Artykuł metodologiczny

Retrospektywne bramkowanie serca z prototypem rentgenowskiego tomografu komputerowego małych zwierząt

871 wyświetleń

⸱

DOI:

10.3791/67803

⸱

21 lutego 2025

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

W tym artykule

Podsumowanie

Dostarczamy wyczerpujący opis wewnętrznej metody retrospektywnego bramkowania serca CrumpCAT, prototypu tomografu komputerowego (CT) dla małych zwierząt, zaprojektowanego i zbudowanego w naszej instytucji badawczej.

Streszczenie

CrumpCAT to prototyp tomografu komputerowego (CT) dla małych zwierząt, opracowany w naszej instytucji badawczej. Detektor CMOS o maksymalnej częstotliwości odświeżania 29 Hz i podobne wolframowe źródła promieniowania rentgenowskiego o energiach od 50 kVp do 80 kVp są szeroko stosowane w dostępnych na rynku przedklinicznych instrumentach rentgenowskich CT. To sprawia, że opisana praca jest bardzo istotna dla innych instytucji, pomimo ogólnie postrzeganej mądrości, że detektory te nie nadają się do bramkowania wysokiego tętna myszy (~600 uderzeń / min). Skaner umożliwia obrazowanie w średniej (200 μm) i wysokiej rozdzielczości (125 μm), fluoroskopię, retrospektywne bramkowanie oddechowe i retrospektywne bramkowanie serca, z iteraacyjną lub wsteczną rekonstrukcją obrazu z projekcją wsteczną. Wśród tych cech bramkowanie serca jest najbardziej przydatną funkcją do badania funkcji serca in vivo, ponieważ skutecznie eliminuje rozmycie obrazu spowodowane ruchem oddechowym i sercowym.

Tutaj opisujemy naszą metodę przedklinicznego wewnętrznego retrospektywnego obrazowania CT z bramką serca, mającą na celu postęp w badaniach nad funkcją serca in vivo i analizą struktury. Metoda bramkowania serca polega na uzyskaniu dużej liczby projekcji w najkrótszym praktycznym czasie ekspozycji (~20 ms), a następnie retrospektywnie wyodrębnia sygnały oddechowe i sercowe ze zmian czasowych w surowych sekwencjach projekcji. Sygnały te są wykorzystywane do odrzucania projekcji należących do fazy wdechu o dużej szybkości ruchu cyklu oddechowego i do dzielenia pozostałych projekcji na 12 grup, z których każda odpowiada jednej fazie cyklu oddechowego. Każda grupa jest rekonstruowana niezależnie przy użyciu metody iteracyjnej w celu wytworzenia obrazu wolumetrycznego dla każdej fazy serca, w wyniku czego powstaje czterowymiarowy (4D) zestaw danych.

Te obrazy faz mogą być analizowane zarówno zbiorczo, jak i indywidualnie, co pozwala na szczegółową ocenę funkcji serca. Wykazaliśmy skuteczność obu podejść do funkcji bramkowania serca prototypowego skanera poprzez reprezentatywne wyniki obrazowania in vivo.

Wprowadzenie

Badania na małych zwierzętach często wykorzystują kombinację nieinwazyjnych metod obrazowania, z rentgenowską tomografią komputerową (CT), która jest głównym wyborem ze względu na jej dojrzałość, opłacalność, szybkość1,2, oraz zdolność do dostarczania informacji uzupełniających wraz z innymi modalnościami, takimi jak pozytonowa tomografia emisyjna (PET)2,3 oraz tomografia komputerowa emisji pojedynczych fotonów (SPECT)2,4. Jednak, podobnie jak inne techniki obrazowania, tomografia komputerowa jest podatna na fizjologiczne artefakty ruchowe spowodowane biciem serca lub oddychaniem, które wprowadzają rozmycie i ograniczają dokładność badań.

Aby rozwiązać ten problem, rozmycie ruchu oddechowego i sercowego można złagodzić za pomocą techniki znanej jako bramkowanie5,6,7,8, gdzie akwizycja danych jest synchronizowana z określonymi fazami cyklu sercowego lub oddechowego (lub bramkami). Jedno z podejść do osiągnięcia tego celu, znane jako bramkowanie prospektywne3,6, polega na dołączeniu czujników do zwierzęcia, aby dostarczyć sygnały bramkowania w czasie rzeczywistym do kompatybilnego skanera. Chociaż metoda ta jest skuteczna, jest pracochłonna i czasochłonna, szczególnie w przypadku mocowania czujników do klatki piersiowej i łap małych zwierząt, takich jak myszy, co ogranicza skalę badań. Alternatywnie, wewnętrzne bramkowanie retrospektywne 7,9,10,11 polega na pozyskiwaniu danych szeregów czasowych bez użycia czujników, ale poprzez identyfikowanie cech danych, które umożliwiają retrospektywne sortowanie wyników na podstawie ich fazy w cyklu sercowym lub oddechowym. Takie podejście oferuje wyniki porównywalne z bramkowaniem prospektywnym, ale bez konieczności stosowania dodatkowego sprzętu lub wysiłku związanego z mocowaniem czujnika impulsowego, a zatem znacznie upraszcza protokoły eksperymentalne.

