Artykuł metodologiczny

Rekonstrukcja trójwymiarowej objętości histologicznej i jej zastosowanie do badania mysich gruczołów sutkowych

DOI:

10.3791/51325

⸱

26 lipca 2014

 ,  ,  ,  ,  ,  ,  , 
1Department of Medical Biophysics, University of Toronto, 2Platform Biological Sciences, Sunnybrook Research Institute, 3Department of Laboratory Medicine and Pathobiology, University of Toronto, 4Physical Sciences, Sunnybrook Research Institute, 5Department of Pathology and Laboratory Medicine, Medical University of South Carolina, 6Manitoba Institute of Cell Biology, University of Manitoba

W tym artykule

Podsumowanie

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

Prezentujemy podejście do rejestracji obrazów do trójwymiarowej (3D) histologicznej rekonstrukcji objętości, które ułatwia badanie zmian zachodzących w narządzie na poziomie makrostruktur składających się z komórek. Korzystając z tego podejścia, zbadaliśmy zmiany 3D między gruczołami sutkowymi typu dzikiego i Igfbp7-null.

Streszczenie

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

Histologia rekonstrukcja objętości ułatwia badanie 3D kształtu i zmiany objętości narządu na poziomie makrostruktur zbudowanych z komórek. Może być również wykorzystywany do badania i walidacji nowatorskich technik i algorytmów w wolumetrycznym obrazowaniu medycznym i terapiach. Tworzenie atlasów 3D o wysokiej rozdzielczości różnych narządów1,2,3 to kolejne zastosowanie histologicznej rekonstrukcji objętościowej. Stanowi to zasób do badania struktur tkankowych i relacji przestrzennych między różnymi cechami komórkowymi. Przedstawiamy podejście do rejestracji obrazu do histologicznej rekonstrukcji objętościowej, które wykorzystuje zestaw optycznych obrazów blokowych. Zrekonstruowana objętość histologiczna reprezentuje wiarygodny kształt obrabianej próbki bez propagowanego błędu rejestracji po obróbce. Wybarwione hematoksyliną i eozyną (H&E) odcinki dwóch mysich gruczołów sutkowych zarejestrowano na odpowiadających im obrazach blokowych przy użyciu punktów granicznych wyodrębnionych z krawędzi próbki na obrazach histologicznych i blokowych. Dokładność rejestracji została oceniona wizualnie. Wyrównanie makrostruktur gruczołów sutkowych zostało również ocenione wizualnie w wysokiej rozdzielczości.

To badanie przedstawia różne etapy tego procesu rejestracji obrazu, począwszy od wycięcia gruczołu sutkowego, a skończywszy na rekonstrukcji objętości histologicznej 3D. Podczas gdy obrazy histologiczne 2D ujawniają różnice strukturalne między parami sekcji, objętość histologiczna 3D zapewnia możliwość wizualizacji różnic w kształcie i objętości gruczołów sutkowych.

Wprowadzenie

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

IGFBP7 (białko wiążące insulinopodobny czynnik wzrostu 7) należy do rodziny białek wiążących IGF i wykazano, że wiąże receptor IGF14. Wiadomo, że regulacja w dół IGFBP7 jest skorelowana ze złym rokowaniem w raku piersi5, podczas gdy ponowne wprowadzenie IGFBP7 w modelach guzów ksenoprzeszczepu znacznie hamuje wzrost guzów6 poprzez indukcję apoptozy i starzenie się komórek7. W celu zbadania wpływu IGFPB7 stworzono mysz z zerowym Igfbp75 (dane niepublikowane). Chociaż u tych myszy nie rozwijają się nowotwory, wykazują zmiany w histologii jajnika, mięśni i wątroby, a także defekty we wzorcach rozwojowych gruczołu sutkowego (dane niepublikowane). Wadliwy fenotyp został po raz pierwszy wskazany, ponieważ myszy zerowe mają mniejsze rozmiary miotów i nie są w stanie utrzymać wielu dużych miotów (dane niepublikowane).

