Artykuł metodologiczny

Kwantyfikacja organizacji kolagenu fibrylarnego za pomocą narzędzi opartych na transformacji Curvelet

DOI:

10.3791/61931

⸱

11 listopada 2020

 , 
1Laboratory for Optical and Computational Instrumentation, Center for Quantitative Cell Imaging, University of Wisconsin-Madison, 2Departments of Medical Physics and Biomedical Engineering, University of Wisconsin-Madison, 3Morgridge Institute for Research, Madison, Wisconsin, 4test, test

W tym artykule

Podsumowanie

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

Tutaj prezentujemy protokół korzystania z opartego na transformacji krzywej, otwartego narzędzia programowego MATLAB do ilościowego określania organizacji kolagenu fibrylarnego w macierzy zewnątrzkomórkowej zarówno normalnych, jak i chorych tkanek. To narzędzie można zastosować do obrazów z włóknami kolagenowymi lub innymi rodzajami struktur przypominających linie.

Streszczenie

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

Kolageny fibrylarne są ważnymi składnikami macierzy zewnątrzkomórkowej (ECM), a zmiany ich topologii okazały się być związane z postępem wielu chorób, w tym raka piersi, jajnika, nerki i trzustki. Ogólnodostępne narzędzia oprogramowania do kwantyfikacji włókien koncentrują się głównie na obliczaniu wyrównania lub orientacji włókien i podlegają ograniczeniom, takim jak wymóg ręcznych kroków, niedokładność w wykrywaniu krawędzi włókna w hałaśliwym tle lub brak zlokalizowanej charakterystyki cech. Narzędzie do kwantyfikacji włókien kolagenowych opisane w tym protokole charakteryzuje się wykorzystaniem optymalnej wieloskalowej reprezentacji obrazu umożliwianej przez transformację krzywej (CT). To algorytmiczne podejście pozwala na usunięcie szumów z obrazów kolagenu fibrylarnego i ulepszenie krawędzi włókien w celu dostarczenia informacji o lokalizacji i orientacji bezpośrednio ze światłowodu, zamiast korzystania z pośrednich informacji dotyczących pikseli lub okien uzyskanych z innych narzędzi. Ta struktura oparta na tomografii komputerowej zawiera dwa oddzielne, ale połączone pakiety o nazwach "CT-FIRE" i "CurveAlign", które mogą określić ilościowo organizację światłowodów na podstawie globalnej, regionu zainteresowania (ROI) lub pojedynczego światłowodu. Ten system kwantyfikacji był opracowywany przez ponad dziesięć lat i obecnie przekształcił się w kompleksową i zorientowaną na użytkownika platformę kwantyfikacji kolagenu. Za pomocą tej platformy można zmierzyć do około trzydziestu cech włókien, w tym właściwości poszczególnych włókien, takich jak długość, kąt, szerokość i prostoliniowość, a także pomiary masowe, takie jak gęstość i wyrównanie. Dodatkowo użytkownik może mierzyć kąt światłowodu względem granic segmentowanych ręcznie lub automatycznie. Platforma ta zapewnia również kilka dodatkowych modułów, w tym do analizy ROI, automatycznego tworzenia granic i przetwarzania końcowego. Korzystanie z tej platformy nie wymaga wcześniejszego doświadczenia w programowaniu ani przetwarzaniu obrazów i może obsługiwać duże zbiory danych, w tym setki lub tysiące obrazów, umożliwiając wydajną kwantyfikację organizacji włókien kolagenowych do zastosowań biologicznych lub biomedycznych.

Wprowadzenie

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

Fibrillar collagens są znaczącymi, strukturalnymi składnikami ECM. Ich zmiany organizacyjne wpływają na funkcjonowanie tkanek i są prawdopodobnie związane z postępem wielu chorób, począwszy od wrodzonej łamliwości kości1, dysfunkcji serca2 i gojenia się ran3 po różne rodzaje raka, w tym piersi4,5,6, ovarian7,8, Nerka9, oraz rak trzustki10. Do wizualizacji kolagenu fibrylarnego można wykorzystać wiele uznanych metod obrazowania, takich jak mikroskopia drugiej generacji harmonicznej11, barwienie lub barwniki w połączeniu z mikroskopią jasnego pola lub mikroskopią fluorescencyjną lub mikroskopią światła spolaryzowanego12, mikroskopia polaryzacyjna oparta na ciekłokrystanicznej (LC-PolScope)13 i mikroskopia elektronowa14. Wraz ze wzrostem znaczenia organizacji kolagenu fibrylarnego i wzrostu stosowania tych metod, wzrosło również zapotrzebowanie na ulepszone podejścia do analizy włókien kolagenowych.

Podjęto wiele wysiłków w celu opracowania metod obliczeniowych do automatycznego pomiaru kolagenu fibrylarnego. Ogólnodostępne narzędzia programowe koncentrują się głównie na obliczaniu wyrównania lub orientacji włókien poprzez przyjęcie pierwszej pochodnej lub tensora struktury dla pikseli15,16, lub analiza widma oparta na transformacji Fouriera dla kafelków obrazu17. Wszystkie te narzędzia podlegają ograniczeniom, takim jak wymóg ręcznych kroków, niedokładność w wykrywaniu krawędzi światłowodu w hałaśliwym tle lub brak zlokalizowanej charakterystyki cech.

W porównaniu do innych swobodnie dostępnych narzędzi free-source, metody opisane w tym protokole wykorzystują CT - optymalną, wieloskalową, kierunkową metodę reprezentacji obrazu - do usuwania szumów z obrazów kolagenu fibrylarnego oraz wzmacniania lub śledzenia krawędzi włókien. Informacje o lokalizacji i orientacji mogą być dostarczane bezpośrednio ze światłowodu, a nie przy użyciu pośrednich informacji dotyczących pikseli lub okien w celu wywnioskowania metryk organizacji światłowodu. Ten oparty na CT framework18,19,20,21 może określić ilościowo organizację światłowodów na poziomie globalnym, ROI lub światłowodowym, głównie za pomocą dwóch oddzielnych, ale połączonych pakietów o nazwach "CT-FIRE"18,21 i "CurveAlign"19,21. Jeśli chodzi o implementację oprogramowania, w CT-Fire współczynniki CT w wielu skalach mogą być wykorzystywane do rekonstrukcji obrazu, który uwydatnia krawędzie i redukuje szumy. Następnie do obrazu zrekonstruowanego przez CT stosuje się indywidualny algorytm ekstrakcji włókien w celu śledzenia włókien w celu znalezienia ich reprezentatywnych punktów środkowych, przedłużenia gałęzi włókien z punktów środkowych i połączenia gałęzi światłowodów w celu utworzenia sieci światłowodowej. W CurveAlign współczynniki CT w skali określonej przez użytkownika mogą być używane do śledzenia lokalnej orientacji włókien, gdzie orientacja i lokalizacje krzywych są wyodrębniane i grupowane w celu oszacowania orientacji włókien w odpowiednich lokalizacjach. Powstały w ten sposób system kwantyfikacji był rozwijany przez ponad dziesięć lat i znacznie ewoluował w wielu aspektach, takich jak funkcjonalność, interfejs użytkownika i modułowość. Na przykład narzędzie to może wizualizować lokalną orientację światłowodu i pozwala użytkownikowi zmierzyć do trzydziestu cech włókna, w tym właściwości poszczególnych włókien, takich jak długość, kąt, szerokość i prostoliniowość, a także pomiary masowe, takie jak gęstość i wyrównanie. Dodatkowo użytkownik może mierzyć kąt światłowodu w stosunku do ręcznie lub automatycznie segmentowanych granic, co na przykład odgrywa ważną rolę w opracowywaniu biomarkerów opartych na obrazach w badaniach nad rakiem piersi22 i badaniach nad rakiem trzustki10. Ta platforma zapewnia kilka modułów funkcji, w tym moduły do analizy ROI, automatycznego tworzenia granic i przetwarzania końcowego. Moduł ROI może być używany do opisywania różnych kształtów ROI i przeprowadzania odpowiedniej analizy ROI. Jako przykład zastosowania, moduł automatycznego tworzenia granic może być używany do rejestrowania obrazów jasnego pola hematoksyliny i eozyny (H&E) z obrazami generacji drugiej harmonicznej (SHG) i generowania maski obrazu granic guza na podstawie zarejestrowanych obrazów H&E. Moduł post-processingu może ułatwić przetwarzanie i integrację plików danych wyjściowych z poszczególnych obrazów w celu ewentualnej analizy statystycznej.