W naszej metodzie przedklinicznego obrazowania tomografii komputerowej serca wykorzystujemy wewnętrzne bramkowanie retrospektywne do wyodrębniania cykli oddechowych i sercowych ze zmian amplitudy w obszarach projekcji rentgenowskich, które wykazują najbardziej znaczące zmiany między kolejnymi klatkami. Aby ułatwić ten proces, szablon klatki piersiowej myszy jest rejestrowany w pierwszej projekcji tylnej przedniej za pomocą Mutual Information12. Po umieszczeniu szablonu intensywność pikseli w okienku w pobliżu przepony jest sumowana w celu wygenerowania zastępczego sygnału oddechowego, podczas gdy te w pobliżu mięśnia sercowego są sumowane w celu uzyskania zastępczego sygnału sercowego. Sygnały te są następnie filtrowane pasmowo-przepustowo w dziedzinie czasu, a każdej klatce w zestawie danych przypisywany jest ułamkowy numer fazy (od 0 do 1) w oparciu o fazę oddechową i sercową. Pozwala to na wybór lub odrzucenie projekcji zgodnie z ich wartościami fazowymi. Zazwyczaj klatki odpowiadające fazie końca wydechu cyklu oddechowego (0,15 ≤ faza < 0,85) są zachowywane, podczas gdy te z fazy wdechu, w której ruch jest najbardziej wyraźny, są odrzucane. Pozostałe klatki są pogrupowane w 12 faz serca, z których każda reprezentuje 1/12 (0,083) cyklu pracy serca i są rekonstruowane w obrazy 3D przy użyciu metody iteracyjnej (Ordered Subset Expectation Maximization [OSEM])13,14. Cały proces jest podsumowany w Rysunek 1.

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

Protokół

Protokoły doświadczeń na zwierzętach zostały przeanalizowane i zatwierdzone przez Instytucjonalny Komitet ds. Opieki i Wykorzystania Zwierząt (Institutional Animal Care and Use Committee) Uniwersytetu Kalifornijskiego w Los Angeles (UCLA). W niniejszym protokole wykorzystano myszy C57BL/6J (8-tygodniowe, samce, 24-26 g). Skaner CT użyty w tym badaniu to CrumpCAT (Rysunek 2), prototyp opracowany w naszej instytucji badawczej na potrzeby badań przedklinicznych, który zapewnia kontrolę i elastyczność niezbędną do optymalizacji protokołów akwizycji i rekonstrukcji obrazu. Metoda zakłada, że znieczulone myszy będą miały częstotliwość pracy serca nieprzekraczającą 600 beats/min oraz częstotliwość oddychania w przedziale od 20 do 180 breaths/min15.

1. Ustawienia sprzętu

  1. Uruchomić źródło promieni rentgenowskich przy napięcie szczytowe z 50 kVp z 200 µA prąd stały.
  2. Ustaw kamerę rentgenowską binning pikseli do 2 oraz czas ekspozycji do najkrótszej praktycznej wartości (czas naświetlania 20 ms plus czas odczytu 14 ms dla a całkowity czas próbkowania z 34 ms).
    UWAGA: Opcja bez binningu (binning 1) charakteryzuje się wolniejszą częstotliwością klatek, w związku z czym nie może być stosowana podczas akwizycji z bramkowaniem. maksymalna liczba klatek na sekundę wynosi około 30 kl./s.

2. Przygotowanie zwierząt

  1. Z narkozą myszy należy przeprowadzić, stosując mieszankę tlenu i izofluranu o stężeniu 2,0%. Na oczy należy nałożyć sterylny środek smarujący, aby zapobiec wysychaniu i owrzodzeniu rogówki.
  2. Zwierzęta należy utrzymywać w narkozie przez 10 min przed obrazowaniem TK, aby upewnić się, że parametry życiowe są stabilne, a zwierzęta są rozluźnione, co pozwoli uniknąć ruchów ciała podczas skanowania. Głębokość narkozy myszy ocenia się na podstawie braku odruchu na uciśnięcie palca, mocno ściskając paznokciem błonę między palcami.
  3. W celu wykonania obrazowania z synchronizacją z cyklem pracy serca w celu wizualizacji jam serca, bezpośrednio przed obrazowaniem TK należy dożylnie wstrzyknąć 100 µL środka kontrastowego do TK przez żyłę ogonową (Rysunek 3A).
  4. Zanarkozowaną mysz należy umieścić w komorze obrazowania TK (Rysunek 3B).