objętości histologiczne 3D mają potencjał, aby dostarczyć użytecznych informacji do analiz ilościowych i porównawczych oraz oceny zmian patologicznych w wolumetrycznych obrazach medycznych. Trójwymiarowa konfokalna, dwufotonowa mikroskopia może dostarczyć informacji morfologicznych o wysokiej rozdzielczości gruczołu w zasięgu lokalnym14 , ale ma ograniczone pole widzenia i głębokość. Rekonstrukcja objętości histologicznej dostarcza więcej informacji na znacznie większym obszarze przestrzennym. Przy użyciu tradycyjnych metod przewiduje się pewne zniekształcenia podczas przygotowywania skrawków histologicznych, takie jak kurczenie się, rozszerzanie, rozdarcia i fałdy. Zniekształcenia te utrudniają rejestrację seryjnych obrazów histologicznych w stosie 3D w celu zrekonstruowania objętości 3D. Wraz ze wzrostem liczby kolejnych odcinków z wadami, podobieństwa między nienaruszonymi sekcjami zmniejszają się, a co za tym idzie, komplikuje to proces rejestracji.

Zaproponowano różne metody rejestrowania skrawków histologicznych i tworzenia ciągłej objętości histologicznej. Niektóre techniki zależą od zmian intensywności8, a inne opierają się na kształcie sekcji9. W przypadku niektórych okazów struktury anatomiczne mogą być wykorzystywane jako punkty orientacyjne10,11 wraz z metodami rejestracji opartymi na punktach orientacyjnych12,13. Jednak te wewnętrzne struktury mogą nie być wykrywalne w całej objętości, a w przypadku niektórych okazów nie można zidentyfikować wiarygodnych struktur anatomicznych. Niektóre grupy stosowały podejście do rejestracji parami i rejestrowały kolejne obrazy histologiczne jeden do drugiego za pomocą konturów lub struktur anatomicznych16-18. Rejestrowanie szeregowych odcinków histologicznych względem siebie bez użycia obrazów referencyjnych może spowodować propagację błędu pasowania i zmianę rzeczywistego kształtu objętości histologicznej. Podejście do rejestracji parami opiera się na spójności kształtu skrawków histologicznych i struktur wewnętrznych w całym stosie obrazów; W związku z tym wymaga gęstego pobierania próbek próbki, co nie zawsze jest możliwe, np. w przypadku próbek klinicznych.

W tym potoku używamy obrazów blokowych jako zestawu obrazów referencyjnych do rekonstrukcji objętości histologicznej19. Obrazy bloków tkanki parafinowej są wykonywane po zamontowaniu na mikrotomie i przed przecięciem każdego odcinka. Tym samym uszkodzenie poszczególnych przekrojów seryjnych nie przeszkadza w rejestracji odcinków seryjnych8,11,15. Rejestrujemy obrazy blokowe w inny sposób niż inne grupy. Obrazy twarzy bloku optycznego są uzyskiwane przez soczewkę telecentryczną w celu wyeliminowania lub zminimalizowania zniekształceń beczkowatych i perspektywicznych, które zwykle występują przy użyciu zwykłych soczewek w optyce. Jest to jedna z zalet proponowanego podejścia w porównaniu z innymi opublikowanymi metodami, które wykonują obrazowanie blokowe przy użyciu zwykłych soczewek. Obrazy są wykonywane pod lekkim skosem, aby wykorzystać odbicie powierzchni bloku do wzmocnienia kontrastu między tkanką a powierzchnią parafiny oraz do wyeliminowania cienia tkanki w głąb, pod powierzchnią parafiny. Filtr fotograficzny służy również do polaryzacji światła pochodzącego z powierzchni bloku i tkanki w celu zrównoważenia kontrastu19. Aby skorygować przemieszczenie bloku na mikrotomie obrotowym, w rogach bloku wierci się dwa do trzech otworów, które są łatwo wykrywalne na obrazach bloku. Centroidy tych otworów są używane wraz ze sztywną pasacją opartą na punktach orientacyjnych w celu wyrównania obrazów bloków.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

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

1. Próbka

  1. Chirurgicznie wyciąć gruczoły sutkowe z myszy CDH1 typu dzikiego, a także myszy bez Igfbp7 trzy dni po rozpoczęciu laktacji.
  2. Rozłóż gruczoły na szkiełkach podstawowych, aby pomóc odzyskać natywną morfologię gruczołu sutkowego.

