Method Article

Longitudinale microcomputertomografiebeeldanalyse voor door de gebruiker gedefinieerd interessegebied bij botdefecten van kritieke grootte

DOI:

10.3791/67904

⸱

June 24th, 2025

 ,  ,  ,  , 
1Department of Biomedical Engineering, University of Rochester, 2Center for Musculoskeletal Research, Department of Orthopaedics, University of Rochester Medical Center, 3Department of Translational Biomedical Science, University of Rochester Medical Center, 4Department of Orthopaedics, University of Rochester Medical Center

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

We presenteren een methode voor het analyseren van een door de gebruiker gedefinieerd interessegebied (ROI) in een longitudinaal in vivo radiaal defectmodel van ratten. Deze methode maakt een vergelijkende analyse mogelijk tussen verschillende steigers die voorheen werden beperkt door variaties in het gezichtsveld van de microcomputertomografie (μCT), de oriëntatie van het monster en de basislijnaanwezigheid van steigers.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Micro-computertomografie (μCT) beeldvormingsanalyse van botvolume is een noodzakelijk kwantitatief hulpmiddel voor het onderzoeken van het potentieel en de resultaten van botregeneratie in longitudinale in vivo onderzoeken. Gevestigde methoden voor botsegmentatie maken gebruik van visualisatiesoftware voor μCT-segmentatie van het hele bot en uitlijning van complexe anatomische structuren. Deze segmentatieprotocollen bieden een robuuste, zeer nauwkeurige methode voor segmentatie, uitlijning en analyse, maar zijn beperkt in de mogelijkheden van door de gebruiker gedefinieerde interessegebied (ROI) -analyse. We presenteren een protocol dat deze methoden uitbreidt om door de gebruiker gedefinieerde ROI-botvolumeanalyse rond een botdefect van kritieke grootte mogelijk te maken. De door de gebruiker gedefinieerde ROI rond het defect kan in de loop van de tijd worden geanalyseerd voor in vivo longitudinale studies. Hierin onderzoeken we μCT-beelden van drie unieke rattenspecimens die elk zijn geïmplanteerd met een polycaprolacton (PCL) controlesteiger. Modellen worden geanalyseerd door drie gebruikers (2 ervaren en 1 beginner) op tijdstippen van 0 en 6 weken om het vermogen te illustreren om een ROI te meten rond een defect van kritieke grootte tijdens een longitudinaal onderzoek.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Botdefecten van kritieke grootte vormen aanzienlijke klinische uitdagingen bij de behandeling van orthopedische behandelingen. Volgens ASTM F2721 wordt een defect van kritische grootte gekenmerkt als een defect met een lengte van 1,5 tot 2 keer de diameter van het bot van belang1. Reparatie van deze defecten geschiedt van oudsher door het gebruik van autologe en allogene transplantaties, beperkt door de procedurele kosten, de bijbehorende risico's van secundaire operaties en het vereiste bottransplantaatvolume2. De huidige botregeneratietechnieken richten zich op het gebruik van allogene en xenogene steigers die zijn ontworpen om zowel osteogeleidende als osteoinductieve effecten te produceren door hun mechanische eigenschappen, biocompatibiliteit, bioactiviteit, angiogeen potentieel en afbraakprofielen te optimaliseren 3,4,5. De onderzochte biomaterialen variëren in grote lijnen van biokeramiek en biopolymeren tot metalen en andere composietmaterialen6. Variaties van deze biomaterialen worden zowel in vitro als in vivo getest om hun potentieel als botregeneratiesteigers te onderzoeken.

μCT is de gouden standaard voor niet-invasieve, zeer nauwkeurige beeldvorming voor de beoordeling van botmorfologie, structuur en microstructuur in knaagdiermodellen 7,8,9. Deze beeldvormingsmodaliteit is beschreven om de longitudinale, in vivo progressie van botregeneratie in fractuurgenezingsmodellen te beoordelen10. Er zijn methoden ontwikkeld om de kwantificering van corticaal en trabeculair bot uit μCT-scans te standaardiseren9. Er zijn semi-geautomatiseerde segmentatieworkflows ontwikkeld met behulp van in de handel verkrijgbare visualisatiesoftware voor segmentatie van hele botten met complexe anatomische structuren11. Deze methoden maken vereenvoudigde, toegankelijke methoden mogelijk voor gebruikers op verschillende ervaringsniveaus om gestandaardiseerde, reproduceerbare resultaten te produceren. Deze methoden blijven echter beperkt in mogelijkheden om door de gebruiker gedefinieerde ROI te onderzoeken.