3. Pozyskiwanie danych

  1. Uruchom oprogramowanie CrumpCAT.
  2. Obrazowanie CT bez synchronizacji z bramkowaniem o wysokiej rozdzielczości (125 µm, binning 1) (Rycina 4A)
    1. Wprowadź identyfikator badania (Study ID) w interfejsie użytkownika.
    2. W menu rozwijanym Protocol wybierz opcję Mouse Hi-Res.
    3. Kliknij przycisk Scan w interfejsie użytkownika, aby pozyskać 720 projekcji przy czasie ekspozycji wynoszącym 80 ms/projection.
  3. Obrazowanie CT bez synchronizacji z bramkowaniem o średniej rozdzielczości (200 µm, binning 2) (Rycina 4B)
    1. Wprowadź identyfikator badania (Study ID) w interfejsie użytkownika.
    2. W menu rozwijanym Protocol wybierz opcję Mouse Standard.
    3. Kliknij przycisk Scan w interfejsie użytkownika, aby pozyskać 720 projekcji przy czasie ekspozycji wynoszącym 100 ms/projection.
  4. Obrazowanie CT z synchronizacją z bramkowaniem (200 µm, binning 2) (Rycina 4C)
    1. Wprowadź identyfikator badania (Study ID) w interfejsie użytkownika.
    2. W menu rozwijanym Protocol wybierz opcję Cardiac Gating.
    3. Kliknij przycisk Scan w interfejsie użytkownika i pozyskaj 21 600 projekcji przy czasie ekspozycji wynoszącym 20 ms/projection.

4. Przetwarzanie wstępne danych

UWAGA: Kroki przetwarzania wstępnego są wymagane wyłącznie w przypadku akwizycji bramkowanych. Wszystkie te etapy są wykonywane automatycznie przez oprogramowanie do rekonstrukcji i nie wymagają interwencji operatora.