Ta platforma kwantyfikacyjna nie wymaga wcześniejszego doświadczenia w programowaniu lub przetwarzaniu obrazów i może obsługiwać duże zestawy danych, w tym setki lub tysiące obrazów, umożliwiając efektywną kwantyfikację organizacji kolagenu do zastosowań biologicznych lub biomedycznych. Jest szeroko stosowany w różnych dziedzinach badawczych przez wielu badaczy na całym świecie, w tym przez nas. Istnieją cztery główne publikacje na temat CT-FIRE i CurveAlign18,19,20,21, z których pierwsze trzy zostały zacytowane 272 razy (stan na 04.05.2020 według Google Scholar). Przegląd publikacji, które cytowały tę platformę (CT-FIRE lub CurveAlign) wskazuje, że istnieje około 110 artykułów w czasopismach, które bezpośrednio wykorzystały ją do swojej analizy, w których około 35 publikacji było wspólnych z naszą grupą, a pozostałe (~ 75) zostały napisane przez inne grupy. Na przykład platforma ta została wykorzystana w następujących badaniach: rak piersi22,23,24, Rak trzustki10,25, rak nerki9,26, gojenie się ran3,27,28, 29,30, rak jajnika8,31,7, więzadło maciczno-krzyżowe32, zębina hipofosfatemiczna33, rak podstawnokomórkowy34, mięsak niedotleniony35, tkanka chrzęstna36, dysfunkcja serca37, neurons38, glejak39, skurcze limfatyczne40, włókniste cacffolds41, rak żołądka42, microtubule43, oraz zwłóknienie pęcherza moczowego44. Rysunek 1 pokazuje zastosowanie CurveAlign do obrazowania nowotworów w celu znalezienia sygnatur kolagenu związanego z nowotworem raka piersi19 na obrazie SHG. Rysunek 2 opisuje typowy schematyczny przepływ pracy tej platformy. Chociaż narzędzia te zostały sprawdzone technicznie18,19,21, a także dostępny jest zwykły protokół20 do analizy wyrównania za pomocą CurveAlign, przydatny może być protokół wizualny, który demonstruje wszystkie niezbędne funkcje. Zobrazowany protokół, jak przedstawiono tutaj, ułatwi proces uczenia się korzystania z tej platformy, a także skuteczniej rozwiąże problemy i pytania, które mogą mieć użytkownicy.

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

Protokół

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

UWAGA: Ten protokół opisuje użycie CT-FIRE i CurveAlign do ilościowego oznaczania kolagenu. Te dwa narzędzia mają komplementarne, ale różne główne cele i są ze sobą w pewnym stopniu powiązane. CT-FIRE można uruchomić z interfejsu CurveAlign w celu przeprowadzenia większości operacji z wyjątkiem zaawansowanego przetwarzania końcowego i analizy zwrotu z inwestycji. Aby CT-FIRE działał w pełni, powinien być uruchamiany oddzielnie.

1. Kolekcja obrazów i wymagania dotyczące obrazów

UWAGA: Narzędzie może przetwarzać dowolny plik obrazu ze strukturami podobnymi do linii, które mogą być odczytywane przez MATLAB, niezależnie od użytej metody obrazowania do jego zebrania.

  1. Użyj 8-bitowej skali szarości jako typu obrazu, ponieważ domyślne parametry pracy są oparte na tym formacie.
    UWAGA: Obrazowanie SHG jest szeroko stosowaną metodą obrazowania kolagenu fibrylarnego o wysokiej rozdzielczości, bez znaczników. Obrazy SHG z badania raka piersi19 zostaną tutaj użyte w celu demonstracji.

2. Instalacja oprogramowania i wymagania systemowe

UWAGA: Zarówno wersje samodzielne, jak i z kodem źródłowym są dostępne za darmo. Wersja kodu źródłowego wymaga pełnej instalacji MATLAB, w tym zestawów narzędzi do przetwarzania sygnałów, przetwarzania obrazu, analizy statystycznej i obliczeń równoległych. Aby uruchomić wersję kodu źródłowego, wszystkie niezbędne foldery, w tym niektóre ze źródeł innych firm, powinny zostać dodane do ścieżki MATLAB. Dla większości użytkowników zalecane jest korzystanie z samodzielnej aplikacji (APP), która wymaga instalacji ogólnodostępnego MATLAB Compiler Runtime (MCR) określonej wersji. Procedura instalacji i uruchamiania aplikacji jest opisana poniżej.

  1. Pobierz pakiety aplikacji CT-FIRE w wersji 3.0 (CTF3.0) i CurveAlign w wersji 5.0 (CA5.0) odpowiednio z https://eliceirilab.org/software/ctfire/ i https://eliceirilab.org/software/curvealign/.
    UWAGA: Każdy pakiet zawiera samodzielną aplikację, obrazy ręczne i testowe.
  2. Postępuj zgodnie ze szczegółowymi wymaganiami i instrukcjami instalacji z powyższych stron internetowych, aby zainstalować MATLAB MCR 2018b.
  3. Uruchom aplikację.
    1. W przypadku 64-bitowego systemu Windows kliknij dwukrotnie ikonę aplikacji, aby ją uruchomić.
    2. W przypadku systemu Mac wykonaj następujące czynności, aby go uruchomić: Kliknij prawym przyciskiem myszy aplikację (ctrl-kliknięcie) | Pokaż zawartość opakowania | Zawartość | System operacyjny MacOS | AppLauncher (kliknij prawym przyciskiem myszy i wybierz Otwórz).
      UWAGA: Inne szczegóły można znaleźć na stronach internetowych oprogramowania wymienionych w punkcie 2.1.