Hier presenteren we een protocol dat voortbouwt op de huidige methoden om door de gebruiker gedefinieerde ROI-botvolumeanalyse mogelijk te maken rond een botdefect van kritieke grootte voor longitudinale in vivo rattenmodellen met behulp van visualisatiesoftware. Het vaststellen van een consistente uitlijning en ROI-selectiemethode tussen de weken van het longitudinale onderzoek was essentieel voor de ontwikkeling van een robuust protocol. Een eerste tijdstip wordt gebruikt als basis voor de uitlijning van de volgende weken om een consistente oriëntatie van solide modellen te garanderen. Op voorwaarde van deze uitlijning kunnen overeenkomstige μCT-beeldsegmenten uit de overlappende vaste modellen worden geselecteerd, die het defect van de kritieke grootte omvatten. Consistente ROI wordt niet alleen geverifieerd door de locatie van de segmenten, maar ook door vergelijking van het aantal segmenten binnen de regio. De geselecteerde ROI van het basismodel kan vervolgens in de daaropvolgende weken worden gerepliceerd, waardoor een vergelijkende, kwantitatieve analyse mogelijk is.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Longitudinale μCT-beelden voor deze studie werden verzameld in week 0 en 6 van 3 mm kritieke radiale defecten bij volwassen vrouwelijke Charles River SASCO-SD-ratten die werden behandeld met een op polycaprolacton (PCL) gebaseerde steiger. Al het gebruik van dieren werd uitgevoerd in overeenstemming met protocollen die zijn goedgekeurd door het Committee on Animal Resources (UCAR) van de Universiteit van Rochester. μCT-beeldverzameling werd uitgevoerd met behulp van Scanco Medical VivaCT 40.

OPMERKING: De primaire stappen in dit protocol zijn onderverdeeld in μCT-beeldsegmentatie, uitlijning, ROI-selectie en bijsnijden, en analyse en visualisatie (Afbeelding 1). Het protocol voor μCT-beeldsegmentatie is een bewerking van Kenney et al. (2022)11.

figure-protocol-1
Figuur 1: Samenvattend werkstroomdiagram. De protocolstappen zijn voornamelijk onderverdeeld in beeldsegmentatie, modeluitlijning, ROI-selectie en volumeanalyse. Klik hier om een grotere versie van deze figuur te bekijken.