  1. Ekstrakcja sygnału
    1. W celu korejestracji szablonu klatki piersiowej, należy automatycznie dopasować niewielki obraz (szablon), który w sposób uproszczony reprezentuje klatkę piersiową myszy z żebrami, sercem, płucami i wątrobą, do pierwszej projekcji rentgenowskiej poprzez maksymalizację informacji wzajemnej (Mutual Information)12 między projekcją a szablonem (Rysunek 5).
      UWAGA: W stosunku do szablonu wykonuje się wyłącznie operacje translacji, a skorejestrowany szablon służy do identyfikacji obszarów zainteresowania (ROI) na wszystkich projekcjach.
    2. W celu ekstrakcji sygnału oddechowego, w szablonie należy wyznaczyć prostokątny obszar ROI (ROI-1) reprezentujący przeponę, a sygnał oddechowy należy generować poprzez sumowanie intensywności pikseli wewnątrz ROI-1 dla każdej projekcji (Rysunek 5).
    3. W celu ekstrakcji sygnału kardiologicznego, w szablonie w pobliżu serca należy wyznaczyć drugi prostokątny obszar ROI (ROI-2), a sygnał kardiologiczny generuje się poprzez sumowanie intensywności pikseli w ROI-2 dla każdej projekcji (Rysunek 5).
      UWAGA: Szablon klatki piersiowej jest korejestrowany tylko na pierwszej projekcji, aby zidentyfikować, które wiersze i kolumny obrazu (okno) powinny być wykorzystane do ekstrakcji sygnału. Okno to jest wystarczająco szerokie, aby objąć wszystkie projekcje, pod warunkiem, że zwierzę jest odpowiednio wycentrowane, co ma miejsce przy użyciu naszego podłoża dla zwierząt16.
  2. Filtr pasmowo-przepustowy
    1. Należy wygenerować filtr pasmowo-przepustowy poprzez połączenie dwóch funkcji Sinc o różnych częstotliwościach odcięcia w dziedzinie czasu17, które odpowiadają filtrom dolnoprzepustowym w dziedzinie częstotliwości, zgodnie z poniższym opisem.
    2. Oprogramowanie powinno zastosować filtr pasmowo-przepustowy do sygnału kardiologicznego, korzystając z pasma częstotliwości [300, 600] min-1 (Rysunek 6A).
      UWAGA: Niefiltrowany sygnał kardiologiczny (Rysunek 6B) wciąż zawiera istotny wkład wynikający z ruchu oddechowego.
    3. Podobnie sygnał oddechowy należy filtrować przy użyciu pasma częstotliwości [20, 300] min-1. Wyższe harmoniczne są zachowane, aby uzyskać sygnał, który nie jest prostą sinusoidą i wyraźniej identyfikuje dwie główne fazy: wdech i wydech.
      UWAGA: Na tym etapie zarówno sygnały oddechowe, jak i kardiologiczne mogą być łatwo interpolowane i traktowane jako funkcje czasu ciągłe w celu obliczenia ułamkowej wartości fazy.
  3. Przypisanie fazy
    1. Oprogramowanie powinno zidentyfikować początek każdego cyklu (oddechowego lub kardiologicznego) poprzez znalezienie przejść przez zero pierwszej pochodnej sygnału. Każde przejście przez zero odpowiada maksimum sygnału i wyznacza początek nowego cyklu oraz koniec poprzedniego. Przykład przedstawiono dla sygnału oddechowego na Rysunku 7.
    2. Każdej projekcji dla każdego z dwóch sygnałów (oddechowego lub kardiologicznego) należy przypisać ułamkową wartość fazy (między 0 a 1).
      UWAGA: Z definicji punkt początkowy ma ułamkową wartość fazy równą zero (dla bieżącego cyklu) lub jeden (dla cyklu poprzedniego).
  4. Maski selekcyjne
    1. Należy stworzyć 12 masek binarnych (jedna na fazę kardiologiczną) w celu wybrania projekcji należących do każdej fazy. Każda maska zawiera 21 600 wpisów (jeden na projekcję), które przyjmują wartość 0 lub 1, co oznacza odpowiednio odrzucenie lub zachowanie danej projekcji.
    2. Dla każdej maski (fazy) należy zauważyć, że oprogramowanie wskazuje, czy projekcja jest zachowana (1), czy odrzucona (0) zgodnie z jej ułamkową wartością fazy. Dla fazy 0 zachowane są projekcje z wartością fazy kardiologicznej w przedziale [0, 1/12]. Dla fazy 1 zachowane są wartości fazy kardiologicznej w przedziale [1/12, 2/12] i tak dalej.
    3. W każdej masce (fazie) należy odrzucić wszystkie projekcje (0 w masce), których faza oddechowa jest mniejsza niż 0,15 lub większa niż 0,85, ponieważ należą one do fazy wdechu, która charakteryzuje się największym ruchem (Rysunek 8A). Rysunek 8B przedstawia przypisanie fazy kardiologicznej do projekcji dla pierwszych 2 s.
      UWAGA: Proces ten nie wprowadził istotnego błędu systematycznego, ponieważ liczba projekcji na fazę była stosunkowo stała i wynosiła 1 800 ± 194.

5. Rekonstrukcja obrazu

  1. W przypadku niepoddawanych synchronizacji (non-gated) tomografii komputerowych, zrekonstruuj obrazy w średniej (200 µm) lub wysokiej (125 µm) rozdzielczości, stosując algorytm filtrowanej projekcji wstecznej (Feldkamp18) z filtrem Sheppa-Logana.
  2. W przypadku tomografii komputerowych synchronizowanych z cyklem pracy serca (cardiac-gated), zrekonstruuj obrazy dla każdej fazy serca, stosując iteracyjny algorytm OSEM13 z 12 podzbiorami i 8 iteracjami, uwzględniając wyłącznie wybrane projekcje przypisane do danej fazy (zgodnie z binarną maską wyboru fazy).
  3. Aby zredukować szum, zastosuj po rekonstrukcji filtr medianowy w wymiarze czasowym (tj. pomiędzy obrazami) oraz lekki trójwymiarowy filtr Gaussa w wymiarze przestrzennym (σ = 38 µm).
    UWAGA: W przypadku rekonstrukcji obrazów synchronizowanych z oddechem, należy użyć wszystkich faz serca bez rozróżnienia. Korekcję utwardzania wiązki (korekcja wodna) stosuje się do każdej rekonstrukcji.