3. Indywidualne pobieranie włókien za pomocą CT-FIRE

UWAGA: CT-FIRE używa CT do odszumiania obrazu, uwydatniania krawędzi światłowodów, a następnie używa algorytmu ekstrakcji światłowodów do śledzenia poszczególnych włókien. Długość, kąt, szerokość i prostoliniowość są obliczane dla poszczególnych włókien.

  1. CT-FIRE na jednym obrazie lub wielu obrazach
    1. Uruchom aplikację zgodnie z opisem w 2.3.
    2. Kliknij przycisk Otwórz plik(i) w głównym graficznym interfejsie użytkownika (GUI, Rysunek 3A), a następnie wybierz jeden lub więcej obrazów/lub stosów obrazów z okna zachęty. Użyj techniki odpowiedniej dla systemu operacyjnego, aby wybrać wiele obrazów w oknie dialogowym (np. w systemie Windows przytrzymaj CTRL podczas wybierania wielu plików).
      UWAGA: W przypadku wybrania co najmniej dwóch plików graficznych wszystkie obrazy muszą używać tych samych parametrów bieżących analizy. Upewnij się, że wszystkie obrazy zostały uzyskane w tych samych lub podobnych warunkach.
    3. Wybierz opcje obliczeń równoległych, zaznaczając pole wyboru Równolegle w prawym górnym rogu, aby przeprowadzić analizę wielu obrazów.
    4. W przypadku stosu obrazów przesuń suwak plasterka pod polem listy plików, aby wybrać plasterek do analizy.
    5. Ustawianie właściwości działania. Użyj parametrów domyślnych do wstępnej analizy niektórych obrazów. Jeśli używasz parametrów domyślnych, przejdź do kroku 3.1.6. Aby ustawić różne parametry, kliknij przycisk Aktualizuj w panelu Parametry. Postępuj zgodnie z instrukcją, aby prawidłowo dostroić parametry.
      UWAGA: Do najczęściej regulowanych parametrów należą próg tła (thresh_im2) i promień wyszukiwania zarodkowania (s_xlinkbox). Jeśli poziom szumu tła jest wysoki, ustaw thresh_im2 na większą wartość; s_xlinkbox jest powiązana ze średnim promieniem włókien, ustaw mniejszą wartość, aby wykryć cienkie włókna.
    6. Kliknij przycisk Uruchom.
      UWAGA: Informacje o postępie będą wyświetlane zarówno w oknie informacyjnym, jak i w oknie poleceń. Po zakończeniu analizy zostanie wyświetlona tabela wyników (Rysunek 3B).
    7. Kliknij dowolny element w tabeli wyjściowej, aby zobaczyć histogram wymiarów włókien ( Rysunek 3C i Rysunek 3F) obrazu, w tym długość, szerokość, kąt i prostoliniowość.
      UWAGA: Zostaną również wyświetlone obrazy włókien z włóknami nałożonymi na oryginalny obraz ( Rysunek 3E).
    8. Sprawdź podfolder o nazwie ctFIREout w folderze obrazu, aby znaleźć pliki wyjściowe, w tym nałożony plik obrazu ".tiff", plik ".csv" i plik ".mat".
  2. Analiza obszaru zainteresowania (ROI) CT-FIRE
    1. Adnotacja ROI za pomocą Menedżera ROI
      1. Kliknij przycisk Otwórz plik(i) w głównym graficznym interfejsie użytkownika (Rysunek 3A), aby załadować jeden lub więcej obrazów.
      2. Na liście plików wybierz obraz, do którego chcesz dodać adnotację.
      3. Wybierz Menedżera zwrotu z inwestycji z menu rozwijanego panelu Opcje zwrotu z inwestycji.
      4. Kliknij przycisk URUCHOM, aby uruchomić moduł ROI Manager (Rysunek 3A).
      5. W graficznym interfejsie użytkownika menedżera ROI (Rysunek 4A), kliknij menu rozwijane poniżej menu Narysuj ROI(d), aby narysować ROI, jeden po drugim.
        UWAGA: Kształt ROI może być prostokątem, kształtem odręcznym, elipsą, wielokątem lub określonym prostokątem. Postępuj zgodnie z instrukcjami wyświetlanymi na ekranie, aby narysować, zapisać i zakończyć adnotację ROI.
      6. Po wybraniu metody rysowania ROI przeciągnij żółty prostokąt, który pojawia się na oryginalnym obrazie, w żądane miejsce, a następnie kliknij przycisk Zapisz ROI lub naciśnij s, aby dodać ten ROI do listy ROI. Ten zwrot z inwestycji zostanie automatycznie nazwany.
      7. Narysuj nowy ROI, przeciągając poprzedni ROI do nowej pozycji i zapisz go, jak wspomniano w 3.2.1.6, lub powtórz kroki 3.2.1.5–3.2.1.6, aby narysować nowy ROI.
      8. Naciśnij x lub wybierz Nowy ROI? w menu rozwijanym Kształt ROI, aby zakończyć adnotację ROI.
      9. Zaznacz pola wyboru Pokaż wszystko i Etykiety, aby wyświetlić wszystkie zdefiniowane ROI na liście i ich nazwy na oryginalnym obrazie.
      10. Wybierz ROI z listy ROI, aby przeprowadzić podstawowe operacje ROI, w tym zmienić nazwę ROI, usunąć ROI, zapisać tekst ROI, załadować ROI z tekstu, zapisać ROI z tekstu, zapisać maskę ROI, załadować ROI z maski i połączyć ROI.
      11. Sprawdź plik wyjściowy menedżera ROI zapisany jako plik ".mat" w podfolderze o nazwie ROI_management w oryginalnym folderze obrazu.
      12. Aby dodać adnotację do innego obrazu na otwartej liście plików, powtórz kroki 3.2.1.2–3.2.1.11.
      13. Po zakończeniu adnotacji zamknij GUI menedżera ROI i zresetuj główny GUI, klikając przycisk Resetuj w głównym GUI.
    2. Analiza ROI dla pojedynczego obrazu w Menedżerze ROI
      1. Jeśli przeprowadzana jest analiza CT-FIRE na pełnym obrazie, a wyniki są zapisywane w katalogu domyślnym, kliknij jeden lub więcej ROI na liście ROI, a następnie kliknij przycisk ctFIRE ROI Analyzer, aby uruchomić moduł analizy Post-ROI.
        UWAGA: Wyniki zostaną automatycznie zapisane w podfolderze znajdującym się w folderze \\[folder obrazów]\ CTF_ROI\Indywidualne\ROI_post_analysis\.
      2. W wyskakującym okienku kliknij przycisk Sprawdź włókna, aby wyświetlić włókna w ramach wybranych ROI (Rysunek 4B).
      3. Kliknij na Plot Statistics (Statystyki wykresu), aby wyświetlić histogramy każdego ROI (Rysunek 4C). Zostaną wyświetlone odpowiednie wartości wyjściowe
        4. .
      4. Jeśli analiza CT-FIRE na pełnym obrazie nie została przeprowadzona, kliknij jeden lub więcej ROI na liście ROI, a następnie kliknij przycisk Zastosuj ctFIRE przy ROI, aby bezpośrednio zastosować analizę CT-FIRE do wybranych ROI.
      5. Postępuj zgodnie z instrukcjami wyświetlanymi w oknie monitu, aby uruchomić plik analysis.
        UWAGA: Parametry uruchamiania CT-FIRE są przekazywane przez główny graficzny interfejs użytkownika, a użytkownik może zaktualizować parametry pracy zgodnie z opisem w kroku 3.1.5 w razie potrzeby. Po zakończeniu analizy statystyki podsumowujące pomiary włókien zostaną wyświetlone w tabeli wyjściowej. Wyniki zostaną automatycznie zapisane w podfolderze znajdującym się w folderze \\[folder obrazów]\ CTF_ROI\Individual\ROI_analysis\.
    3. Analiza ROI dla wielu obrazów za pomocą ROI Analyzer