1. μCT-beeldsegmentatie

  1. Afbeeldingen openen in de software
    1. Start de Amira-software (hierna visualisatiesoftware genoemd) en selecteer Open Data. Navigeer in het pop-upvenster naar de gewenste mapmap om het begintijdstip .dcm bestanden te selecteren. Druk op CTRL+A om alle afbeeldingen te selecteren en klik op Afbeeldingen openen.
    2. Een pop-upvenster toont informatie over de gegevensset van de geopende afbeelding; klik op OK om verder te gaan.
    3. Er verschijnt een waarschuwing over schalen. Klik op Converteren naar zwevend (de standaardoptie) om door te gaan.
    4. Het pictogram van de gegevensset wordt weergegeven in de sectie Projectweergave . Als u de naam van de gegevensset wilt wijzigen, klikt u één keer op het pictogram van de gegevensset en drukt u op F2; zodra de gewenste naam is ingevoerd, klikt u op OK. Stel een naamgevingspatroon op om de scan te identificeren (bijvoorbeeld 'Bone Scaffold Material' - 'WKX').
  2. Filteren en drempelwaarden van het μCT-beeld
    1. Met afbeeldingen geladen in de sectie Projectweergave , klikt u op Ortho Slice standaard 2D-viewer om 2D-oriëntaties en segmenten weer te geven. Een 2D-visualisatie verschijnt in het weergavevenster aan de rechterkant.
    2. Als u de afbeeldingen in 3D wilt visualiseren, klikt u met de rechtermuisknop op de gegevensset, zoekt u naar Volumerendering en selecteert u. In het gedeelte Eigenschappen voor de volumeweergave past u de onderdrempel van Colormap aan op 2500 en drukt u op Enter.
      OPMERKING: 2D en 3D kunnen worden in- en uitgeschakeld door op het blauwe vierkant naast respectievelijk Ortho Slice of Volume Rendering te klikken. Voor het weergavevenster aan de rechterkant zijn meerdere weergaveopties beschikbaar langs de bovenkant van de balk. Deze omvatten verschillende hulpmiddelen voor het verplaatsen, roteren of in- en uitzoomen van de afbeelding; hulpmiddelen voor het wijzigen van de beeldoriëntatie naar XY-, XZ- en YZ-weergaven, en hulpmiddelen voor eenvoudige metingen.
    3. Indien nodig kunnen voor sommige gegevenssets artefacten of gegevens buiten het interessegebied worden verwijderd met behulp van een volumebewerking. Als u een volumebewerking wilt toevoegen, klikt u met de rechtermuisknop op de gegevensset, zoekt u naar Volumebewerking en selecteert u.
    4. Klik op de Volume bewerken in de sectie Projectweergave . Selecteer in de sectie Eigenschappen de optie TabBox in de eerste vervolgkeuzelijst rechts van Tool.
    5. Wanneer u de regio's selecteert die u wilt behouden, past u de tabbox aan door op de groene hoeken te klikken en deze te slepen met behulp van de Interact-cursor (het puntige cursorpictogram langs de bovenste balk van het weergavevenster). Voor het aanpassen van de tabbladen moet mogelijk alternatieve weergaven (XY, XZ of YZ) worden gebruikt om de regio's te identificeren die moeten worden verwijderd.
    6. Zodra de tabbladen de te behouden regio omringen, selecteert u Buiten knippen om het artefact of de gegevens buiten de tabbladen te verwijderen. In de projectweergave wordt een nieuwe, aangepaste dataset gegenereerd.
    7. Klik op de tekenreeks Volume Rendering en sleep deze van de oorspronkelijke gegevensset naar de gewijzigde gegevensset. Hierdoor wordt de afbeelding die in het weergavevenster wordt weergegeven, gewijzigd in de gewijzigde gegevensset. In het gedeelte Eigenschappen voor de volumeweergave past u de onderdrempel van Colormap aan op 2500 en drukt u op Enter.
    8. Klik met de rechtermuisknop op de gewijzigde gegevens, zoek naar Mediaanfilter en selecteer. Selecteer in de sectie Eigenschappen voor het mediaanfilter de optie 3D voor interpretatie en klik op Toepassen. Hiermee wordt een nieuwe gefilterde (.gefilterde) gegevensset gemaakt in de sectie Projectweergave .
    9. Klik met de rechtermuisknop op de gefilterde gegevens, zoek naar Interactieve drempelwaarde en selecteer. Selecteer in de sectie Eigenschappen voor de interactieve drempelwaarde de optie 3D voor Voorbeeldtype, pas de lagere waarde voor het intensiteitsbereik aan op 2500 en klik op Toepassen. Hiermee wordt een nieuwe gegevensset met drempelwaarden (.thresholded) gemaakt in de sectie Projectweergave .
    10. Klik op de tekenreeks Volume Rendering en sleep deze van de gewijzigde gegevensset naar de gegevensset met drempelwaarden. Schakel de interactieve drempel uit en de volumeweergave aan (indien uitgeschakeld).
  3. Het μCT-beeld segmenteren
    1. Klik op de gefilterde gegevensset en ga vervolgens naar het tabblad Segmentatie door onder de menubalk op Segmentatie te klikken. Op het tabblad Segmentatie zijn de besturingselementen vergelijkbaar met die op het tabblad Project .
      OPMERKING: Er zijn enkele aanvullende hulpmiddelen die relevant zijn voor het weergavevenster op het tabblad Segmentatie . Er is een +/- zoomknop in de bovenhoek van het kijkvenster die kan worden gebruikt zodat het beeld het kijkvenster vult. De afbeelding kan worden gecentreerd in het weergavevenster met behulp van de linker/rechts-schuifbalk langs de onderkant van het weergavevenster. Boven deze schuifbalk is een tweede schuifbalk aanwezig om door de μCT-gegevenssegmenten te bewegen.