6. Ocena obrazu i ilościowe określenie objętości lewej komory (LV)

  1. Otwórz obraz CT w przeglądarce DICOM, takiej jak Amide19 (Rysunek 9A).
  2. Popraw kontrast widocznego obrazu, ustawiając zakres wartości CT (mierzonych w jednostkach Hounsfielda [HU]) na [-500, 500] (Rysunek 9A).
  3. Ocena jakości obrazu
    1. Wyznacz ROI dla obszaru zwapniałego, definiowanego jako region wokół maksimum, w którym wartość CT wynosi 85% lub więcej maksymalnej wartości HU (Rysunek 9B).
    2. Użyj stosunku kontrastu do szumu (CNR)20,21 jako miernika do oceny jakości obrazu i jego zdolności do identyfikacji małych struktur, takich jak drobne zwapnienia:
      Równanie CNR dla analizy stosunku kontrastu do szumu w obrazowaniu; przedstawienie wzoru.,
      gdzie I i σ reprezentują średnią intensywność i odchylenie standardowe obszaru: zwapnienia (indeks C) lub tła (indeks B).
  4. Kwantyfikacja objętości lewej komory
    1. Wyznacz 3D-Freehand ROI, aby zidentyfikować LV w każdej fazie (Rysunek 10A).
    2. Kwantyfikuj objętość LV poprzez obliczenie wokseli z progową wartością CT wynoszącą 730 HU (Rysunek 10B). Wykres objętości LV przedstawiono na Rysunku 10C.
      UWAGA: Próg wartości CT nie jest bezwzględny; zależy on od użytego środka kontrastowego, wielkości zwierzęcia, szczepu, stanu zdrowia oraz czasu między wstrzyknięciem a obrazowaniem CT. Amide jest bezpłatnym oprogramowaniem opracowanym w naszym instytucie, ale dostępne są inne, bardziej zaawansowane przeglądarki obrazów (np. ORS Dragonfly22).

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

Wyniki

W pierwszej kolejności porównano obrazy CT z synchronizacją i bez niej w celu wizualizacji zwapnień serca u myszy (samce, 30-32 g). Mysi model zwapnienia serca stworzono poprzez wywołanie uszkodzenia serca za pomocą szybkiego zamrażania i rozmrażania tkanki serca (uraz kriogeniczny), zgodnie z wcześniejszym opisem23. W przypadku protokołów obrazowania CT bez synchronizacji, zwapnienia serca były wyraźniej widoczne na obrazach o wysokiej rozdzielczości (125 µm, binning 1) (Ryci...

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

Dyskusja

Opisana tutaj konkretna implementacja sprzętowa to wykonany na zamówienie system tomografii komputerowej rentgenowskiej, unikalny dla naszego instytutu, ale specyficzny detektor jest szeroko stosowany w dostępnych na rynku przedklinicznych instrumentach tomografii komputerowej rentgenowskiej, co sprawia, że opisana praca jest istotna dla innych instytucji. System ten jest funkcjonalnie prototypem dwóch komercyjnie dostępnych i szeroko stosowanych podsystemów mikrotomografii rentgenowskiej in vivo wbudowanych

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

Oświadczenia

Dr Richard Taschereau jest konsultantem w Sofie Biosciences i Xodus Imaging. Dr Arion F. Chatziioannou jest założycielem Sofie Biosciences.

Podziękowania

Dziękujemy wszystkim członkom UCLA Crump Preclinical Imaging Technology Center za pomoc i wsparcie. W szczególności dziękujemy Mikayli Tamboline i Isabel Day za przygotowanie zwierząt do obrazowania TK serca oraz dziękujemy Sophie Shumilov za wygenerowanie niektórych ROI lewej komory podczas badania. Dziękujemy również doktorom Arjunowi Debowi i Yijie Wangowi (UCLA) za dostarczenie mysich modeli ostrego niedokrwiennego uszkodzenia serca do obrazowania mikrotomografii komputerowej zwapnienia serca. Praca ta jest wspierana przez NIH Cancer Center Support Grant (2 P30 CA016042-44).

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

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Myszy C57BL/6JJackson Laboratory664Mężczyzna, 8 tygodni, 24-26 g
Aparat DexelaDetektor Varex1512, ekspozycja 20 ms, 74,8/149,6 i mikro; m pixel
VivoVistNanosondy1301-5X0,25MLCT Środek kontrastowy
Źródło promieniowania rentgenowskiegoMoxtekTUB00082szczyt 50 kV, 200 i mikro; A, filtr Al o grubości 1,0 mm

Bibliografia

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

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

Tomografia komputerowa ma ych zwierz trentgenowska tomografia komputerowabramkowanie retrospektywneobrazowanie funkcji sercaprzedkliniczne obrazowanie TKekstrakcja sygna u oddechowegoekstrakcja sygna u kardiologicznegoilo ciowa ocena lewej komorywolumetryczna rekonstrukcja obrazu

Powiązane artykuły