Artigo de método

Reconstrução de 3-Dimensional Volume Histologia e sua Aplicação para o Estudo de Rato glândulas mamárias

14.1K vistas

⸱

DOI:

10.3791/51325

⸱

26 de julho de 2014

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

Neste artigo

Resumo

Apresentamos uma abordagem de registro de imagem para reconstrução de volume de histologia tridimensional (3D), o que facilita o estudo das alterações de um órgão ao nível de macroestruturas compostas por células . Usando essa abordagem, estudamos as mudanças 3D entre as glândulas mamárias do tipo selvagem e Igfbp7-nulo.

Resumo

Reconstrução de volume Histologia facilita o estudo da forma 3D e variação de volume de um órgão a nível de macroestruturas formadas por células. Ele também pode ser usado para investigar e validar novas técnicas e algoritmos em imagiologia médica volumétrico e terapias. Criação de atlas de alta resolução em 3D de diferentes órgãos 1,2,3 é outra aplicação de reconstrução do volume histologia. Isto fornece um recurso para investigar estruturas de tecidos e as relações espaciais entre várias características celulares. Nós apresentamos uma abordagem registro de imagens para a reconstrução do volume histologia, que utiliza um conjunto de imagens blockface ópticos. O volume histologia reconstruída representa uma forma confiável do espécime processados ​​com nenhum erro de registro de pós-processamento propagada. Os (H & E) cortes corados hematoxilina e eosina de duas glândulas mamárias do rato foram registrados às suas imagens blockface correspondentes usando pontos de fronteira extraídos do edges do espécime em histologia e blockface imagens. A precisão do registro foi avaliada visualmente. O alinhamento das macroestruturas das glândulas mamarias também foi avaliada visualmente em alta resolução.

Este estudo delineia as diferentes etapas deste gasoduto registro de imagens, que vão desde a excisão da glândula mamária por meio de reconstrução 3D volume de histologia. Enquanto as imagens de histologia 2D revelar as diferenças estruturais entre pares de seções, o volume de histologia 3D proporciona a capacidade de visualizar as diferenças de forma e volume das glândulas mamárias.

Introdução

IGFBP7 (insulina como factor de crescimento da proteína de ligação 7) é um membro da família de proteínas de ligação a IGF, e tem sido demonstrado que se ligam ao receptor de IGF1 4. Down-regulação da IGFBP7 é conhecido por ser correlacionados com mau prognóstico no câncer de mama 5, enquanto a reintrodução de IGFBP7 em modelos de tumores Xenoenxerto inibe significativamente os tumores de crescimento de 6 a indução de apoptose e senescência celular 7. A fim de estudar os efeitos da IGFPB7, um mouse IGFBP7 nulo foi criado 5 (dados não publicados). Enquanto estes ratinhos não desenvolveram tumores, que mostram alterações na histologia do ovário, músculo e fígado, assim como defeitos na padronização do desenvolvimento da glândula mamaria (dados não publicados). O fenótipo defeituoso foi indicado pela primeira vez como os ratos nulos têm tamanho das ninhadas menores e são incapazes de sustentar várias ninhadas grandes (dados não publicados).

Volumes de histologia 3D têm o potencial de fornecer informat útilíon para análises quantitativas e comparativas e avaliação de achados patológicos em imagens médicas volumétricos. Confocal tridimensional, microscopia de dois fótons podem fornecer células de alta resolução informação morfológica da glândula em extensão local 14, mas tem um campo de visão limitado e profundidade. Reconstrução volume de Histologia fornece mais informações sobre uma extensão muito maior espacial. Usando abordagens tradicionais alguma distorção é antecipado durante a preparação dos cortes histológicos, como encolhimento, expansão, lágrimas e dobras. Essas distorções dificultam a registar imagens histológicas de série em uma pilha 3D para reconstruir um volume 3D. À medida que o número de secções consecutivas com defeitos aumenta as semelhanças entre as secções intactas é reduzida e, consequentemente, faz com que o processo de registo mais complicado.