    2. Om ervoor te zorgen dat het tabblad Segmentatie op de juiste manier is ingesteld, wordt onder de sectie Segmentatie-editor de afbeelding ingesteld op de gefilterde gegevensset en wordt het veld Label ingesteld op de drempelgegevensset. Dubbelklik in het gedeelte Materialen op het materiaal met de naam Materiaal en hernoem dit naar Bot.
    3. Klik op Nieuw onder de segmentatie-editor om een nieuw labelveld te maken. Wijzig in het pop-upvenster de naam hiervan met een vergelijkbare naamgevingsconventie (bijvoorbeeld 'Bone Scaffold Material' - 'WKX' - Markers) als voorheen en als Markers en klik op OK.
    4. Pas het 2D-weergavevenster aan met behulp van alternatieve weergaven (XY, XZ of YZ) om een sagittale of coronale vlakweergave van de afbeelding weer te geven.
    5. Gebruik penseel, lasso, toverstok en drempel in de sectie Selectie om de interessegebieden te identificeren. Selecteer voor dit protocol het penseel . Pas de grootte van het penseel aan; Over het algemeen werkt een middelgrote aanwijzer goed.
    6. Pas de afbeeldingsstapel aan naar het eerste segment waar het radiusbot zichtbaar begint te worden. Dit kan betekenen dat de plakjes meerdere keren moeten worden doorlopen om te bepalen welke volumes bij de straal en de ellepijp horen en wanneer ze beginnen.
    7. Zodra het segment is geïdentificeerd, gebruikt u de penseelcursor om te tekenen door met de cursor rond dit botsegment te klikken en te slepen. Er verschijnt een rode lijn op de plaats waar de cursor is getekend. Teken binnen het deel van het bot, niet buiten het bot; Dit zal de visualisatiesoftware helpen bij het onderscheiden tussen de twee botten.
    8. Ga door met het doornemen van segmenten en teken rond de straal. Over het algemeen kunnen via het middengedeelte van de afbeeldingsstapel tekeningen worden gemaakt om de 20-30 afbeeldingssegmenten. Maak langs het einde van de afbeeldingsstapel of rond het defect van de kritieke grootte tekeningen om de 5-10 afbeeldingssegmenten om de visualisatiesoftware te helpen wanneer het bot in- of uitfadt.
    9. Zodra de volledige lengte van de straal is voltooid, klikt u op Selecteren, Vullen en vervolgens op Alle segmenten in de vervolgkeuzelijst van de menubalk. Hiermee worden alle tekeningen gevuld die met het penseel zijn gemaakt. Deze worden nu weergegeven als rood gearceerd in plaats van omtrek.
    10. Klik op Selecteren en interpoleren in de vervolgkeuzelijst van de menubalk. Dit vult gearceerde gebieden van radiusbot over alle plakjes op basis van de gemaakte tekeningen.
      OPMERKING: Hierdoor zullen af en toe enkele delen van het bot ontbreken. Voordat u verder gaat, scrolt u door alle plakjes om er zeker van te zijn dat het bot over het algemeen is geïdentificeerd. Als er een deel van het bot is gemist, gebruik dan het penseel om rond dit gebied te cirkelen op een paar plakjes rond het ontbrekende deel en herhaal de bovenstaande twee stappen (1.3.9 en 1.3.10).
    11. Zodra de straal volledig is geïdentificeerd, dubbelklikt u onder de sectie Materialen op het materiaal met de naam Binnen en wijzigt u de naam hiervan in Straal.
    12. Klik op het symbool met de toevoeging (+) onder de sectie Selectie om dit als materiaal toe te voegen. De straal wordt nu aangegeven in het weergavevenster. Klik op het slotpictogram voor het Radius-materiaal in de sectie Materialen voordat u verder gaat; Dit zorgt ervoor dat er geen wijzigingen in dit materiaal worden aangebracht.
    13. Voltooi hetzelfde proces voor het ellepijpbot. Klik in de sectie Materialen op Toevoegen om een nieuw materiaal te maken. Dubbelklik op het nieuwe materiaal en hernoem het naar Ulna.
    14. Herhaal stap 1.3.6 tot en met 1.3.12 voor het ellepijpbot.
    15. Nadat u de stappen voor zowel de Radius- als de Ulna-botten hebt voltooid, ontgrendelt u de Radius door op het slotpictogram voor het Radius-materiaal in de sectie Materialen te klikken. Ga naar het tabblad Project door op Project onder de menubalk te klikken. Er is nu een gegevensset met de naam Markeringen die wordt toegepast op de gefilterde gegevensset in de sectie Projectweergave.
    16. Klik met de rechtermuisknop op de gefilterde gegevensset en zoek naar Marker Based Watershed Inside Mark (Image Segmentation) en selecteer. Door in de sectie Eigenschappen op de vervolgkeuzemenu's te klikken, stelt u de Gegevensset Gegevens als de gefilterde gegevensset, de Gegevensset Markeringen als markeringen en het binaire masker in als de drempelgegevensset en klikt u op Toepassen.
    17. Er wordt een .growd-bestand gegenereerd in de sectie Projectweergave . Klik en sleep de tekenreeks Volume Rendering van de drempelgegevensset naar de .grown-gegevensset om de segmentatie van de straal en het ellepijpbot in het weergavevenster te visualiseren.
    18. Om het .grown-bestand naar 8-bits te converteren, klik je op de .grown-dataset en zoek je naar Afbeeldingstype converteren en selecteer je. Het .grown-bestand wordt geconverteerd van 16-bit naar 8-bit.

