Summary
本手稿描述了使用高通量同位素反应器 （HFIR） CG-1D 光束线测量大鼠股骨、小鼠肺和草本植物根系/土壤系统中的金属植入物的生物样品中子射线照相和计算机断层扫描的方案。
Abstract
中子历来被用于广泛的生物应用，采用小角中子散射、中子自旋回波、衍射和非弹性散射等技术。与在倒易空间中获取信息的中子散射技术不同，基于衰减的中子成像测量真实空间中分辨的信号约为数十微米。中子成像的原理遵循比尔-朗伯定律，基于通过样品的体中子衰减的测量。一些轻元素（最值得注意的是氢）表现出更大的衰减，它们是生物样品的主要成分。造影剂（如氘、钆或锂化合物）可用于增强对比度，其方式与医学成像类似，包括光学成像、磁共振成像、X 射线和正电子发射断层扫描等技术。对于生物系统，中子射线照相和计算机断层扫描越来越多地用于研究地下植物根系网络的复杂性，其与土壤的相互作用以及原位水通量的动力学。此外，已经探索了理解动物样本（如软组织和骨骼）中的对比细节的努力。本文重点介绍了中子生物成像技术的进展，例如样品制备、仪器、数据采集策略以及使用高通量同位素反应堆CG-1D中子成像光束线进行数据分析。上述能力将通过植物生理学（草本植物/根系/土壤系统）和生物医学应用（大鼠股骨和小鼠肺）中的一些示例来说明。
Introduction
中子射线照相（nR）的原理是基于中子通过它们穿过的物质的衰减。与被原子的电子云散射的X射线不同，中子可以被原子核吸收或散射。中子对轻元素（如氢（H））敏感，因此可用于射线照相生物应用，如动物1，2，3，4，5，6，7或人体组织8，9和地下土壤/根系10，11，12，13，14，15.中子成像是X射线成像的补充技术，能够检测重元素16，17，18。基于衰减的nR由样品内材料的线性衰减系数和样品厚度决定，如比尔-朗伯定律所述，该定律指出透射光束与材料的数量和通过材料的路径长度成正比。因此，透射率T可以计算为：
(1)
其中 I 0 和 I 分别是入射光束和透射光束强度;μ和x分别是均匀样品的线性衰减系数和厚度。衰减系数μ由下式给出：
(2)
其中σ是样品的中子衰减截面（散射和吸收），ρ是其密度，NA 是阿伏伽德罗数，M是其摩尔质量。
使用低能中子（即能量低于0.5 eV）的生物样品射线照相的对比度主要是由于H密度的变化（对于固定的样品厚度）。这是由于中子与H原子核相互作用的可能性大于生物样品中存在的其他原子核，以及H原子的密度至关重要，因为它是生物样品中最丰富的原子。
自早期阶段以来，nR和中子计算机断层扫描（nCT）已广泛用于材料和工程应用19，20，21，22，23。生物样品中中子对H敏感性的第一次示范实验始于1950年代中期24，当时对植物标本进行了测量。这项工作一直持续到1960年代，例如，人体胸部25或大鼠26的射线照相，其中探索了造影剂的使用，例如氧化钆（Gd2O3）。此外，据推测，人类肿瘤组织与正常组织的对比是由于H含量的局部增加。在这些初步试验中，得出的结论是，增加中子通量和空间分辨率将提高nR的质量，并可能增加其作为工业或生物医学应用的补充技术的普及。最近的研究包括对癌症组织标本1和动物器官切片2，3，27进行的nR和nCT测量，用于生物医学和法医应用。
高通量同位素反应堆（HFIR）位于田纳西州橡树岭的橡树岭国家实验室，是一种强大的中子源，通过裂变反应产生中子。这些中子具有2 MeV量级的能量，并通过与重水的动力学反应在反应堆池中“冷却”，以达到100-300 eV量级的能量。中子实验的优化，无论是散射还是成像，都始于了解中子源和光束线特性，例如其光束强度、能量分布和背景效应（快中子、延迟中子、伽马射线）。在成像光束线所在的HFIR冷导大厅中，中子通过与液体H慢化剂的动力学相互作用进一步“冷却”。然后，它们在远离源视线的弯曲引导系统中运输，从而消除快中子和伽马污染。