Diferentes métodos têm sido propostos para registar cortes histológicos e criar um vo histologia contínualume. Algumas técnicas dependerá variações de intensidade de 8, e os outros são baseados na forma de secções 9. Para alguns espécimes as estruturas anatômicas podem ser usados ​​como pontos de referência 10,11, juntamente com métodos de registo com base em marcos 12,13. Mas estas estruturas internas pode não ser detectável durante todo o volume e para algumas amostras sem estruturas anatómicas fiáveis ​​podem ser identificados. Alguns grupos têm usado uma abordagem de registro de pares e registrou imagens de histologia consecutivos de um para outro usando contornos ou estruturas anatômicas 16-18. Registrando cortes histológicos de série para um outro sem o uso de imagens de referência podem propagar o erro de registro e alterar a forma real do volume de histologia. Abordagem de registro de pares depende da consistência da forma dos cortes histológicos e as estruturas internas em toda a pilha de imagens; portanto, requer amostragem densa da amostra, o quepode nem sempre possível, por exemplo, para amostras clínicas.

Neste oleoduto usamos imagens blockface como um conjunto de imagens de referência para o volume de histologia reconstrução 19. Imagens Blockface são tomadas dos blocos de parafina do tecido após a montagem no micrótomo e antes de cada seção é cortada. Assim, os danos ao indivíduo cortes seriados corte não interfere com o registro de cortes seriados 8,11,15. Nós capturar as imagens blockface de uma maneira diferente dos outros grupos. As imagens da face do bloco óptico são obtidos por uma lente telecêntrica para eliminar ou minimizar a distorção do tambor e em perspectiva, que normalmente ocorre quando se usa lentes regulares em óptica. Esta é uma das vantagens da abordagem proposta em relação aos outros métodos publicados, que realizam imagiologia blockface usando lentes normais. As imagens são obtidas com um ligeiro ângulo oblíquo para usar a reflexão da superfície do bloco, para aumento do contraste entre a tissue e parafina superfície e para eliminar a sombra do tecido em profundidade, abaixo da superfície da parafina. Um filtro fotográfico também é usada para polarizar a luz vinda a partir da superfície do bloco e o tecido para equilibrar o contraste 19. Para corrigir o deslocamento do bloco no micrótomo rotativo, 2-3 orifícios são perfurados nos cantos do bloco, que são facilmente detectáveis ​​nas imagens blockface. Os centróides desses buracos são usados ​​juntamente com registro rígido à base de referência para alinhar as imagens blockface.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Protocolo

1. Espécime

  1. Especial sobre o consumo das glândulas mamárias cirurgicamente de tipo selvagem CDH1, bem como camundongos IGFBP7 nulo três dias após a início da lactação.
  2. Espalhe as glândulas em lâminas de vidro para ajudar a recuperar a morfologia natural da glândula mamária.

2. Fixação e processamento de tecidos

  1. Corrigir as glândulas mamárias em neutro tamponado 4% PFA O / N a 4 o C.
  2. Armazenar as glândulas em etanol a 70% antes do processamento do tecido.
  3. Transferir as glândulas para pequenas cassetes de transformação de tecidos.
  4. Processar os tecidos utilizando um processador automático de tecido
    1. Desidratar os tecidos no aumento de etanol e de xileno banhos de etanol a 70% durante 45 minutos, duas vezes em etanol a 95% durante 45 minutos, três vezes em etanol a 100% durante 1 hora e duas vezes em xilol durante 45 minutos.
    2. Permear os tecidos com parafina 3 vezes para cada 1 hora em um vácuo com pressão aplicada.
  5. Incorporar os tecidos em parafina para formar blocos, Para o corte.