2. Utrwalanie i przetwarzanie tkanek

  1. Utrwalić gruczoły sutkowe w obojętnym buforze 4% PFA O/N w temperaturze 4 oC.
  2. Przechowuj gruczoły w 70% etanolu przed przetwarzaniem tkanek.
  3. Przenieś gruczoły do małych kaset do przetwarzania tkanek.
  4. Przetwarzaj tkanki za pomocą automatycznego procesora tkanek
    1. Odwodnić tkanki w kąpielach zwiększających etanol i ksylen 70% etanolu przez 45 minut, 2 razy w 95% etanolu przez 45 minut, 3 razy w 100% etanolu przez 1 godzinę i 2 razy w ksylenie przez 45 minut.
    2. Przesiąknąć tkanki parafiną 3 razy po 1 godzinie w próżni pod przyłożonym ciśnieniem.
  5. Zanurz tkanki w parafinie, aby utworzyć bloki do cięcia.

3. Histologia i obrazowanie Blockface

  1. Przycinaj bloki parafiny za pomocą mikrotomu obrotowego, aż nadmiar parafiny zostanie usunięty.
  2. Za pomocą frezarki pionowej wywiercić otwory o średnicy 1 mm w co najmniej dwóch rogach bloku parafinowego prostopadłego do kasety.
  3. Zamontuj blok tkankowy na mikrotomie obrotowym.
  4. Skonfiguruj system obrazowania blokowego19 przed mikrotomem.
  5. Przechwyć obraz bloku optycznego przed przekrojem.
  6. Wytnij wstęgi składające się z czterech odcinków o grubości 5 μm na mikrotomie.
    1. Przenieś wstążki do kąpieli w zimnej wodzie.
    2. Oddziel drugą i czwartą sekcję wstążki i zamontuj je na szkiełkach mikroskopowych. Wybór drugiej i czwartej sekcji zapewnia odstęp 5 μm między sekcjami.
    3. Rozpręż każdą sekcję w ciepłej kąpieli wodnej (48 oC), aby ją rozgniotować, a następnie ponownie zamontuj ją na szkiełku mikroskopowym.
      UWAGA: Cięcie, montaż, rozgniatanie sekcji powoduje pewne zniekształcenia sekcji, takie jak rozdarcie, zagięcie, skurczenie i rozszerzenie. Artefakty te komplikują rejestrację skrawków histologicznych.
    4. Zabejcuj skrawki za pomocą H&E za pomocą automatycznego barwiacza.
    5. Nakryj szkiełka podstawowe za pomocą automatycznego szkiełka nakrywkowego.
    6. Digitalizuj slajdy za pomocą cyfrowego skanera histologicznego slajdów w interesującej Cię rozdzielczości. Dla tego protokołu powiększenie wynosi 20x, a rozdzielczość 0,47 μm.
    7. Zmniejsz próbkowanie obrazów histologicznych do rozdzielczości obrazów blokowych, 18 μm.