      1. Wykonaj czynności opisane w wersji 3.2.1, aby dodać adnotacje do ROI dla obrazów, które mają być analizowane.
      2. Otwórz jeden lub więcej obrazów, klikając przycisk Otwórz pliki.
      3. Aby uruchomić analizę ROI post, gdy dostępne są pełne wyniki analizy obrazu, kliknij menu rozwijane w panelu Opcje uruchamiania i wybierz opcję CTF po ROI analyzer.
      4. Kliknij przycisk URUCHOM, aby uruchomić analizę ROI dla wszystkich załadowanych obrazów.
      5. Sprawdź informacje o postępie wyświetlane w oknie komunikatu u dołu graficznego interfejsu użytkownika oraz w oknie poleceń.
      6. Po zakończeniu analizy sprawdź statystyki podsumowujące dla każdego zwrotu z inwestycji wyświetlanego w tabeli wyjściowej.
        UWAGA: Szczegółowe pliki wyjściowe są automatycznie zapisywane w podfolderze znajdującym się w folderze \\ [folder obrazów]\CTF_ROI\Batch\ROI_post_analysis\.
      7. Aby uruchomić analizę bezpośrednią, gdy pełne wyniki analizy obrazu nie są dostępne, wykonaj kroki 3.2.3.1–3.2.3.6, z wyjątkiem tego, że w kroku 3.2.3.3 wybierz opcję Analiza zwrotu z inwestycji CTFr; w kroku 3.2.3.4, przed kliknięciem przycisku URUCHOM, zaktualizuj parametry pracy zgodnie z opisem w kroku 3.1.5. Po kliknięciu przycisku URUCHOM, w oknie dialogowym monitu wybierz między prostokątnym ROI a maską ROI o dowolnym kształcie.
        UWAGA: Jeśli wszystkie opisane ROI są prostokątne, użytkownik może wybrać "Prostokątny ROI". W kroku 3.2.3.6 wyniki analizy ROI są zapisywane w podfolderze znajdującym się w folderze \\[folder obrazów]\CTF_ROI\Batch\ROI_analysis\.
  3. Obróbka końcowa za pomocą CT-FIRE
    UWAGA: Po regularnej analizie CT-FIRE opisanej w 3.1, użytkownik może wykonać dalszą obróbkę końcową. Bez ponownego uruchamiania czasochłonnej ekstrakcji włókien, regularne przetwarzanie końcowe, opisane w 3.3.1, może zaktualizować niektóre podstawowe właściwości figury wyjściowej, podczas gdy zaawansowane przetwarzanie końcowe opisane w 3.3.2 może wizualizować poszczególne włókna i ich właściwości, wykonywać złożone progowanie wśród wszystkich czterech właściwości włókien, generować statystyki podsumowujące wybrane włókna i wizualizować wybrane włókna za pomocą dostosowanej mapy kolorów.
    1. Regularna obróbka końcowa za pomocą CT-FIRE
      1. Uruchom aplikację CT-FIRE lub kliknij przycisk Reset po innych operacjach, aby zainicjować główny graficzny interfejs użytkownika CT-FIRE (Rysunek 3A).
      2. Zaznacz pole wyboru .mat w górnej części głównego graficznego interfejsu użytkownika.
      3. Kliknij przycisk Otwórz plik(i), aby wybrać wyjściowy plik .mat CT-FIRE w podfolderze ctFIREout.
        UWAGA: Jeśli zaznaczonych jest wiele plików, pole wyboru Partia zostanie zaznaczone automatycznie. Nazwa pliku odpowiednich obrazów zostanie wyświetlona na liście pól.
      4. Zaktualizuj opcje w panelu sterowania Figura wyjściowa.
      5. Zachowaj domyślne opcje w opcjach wyjściowych, co zapewni, że wszystkie pliki wyjściowe zostaną zaktualizowane zgodnie z nowym zestawem parametrów ustawionym w 3.3.1.4.
      6. Kliknij przycisk Przetwarzanie końcowe. Sprawdź informacje o postępie w oknie komunikatu u dołu głównego graficznego interfejsu użytkownika, a także w oknie poleceń.
      7. Po zakończeniu analizy kliknij dowolny element w tabeli wyjściowej, aby zobaczyć histogram wymiarów włókien obrazu, w tym długość, szerokość, kąt i prostoliniowość.
        UWAGA: Nowe pliki wyjściowe zastąpią stare w podfolderze ctFIREout.
    2. Zaawansowana obróbka końcowa CT-FIRE
      1. Uruchom aplikację CT-FIRE lub kliknij przycisk Reset po innych operacjach, aby zainicjować główny graficzny interfejs użytkownika CT-FIRE (Rysunek 3A).
      2. Zaznacz pole wyboru OUT.adv w górnej części głównego graficznego interfejsu użytkownika (Rysunek 3A).
      3. Kliknij przycisk Post-processing, aby uruchomić zaawansowany graficzny interfejs użytkownika do przetwarzania końcowego o nazwie "Analysis Module" (Rysunek 5A).
      4. Kliknij przycisk Wybierz plik, aby wybrać obraz.
      5. Kliknij przycisk Wizualizuj włókna, aby wprowadzić numer włókna na podstawie etykiet na rysunku zakładki Original-fibers.
        UWAGA: Pomiary wybranych włókien zostaną wyświetlone w tabeli wyjściowej ( Rysunek 5B), a odpowiadające im włókna zostaną nałożone na oryginalny obraz pokazany na rysunku zakładki o nazwie Mierzone włókna ( Rysunek 5C).
      6. Kliknij przycisk Potwierdź/Aktualizuj, aby przejść do operacji progowania.
      7. Zaznacz pole progowania, aby włączyć ustawienia progów.
      8. Wybierz jedną z czterech opcji progowania z menu rozwijanego.
      9. Wprowadź żądane progi w panelu Progi dla jednej lub kilku właściwości włókna.
      10. Kliknij przycisk Próg teraz, aby zastosować powyższe warunki progowe.
      11. Sprawdź rysunek monitu z nazwą kończącą się wizualizacją metryk, aby zobaczyć wybrane włókna nałożone na oryginalne obrazy z dostosowanymi mapami kolorów, jak pokazano na Rysunek 5E.
      12. Powtórz kroki 3.3.2.9–3.3.2.11, aby ustawić żądane progi.
      13. Kliknij przycisk Zapisz włókna, aby zapisać wybrane informacje o światłowodzie.
        UWAGA: Odpowiednie wybrane włókna zostaną wyświetlone na rysunku zakładki o nazwie After-Thresholding.
      14. Kliknij przycisk Generuj statystyki, a następnie kliknij przycisk OK w wyskakującym okienku, aby wygenerować statystyki podsumowujące.
        UWAGA: Tabela wyjściowa (Rysunek 5D) pokaże średnią wartość wybranych włókien. Pozostałe statystyki wybranych włókien zostaną zapisane w pliku Excel, którego lokalizacja jest wyświetlana w oknie statusu na dole tego GUI.
      15. Aby uwzględnić wybrane informacje o pojedynczym włóknie w pliku wyjściowym, zaznacz pole Generuj arkusz dla surowych danych przed kliknięciem przycisku OK.
      16. Aby połączyć wyniki z wielu obrazów, w kroku 3.3.2.4 zaznacz pole Tryb wsadowy lub Tryb stosu i wybierz wiele obrazów lub stosów do analizy; pomiń kroki 3.3.2.5–3.3.2.6. W krokach 3.3.2.8–3.3.2.9 ustaw warunki progowe, ale ponieważ przyciski próg teraz i Zapisz włókna są wyłączone, pomiń kroki 3.3.2.10–3.3.2.13; Na koniec postępuj zgodnie z instrukcjami w kroku 3.3.2.14, aby wygenerować statystyki podsumowujące i właściwości poszczególnych włókien wybranych włókien.

