Podłużna analiza obrazu mikrotomografii komputerowej dla zdefiniowanego przez użytkownika obszaru zainteresowania w ubytkach kostnych o krytycznej wielkości
June 24th, 2025
Przedstawiamy metodę analizy zdefiniowanego przez użytkownika obszaru zainteresowania (ROI) w podłużnym modelu defektu promieniowego szczura in vivo . Metoda ta umożliwia analizę porównawczą różnych rusztowań, które wcześniej były ograniczone przez różnice w polu widzenia skanowania metodą tomografii komputerowej (μCT), orientacji próbki i wyjściowej obecności rusztowania.
Opracowaliśmy rusztowania nanocząsteczkowe, aby usprawnić regenerację kości w ubytkach o krytycznych rozmiarach i poprawić tempo gojenia w porównaniu z tradycyjnymi rusztowaniami.
Obecne metody często śledzą zmiany objętości kości w całych kościach, brakuje im precyzji i konsekwentnej identyfikacji zlokalizowanych obszarów zainteresowania w modelach podłużnych. Nasz protokół umożliwia spójne, zlokalizowane śledzenie obszarów zainteresowania w modelach bryłowych, poprawiając precyzję i analizę podłużną oraz porównując je z pełną oceną objętości kości.
Odkrycia te pozwolą nam dokładniej określić ilościowo regenerację kości w czasie i skuteczniej informować o potencjalnym wpływie translacyjnym naszej pracy.
[Instruktor] Aby rozpocząć, otwórz wyodrębnioną kość promieniową z zestawu danych porównania i kliknij ją prawym przyciskiem myszy. Następnie wyszukaj kreatora rejestracji obrazu i wybierz go. W sekcji właściwości ustaw dane na zestaw danych porównania dla wyodrębnionej kości promieniowej i odwołanie do początkowego zestawu danych punktu czasowego dla wyodrębnionej kości promieniowej. W sekcji akcji kreatora rejestracji obrazu kliknij przycisk Pomiń, aby przejść do kroku pierwszego z czterech. W przypadku kroków drugiego i trzeciego z czterech użyj kursora interakcji, aby dostosować pole karty do wspólnego regionu między zestawami danych, a następnie kliknij przycisk Zastosuj w obszarze akcji po każdym kroku. W kroku czwartym z czterech ustaw metrykę na korelację, transformację na sztywną, wstępne wyrównanie, aby wyrównać główne osie, a następnie kliknij przycisk Zastosuj w obszarze Akcja. Po wyrównaniu zestawów danych kliknij prawym przyciskiem myszy zestaw danych tygodnia porównania dla wyodrębnionej kości promieniowej, wyszukaj ponownie próbkowany przekształcony obraz i wybierz go. W sekcji właściwości ustaw dane na zestaw danych tygodnia porównania dla wyodrębnionej kości promieniowej, interpolację na najbliższego sąsiada, tryb na rozszerzony, zachowaj do rozmiaru woksela i wartość dopełnienia na zero, a następnie kliknij przycisk Zastosuj. Zostanie wygenerowany nowy przekształcony zestaw danych. Kliknij, aby włączyć plasterek orto dla początkowego punktu czasu i ustawić dane na początkowy zestaw danych punktu czasowego dla wyodrębnionego promienia. Ustaw orientację tak, aby płaszczyzna dawała poprzeczne cięcie przez kość promieniową. Korzystając z suwaka numeru wycinka w sekcji właściwości, dostosuj numer plasterka, aby zidentyfikować proksymalne i dystalne plasterki otaczające krytyczną wadę rozmiaru. Określ i udokumentuj numer przekroju, w którym złamanie styka się z trzonem kości promieniowej na obu końcach. Włącz wycinek orto dla tygodnia porównania i ustaw dane na początkowy zestaw danych punktów czasowych dla wyodrębnionego promienia. Następnie dostosuj orientację tak, aby płaszczyzna dawała poprzeczne cięcie przez kość promieniową. Korzystając z suwaka numeru wycinka w sekcji właściwości z danymi początkowego punktu czasowego pokazującymi dystalny wycinek orto, wyrównaj numer tygodnia porównania, aby dopasować go do dystalnego wycinka początkowego punktu czasu. Zanotuj numer wycinka dystalnego zestawu danych z tygodnia porównania i powtórz te czynności dla wycinka proksymalnego. Kliknij początkowy punkt czasowy dla wyodrębnionego promienia, a następnie w sekcji właściwości kliknij narzędzie edytora przycinania. W wyskakującym okienku edytora kadrowania wprowadź minimalne i maksymalne wartości w polach X, Y lub Z. Obserwuj okno wyświetlania, gdy obszar zainteresowania dostosowuje się, a następnie kliknij przycisk