4. Rejestracja obrazu

  1. Segmentacja obrazu i wybór punktów
    1. W obrazach typu blockface mierzy się wartości pikseli otworów rejestracyjnych i wykorzystuje wartość średnią jako stały próg do segmentacji otworów rejestracyjnych w rogach bloku parafinowego.
    2. Ponieważ niektóre dodatkowe części mogą być również segmentowane przy użyciu stałego progu, użyj kołowości i obszaru podzielonych na segmenty obiektów, aby znaleźć otwory i odrzucić dodatkowe obiekty. Aby to zrobić, napisz mały kod i znajdź stosunek (4π x powierzchnia)/(obwód)2 dla podzielonych na segmenty obiektów. Ten stosunek dla okrągłych obiektów wynosi 1.
    3. Dla każdego gruczołu sutkowego wybierz jeden obraz bloku jako odniesienie i wyrównaj pozostałe obrazy bloku do odniesienia, używając środka otworów rejestracyjnych i technik rejestracji opartych na punktach orientacyjnych.
    4. W przypadku wyrównanych obrazów blokowych ręcznie podziel tkankę na segmenty lub wyodrębnij ją z tła. Użyj największego obiektu w masce do końca protokołu.
    5. W przypadku sekcji BHP wykonaj poniższe czynności, aby uzyskać automatyczną segmentację.
      1. Użyj techniki progowania Otsu20, aby segmentować obrazy od tła i tworzyć binarne maski obrazów histologicznych.
      2. Zidentyfikuj i zaznacz obiekt o największym rozmiarze w każdej masce, korzystając z histogramu oznaczonych obiektów.
      3. Wyodrębnij punkty graniczne o szerokości jednego piksela zarówno z masek histologicznych, jak i maski blokowej.
      4. Użyj algorytmu kodu łańcuchowego21, aby przedstawić punkty graniczne za pomocą sekwencji odcinkowych pasowań liniowych.
  2. Wstępna sztywna rejestracja
    1. Użyj algorytmu deskryptorów Fouriera22, aby znaleźć początkową sztywną transformację między punktami granicznymi histologii a odpowiadającymi im obrazami blokowymi. Ta początkowa transformacja obejmuje współczynniki translacji, obrotu i skali.
    2. Przekształć każdy obraz histologiczny za pomocą początkowej transformacji uzyskanej w poprzednim kroku.
  3. Udoskonalenie sztywnej rejestracji
    1. Usunąć odcinki krawędzi o dużej krzywiźnie z konturu histologicznego za pomocą filtra kulkowego23.
    2. Wybierz losowo 500 punktów z pozostałych histologicznych punktów granicznych przy użyciu równomiernego rozkładu.
    3. Przekształć losowe punkty graniczne histologii za pomocą początkowej transformacji uzyskanej z deskryptorów Fouriera.
    4. Wybierz cały zestaw punktów granicznych powierzchni bloku i użyj algorytmu iteracyjnego punktu najbliższego bloku (ICP)24, aby znaleźć sztywną transformację między losowymi punktami granicznymi powierzchni bloku, miejscem docelowym i histologicznymi punktami granicznymi.
    5. Przekształć wyrównane obrazy histologiczne uzyskane w poprzednim kroku, a stos wyrównanych obrazów histologicznych utworzy objętość histologiczną.
    6. Użyj oprogramowania do wizualizacji 3D, aby stworzyć wizualny obraz objętości histologicznej.
  4. Wyświetlanie stosu obrazów w 5-krotnym powiększeniu
    1. Zmniejsz próbkowanie oryginalnych obrazów histologicznych do 5-krotnego powiększenia.
    2. Przytnij obszar zainteresowania na jednym z obrazów histologicznych.
    3. Oblicz lokalizację tego regionu na innych 5-krotnych obrazach histologicznych, korzystając z kombinacji sztywnych transformacji z dwóch etapów rejestracji.
    4. Przytnij obszary zainteresowania do obszaru o tym samym rozmiarze na wszystkich innych obrazach histologicznych.
    5. Na koniec ręcznie doprecyzuj wyrównanie między regionami. Napisz program, który nakłada na siebie dwa obrazy i pozwala wybrać wartości obrotu i translacji jednego z obrazów na drugi, a następnie zapisuje przekształcony obraz, gdy wyrównanie zostanie zaakceptowane.
    6. Przeglądaj stosy wyrównanych 5-krotnie obszarów histologicznych za pomocą oprogramowania do wizualizacji 3D.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

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

Wadą tradycyjnych technik mikroskopowych jest to, że zrozumienie organu na poziomie mikroskopowym ogranicza się do jednego pola widzenia w danym momencie. Nawet preparaty typu „total disclosure”, zapewniające obraz całych przekrojów, nie dostarczają informacji trójwymiarowych. Dzięki rozwojowi technologii dynamicznego skanowania całych preparatów wzrosła nasza zdolność do oglądania przekrojów w całości, jednak ekstrapolacja struktur wymaga trójwymiarowej rekonstrukcji objętościowej histologicznej.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