3. Histologia e Blockface Imagem

  1. Aparar os blocos de parafina utilizando um micrótomo rotativo até que o excesso de parafinas é removido.
  2. Use uma fresadora vertical para perfurar um milímetro furos em pelo menos dois cantos do bloco de parafina perpendicular à fita.
  3. Monte o bloco de tecido em micrótomo rotativo.
  4. Configure o sistema de imagem blockface 19 na frente do micrótomo.
  5. Capturar imagem blockface óptico antes da corte.
  6. Corte tiras de quatro seções em 5 mM espessura no micrótomo.
    1. Transferir as fitas para o banho de água fria.
    2. Separe as segunda e quarta partes da fita e cole-as em lâminas de microscópio. Escolhendo a segunda ea quarta seções fornece uma lacuna 5 mm entre as seções.
    3. Expanda cada seção em um banho de água quente (48 º C) para unwrinkle-lo, em seguida, re-montar-lo na lâmina de microscópio.
      NOTA: Cutting, montagem, unwrinkling as seções causar algumas distorções no seção, como lágrima, dobra, contração e expansão. Esses artefatos complicar o registro dos cortes histológicos.
    4. Mancha as seções com H & E usando um corante automática.
    5. Lamela os slides usando um coverslipper automática.
    6. Digitalize os slides usando um scanner de slides histologia digitais na resolução de interesse. Para este protocolo a ampliação for 20x ea resolução é de 0,47 m.
    7. Down-provar as imagens de histologia para a resolução das imagens blockface, 18 mM.

4. Registro da Imagem

  1. Segmentação de imagem e ponto de Seleção
    1. Em blockface imagens medir os valores de pixel para os furos de registo e utilizar o valor médio como um limite fixo para o segmento de furos de registo nos cantos do bloco de parafina.
    2. Uma vez que algumas peças adicionais também pode ser segmentado porutilizando o limiar fixo, utilizar a circularidade e a zona dos objectos segmentados para encontrar os furos e descartar os objectos adicionais. Para fazer isso, escrever um pequeno código e encontrar a relação de (4π x área) / (perímetro) 2 para os objetos segmentados. Esta relação de objetos redondos é 1.
    3. Para cada glândula mamária, seleccionar uma imagem blockface como referência e alinhar o resto das imagens blockface para a referência, utilizando o centro dos furos de registo e de técnicas de registo baseados em marco.
    4. Para as imagens blockface alinhados, o segmento manualmente ou extrair o tecido a partir do fundo. Use o objeto mais considerável na máscara para o resto do protocolo.
    5. Para H & E seções siga os passos abaixo para a segmentação automática.
      1. Use Otsu técnica limiar de 20 a segmentar imagens do fundo e criar máscaras binárias das imagens histológicas.
      2. Identificar e selecionar o objeto mais considerável em cada máscara usando o histogram dos objectos etiquetados.
      3. Extraia os um pixel de largura pontos de fronteira de ambos histologia e máscaras blockface.
      4. Use o algoritmo de código Cadeia 21, para representar os pontos de fronteira por uma seqüência de linear por partes se encaixa.
  2. Registro rígida inicial
    1. Use Descritores de Fourier algoritmo 22, para encontrar o inicial rígida transformar entre os pontos de fronteira de histologia e suas imagens blockface correspondentes. Este inicial transformar inclui os fatores translação, rotação e escala.
    2. Transformar cada imagem histologia com a inicial transformada obtida no passo anterior.
  3. Refinamento do Registro rígida
    1. Remova as seções de alta ponta curvatura do contorno histologia usando um filtro bola rolar 23.
    2. Selecione 500 pontos a partir dos pontos de fronteira de histologia restantes utilizando aleatoriamente distribuição uniforme.
    3. Transformar o ahistologia pontos de fronteira aleatórios com a transformação inicial obtida a partir de descritores de Fourier.
    4. Selecione o conjunto de blockface pontos de fronteira e usar iterativos pontos mais próximos (ICP) algoritmo 24 para encontrar a transformação rígida entre os pontos de fronteira blockface, destino e histologia pontos de fronteira aleatórios.
    5. Transforme as imagens de histologia alinhados obtidos da etapa anterior e a pilha de imagens de histologia alinhados cria o volume histologia.
    6. Use um software de visualização 3D para criar uma imagem visual do volume histologia.
  4. Visualizando a pilha de imagens com ampliação de 5x
    1. Down-provar as imagens histológicas originais 5x ampliação.
    2. Cortar a região de interesse em uma das imagens de histologia.
    3. Calcula-se a localização da região em outras imagens histológicas 5x utilizando a combinação das transformações rígidas das duas etapas de registo.
    4. Corte a regions de interesse para a mesma região tamanho em todas as outras imagens histologia.
    5. Finalmente refinar o alinhamento entre as regiões manualmente. Escreva um programa que se sobrepõe a duas imagens e permite selecionar os valores de rotação e translação de uma das imagens mais o outro e, em seguida, salva a imagem transformada quando o alinhamento é aceito.
    6. Ver as pilhas de regiões histologia 5x alinhadas usando um software de visualização 3D.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Resultados