2. Uitlijning

  1. Uitlijning van de as en extractie van radius en ellepijp
    OPMERKING: Als het huidige model het eerste tijdstip is, moeten alle stappen worden voltooid. Begin anders met dit gedeelte bij stap 2.1.4. Om een dwarsdoorsnede van de straal mogelijk te maken, moet het initiële tijdpuntmodel loodrecht op het Ortho Slice-vlak worden uitgelijnd; Dit model zal dienen als basis voor de uitlijning van de volgende weken.
    1. Schakel in het gedeelte Projectweergave de Ortho Slice in (indien uitgeschakeld) en klik vervolgens op de .grown-dataset. Klik in het gedeelte Eigenschappen op het pictogram Transformatie-editor . Pas met de Interact-cursor de hoek van de straal en de ellepijp aan door op de uitlijningspunten van de groene as te klikken, zodat de Ortho Slice een dwarse snede door de straal maakt.
    2. Zodra dit is uitgelijnd, moet er een nieuwe dataset worden gemaakt om deze transformatie op te slaan. Klik met de rechtermuisknop op de .grown-dataset, zoek naar Resample Transformed Image en selecteer.
    3. Klik op de Getransformeerde afbeelding opnieuw berekenen en stel in de sectie Eigenschappen de gegevens in op de .grown-gegevensset, Interpolatie op Dichtstbijzijnde buur, Modus op uitgebreid, Behouden op Voxelgrootte en Opvullingswaarde op 0. Klik op Toepassen en er wordt een nieuwe .transformed-gegevensset gemaakt.
    4. Om de straal en ellepijp uit het gecombineerde segmentatiemodel te extraheren, klikt u met de rechtermuisknop op de .transformed gegevensset, zoekt u naar Label extraheren en selecteert.
    5. Klik op het label extraheren, in het gedeelte Eigenschappen , stel de labels in op de .transformed dataset , label-ID op 1 en Exporteren op binair aangevinkt. Klik op Toepassen en er wordt een resultatengegevensset gemaakt.
    6. Klik en sleep de tekenreeks Volume Rendering van de .grown-gegevensset naar de gegevensset Resultaat . Klik op de gegevensset Resultaat en druk op F2 om de naam van het bestand te wijzigen (bijvoorbeeld 'Bone Scaffold Material' - 'WKX' - Radius).
    7. Herhaal stap 2.1.4 tot en met 2.1.6 voor de ellepijp door de label-ID in te stellen op 2 en het resultaatbestand voor de ellepijp te hernoemen.
  2. Bestanden opslaan en openen van longitudinale afbeeldingen
    OPMERKING: Als het huidige model het eerste tijdstip is, moeten alle stappen worden voltooid. Begin anders met dit gedeelte bij stap 2.2.2.
    1. Als u het oorspronkelijke tijdpuntbestand wilt opslaan, klikt u op Bestand, Project opslaan als en Bestandsmaplocatie instellen in de vervolgkeuzelijst van de menubalk. Stel het opslagtype in als een Amira Project- en gegevensbestanden (pack &go) (*.hx) en geef het bestand een naam als de masterversie (bijvoorbeeld 'Bone Scaffold Material'_ 'WKX' MASTER).
    2. Open het eerste modelbestand voor het begintijdstip (als dit nog niet is geopend) en sla een kopie op door te klikken op Bestand, Project opslaan als en Bestandsmaplocatie instellen in de vervolgkeuzelijst van de menubalk. Stel het opslagtype in als een Amira Project en gegevensbestanden (pack &go) (*.hx) bestand en geef het bestand een naam (bijvoorbeeld 'Bone Scaffold Material'_ 'WK0' en 'WKX'). Dit bestand wordt gebruikt om het begintijdstip te vergelijken met de daaropvolgende weken zonder het masterbestand te overschrijven.
    3. Open in het nieuwe vergelijkingsbestand de afbeeldingen voor het vergelijkingstijdstip door te klikken op Open Data in de sectie Projectweergave . Navigeer in het pop-upvenster naar de gewenste mapmap om het begintijdstip .dcm bestanden te selecteren. Druk op CTRL+A om alle afbeeldingen te selecteren en klik op Afbeeldingen openen.
    4. Een pop-upvenster geeft informatie over de geopende afbeeldingsgegevensset; klik op OK om verder te gaan.
    5. Er verschijnt een waarschuwing over schalen. Klik op Converteren naar zwevend (de standaardoptie) om door te gaan.
    6. Het pictogram van de gegevensset wordt weergegeven in de sectie Projectweergave . Als u de naam van de gegevensset wilt wijzigen, klikt u één keer op het pictogram van de gegevensset en drukt u op F2; zodra de gewenste naam is ingevoerd, klikt u op OK. Er kan een naamgevingspatroon worden opgesteld om de scan te identificeren (bijvoorbeeld 'Bone Scaffold Material' - 'WKX').
  3. Uitlijning van het model
    OPMERKING: In dit proces wordt de uitlijning van de botsegmentaties met spaakbeen besproken. Hetzelfde proces kan indien nodig op de ellepijp worden toegepast. Lijn niet beide botten tegelijkertijd uit; Dit zal problemen veroorzaken met de juiste uitlijning.
    1. Schakel een van de oorspronkelijke tijdstippen Volume Rendering uit. Er wordt niets weergegeven in het weergavevenster.
    2. Klik met de rechtermuisknop op de vergelijkingsgegevensset (volgende week), zoek naar Ortho Slice en selecteer.
    3. Herhaal sectie 1 (beginnend bij stap 1.2), sectie 2 (stap 2.1) na eventuele aanvullende opmerkingen voor de meegeleverde stapnummers. Na voltooiing van deze secties gaat u verder bij stap 2.3.4. Voltooiing van deze secties zal de segmentatie van de dataset van de volgende week opleveren en de spaakbeenderen en ellepijpen extraheren.
    4. Klik met de rechtermuisknop op de vergelijkingsgegevensset (volgende week) voor het geëxtraheerde radiusbot, zoek naar de wizard Afbeeldingsregistratie en selecteer. Stel in de sectie Eigenschappen Gegevens in als de gegevensset van de vergelijkingsweek voor het geëxtraheerde spaakbeen, Verwijzing als de gegevensset met het oorspronkelijke tijdstip voor het geëxtraheerde spaakbeen.
    5. Klik voor de sectie Acties van de wizard Afbeeldingsregistratie op Overslaan voor stap 1 van 4. Voor stap 2 en 3 van 4 past u met behulp van de Interact-cursor de TabBox aan op het gemeenschappelijke gebied tussen zowel het oorspronkelijke tijdstip als de gegevenssets van de vergelijkingsweek door te klikken op Toepassen onder Actie na elke stap. Stel voor stap 4 van 4 Metrisch in als Correlatie, Transformatie als Rigide en Pre-alignment als Hoofdassen uitlijnen en klik op Toepassen onder Actie.
    6. Zodra de gegevenssets zijn uitgelijnd, klikt u met de rechtermuisknop op de vergelijkingsgegevensset (volgende week) voor het geëxtraheerde spaakbeen en zoekt u naar Getransformeerde afbeelding opnieuw samplen en selecteert. Stel in de sectie Eigenschappen de gegevens in als de gegevensset van de vergelijkingsweek voor het geëxtraheerde radiusbot, Interpolatie naar Dichtstbijzijnde buur, Modus naar Uitgebreid, Behouden naar Voxelgrootte en Opvullingswaarde naar 0 en klik op Toepassen. Er wordt een nieuwe .transformed dataset gemaakt voor de vergelijkingsdataset.