4. Analiza włókien za pomocą CurveAlign

UWAGA: CurveAlign został początkowo opracowany do automatycznego pomiaru kątów włókien w odniesieniu do granic zdefiniowanych przez użytkownika. Obecna wersja CurveAlign może być używana do zbiorczej oceny cech opartych na gęstości i wyrównaniu, oprócz pomiaru kąta względnego, poprzez wczytywanie informacji o poszczególnych włóknach wyodrębnionych przez CT-FIRE lub bezpośrednio przy użyciu lokalnej orientacji krzywych. CurveAlign oblicza do trzydziestu cech związanych z cechami globalnymi lub lokalnymi, w tym głównie gęstość i wyrównanie, a także właściwości poszczególnych włókien, gdy CT-FIRE jest przyjęty jako metoda śledzenia światłowodów.

  1. Analiza włókien za pomocą krzywych
    1. Uruchom aplikację zgodnie z opisem w 2.3.
    2. Kliknij przycisk Resetuj, aby zresetować aplikację do stanu początkowego, jeśli zostały przeprowadzone inne operacje.
    3. W głównym graficznym interfejsie użytkownika (Rysunek 6A) zaznacz opcję Metoda analizy światłowodu, aby upewnić się, że wybrano CT (opcja domyślna).
      UWAGA: W tym trybie CT jest wykonywany na obrazie, a orientacja każdej krzywej reprezentuje kierunek włókna w odpowiednim miejscu.
    4. Kliknij menu rozwijane Metoda granic i wybierz tryb przetwarzania granic z następujących opcji menu rozwijanego: Brak granicy, Granica CSV i Granica TIFF.
      UWAGA: Jeśli granica nie jest potrzebna, pomiń ten krok. Patrz 4.3, aby dowiedzieć się, jak obliczyć kąty włókien w odniesieniu do granicy.
    5. Kliknij przycisk Pobierz obrazy w głównym graficznym interfejsie użytkownika (Rysunek 6A), a następnie wybierz jeden lub więcej obrazów/lub stosów obrazów z okna zachęty. Użyj techniki odpowiedniej dla Twojego systemu operacyjnego, aby wybrać wiele obrazów w oknie dialogowym (np. w systemie Windows przytrzymaj CTRL podczas wybierania wielu plików).
      UWAGA: W przypadku wybrania dwóch lub więcej plików obrazów wszystkie obrazy muszą używać tych samych parametrów bieżących do analizy. Upewnij się, że wszystkie obrazy zostały uzyskane w tych samych lub podobnych warunkach.
    6. W przypadku stosu obrazów przesuń suwak plasterka pod polem listy plików, aby wybrać plasterek do analizy.
    7. Wprowadź ułamek współczynników, które chcesz zachować. Wartość ta jest ułamkiem największych współczynników CT, które zostaną użyte w analizie włókien.
      UWAGA: Jeśli obraz ma duże różnice w intensywności lub kontraście światłowodów, dodaj adnotacje do obszarów zainteresowania z równomiernym kontrastem do analizy światłowodów, ponieważ ten tryb wykrywa tylko najjaśniejsze włókna na obrazie. Ponadto, im większy jest rozmiar obrazu, ustaw mniejszą wartość dla tego ułamka.
    8. Zachowaj wszystkie parametry w Opcjach wyjściowych i inne w opcji Zaawansowane jako domyślne; pliki wyjściowe mogą być potrzebne w innych przyszłych operacjach.
    9. Kliknij przycisk Uruchom u dołu głównego graficznego interfejsu użytkownika (Rysunek 6A).
      UWAGA: Informacje o postępie zostaną wyświetlone w oknie wiadomości podświetlonym na zielono na dole. Po zakończeniu procesu w tabeli wyjściowej zostaną wyświetlone statystyki podsumowujące dla każdego obrazu (Rysunek 6B), a wszystkie pliki wyjściowe zostaną automatycznie zapisane w podfolderze o nazwie CA_Out w katalogu oryginalnych obrazów.
    10. Kliknij dowolny element w tabeli wyjściowej (Rysunek 6B), aby zobaczyć histogram (Rysunek 6E) lub wykres kompasu (Rysunek 6F) kątów światłowodów.
      UWAGA: Zostanie również wyświetlony obraz nakładki ( Rysunek 6C) i mapa cieplna ( Rysunek 6D) wyrównania lub kąta.
    11. Kliknij przycisk Resetuj, aby uruchomić inne operacje, lub zamknij główny graficzny interfejs użytkownika, aby zamknąć aplikację.
  2. Indywidualna analiza włókien za pomocą CT-FIRE
    UWAGA: Procedura jest taka sama, jak opisana w sekcji 4.1, z wyjątkiem tego, że w kroku 4.1.3 wybierz tryb analizy światłowodu związany z CT-FIRE i pomiń krok 4.1.7, ponieważ nie ma on zastosowania i jest wyłączony w trybie CT-FIRE. W szczególności w kroku 4.1.3 wybierz jedną z następujących trzech metod analizy poszczególnych włókien opartych na CT-FIRE:
    1. Wybierz CT-FIRE Fibers, aby użyć punktu środkowego światłowodu i kąta światłowodu do reprezentowania włókna.
      UWAGA: Ta opcja nie uwzględnia zmian orientacji światłowodu na całej długości włókna.
    2. Wybierz CT-FIRE Endpoints (Punkty końcowe CT-FIRE), aby użyć dwóch punktów końcowych światłowodu i odpowiadającego im kąta światłowodu do reprezentowania światłowodu.
      UWAGA: W porównaniu z 4.2.1, ta opcja używa dwóch pozycji do reprezentowania włókna, a nie jednej (punktu środkowego światłowodu).
    3. Wybierz opcję CT-FIRE Segments, aby użyć segmentów światłowodu do reprezentowania włókna.
      UWAGA: Każdy segment ma równą długość (domyślnie ustawioną na 5 pikseli w CT-FIRE), a także jego orientację i położenie, co odzwierciedla zmianę orientacji na całej długości światłowodu. Ta opcja byłaby najbardziej czasochłonna, ale byłaby najlepszą opcją spośród trzech metod analizy włókien opartych na CT-FIRE do śledzenia zmian w lokalnej orientacji zakrzywionego włókna.
  3. Analiza wyrównania względnego z boundary
    UWAGA: W porównaniu ze zwykłą analizą bez warunków brzegowych opisaną w sekcjach 4.2 i 4.3, analiza wyrównania względnego z warunkami brzegowymi wymaga:
    1. W kroku 4.1.3 wybierz warunek brzegowy tiff.