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

W tym badaniu opracowaliśmy proces rejestracji obrazu w celu rekonstrukcji objętości histologicznej 3D z seryjnych obrazów histologicznych 2D, która nie wymaga wewnętrznych losowo wybranych punktów orientacyjnych ani wszczepionych markerów odniesienia w tkance, które mogą zniekształcić tkankę. Zgodnie z opisaną metodą, same obrazy bloków optycznych są używane jako obrazy referencyjne przed przekrojem. Używamy zewnętrznych otworów wywierconych w bloku parafinowym, aby pomóc w wyrównaniu obrazów bloku i skorygować poprzecz...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

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

Autorzy nie mają nic do ujawnienia

Podziękowania

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

Autorzy chcieliby podziękować Laboratorium Badań nad Obrazowaniem Biomarkerów (BIRL) w Instytucie Badawczym Sunnybrook za ich usługi histologiczne. Wsparcie dla tej pracy zostało zapewnione przez Fundację Terry'ego Foxa, Kanadyjską Fundację Raka Piersi - Prairie - NWT, a także grant CIHR #MOP-97996.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
16% PFAVWR International1571016% roztwór paraformaldehydu
Małe kasety do przetwarzania tkanekVWR InternationalCA95029-956
Automatyczny procesor tkanek Leica ASP300Leica14047643515
100% etanoluFisher ScientificS25307B
XyleneVWR International CA95057-822
Parafina Thermo Fisher39501006Medium do zatapiania tkanek Paraplast
Centrum zatapiania Leica EG 1160 MikrotomLeica
Leica
FrezarkaArgo
Prowadnice mikroskopoweVWR International CA48312-015
H& E bejcaVWR International
Automatyczna bejca
Szkiełka nakrywkowe VWR International 48404-452
Szkieł nakrywkowy MEDITE RCM 7000MEDITE
Leica SCN400Leica
MATLABMathWorks IncMATLAB 2007bOprogramowanie programistyczne
MeVisLabMeVis Medical Solutions AGMeVisLab 2.1Oprogramowanie do wizualizacji 3D
obrotowy Skaner slajdów

