:
      figure-protocol-1,
      waarbij I en σ de gemiddelde intensiteit en standaarddeviatie van een gebied vertegenwoordigen: verkalking (subscript C) of achtergrond (subscript B).
  4. Kwantificering van het volume van de linkerventrikel
    1. Teken een 3D-ROI uit de vrije hand om de LV in elke fase te identificeren (Figuur 10A).
    2. Kwantificeer het LV-volume door voxels te berekenen met een drempel CT-waarde van 730 HU (Figuur 10B). Een grafiek van LV-volumes wordt weergegeven in figuur 10C.
      OPMERKING: De CT-waardedrempel is niet absoluut; het hangt af van het gebruikte contrastmiddel, de grootte van het dier, de stam, de gezondheidstoestand en de tijd tussen injectie en CT-beeldvorming. Amide is een vrij verspreide software die in ons instituut is ontwikkeld, maar er zijn ook andere, meer geavanceerde beeldviewers beschikbaar (bijv. ORS Dragonfly22).

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

Resultaten

We vergeleken eerst niet-gated en gated CT-beelden voor het visualiseren van hartverkalking bij muizen (mannetje, 30-32 g). Het muizenmodel van hartverkalking is gemaakt door hartletsel te induceren door snelle bevriezing-dooi van hartweefsel (cryo-letsel), zoals eerder beschreven23. Met de niet-omheinde CT-beeldvormingsprotocollen werden hartverkalkingen duidelijker geïdentificeerd op het beeld met hoge resolutie (125 μm, binning 1) (Figuur 1...

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

Discussie

De specifieke hardware-implementatie die hier wordt beschreven, is een op maat gemaakt röntgen-CT-systeem dat uniek is voor ons instituut, maar de specifieke detector wordt veel gebruikt in in de handel verkrijgbare preklinische röntgen-CT-instrumenten, waardoor het beschreven werk relevant is voor andere instellingen. Dit systeem is functioneel het prototype voor twee in de handel verkrijgbare en veelgebruikte in vivo röntgenmicroCT-subsystemen die zijn ingebed
in preklinisc...

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

Openbaarmakingen

Dr. Richard Taschereau is consultant bij Sofie Biosciences en Xodus Imaging. Dr. Arion F. Chatziioannou is een van de oprichters van Sofie Biosciences.

Dankbetuigingen

We danken alle leden van het UCLA Crump Preclinical Imaging Technology Center voor hun hulp en ondersteuning. In het bijzonder bedanken we Mikayla Tamboline en Isabel Day voor het voorbereiden van de dieren op cardiale CT-beeldvorming en bedanken we Sophie Shumilov voor het genereren van enkele van de ROI's van de linkerventrikel tijdens het onderzoek. We danken ook Drs. Arjun Deb en Yijie Wang (UCLA) voor het verstrekken van de muizenmodellen van acuut ischemisch hartletsel voor microCT-beeldvorming van hartverkalking. Dit werk wordt ondersteund door NIH Cancer Center Support Grant (2 P30 CA016042-44).

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

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
C57BL/6J muizenJackson Laboratory664Mannetje, 8 weken oud, 24-26 g
Dexela cameraVarex1512Detector, 20 ms belichting, 74.8/149.6 µm pixel
VivoVistNanoprobes1301-5X0.25MLCT Contrastmiddel
RöntgenbronMoxtekTUB0008250 kV piek, 200 µA, 1,0 mm dikke Al-filter