Uma armadilha de técnicas de microscopia tradicionais é que a compreensão de um órgão a nível microscópico é limitado a um campo de visão de cada vez. Mesmo "totais de divulgação" slides, que fornecem seções de slides inteiros, não fornecem informações tridimensional. Com o desenvolvimento de slides todo, tecnologias dinâmicas de verificação, a nossa capacidade de ver uma seção em sua totalidade aumentou, porém extrapolando estruturas 3D requer a reconstrução do volume histologia.

...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Discussão

Neste estudo, desenvolvemos um fluxo de trabalho de registro das imagens para reconstruir um volume 3D a partir de histologia série de imagens de histologia em 2D, que não requer marcos internos selecionados aleatoriamente ou marcadores fiduciais implantados dentro do tecido, o que pode distorcer o tecido. Pelo método descrito, as próprias imagens blockface ópticos são usados ​​como imagens de referência anteriores a corte. Usamos furos externos perfurados no bloco de parafina para auxiliar no alinhamento das imagens bl...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Divulgações

Os autores não têm nada a revelar

Agradecimentos

Os autores gostariam de agradecer ao Biomarker Imaging Research Laboratory (BIRL) do Sunnybrook Research Institute por seus serviços de histologia. O apoio para este trabalho foi fornecido pela Fundação Terry Fox, pela Fundação Canadense do Câncer de Mama - Prairie - NWT, bem como por uma doação do CIHR, #MOP-97996.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
16% PFAVWR International1571016% Solução de paraformaldeído
de processamento de tecidos pequenosVWR InternationalCA95029-956
Leica ASP300 processador de tecidos automatizadoLeica14047643515
100% EtanolFisher ScientificS25307B
XilenoVWR International CA95057-822
Parafina Thermo Fisher39501006Paraplast meio de incorporação de tecido
Leica EG 1160 centro de incorporaçãoLeica
micrótomo rotativo Leica
Máquina de fresagemArgo
lâminas de microscópioVWR International CA48312-015
H& Mancha EVWR International
Coloração
lamínulas VWR International 48404-452
MEDITE RCM 7000 lamínula de vidroMEDITE
Leica SCN400 scanner de lâminasLeica
MATLABMathWorks IncMATLAB 2007bSoftware de desenvolvimento
MeVisLabMeVis Medical Solutions AGMeVisLab 2.1Software de visualização 3D
automática de

Referências

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

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Reimpressões e permissões

Solicitar permissão para reutilizar o texto ou as figuras deste artigo JoVE

Solicitar permissão

Etiquetas

Reconstru o Volum trica de Histologia 3DAbordagem de Registro de ImagemImagens de Face do Bloco pticasColora o com Hematoxilina e EosinaAlinhamento por Software CustomizadoAlgoritmo de Descritores de FourierPontos Mais Pr ximos IterativosSoftware de Visualiza o 3DImagem M dica Volum trica

Artigos relacionados