      UWAGA: Użytkownik będzie potrzebował odpowiedniego pliku granic dla każdego obrazu lub każdego stosu. Postępuj zgodnie z instrukcjami wyświetlanymi na ekranie, aby ręcznie dodać adnotacje do pliku obwiedni CSV (opartego na formacie wartości rozdzielanych przecinkami, współrzędne x-y) lub pliku obwiedni TIFF. Pliki obwiedni utworzone w CurveAlign zostaną automatycznie zapisane zgodnie z katalogiem plików i konwencjami nazewnictwa plików opisanymi w instrukcji. Jeśli dostarczona jest para obrazów jasnego pola H&E i SHG, użyj modułu automatycznego tworzenia obwiedni opisanego w sekcji 4.4, aby wygenerować plik obwiedni.
    2. W panelu Parametry podstawowe wprowadź odległość od najbliższej granicy, aby ocenić tylko włókna w tym zakresie odległości.
    3. W panelu Opcje wyjściowe zaznacz pole asocjacji obwiedni Bdry Assoc, aby zobrazować punkt na granicy, który jest skojarzony z włóknem, segmentem włókna lub krzywą.
  4. Automatyczne tworzenie obwiedni
    1. Uruchom aplikację zgodnie z opisem w 2.3.
    2. Kliknij przycisk Resetuj, aby zresetować aplikację do stanu początkowego, jeśli inne operacje zostały już wykonane.
    3. Kliknij przycisk BD Creation, aby uruchomić moduł automatycznego tworzenia obwiedni.
    4. Postępuj zgodnie z instrukcjami/wskazówkami wyświetlanymi na ekranie, aby utworzyć plik obwiedni dla jednego lub więcej obrazów na podstawie pary obrazów jasnego pola H&E i SHG.
    5. Zamknij okno modułu lub kliknij przycisk Reset w głównym graficznym interfejsie użytkownika (Rysunek 6A), aby wyjść z tego modułu.
  5. Analiza obszaru zainteresowania CurveAlign
    1. Adnotacja ROI za pomocą Menedżera ROI
      1. Kliknij przycisk Pobierz obrazy w głównym graficznym interfejsie użytkownika (Rysunek 6A), aby załadować jeden lub więcej obrazów.
      2. Na liście plików wybierz obraz, do którego chcesz dodać adnotację.
      3. Kliknij Menedżera ROI, aby uruchomić moduł Menedżer ROI (Rysunek 7A).
      4. Wykonaj kroki 3.2.1.5–3.2.1.13 w sekcji 3.2.1.
    2. Analiza ROI dla pojedynczego obrazu w Menedżerze ROI
      1. Jeśli przeprowadzono analizę CurveAlign na pełnym obrazie, a wyniki są zapisywane w katalogu domyślnym, kliknij jeden lub więcej ROI na liście ROI, a następnie kliknij przycisk CA ROI Analyzer, aby uruchomić analizę po ROI.
        UWAGA: Po zakończeniu analizy statystyki podsumowujące zostaną wyświetlone w tabeli wyjściowej (Rysunek 7C), a także rysunek histogramu (Rysunek 7D) przedstawiający rozkład kątów.
      2. Kliknij dowolny element w tabeli wyjściowej, aby wyświetlić włókna w danym ROI (Rysunek 7B), a także histogram kątów włókien.
      3. Sprawdź pliki wyjściowe zapisane w podfolderze znajdującym się w folderze \\[folder obrazów]\ CA_ROI\Individual\ROI_post_analysis\.
      4. Jeśli analiza CA na pełnym obrazie nie została przeprowadzona, kliknij jeden lub więcej ROI na liście ROI, a następnie kliknij przycisk Apply CA on ROI, aby bezpośrednio zastosować analizę CA do wybranych ROI. Postępuj zgodnie z instrukcjami wyświetlanymi w oknie monitu, aby uruchomić plik analysis.
        UWAGA: Parametry służące do uruchamiania analizy CA są przekazywane przez główny graficzny interfejs użytkownika; W razie potrzeby zaktualizuj parametry pracy opisane w kroku 4.1.7. Po zakończeniu analizy wyniki statystyk sumarycznych pomiarów włókien zostaną wyświetlone w tabeli wyjściowej. Wyniki zostaną automatycznie zapisane w podfolderze znajdującym się w folderze \\[folder obrazów]\ CA_ROI\Individual\ROI_analysis\.
    3. Analiza ROI dla wielu obrazów za pomocą ROI Analyzer
      1. Wykonaj czynności opisane w wersji 4.5.1, aby dodać adnotacje o ROI dla obrazów, które mają być analizowane.
      2. Otwórz jeden lub więcej obrazów, klikając przycisk Pobierz obraz(y).
      3. Aby uruchomić analizę ROI post, gdy dostępne są pełne wyniki analizy obrazu, kliknij przycisk Analiza ROI i wybierz opcję Przetwarzanie końcowe ROI.
      4. Sprawdź informacje o postępie wyświetlane w oknie komunikatu u dołu graficznego interfejsu użytkownika oraz w oknie poleceń.
      5. Po zakończeniu analizy sprawdź statystyki podsumowujące dla każdego zwrotu z inwestycji wyświetlanego w tabeli wyjściowej.
        UWAGA: Szczegółowe pliki wyjściowe są automatycznie zapisywane w podfolderze znajdującym się w folderze \\ [folder obrazów]\CA_ROI\Batch\ROI_post_analysis\.
      6. Aby uruchomić analizę bezpośrednią w trybie CT, gdy pełne wyniki analizy obrazu nie są dostępne, wykonaj kroki 4.5.3.1–4.5.3.5, z wyjątkiem następujących zmian: zmodyfikuj krok 4.5.3.3, wybierając opcję CA na przyciętym prostokątnym ROI lub CA na masce z ROI o dowolnym kształcie. Jeśli wszystkie opisane ROI mają kształt prostokątny, wybierz opcję Prostokątny ROI. Po kroku 4.5.3.2 zaktualizuj parametry pracy zgodnie z opisem w 4.1.7.
        UWAGA: Wyniki analizy ROI zostaną zapisane w podfolderze znajdującym się pod adresem \\ [folder obrazów]\CA_ROI\Batch\ROI_analysis\.
  6. Przetwarzanie końcowe CurveAlign
    1. Uruchom aplikację zgodnie z opisem w sekcji 2.3.
    2. Kliknij przycisk Resetuj, aby zresetować aplikację do stanu początkowego, jeśli inne operacje zostały już wykonane.
    3. Kliknij przycisk Post-Processing, aby uruchomić moduł post-processingu.
    4. Postępuj zgodnie z instrukcjami/wskazówkami wyświetlanymi na ekranie, aby połączyć cechy wyjściowe lub wartości z różnych obrazów.
    5. Zamknij okno modułu lub kliknij przycisk Reset w głównym graficznym interfejsie użytkownika (Rysunek 6A), aby wyjść z tego modułu.

