Multimodalna międzysystemowa i bezmarkerowa korejestracja metod obrazowania przedklinicznego
27 października 2023
Często konieczne jest połączenie wielu metod obrazowania, aby uzyskać kompleksowe zrozumienie patofizjologii. Podejście to wykorzystuje fantomy do generowania transformacji różnicowej między układami współrzędnych dwóch modalności, która jest następnie stosowana do korejestracji. Ta metoda eliminuje potrzebę stosowania powierników w skanach produkcyjnych.
Opracowaliśmy narzędzia programowe do obrazowania przedklinicznego, w tym budowy przemysłowej, fuzji, segmentacji i kwantyfikacji. Nasze oprogramowanie ma być przyjazne dla użytkownika, wydajne i kompatybilne z każdym urządzeniem do obrazowania małych zwierząt, aby umożliwić odtwarzalną analizę ilościową pozyskanych multimodalnych danych obrazowych. Automatyzacja jest ważnym tematem w naszej dziedzinie, ponieważ ręczna analiza jest często zbyt czasochłonna, podatna na błędy i mało odtwarzalna.
Automatyzacja oparta na oprogramowaniu może sprawić, że analiza będzie wydajna i powtarzalna, ale wyzwaniem jest sprawienie, aby automatyzacja była wystarczająco solidna. Urządzenia do obrazowania małych zwierząt dostarczają wolumetrycznych danych obrazowych znieczulonych myszy i szczurów laboratoryjnych oraz umożliwiają nieinwazyjną ocenę zmian patologicznych i fizjologicznych. Zintegrowane urządzenia multimodalne łączą w sobie zalety wielu modalności, takich jak mikrotomografia komputerowa i PET.
Możliwe jest również połączenie dwóch oddzielnych urządzeń. Opracowaliśmy oprogramowanie do automatycznego łączenia specjalnych modalności, takich jak mikro CT i FMT. Dostarczyliśmy również wydajne oprogramowanie do interaktywnej fuzji obrazów i zdefiniowaliśmy nowy format pliku do przechowywania danych obrazu, biorąc pod uwagę aspekty z zakresu zarządzania danymi.
W zeszłym roku opublikowaliśmy podejście do retrospektywnego bramkowania oddechowego i ustawień o wysokiej przepustowości. Wynikiem naszego protokołu jest macierz transformacji, która jest generowana przy użyciu etapu kalibracji, który obejmuje widoczne struktury, takie jak znaczniki powiernicze. Następnie fuzję obrazu można zautomatyzować za pomocą tej macierzy transformacji, co eliminuje potrzebę stosowania markerów.
Zacznij od załadowania obrazów obu modalności. W tym celu należy otworzyć oprogramowanie analityczne. Aby załadować obraz CT A jako podkład, przejdź do Plik, a następnie Podkład i kliknij Załaduj podkład.
W wyświetlonym oknie dialogowym wybierz i otwórz plik obrazu. Podobnie, aby załadować obraz PET A jako nakładkę, kliknij Plik, Nakładka, Załaduj nakładkę i wybierz plik obrazu, aby go otworzyć. W przypadku łączenia na podstawie znaczników ukryj podkładanie, przechodząc do opcji Menu, Widok i Widoczność warstwy.
Następnie odznacz nakładkę i zachowaj podkład. W razie potrzeby przełącz wybraną warstwę na podkładanie. Aby wyświetlić wiele widoków przekrojów, naciśnij alt plus A dla widoku osiowego, alt plus S dla widoku strzałkowego i alt plus C dla widoku koronalnego.
W razie potrzeby naciśnij CTRL i W, a następnie dostosuj lewy i prawy pionowy pasek w oknie dialogowym, aby lepiej widzieć powierników. Kliknij OK, aby zamknąć okno dialogowe. Kliknij symbol znacznika na pionowym pasku narzędzi po lewej stronie, aby aktywować tryb działania myszy, Utwórz znacznik.
Przejdź do jednego powiernika fantomu. Umieść wskaźnik myszy na środku i kliknij lewym przyciskiem myszy. Wybierz opcję W porządku Aby zapisać znacznik, umieść wskaźnik myszy na widoku płaszczyzny i użyj Alt i kółka myszy, aby przeciąć płaszczyzny.
Dostosuj ustawienia wyświetlania, przechodząc do Menu, Widok, Widoczność warstwy i zaznacz opcję Nakładka, aby wyświetlić nakładkę. Przełącz wybraną warstwę na nałożoną. W razie potrzeby dostosuj okienko, jak pokazano.
Przejdź do każdego powiernika fantomu. Umieść wskaźnik myszy na środku powiernika i kliknij lewym przyciskiem myszy. Kliknij OK, aby zapisać znacznik.
Umieść wskaźnik myszy na widoku płaszczyzny i użyj alt plus kółko myszy, aby przeciąć płaszczyzny. Wyrównaj znaczniki podkładu i nakładki, przechodząc do opcji Fusion, a następnie wybierz opcję Zarejestruj nakładkę do podkładu i wybierając opcję Oblicz obrót i translację. Zanotuj ten pomiar i kliknij przycisk OK.