OK, aby przyciąć zestaw danych. Powtórz procedurę przycinania dla zestawu danych tygodnia porównania. Aby określić objętość początkowego zestawu danych punktów czasowych, kliknij prawym przyciskiem myszy przekształcony zestaw danych początkowego punktu czasowego dla wyodrębnionego promienia, wyszukaj statystyki materiału i wybierz go. W sekcji właściwości ustaw dane jako przekształcony początkowy zestaw danych punktu czasowego, wybierz materiały i kliknij przycisk Zastosuj. Kliknij nowy zestaw danych statystyk materiałowych, a następnie w oknie właściwości kliknij arkusz kalkulacyjny pokaż. Kliknij kartę tabel nad oknem, aby wyświetlić wolumin przyciętego początkowego zestawu danych punktu czasowego. Powtórz kroki analizy woluminu dla zestawu danych tygodnia porównania, a następnie przejdź do karty tabele, aby wyświetlić oba zestawy danych z oddzielnymi kartami woluminu. Aby zobrazować zmianę objętości kości, kliknij prawym przyciskiem myszy zestaw danych przekształcony w tygodniu porównania dla wyodrębnionego promienia, wyszukaj ciąg arytmetyczny i wybierz go. W oknie właściwości ustaw dane wejściowe A jako zestaw danych przekształcony w tydzień porównania, dane wejściowe B jako początkowy zestaw danych punktu czasowego, dane wejściowe C jako brak źródła, typ wyniku jako dane wejściowe A, pozostaw opcję niezaznaczoną, ustaw kanały wyników jako takie jak dane wejściowe A i ustaw wyrażenie jako AB. Kliknij wynikowy zestaw danych i naciśnij F2, aby zmienić nazwę pliku, Następnie kliknij prawym przyciskiem myszy ten wynikowy zestaw danych, wyszukaj pozycję Generuj powierzchnię i wybierz ją. W oknie właściwości kliknij przycisk Zastosuj, a następnie w wyskakującym okienku kliknij przycisk Kontynuuj, aby utworzyć nowy zestaw danych surfowania. Kliknij prawym przyciskiem myszy zestaw danych surfowania, wyszukaj widok powierzchni i wybierz go. W oknie podglądu pojawi się widok powierzchni wyniku arytmetycznego. Aby zmienić kolor widoku powierzchni, kliknij widok powierzchni w oknie widoku projektu. W oknie właściwości otwórz listę rozwijaną kolorów, wybierz stałą, a następnie kliknij mapę kolorów i przypisz preferowany kolor. Aby wyświetlić zmianę objętości kości w zestawie danych z początkowego tygodnia, kliknij prawym przyciskiem myszy przekształcony zestaw danych, wyszukaj etykietę wyodrębnienia i wybierz ją. W sekcji właściwości ustaw etykiety na przekształcony zestaw danych, identyfikator etykiety na dwa i zaznacz opcję eksportuj do pliku binarnego, a następnie kliknij przycisk Zastosuj, aby wygenerować wynikowy zestaw danych. Następnie naciśnij F2, aby zmienić nazwę pliku wynikowego. Kliknij prawym przyciskiem myszy nowy wynikowy zestaw danych, wyszukaj pozycję generuj powierzchnię i wybierz ją. W oknie właściwości kliknij przycisk Zastosuj, a następnie w wyskakującym okienku kliknij przycisk Kontynuuj, aby utworzyć nowy zestaw danych surfowania. Następnie kliknij prawym przyciskiem myszy nowy zestaw danych surfowania, wyszukaj widok powierzchni i wybierz go. Pojawi się widok powierzchni wyniku arytmetycznego. Aby zmienić kolor tego widoku powierzchni, kliknij widok powierzchni w oknie widoku projektu. W oknie właściwości otwórz listę rozwijaną kolorów, wybierz stałą, a następnie kliknij mapę kolorów i przypisz preferowany kolor. Zbadano obrazy mikrotomografii komputerowej trzech unikalnych modeli szczurów, z których każdy był leczony rusztowaniem polikaprolaktonowym przez sześć tygodni. Modele bryłowe z tygodnia zerowego i szóstego zostały pomyślnie wyrównane przy użyciu wspólnych regionów anatomicznych, co umożliwiło bezpośrednie porównanie podłużne, a następnie wygenerowano scalony model w celu potwierdzenia dokładności rejestracji. Odjęcie obszaru zainteresowania z tygodnia zerowego od obszaru zainteresowania z tygodnia szóstego ujawniło wyraźny model 3D zmiany objętości kości w miejscu ubytku. Wizualne nakładki zmian objętości kości od tygodnia zerowego do tygodnia szóstego wykazały, że różne grupy polikaprolaktonu lub rusztowań PCL powodowały różne ogólne zmiany objętości kości. Jednak analiza w obrębie każdej grupy PCL pozostała spójna dla wszystkich użytkowników.