3. ROI-selectie en bijsnijden

OPMERKING: Voltooi eerst de ROI-uitsnede om het aantal plakjes rond de breuk van kritieke grootte te bepalen. Zodra deze plaknummers zijn bepaald, kunnen deze indien nodig op hetzelfde tijdstip voor de ellepijp worden gebruikt. Voor dit proces kan het bijsnijden niet worden teruggedraaid nadat het op het model is toegepast.

  1. Regio van belang gewas
    1. Klik op en schakel de Ortho Slice in voor het initiële tijdstip en stel de Data in op de initiële tijdpuntdataset voor de geëxtraheerde straal. Stel de oriëntatie zo in dat het vlak een dwarse snede door het radiusbot oplevert.
    2. Wijzig met behulp van de schuifbalk Segmentnummer in de sectie Eigenschappen het segmentnummer om de proximale en distale segmentlocaties rond het defect van de kritieke grootte te bepalen. Bepaal voor beide plakjes de plak die het meest distaal en proximaal is waar de breuk de diafyse van het spaakbeen ontmoet. Documenteer het plaknummer; Dit aantal verschilt per model.
    3. Klik op en zet de Ortho Slice aan voor de vergelijkingsweek en stel de gegevens in op de initiële tijdpuntgegevensset voor de geëxtraheerde straal. Stel de oriëntatie zo in dat het vlak een dwarse snede door het radiusbot oplevert.
    4. Gebruik de schuifbalk Segmentnummer in de sectie Eigenschappen en met de gegevensset voor het eerste tijdstip waarop de distale orthoschijf wordt weergegeven, en wijzig het segmentnummer van de vergelijkingsweek zodat het wordt uitgelijnd met het distale segment van het oorspronkelijke tijdstip. De visualisatiesoftware maakt een visuele controle op uitlijning mogelijk; Wanneer de segmenten elkaar overlappen, worden ze als één segment in het weergavevenster weergegeven.
    5. Noteer het plaknummer voor het distale segment van de gegevensset van de vergelijkingsweek. Herhaal stap 3.1.4 voor de proximale plak.
      OPMERKING: Bepaal als extra controle het verschil tussen de proximale en distale plak voor zowel de initiële als de vergelijkingsweekdatasets. Deze waarden moeten gelijkwaardig zijn en een ROI van consistente omvang illustreren.
    6. Klik op het begintijdstip voor de geëxtraheerde straal. Klik in het gedeelte Eigenschappen op de tool Editor voor bijsnijden .
    7. Voer in de pop-up van de bijsnijdeditor de minimum- en maximumwaarden in het juiste X-, Y- of Z-veld in (het weergavevenster wijzigt de ROI wanneer deze worden ingevoerd). Zodra de waarden zijn ingevoerd, klikt u op OK. De gegevensset wordt bijgesneden tot de ROI van de invoer.
    8. Herhaal stap 3.1.7 voor de gegevensset van de vergelijkingsweek.