Sprawdź wynik wyrównania. Jak pokazano wcześniej, uaktywnij widoki warstw podkładania i nakładania. Kliknij symbol na pionowym pasku narzędzi po lewej stronie, aby aktywować tryb myszy Interactive Image Fusion.
Zaznacz nakładkę, odznacz podkładanie i segmentację. Tłumaczenie można wykonać, umieszczając wskaźnik myszy w pobliżu środka widoku. Przytrzymaj lewy przycisk myszy i przesuń mysz, aby przesunąć nakładkę.
Obrót można wykonać, umieszczając wskaźnik w pobliżu krawędzi widoku, osiowej, czołowej lub strzałkowej. Przytrzymaj lewy przycisk myszy i przesuń mysz, aby obrócić nakładkę. Kontynuuj wykonywanie obrotów i translacji w różnych widokach, aż podkładanie i nakładka zostaną wyrównane tak dobrze, jak to możliwe.
Utwórz i zapisz transformację różnicową, przechodząc do opcji Łączenie, Przekształcanie nakładki, a następnie wybierz Utwórz i zapisz transformację różnicową. W pierwszym oknie dialogowym wybierz oryginalny plik nakładki i kliknij przycisk Otwórz. W drugim oknie dialogowym wprowadź nazwę pliku dla transformacji różnicowej i naciśnij Zapisz.
Aby rozpocząć, uruchom oprogramowanie do analizy. Zaimportuj plik CT jako podkład, klikając Plik, Podkład i Załaduj podkład. W wyświetlonym oknie dialogowym wybierz plik obrazu CT, aby go otworzyć.
Załaduj plik PET jako nakładkę, wybierając kolejno Plik, Nakładka i Wczytaj nakładkę. W wyświetlonym oknie dialogowym wybierz plik z obrazem PET. Aby włączyć wyświetlanie obu warstw, przejdź do Menu, Widok, a następnie Widoczność warstwy i zaznacz zarówno Podkładanie, jak i Nakładanie.
Aby załadować i zastosować wcześniej zapisaną macierz transformacji różnicowej, kliknij Fusion, Overlay Transformation, a następnie Load and Apply Transform. Następnie wybierz plik zawierający matrycę z procesu kalibracji, aby go otworzyć.
Przegląd
Niniejsze badanie przedstawia narzędzia programistyczne zaprojektowane do obrazowania przedklinicznego, ze szczególnym uwzględnieniem automatyzacji multimodalnej analizy obrazów. Narzędzia te zwiększają wydajność i powtarzalność analizy wolumetrycznych danych obrazowych pochodzących z urządzeń do obrazowania małych zwierząt.
Kluczowe elementy badania
Dziedzina nauki
- Neuronauka
- Techniki obrazowania
- Tworzenie oprogramowania
Wstęp
- Obrazowanie przedkliniczne jest niezbędne do zrozumienia zmian fizjologicznych i patologicznych.
- Ręczna analiza danych obrazowych jest często czasochłonna i podatna na błędy.
- Automatyzacja może zwiększyć wydajność i powtarzalność analizy obrazów.
- Zintegrowane urządzenia multimodalne łączą zalety różnych metod obrazowania.
Cel badania
- Opracowanie przyjaznego dla użytkownika oprogramowania do zautomatyzowanej fuzji i analizy obrazów.
- Wyeliminowanie konieczności stosowania markerów referencyjnych w rejestracji obrazów.
- Umożliwienie reprodukowalnej analizy ilościowej danych z obrazowania multimodalnego.
Zastosowane Metody
- Opracowanie narzędzi programistycznych do fuzji, segmentacji i kwantyfikacji danych obrazowych.
- Automatyzacja fuzji obrazów z wykorzystaniem macierzy transformacji uzyskanych w krokach kalibracji.
- Integracja danych obrazowych z urządzeń takich jak mikro-CT i PET.
- Wdrożenie przyjaznych dla użytkownika interfejsów do ładowania i analizy obrazów.
Główne wyniki
- Pomyślnie osiągnięto zautomatyzowaną fuzję modalności obrazowania bez użycia markerów referencyjnych.
- Narzędzia programowe wykazały wydajność w przetwarzaniu danych wolumetrycznych pochodzących od małych zwierząt.
- Zdefiniowano nowe formaty plików w celu lepszej kurateli i przechowywania danych.
- Zwalidowano retrospektywne bramkowanie oddechowe oraz ustawienia wysokiej przepustowości.
Wnioski
- Opracowane oprogramowanie usprawnia analizę danych z obrazowania multimodalnego.
- Automatyzacja znacząco skraca czas i redukuje liczbę błędów związanych z analizą manualną.
- Podejście to może ułatwić dokładniejszą ocenę w badaniach przedklinicznych.