View the full transcript and gain access to thousands of scientific videos
Przegląd
Niniejsze badanie przedstawia metodę analizy użytkowników zdefiniowanych regionów zainteresowania (ROI) w podłużnym in vivo modelu szczurów z radialnym defektem. Metoda umożliwia porównawczą analizę między różnymi szkieletami, rozwiązując ograniczenia wynikające z różnic w parametrach skanowania mikrokomputerowej tomografii (µCT).
Kluczowe elementy badania
Obszar nauki
- Regeneracja kości
- Technologia szkieletów
- Analiza podłużna
Tło
- Krytyczne defekty w kości wymagają skutecznych strategii regeneracji.
- Tradycyjne szkielety mogą nie zapewniać optymalnych szybkości gojenia.
- Istniejące metody nie mają precyzji w śledzeniu zlokalizowanych regionów zainteresowania.
- Skanowanie mikrokomputerowej tomografii (µCT) może różnić się w zależności od orientacji próbki.
Cel badania
- Poprawa regeneracji kości za pomocą nanocząsteczkowych szkieletów.
- Poprawa szybkości gojenia w porównaniu z tradycyjnymi szkieletami.
- Możliwość spójnego śledzenia zlokalizowanych regionów zainteresowania w badaniach podłużnych.
Zastosowane metody
- Rozwój nanocząsteczkowych szkieletów do regeneracji kości.
- Wdrożenie podłużnego in vivo modelu szczurów z radialnym defektem.
- Mikrokomputerowa tomografia (µCT) do obrazowania i analizy.
- Porównawcza analiza różnych szkieletów na podstawie śledzenia ROI.
Główne wyniki
- Poprawiona precyzja w śledzeniu zlokalizowanych regionów zainteresowania.
- Zwiększone szybkości gojenia obserwowane z nanocząsteczkowymi szkieletami.
- Pomyślna porównawcza analiza między różnymi typami szkieletów.
- Metoda rozwiązuje ograniczenia dotyczące pełnej oceny objętości kości.
Wnioski
- Opracowany metoda pozwala na dokładniejszą analizę regeneracji kości.
- Lokalizowane śledzenie ROI jest kluczowe dla zrozumienia działania szkieletu.
- To podejście może prowadzić do lepszych projektów szkieletów dla zastosowań klinicznych.
Często zadawane pytania
Executive Industry Relevance
Quantitative longitudinal micro-CT analysis of user-defined regions of interest (ROIs) in critical-sized bone defects enables precise tracking of localized bone regeneration, directly supporting mechanistic de-risking and predictive confidence in early-stage bone repair studies. This capability addresses a key inflection point in preclinical scaffold evaluation by allowing consistent, reproducible measurement of bone volume changes within targeted anatomical sites. The approach enhances portfolio decision-making by providing robust, user-independent data for scaffold performance assessment.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables precise interrogation of bone regeneration hypotheses within defined anatomical regions.
- Supports functional validation of scaffold materials by quantifying localized bone repair over time.
- Improves predictive confidence for translational advancement by reducing measurement ambiguity.
Screening & Assay Development
- Facilitates preparation of validated in vivo models for downstream scaffold screening workflows.
- Standardizes ROI-based quantitative outputs, enhancing reproducibility across users and studies.
- Enables reliable comparison of scaffold groups by isolating bone volume changes within critical defect sites.
Translational & Preclinical Research
- Aligns preclinical bone regeneration models with disease-relevant anatomical targets.
- Provides continuity from discovery through preclinical validation by supporting longitudinal outcome tracking.
- De-risks translational decisions by enabling robust, user-independent quantification of scaffold efficacy.
Pipeline & Workflow Integration
This ROI-based micro-CT analysis method integrates from early discovery through preclinical scaffold evaluation, supporting lead identification and risk-adjusted advancement.
- Discovery Biology: Enables hypothesis testing and pathway clarification for bone regeneration within targeted anatomical sites.
- Screening: Provides standardized, reproducible quantitative outputs for scaffold comparison.
- Analytics: Delivers volumetric measurements and visual overlays to compare longitudinal changes across conditions.
- Translational Research: Supports preclinical continuity by aligning measurement endpoints with translational goals.
- Enterprise Reuse: Establishes a reusable imaging and analysis workflow for diverse bone repair studies.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in bone regeneration studies.
- Operational Value: Standardizes analysis, improves reproducibility, and enables multi-user consistency.
- Strategic Value: Informs go/no-go decisions and enhances capital efficiency by providing robust quantitative endpoints.
- Portfolio Impact: Supports risk-adjusted prioritization of scaffold candidates for advancement.
Implementation Considerations
- Requires expertise in micro-CT imaging and anatomical alignment procedures.
- Depends on access to advanced imaging software and computational infrastructure.
- Necessitates cross-user standardization to ensure reproducibility of ROI selection and analysis.
- Adaptable to various preclinical bone defect models with appropriate anatomical referencing.
- Limited by the need for precise anatomical registration and consistent imaging parameters.