5. Szacowany czas działania

  1. Poczekaj szacowany czas trwania na przetworzenie obrazu o rozmiarze 1024 pikseli x 1024 pikseli o umiarkowanej gęstości włókien. Rzeczywisty czas obliczeń zazwyczaj zależy od wielu czynników, w tym rozmiaru pliku, trybu analizy, funkcji, które mają zostać wdrożone, typu jednostki centralnej (CPU) i ilości dostępnej pamięci o dostępie swobodnym (lub RAM). Ekstrakcja pojedynczych włókien CT-FIRE trwa kilka minut. Tryb CurveAlign CT bez granicy trwa kilka sekund. CurveAlign CT-FIRE tryb światłowodu lub końców światłowodu bez granicy zajmuje dziesiątki sekund. Tryb światłowodowy CurveAlign CT-FIRE bez granic zajmuje setki sekund. Analiza CurveAlign z obwiednią trwa od kilkudziesięciu sekund do kilku minut, w zależności od złożoności granic.

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

Wyniki

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

Te metody zostały z powodzeniem zastosowane w licznych badaniach. Niektóre typowe zastosowania obejmują: 1) Conklin i wsp.22 użyli CurveAlign do obliczenia sygnatur kolagenu związanych z nowotworem i stwierdzili, że włókna kolagenowe były częściej ustawione prostopadle do obwodu przewodu w zmianach raka przewodowego in situ (DCIS); 2) Drifka i wsp.10 użyli trybu CT-FIRE w CurveAlign do ilościowego określenia wyrównania kolagenu zrębowego dla gruczolakoraka przewodowego trzu...

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

Dyskusja

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

Protokół ten opisuje zastosowanie CT-FIRE i CurveAlign do kwantyfikacji kolagenu fibrylarnego i może być stosowany do dowolnego obrazu z włóknami kolagenowymi lub innymi wydłużonymi strukturami przypominającymi linie lub włókna, które nadają się do analizy przez CT-FIRE lub CurveAlign. Na przykład włókna elastyny lub elastyczne mogą być przetwarzane w podobny sposób na tej platformie. Oba narzędzia przetestowaliśmy na generowanych komputerowo włóknach syntetycznych21. W zależności od aplikacji uży...

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

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

Dziękujemy wielu współpracownikom i użytkownikom CT-FIRE i CurveAlign na przestrzeni lat, w tym Dr. Robowi Nowakowi, Dr. Carolyn Pehlke, Dr. Jeremy'emu Bredfeldtowi, Guneetowi Mehcie, Andrew Leichtowi, Dr. Adib Keikhosravi, Dr. Mattowi Conklinowi, Dr. Jayne Squirrell, Dr. Paolo Provenzano, Dr. Brendzie Ogle, Dr. Patricii Keely, Dr. Josephowi Szulczewskiemu, Dr. Suzanne Ponik oraz dodatkowemu wkładowi technicznemu od Swati Anand i Curtisa Ruedena. Prace te były wspierane przez fundusze z Semiconductor Research Corporation, Morgridge Institute for Research oraz granty NIH R01CA199996, R01CA181385 i U54CA210190 dla KWE.

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

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
CT-FIREUniversity of Wisconsin-MadisonN/Adostępne w https://eliceirilab.org/software/ctfire/
CurveAlignUniversity of Wisconsin-MadisonN/AOprogramowanie open source dostępne od https://eliceirilab.org/software/curvealign/
Oprogramowanie open source