如图1所示，CG-1D中子成像光束线28，29放置在冷导板上，这意味着中子能量范围从几meV到几十eV不等（在这种情况下，相应的可用中子波长范围为0.8至10 Å），通量范围为107 n/（cm2∙s） 在样品位置。电动孔径/扩散器系统定义了成像仪器的针孔几何形状。中子在充满氦气（He）的飞行管中行进6.59米的距离，两端都有铝（Al）窗口。飞行管用于传输中子，同时限制空气散射，使光束强度的损失最小。对于本手稿中描述的测量，扩散器由包裹在 Al 容器中的 1 mm 厚 50 nm 氧化铝 （Al2O3） 纳米粉末制成。扩散器减少了来自中子导的光束伪影（这些伪影被成像光束线的针孔几何形状放大），否则在X光片中可以看到尖锐的水平和垂直强度波动，并且数据的归一化变得具有挑战性。 对于此处所示的实验，使用25μm厚的锂-6氟化物/硫化锌荧光粉（6LiF/ZnS：Ag）将中子转化为光。
准直优化取决于样品到检测器的位置、所需的空间分辨率和采集时间。当样品距离闪烁体几厘米时，高准直（L/D高于800，其中L是直径D和探测器的针孔孔的距离）以中子通量为代价产生更好的空间分辨率。对于原位动态研究，当时间分辨率优于空间分辨率时，低准直（L/D 低于 800）更可取。对于本手稿中描述的测量，L/D 和空间分辨率分别约为 355 μm 和 75 μm。时间分辨率因信噪比（SNR）而异。将样品放置在尽可能靠近闪烁体的位置，以减少几何变形，例如模糊。平移和旋转阶段可用于将样品设置在靠近检测器的位置并进行计算机断层扫描（CT）。CG-1D提供三种类型的探测器：2048像素x 2048像素，像素间距为13.5μm的电荷耦合器件（CCD），2560像素x 2160像素，像素间距为6.5μm的科学互补金属氧化物半导体（sCMOS）探测器，以及像素尺寸为55μm的微通道板（MCP）探测器30，31，像素大小为512像素x 512像素。散射的中子被~5毫米厚的硼橡胶吸收，以保护探测器芯片不看到中子。这种吸收产生伽马射线，可以通过放置在硼橡胶和探测器之间的铅（Pb）来阻止。每个探测器都针对不同的视场（FOV）以及空间和时间分辨率进行了优化。对于大鼠股骨和小鼠肺的测量，使用CCD检测器具有较大的FOV能力（~7 cm x 7 cm）和约75μm的合理空间分辨率。植物根系/土壤系统的nCT是用sCMOS进行的，因为目标是以FOV为代价尽快获得nCT（限制为~5 cm x 4.2 cm）;因此，空间分辨率显然受到影响。在这些探测器中，中子要么转化为光，要么转化为α粒子用于探测目的。围绕其垂直轴旋转样品并以连续旋转角度采集X光片可以采集nCT。所研究样品的三维体积渲染模型是利用内部基于iMARS3D python的Jupyter过滤反向投影（FBP）笔记本，pyMBIR或商业软件获得的，所有这些都如下所述。
最后，未与样品或探测器相互作用的中子被收集在距离探测器系统下游约1 m的光束停止位置，以最大程度地减少背景噪声。CG-1D光挡宽0.75米，高0.5米，厚35毫米，由环氧树脂B4C制成。光束挡块在中子束击中的耐火环氧树脂中用 10 mm 的 95% 富集碳酸锂 （6 Li2CO3） 加固，腔内衬 6Li、铅 （Pb） 和钢，旨在容纳高速率的二次伽马射线。光束挡块直接连接到光束线的钢屏蔽墙上。CG-1D光束线的照片如图2所示。
分别使用3种重建软件对3个实验数据进行3D重建。小鼠肺样本重建使用Octopus 32进行，章鱼32是一种利用FBP的商业重建软件。八达通软件位于服务器PC上，可用于重建在光束线上收集的数据。名为iMARS3D的重建软件可在CG-1D上获得。它基于开源代码TomoPY33，具有自动倾斜校正，后处理滤波器等附加功能。iMARS3D包括数据的预处理（减去背景和噪声）、裁剪、中值滤波（校正伽马撞击和坏点）、自动光束强度波动校正和样品倾斜校正。创建正弦图后，可以选择进一步的数据处理，例如环伪影去除和平滑。