Referenties

  1. Schambach, S. J., Bag, S., Schilling, L., Groden, C., Brockmann, M. A. Application of micro-CT in small animal imaging. Methods. 50 (1), 2-13 (2010).
  2. Koba, W., Jelicks, L. A., Fine, E. J. MicroPET/SPECT/CT imaging of small animal models of disease. Am J Pathol. 182 (2), 319-324 (2013).
  3. Hutchins, G. D., Miller, M. A., Soon, V. C., Receveur, T. Small animal PET imaging. ILAR J. 49 (1), 54-65 (2008).
  4. Franc, B. L., Acton, P. D., Mari, C., Hasegawa, B. H. Small-animal SPECT and SPECT/CT: important tools for preclinical investigation. J Nucl Med. 49 (10), 1651-1663 (2008).
  5. Badea, C. T. H. L., Hedlund, L. W., Johnson, G. A. Micro-CT with respiratory and cardiac gating: Micro-CT with respiratory and cardiac gating. Med Phys. 31 (12), 3324-3329 (2004).
  6. Guo, X., Johnston, S. M., Qi, Y., Johnson, G. A., Badea, C. T. 4D micro-CT using fast prospective gating. Phys Med Biol. 57 (1), 257(2011).
  7. Drangova, M., Ford, N. L., Detombe, S. A., Wheatley, A. R., Holdsworth, D. W. Fast retrospectively gated quantitative four-dimensional (4D) cardiac micro computed tomography imaging of free-breathing mice. Invest Radiol. 42 (2), 85-94 (2007).
  8. Blocker, S. J., Holbrook, M. D., Mowery, Y. M., Sullivan, D. C., Badea, C. T. The impact of respiratory gating on improving volume measurement of murine lung tumors in micro-CT imaging. PLoS One. 15 (2), e0225019(2020).
  9. Bartling, S. H., et al. Retrospective motion gating in small animal CT of mice and rats. Invest Radiol. 42 (10), 704-714 (2007).
  10. Kuntz, J., et al. Fully automated intrinsic respiratory and cardiac gating for small animal CT. Phys Med Biol. 55 (7), 2069(2010).
  11. Hahn, A., Sauppe, S., Lell, M., Kachelrieß, M. Automatic intrinsic cardiac and respiratory gating from cone-beam CT scans of the thorax region. SPIE Proc. Med Imaging. 9783, 200-205 (2016).
  12. Maes, F., Vandermeulen, D., Suetens, P. Medical image registration using mutual information. Proc IEEE. 91 (10), 1699-1722 (2003).
  13. Sheng, J., Chen, B., Ma, Y., Shi, Y. A novel reconstruction approach combining OSEM and split Bregman method for low dose CT. Biomedical Signal Processing and Control. 62, 102095(2020).
  14. Romdhane, H., Cherni, M. A., Sallem, D. B. On the efficiency of OSEM algorithm for tomographic lung CT images reconstruction. 2016 Second International Image Processing, Applications and Systems (IPAS). , (2016).
  15. Ewald, A. J., Werb, Z., Egeblad, M. Monitoring of vital signs for long-term survival of mice under anesthesia. Cold Spring Harb Protoc. 2, 5563(2011).
  16. Suckow, C., et al. Multimodality rodent imaging chambers for use under barrier conditions with gas anesthesia. Mol Imaging Biol. 11 (2), 100-106 (2009).
  17. Owen, M. Practical signal processing. , Cambridge University Press. 81(2007).
  18. Feldkamp, L. A., Davis, L. C., Kress, J. W. Practical cone-beam algorithm. J Opt Soc Am. A-optics Image Sci Vision. 1 (6), 612-619 (1984).
  19. Loening, A. M., Gambhir, S. S. AMIDE: A free software tool for multimodality medical image analysis. Mol Imaging. 2 (3), 131-137 (2003).
  20. Rodriguez-Molares, A., et al. The generalized contrast-to-noise ratio: A formal definition for lesion detectability. IEEE Trans Ultrason Ferroelectr Freq Control. 67 (4), 745-759 (2020).
  21. Patterson, M. S., Foster, F. S. The improvement and quantitative assessment of B-mode images produced by an annular array/cone hybrid. Ultrason Imaging. 5 (3), 195-213 (1983).
  22. Dragonfly 2022.2. , Comet Technologies Canada Inc. https://www.theobjects.com/dragonfly (2022).
  23. Pillai, I. C. L., et al. Cardiac fibroblasts adopt osteogenic fates and can be targeted to attenuate pathological heart calcification. Cell Stem Cell. 20 (2), 218-232 (2017).
  24. Li, S., et al. A humanized monoclonal antibody targeting an ectonucleotidase rescues cardiac metabolism and heart function after myocardial infarction. Cell Rep Med. 5 (11), 101795(2024).
  25. Nadkarni, R., Clark, D. P., Allphin, A. J., Badea, C. T. Investigating deep learning strategies for fast denoising of 5D cardiac photon-counting micro-CT images. Phys Med Biol. 69 (20), 205010(2024).

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

Herprints en machtigingen

Trefwoorden

CT scanning van kleine dierenr ntgen computed tomographyretrospectieve gatingbeeldvorming van de hartfunctiepreklinische CT beeldvormingextractie van het ademhalingssignaalextractie van het hartaudiosignaalkwantificering van de linker ventrikelvolumetrische beeldreconstructie
Retrospectieve cardiale gating met een prototype röntgengestuurde tomograaf voor kleine dieren
Neem contact met ons op
Aanbevelen aan bibliotheek

Privacy

Gebruiksvoorwaarden

Beleid

Copyright © 2026 MyJoVE Corporation. Alle rechten voorbehouden.