Najczęściej zadawane pytania
Znaczenie dla przemysłu
Niezawodna, bezmarkerowa korejestracja modalności obrazowania przedklinicznego eliminuje krytyczne wąskie gardło w badaniach translacyjnych, umożliwiając reprodukowalną, ilościową integrację wielomodalnych zbiorów danych. Zdolność ta zwiększa pewność prognostyczną w modelach chorób oraz wspiera bardziej wiarygodną walidację celów i redukcję ryzyka mechanistycznego w całym procesie odkrywania leków. Uproszczone, gotowe do automatyzacji przepływy pracy ograniczają zmienność manualną i ułatwiają skalowalne, wieloośrodkowe badania obrazowe w ramach portfeli badawczo-rozwojowych przedsiębiorstw.
Zastosowania strategiczne w badaniach i rozwoju biofarmaceutycznym
Wczesne odkrywanie i walidacja celu
- Umożliwia ilościową, nieinwazyjną ocenę zmian biologicznych w modelach małych zwierząt.
- Wspiera walidację funkcjonalną celu poprzez integrację danych obrazowania anatomicznego i molekularnego.
- Zmniejsza niejednoznaczność mechanistyczną dzięki precyzyjnej korelacji przestrzennej sygnałów multimodalnych.
- Ułatwia selekcję projektów w portfolio poprzez zwiększenie wartości prognostycznej wyników przedklinicznych.
Przesiewanie i opracowywanie testów
- Przygotowuje zwalidowane zestawy danych obrazowych do późniejszej analizy ilościowej i procesów przesiewowych.
- Standaryzuje fuzję i korejestrację obrazów, co zwiększa powtarzalność między badaniami.
- Umożliwia tworzenie skalowalnych, kompatybilnych z automatyzacją przepływów pracy dla wysokoprzepustowych testów obrazowych.
- Wspiera wiarygodną ocenę efektów działania związków w modelach istotnych dla danej choroby.
Badania translacyjne i przedkliniczne
- Dopasowuje wyniki obrazowania do strategii biomarkerów translacyjnych poprzez integrację danych funkcjonalnych i strukturalnych.
- Zapewnia ciągłość od etapu odkrycia po walidację przedkliniczną, wspierając integrację danych między różnymi modalnościami.
- Zmniejsza ryzyko decyzji dotyczących dalszego rozwoju dzięki zapewnieniu rzetelnych, ilościowych punktów końcowych obrazowania.
- Poprawia charakterystykę modeli chorób w celu zwiększenia ich istotności translacyjnej.
Integracja potoków i przepływów pracy
Ten przepływ pracy w zakresie korejestracji bezmarkerowej łączy fazy wczesnego odkrywania, identyfikacji wiodących związków oraz walidacji przedklinicznej, umożliwiając płynną integrację danych obrazowych z wielu modalności i urządzeń.
- Biologia odkrywcza: Wspiera testowanie hipotez i wyjaśnianie szlaków sygnałowych poprzez zintegrowaną analizę obrazowania.
- Screening: Dostarcza powtarzalne, ilościowe wyniki obrazowania do oceny związków.
- Analityka: Zapewnia macierze transformacji i ustandaryzowane formaty plików dla wiarygodnego porównania statystycznego.
- Badania translacyjne: Ułatwia dopasowanie biomarkerów i walidację modeli chorób w różnych platformach obrazowania.
- Wykorzystanie w przedsiębiorstwie: Oferuje skalowalne, niezależne od urządzenia rozwiązanie do integracji obrazowania multimodalnego w ośrodkach B+R.
Wpływ operacyjny i przedsiębiorczy
- Wartość naukowa: Zwiększa pewność predykcyjną i redukuje ryzyko biologiczne w badaniach obrazowania przedklinicznego.
- Wartość operacyjna: Standaryzuje i automatyzuje fuzję obrazów, minimalizując błędy manualne oraz zmienność.
- Wartość strategiczna: Umożliwia podejmowanie lepiej uzasadnionych decyzji go/no-go oraz efektywne zarządzanie kapitałem w portfelu projektów.
- Wpływ na portfel: Wspiera priorytetyzację skorygowaną o ryzyko oraz rozwój programów odkrywczych.
Kwestie wdrożeniowe
- Wymaga wiedzy specjalistycznej w zakresie obrazowania przedklinicznego i analizy ilościowej.
- Zależne od kompatybilnych urządzeń obrazujących oraz infrastruktury oprogramowania do integracji danych.
- Wymaga standaryzacji protokołów obrazowania i obsługi metadanych pomiędzy zespołami.
- Możliwość adaptacji do różnych kombinacji modalności obrazowania i specyficznych dla ośrodka przepływów pracy.
- Kalibracja oparta na fantomach oraz generowanie macierzy transformacji są niezbędne do wstępnej konfiguracji.
Najczęściej zadawane pytania dotyczące biofarmacji
Chapters in this video
0:00
Introduction
2:01
Calculation of the Differential Transformation for Cross‐Device Co‐Registration of Two Preclinical Imaging Modalities
6:10
Application of the Differential Transformation for Cross‐Device Co‐Registration of Two Preclinical Imaging Modalities