Bibliografia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Nadiarnykh, O., et al. Second harmonic generation imaging microscopy studies of osteogenesis imperfecta. Journal of Biomedical Optics. 12 (5), 051805(2007).
  2. Kouris, N. A., et al. A nondenatured, noncrosslinked collagen matrix to deliver stem cells to the heart. Regenerative Medicine. 6 (5), 569-582 (2011).
  3. LeBert, D. C., et al. Matrix metalloproteinase 9 modulates collagen matrices and wound repair. Development. 142 (12), 2136-2146 (2015).
  4. Provenzano, P. P., et al. Collagen reorganization at the tumor-stromal interface facilitates local invasion. BMC Medicine. 4 (1), 38(2006).
  5. Provenzano, P. P., et al. Collagen density promotes mammary tumor initiation and progression. BMC Medicine. 6 (1), 1(2008).
  6. Conklin, M. W., et al. Aligned collagen is a prognostic signature for survival in human breast carcinoma. The American Journal of Pathology. 178 (3), 1221-1232 (2011).
  7. Alkmin, S., et al. Migration dynamics of ovarian epithelial cells on micro-fabricated image-based models of normal and malignant stroma. Acta Biomaterialia. 100, 92-104 (2019).
  8. Campbell, K. R., Campagnola, P. J. Assessing local stromal alterations in human ovarian cancer subtypes via second harmonic generation microscopy and analysis. Journal of Biomedical Optics. 22 (11), 116008(2017).
  9. Best, S. L., et al. Collagen organization of renal cell carcinoma differs between low and high grade tumors. BMC Cancer. 19 (1), 490(2019).
  10. Drifka, C. R., et al. Periductal stromal collagen topology of pancreatic ductal adenocarcinoma differs from that of normal and chronic pancreatitis. Modern Pathology. 28 (11), 1470-1480 (2015).
  11. Campagnola, P. J., et al. Three-dimensional high-resolution second-harmonic generation imaging of endogenous structural proteins in biological tissues. Biophysical Journal. 82 (1), 493-508 (2002).
  12. Arun Gopinathan, P., et al. Study of collagen birefringence in different grades of oral squamous cell carcinoma using picrosirius red and polarized light microscopy. Scientifica. 2015, 1-7 (2015).
  13. Keikhosravi, A., et al. Quantification of collagen organization in histopathology samples using liquid crystal based polarization microscopy. Biomedical Optics Express. 8 (9), 4243-4256 (2017).
  14. Quan, B. D., Sone, E. D. Cryo-TEM analysis of collagen fibrillar structure. Methods in Enzymology. 532, 189-205 (2013).
  15. Boudaoud, A., et al. FibrilTool, an ImageJ plug-in to quantify fibrillar structures in raw microscopy images. Nature Protocols. 9 (2), 457-463 (2014).
  16. Rezakhaniha, R., et al. Experimental investigation of collagen waviness and orientation in the arterial adventitia using confocal laser scanning microscopy. Biomechanics and Modeling in Mechanobiology. 11 (3-4), 461-473 (2012).
  17. Kartasalo, K., et al. CytoSpectre: a tool for spectral analysis of oriented structures on cellular and subcellular levels. BMC Bioinformatics. 16 (1), 1(2015).
  18. Bredfeldt, J. S., et al. Computational segmentation of collagen fibers from second-harmonic generation images of breast cancer. Journal of Biomedical Optics. 19 (1), 016007(2014).
  19. Bredfeldt, J. S., et al. Automated quantification of aligned collagen for human breast carcinoma prognosis. Journal of Pathology Informatics. 5 (1), 28(2014).
  20. Liu, Y., Keikhosravi, A., Mehta, G. S., Drifka, C. R., Eliceiri, K. W. Methods for quantifying fibrillar collagen alignment. Methods in Molecular Biology. 1627, 429-451 (2017).
  21. Liu, Y., et al. Fibrillar collagen quantification with curvelet transform based computational methods. Frontiers in Bioengineering and Biotechnology. 8, 198(2020).
  22. Conklin, M. W., et al. Collagen alignment as a predictor of recurrence after ductal carcinoma in situ. Cancer Epidemiology and Prevention Biomarkers. 27 (2), 138-145 (2018).
  23. Jallow, F., et al. Dynamic interactions between the extracellular matrix and estrogen activity in progression of ER+ breast cancer. Oncogene. 38 (43), 6913-6925 (2019).
  24. Smirnova, T., et al. Serpin E2 promotes breast cancer metastasis by remodeling the tumor matrix and polarizing tumor associated macrophages. Oncotarget. 7 (50), 82289(2016).
  25. Fanous, M., Keikhosravi, A., Kajdacsy-Balla, A., Eliceiri, K. W., Popescu, G. Quantitative phase imaging of stromal prognostic markers in pancreatic ductal adenocarcinoma. Biomedical Optics Express. 11 (3), 1354-1364 (2020).
  26. Jiménez-Torres, J. A., Virumbrales-Muñoz, M., Sung, K. E., Lee, M. H., Abel, E. J., Beebe, D. J. Patient-specific organotypic blood vessels as an in vitro model for anti-angiogenic drug response testing in renal cell carcinoma. EBioMedicine. 42, 408-419 (2019).
  27. Govindaraju, P., Todd, L., Shetye, S., Monslow, J., Puré, E. CD44-dependent inflammation, fibrogenesis, and collagenolysis regulates extracellular matrix remodeling and tensile strength during cutaneous wound healing. Matrix Biology. 75, 314-330 (2019).
  28. Henn, D., et al. Cryopreserved human skin allografts promote angiogenesis and dermal regeneration in a murine model. International Wound Journal. 17 (4), 925-936 (2020).
  29. Rico-Jimenez, J., et al. Non-invasive monitoring of pharmacodynamics during the skin wound healing process using multimodal optical microscopy. BMJ Open Diabetes Research and Care. 8 (1), 000974(2020).
  30. Israel, J. S., et al. Quantification of collagen organization after nerve repair. Plastic and Reconstructive Surgery Global Open. 5 (12), (2017).
  31. Rentchler, E. C., Gant, K. L., Drapkin, R., Patankar, M., Campagnola, P. J. Imaging collagen alterations in STICs and high grade ovarian cancers in the fallopian tubes by second harmonic generation microscopy. Cancers. 11 (11), 1805(2019).
  32. Hu, C., et al. Imaging collagen properties in the uterosacral ligaments of women with pelvic organ prolapse using spatial light interference microscopy (SLIM). Frontiers in Physics. 7, 72(2019).
  33. Guirado, E., et al. Disrupted protein expression and altered proteolytic events in hypophosphatemic dentin can be rescued by dentin matrix protein 1. Frontiers in Physiology. 11, 82(2020).
  34. Kiss, N., et al. Quantitative analysis on ex vivo nonlinear microscopy images of basal cell carcinoma samples in comparison to healthy skin. Pathology & Oncology Research. 25 (3), 1015-1021 (2019).
  35. Lewis, D. M., et al. Collagen fiber architecture regulates hypoxic sarcoma cell migration. ACS Biomaterials Science & Engineering. 4 (2), 400-409 (2018).
  36. Moura, C. C., Bourdakos, K. N., Tare, R. S., Oreffo, R. O., Mahajan, S. Live-imaging of Bioengineered Cartilage Tissue using Multimodal Non-linear Molecular Imaging. Scientific Reports. 9 (1), 1-9 (2019).
  37. Murtada, S. I., et al. Paradoxical aortic stiffening and subsequent cardiac dysfunction in Hutchinson-Gilford progeria syndrome. Journal of The Royal Society Interface. 17 (166), 0066(2020).
  38. Nichol, R. H., Catlett, T. S., Onesto, M. M., Hollender, D., Gómez, T. M. Environmental elasticity regulates cell-type specific RHOA signaling and neuritogenesis of human neurons. Stem Cell Reports. 13 (6), 1006-1021 (2019).
  39. Pointer, K. B., et al. Association of collagen architecture with glioblastoma patient survival. Journal of Neurosurgery. 126 (6), 1812-1821 (2016).
  40. Razavi, M. S., Leonard-Duke, J., Hardie, B., Dixon, J. B., Gleason, R. L. Axial stretch regulates rat tail collecting lymphatic vessel contractions. Scientific Reports. 10 (1), 1-11 (2020).
  41. Xue, Y., et al. Valve leaflet-inspired elastomeric scaffolds with tunable and anisotropic mechanical properties. Polymers for Advanced Technologies. 31 (1), 94-106 (2020).
  42. Zhou, Z. H., et al. Reorganized collagen in the tumor microenvironment of gastric cancer and its association with prognosis. Journal of Cancer. 8 (8), 1466(2017).
  43. Zinn, A., et al. The small GTPase RhoG regulates microtubule-mediated focal adhesion disassembly. Scientific Reports. 9 (1), 1-15 (2019).
  44. Zwaans, B. M., et al. Radiation cystitis modeling: A comparative study of bladder fibrosis radio-sensitivity in C57BL/6, C3H, and BALB/c mice. Physiological Reports. 8 (4), (2020).
  45. Devine, E. E., Liu, Y., Keikhosravi, A., Eliceiri, K. W., Jiang, J. J. Quantitative second harmonic generation imaging of leporine, canine, and porcine vocal fold collagen. The Laryngoscope. 129 (11), 2549-2556 (2019).
  46. Schindelin, J., et al. Fiji: an open-source platform for biological-image analysis. Nature Methods. 9 (7), 676-682 (2012).
  47. Zeitoune, A. A., et al. Epithelial ovarian cancer diagnosis of second-harmonic generation images: A semiautomatic collagen fibers quantification protocol. Cancer Informatics. 16, (2017).
  48. Wershof, E., et al. Matrix feedback enables diverse higher-order patterning of the extracellular matrix. PLoS Computational Biology. 15 (10), 1007251(2019).
  49. Mostaço-Guidolin, L. B., et al. Fractal dimension and directional analysis of elastic and collagen fiber arrangement in unsectioned arterial tissues affected by atherosclerosis and aging. Journal of Applied Physiology. 126 (3), 638-646 (2019).
  50. Thain, D., Tannenbaum, T., Livny, M. Distributed computing in practice: the Condor experience. Concurrency and Computation: Practice and Experience. 17 (2-4), 323-356 (2005).

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

CT FIRECurveAlignkwantyfikacja w kienanaliza obrazuobszar zainteresowaniacechy w kienpowi zanie z granic

Powiązane artykuły