4. Analyse en visualisatie

  1. Volume-analyse
    1. Als u het volume van de gegevensset voor het begintijdstip wilt bepalen, klikt u met de rechtermuisknop op de getransformeerde gegevensset voor het begintijdstip voor de geëxtraheerde straal, zoekt u naar Materiaalstatistieken en selecteert u. Stel in de sectie Eigenschappen Gegevens in als het initiële tijdstip dat is getransformeerd voor de geëxtraheerde straal en stel Selecteren als materialen in en klik op Toepassen. Een nieuwe . De gegevensset MaterialStatistics wordt gemaakt voor de eerste gegevensset met het tijdstip.
    2. Klik op de knop . MaterialStatistics-gegevensset voor het begintijdstip voor de geëxtraheerde straal en klik in het venster Eigenschappen op Spreadsheet weergeven. Klik op het tabblad Tabellen boven het venster Eigenschappen . Op dit tabblad wordt het volume voor de bijgesneden initiële tijdpuntgegevensset voor de geëxtraheerde straal weergegeven.
    3. Herhaal stap 4.1.1 en 4.1.2 voor de gegevensset van de vergelijkingsweek voor de geëxtraheerde straal. Op het tabblad Tabel hebben het eerste tijdstip en de vergelijkingsweek afzonderlijke tabbladen waarop kan worden geklikt.
  2. Visualisatie van datasets
    1. Als u de verandering in botvolume wilt visualiseren, klikt u met de rechtermuisknop op de getransformeerde gegevensset van de vergelijkingsweek voor de geëxtraheerde straal, zoekt u naar Rekenen en selecteert. Klik op Rekenen en stel in het venster Eigenschappen Invoer A in als de getransformeerde gegevensset van de vergelijkingsweek voor de geëxtraheerde straal, stel Invoer B in als de initiële gegevensset voor het tijdstip voor de geëxtraheerde straal, stel Invoer C in als GEEN BRON, stel Resultaattype in als Invoer A, laat Optie uitgeschakeld, stel Resultaatkanalen in als invoer A, en stel Expressie in als A-B.
    2. Klik op de gegevensset Resultaat en druk op F2 om de naam van het bestand te wijzigen (bijvoorbeeld 'Botsteigermateriaal' - 'WKX' - Botwissel). Klik met de rechtermuisknop op deze resultatengegevensset, zoek naar Surface genereren en selecteer. Klik op Oppervlak genereren en klik in het venster Eigenschappen op Toepassen en klik in het pop-upvenster op Doorgaan. Er wordt een nieuwe .surf-dataset aangemaakt.
    3. Klik met de rechtermuisknop op de .surf-dataset, zoek naar Surface View en selecteer. Een oppervlakteweergave van het rekenkundige resultaat wordt weergegeven in het weergavevenster.
    4. Als u de kleur van de Surface-weergave wilt wijzigen, klikt u op de Surface-weergave in het projectweergavevenster en klikt u vervolgens in het venster Eigenschappen op de vervolgkeuzelijst voor Kleuren en selecteert u Constant. Klik op de Colormap en wijs de gewenste kleur toe.
    5. Als u de verandering van het botvolume in de gegevensset van de eerste week wilt bekijken, klikt u met de rechtermuisknop op de .transformed gegevensset, zoekt u naar Label extraheren en selecteert. Klik op het label extraheren en stel in het gedeelte Eigenschappen de labels in op de getransformeerde gegevensset , label-ID op 1 en Exporteren op binair aangevinkt. Klik op Toepassen en er wordt een resultatengegevensset gemaakt. Klik op de gegevensset Resultaat en druk op F2 om de naam van het bestand te wijzigen (bijvoorbeeld 'Bone Scaffold Material' - 'WKX' - Full - Radius).
    6. Klik met de rechtermuisknop op deze resultatengegevensset, zoek naar Surface genereren en selecteer. Klik op Oppervlak genereren en klik in het venster Eigenschappen op Toepassen en klik in het pop-upvenster op Doorgaan. Er wordt een nieuwe .surf-dataset aangemaakt.
    7. Klik met de rechtermuisknop op de .surf-dataset, zoek naar Surface View en selecteer. Een oppervlakteweergave van het rekenkundige resultaat wordt weergegeven in het weergavevenster.
    8. Als u de kleur van de Surface-weergave wilt wijzigen, klikt u op de Surface-weergave in het projectweergavevenster en klikt u vervolgens in het venster Eigenschappen op de vervolgkeuzelijst voor Kleuren en selecteert u Constant. Klik op de Colormap en wijs de gewenste kleur toe.
    9. Om door te gaan met extra weken, keert u terug naar stap 2.2.2.