Bibliografia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Sunkin, S. M., et al. Brain Atlas: An integrated spatiotemporal port for exploring the central nervous system. Nucleic Acids Research. 41, 996-1008 (2012).
  2. Shen, E. H., Overly, C. C., Jones, A. R. The Allen Human Brain Atlas: Comprehensive gene expression mapping of the human brain. Trends in Neurosciences. 35 (12), 711-714 (2012).
  3. Trifunović, D., Karali, M., Camposampiero, D., Ponzin, D., Banfi, S., Marigo, V. A high-resolution RNA expression atlas of retinitis pigmentosa genes in human and mouse retinas. Invest. Ophthalmol. Vis. Sci. 49 (6), 2330-2336 (2008).
  4. Evdokimova, V., et al. IGFBP7 binds to the IGF-1 receptor and blocks its activation by insulin-like growth factors. Science Signaling. 5 (255), 92(2012).
  5. Burger, A., Leyland-Jones, B., Banerjee, K., Spyropoulos, D., Seth, A. Essential roles for IGFBP-3 and IGFBP-rP1 in breast cancer. European J. Cancer. 41 (11), 1515-1527 (2005).
  6. Amemiya, Y., et al. Insulin like growth factor binding protein-7 reduces growth of human breast cancer cells and xenografted tumors. Breast Cancer Res Treat. 126 (2), 373-384 (2011).
  7. Benatar, T., et al. IGFBP7 reduces breast tumor growth by induction of senescence and apoptosis pathways. Breast Cancer Res Treat. 133 (2), 563-573 (2012).
  8. Bardinet, E., et al. Co-registration of histological, optical and MR data of the human brain. Medical Image Computing and Computer-Assisted Intervention-Part I. , Springer-Verlag. London, UK. 548-555 (2002).
  9. Jacobs, M. A., Windham, J. P., Soltanian-Zadeh, H., Peck, D. J., Knight, R. A. Registration and warping of magnetic resonance images to histological sections. Medical Physics. 26 (8), 1568-1578 (1999).
  10. Zhan, Y., Ou, Y., Feldman, M., Tomaszeweski, J., Davatzikos, C., Shen, D. Registering histologic and MR images of prostate for image-based cancer detection. Academic radiology. 14 (11), 1367-1381 (2007).
  11. Dauguet, J., et al. Three-dimensional reconstruction of stained histological slices and 3D non-linear registration with in vivo MRI for whole baboon brain. Journal of Neuroscience Methods. 164 (1), 191-204 (2007).
  12. Lazebnik, R. S., Lancaster, T. L., Breen, M. S., Lewin, J. S., Wilson, D. L. Volume registration using needle paths and point landmarks for evaluation of interventional MRI treatments. IEEE Transactions on Medical Imaging. 22 (5), 653-660 (2003).
  13. Breen, M. S., Lazebnik, R. S., Wilson, D. L. Three-dimensional registration of magnetic resonance image data to histological sections with model-based evaluation. Annals of Biomedical Engineering. 33 (8), 1100-1112 (2005).
  14. Mori, H., Borowsky, A. D., Bhat, R., Ghajar, C. M., Seiki, M., Bissell, M. J. The American Journal of Pathology. 180 (6), 2249-2256 (2012).
  15. Gibb, M., et al. Resolving the three-dimensional histology of the heart. Computational Methods in Systems Biology. Gilbert, D., Heiner, M. , 2-16 Springer-Verlag. London, UK. 2-16 (2012).
  16. Wu, M. L., et al. Three-dimensional virtual microscopy of colorectal biopsies. Archives of Pathology & Laboratory Medicine. 129 (4), 507-510 (2005).
  17. Arganda-Carreras, I., et al. 3D Reconstruction of histological sections: Application to mammary gland tissue. Microscopy Research and Technique. 73 (11), 1019-1029 (2010).
  18. Song, Y., Treanor, D., Bulpitt, A. J., Magee, D. R. 3D reconstruction of multiple stained histology images. Journal of Pathology Informatics. 4 (2), 7(2013).
  19. Shojaii, R., Karavardanyan, T., Yaffe, M., Martel, A. L. Validation of histology image registration. SPIE Medical Imaging. 7962, 79621E, doi:10.1117/12.878762. 7962 (7962E), (2011).
  20. Ridler, T. W., Calvard, S. Picture thresholding using an iterative selection method. IEEE Transactions on Systems, Man, and Cybernetics. 8 (8), 630-632 (1978).
  21. Freeman, H. Computer processing of line-drawing images. ACM Computing Surveys (CSUR. 6 (1), 57-97 (1974).
  22. Giardina, C. Accuracy of curve approximation by harmonically related vectors with elliptical loci). Computer Graphics and Image Processing. 6 (3), 277-285 (1977).
  23. Shojaii, R., Martel, A. L. A novel edge point selection method for registration of histology images. Optical Tissue Image analysis in Microscopy, Histopathology and Endoscopy. (OPTIMHisE) Workshop, MICCAI. , (2009).
  24. Besl, P., McKay, N. A method for registration of 3-D shapes. IEEE Transactions on Pattern Analysis and Machine Intelligence. 14 (2), 239-256 (1992).
  25. Chatterjee, S., et al. Loss of Igfbp7 causes precocious involution in lactating mouse mammary gland. PLoS ONE. 9 (2), e87858(2013).
  26. Manjunath, B. S., Chellappa, R. Unsupervised texture segmentation using Markov random field models. IEEE Transactions on Pattern Analysis and Machine Intelligence. 13 (5), 478-482 (1991).
  27. Krishnamachari, S., Chellappa, R. Multiresolution Gauss-Markov random field models for texture segmentation. IEEE Transactions on Image Processing: a publication of the IEEE Signal Processing Society. 6 (2), 251-267 (1997).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Tr jwymiarowa rekonstrukcja obj to ci histologicznejpodej cie oparte na rejestracji obraz woptyczne obrazy powierzchni blok wbarwienie hematoksylin i eosinwyr wnanie za pomoc specjalistycznego oprogramowaniaalgorytm deskryptor w Fourieraiteracyjne najbli sze punktyoprogramowanie do wizualizacji 3Dwolumetryczne obrazowanie medyczne

Powiązane artykuły