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

μCT-beelden van drie unieke rattenmodellen, elk behandeld met een polycaprolacton (PCL) steiger, werden onderzocht om positieve resultaten te illustreren. Analyse van een longitudinaal onderzoek op verschillende tijdstippen vereist dat de verzamelde solide modellen worden uitgelijnd voordat ze worden geselecteerd en bijgesneden tot een ROI. Om dit vermogen over meerdere weken te illustreren, werden solide modellen verzameld in week 0 en 6 uitgelijnd met behulp van gemeenschappelijke regi...

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Het kwantificeren van verandering in botvolume is essentieel voor het onderzoeken van het potentieel en de resultaten van botregeneratie in longitudinale in vivo studies. Dit protocol bouwt voort op gevestigde μCT-beeldsegmentatiemethoden11 en biedt een systematische aanpak voor het specificeren van een door de gebruiker gedefinieerd interessegebied (ROI). Deze techniek is van cruciaal belang geweest bij de analyse van de effectiviteit van botsteigerimpla...

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

De auteurs hebben geen belangenconflict om bekend te maken.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

We willen Mark Kenney bedanken voor de training over de huidige processen en discussie in de ontwikkeling van dit proces, evenals Lindsay Schnur van de Biomechanics and Multimodal Tissue Imaging Core aan de Universiteit van Rochester. Deze studie werd ondersteund door subsidies van NIH/NIAMS: H.A.A. (R01AR07061, P50AR072000 en P30AR069655) en V.Z.Z (T32GM007356, T32GM152318 en T32AR076950).

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
Amira 3DFEI SAS, onderdeel van Thermo Fisher Scientificv2024.1Programma gebruikt voor segmentatie van microCT-beelden.
Graph Pad PrismGraphPad Software LLCv10.0.3 (217)Programma gebruikt voor het ontwikkelen van grafieken.
R Statistical SoftwareThe R Foundation for Statistical Computingv4.4.0 (2024-04-24)Programma gebruikt om ICC-analyse uit te voeren.
Scanco Medical VivaCT 40Scanco MedicalNAmicroCT-scanner gebruikt voor het verzamelen van microCT-beelden.

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. ASTM Standard F-2721-09. Standard Guide for Pre-clinical in vivo Evaluation in Critical Size Segmental Bone Defects. , ASTM International. West Conshohocken, PA. (2023).
  2. Amini, A. R., Laurencin, C. T., Nukavarapu, S. P. Bone tissue engineering: recent advances and challenges. Crit Rev Biomed Eng. 40 (5), 363-408 (2012).
  3. Ghassemi, T., et al. Current concepts in scaffolding for bone tissue engineering. Arch Bone Jt Surg. 6 (2), 90-99 (2018).
  4. Tang, G., et al. Recent trends in the development of bone regenerative biomaterials. Front Cell Dev Biol. 9, 665813(2021).
  5. Battafarano, G., et al. Strategies for bone regeneration: from graft to tissue engineering. Int J Mol Sci. 22 (3), 1128(2021).
  6. Ghelich, P., et al. (Bio)manufactured solutions for treatment of bone defects with emphasis on US-FDA regulatory science perspective. Adv Nanobiomed Res. 2 (4), 2100073(2022).
  7. Kim, Y., Brodt, M. D., Tang, S. Y., Silva, M. J. MicroCT for scanning and analysis of mouse bones. Methods Mol Biol. 2230, 169-198 (2021).
  8. Wang, F., et al. Methods for bone quality assessment in human bone tissue: a systematic review. J Orthop Surg Res. 17, 174(2022).
  9. Bouxsein, M. L., et al. Guidelines for assessment of bone microstructure in rodents using micro-computed tomography. J Bone Miner Res. 25, 1468-1486 (2010).
  10. Wee, H., Khajuria, D. K., Kamal, F., Lewis, G. S., Elbarbary, R. A. Assessment of bone fracture healing using micro-computed tomography. J Vis Exp. (190), e64262(2022).
  11. Kenney, H. M., et al. A high-throughput semi-automated bone segmentation workflow for murine hindpaw micro-CT datasets. Bone Rep. 16, 101167(2022).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Micro Computed TomographyBone Volume AnalysisLongitudinal ImagingRegion Of InterestCritical Sized DefectBone RegenerationImage RegistrationPolycaprolactone ScaffoldVolume QuantificationRat Bone Model

Related Articles