重建的不同步骤保存在分析服务器上（稍后移动到提案共享文件夹中），而最终的 2D 切片会立即存储在提案共享文件夹中。使用iMARS3D重建大鼠股骨。植物根系/土壤样品通过使用TomoPY对数据进行中值过滤，然后使用Python的SciPy库进行倾斜轴校正进行预处理。 重建是使用内部开发的称为 - pyMBIR（使用 ASTRA 工具箱34 中的内核构建）的 python 包进行的，该包实现了一套从基线 FBP 到高级基于模型的迭代重建技术35 的断层扫描算法，可以从极其稀疏和嘈杂的中子数据集中获得高质量的重建。所有基于上述重建工具的渲染体积都以衰减对比表示。所有可视化均使用商业可视化、分割和数据分析软件包 AMIRA36 执行。
本手稿旨在演示在HFIR CG-1D光束线上使用中子成像（nR和nCT）的过程。这项研究还说明了生物样品（特别是小鼠肺，大鼠骨骼和植物根系/土壤系统）的当前最先进的nR和nCT能力。选择小鼠肺来说明中子测量肺组织的互补性，而X射线大多对骨骼敏感。骨样本，大鼠股骨，有一个钛（Ti）植入物，从而说明了骨骼和金属之间的对比度，以及看到骨/金属界面的机会（很难用X射线测量，因为金属强烈衰减它们4）。最后，植物根系水系统说明了nCT原位测量根系/土壤系统的三维（3D）能力。它还显示了将nR用于生物样品的优缺点。显然，这种方法可以安全地用于测量植物根系中的水动力学，但由于与辐射暴露相关的风险，不能被视为活体动物或人类成像技术，因此将研究限制在（死）小鼠或病理学样测量中，其中，例如，从患者（动物或人类）中切除组织样本并通过固定制备，然后再在中子束中测量。
Protocol
1. 仪器设置（见图 3，第 3 节）
- 在光束线计算机上，打开终端窗口，键入 css，然后按 Enter 启动用户界面。
- 如果默认情况下未打开，请选择“菜单”选项卡中的“用户主页”选项以打开实验物理和工业控制系统（EPICS）成像接口。
- 使用界面的第一个选项卡（称为建议/相机/SE 设备），通过单击相机/探测器旁边的光学按钮来选择光束线光学元件，即通过单击狭缝按钮来选择针孔孔径大小和狭缝系统的开口。
- 将旋转载物台固定在要放置样品的XY载物台上，然后定位检测器（sCMOS或CCD）。
- 对于CCD或sCMOS探测器，请与仪器团队协商，选择具有所需空间分辨率和焦距的放大倍率的镜头。首先使用光线，通过将探测器移近或远离镜子，或者手动将镜头调整到固定的探测器位置来聚焦相机。将图像聚焦在中子闪烁体的位置。
- 对于CCD或sCMOS探测器，使用放置在探测器闪烁体上的中子吸收分辨率掩模37，用中子微调透镜焦点。使用不同的设置（即，通过在EPICS中移动检测器电机自动从镜子上获得不同的 检测器 位置）收集连续的X光片。
- 通过在 ImageJ/Fiji39 或类似的图像软件工具中评估线对来比较 X 线片。
- 在适当的情况下，将样品固定在合适的容器（铝容器和/或铝重型箔）中，将样品放置在尽可能靠近检测器的旋转台上。使用中子（硼橡胶）和伽马（铅砖）屏蔽屏蔽探测器和设备。
- 测量样品到检测器的距离，然后取出样品。将其替换为分辨率掩码，以评估此光束线配置中采样位置的像素大小。使用已知特征维度，评估特征中的像素数以确定像素大小。
- 在旋转台上重新定位样品。
- 使用EPICS界面和对齐样品选项卡，在样品移动时连续拍摄快速（ms至1 s）射线照片，直到样品处于探测器的全视野中，将样品与中子束 对齐 。将样品对齐文件另存为.csv文件，该文件将在CT扫描开始前重复使用。
- 在开始 CT 扫描之前，请使用自动 CT 对准检查 选项（在 “对齐 ”选项卡中）通过评估射线照片，验证样品是否以不同角度保留在不同视野中，因为它们是用光束以不同的样品方向生成的。
2. 标本制备和数据采集策略
注意：动物样本方案已由田纳西大学机构动物护理和使用委员会批准用于小鼠肺，拉什大学医学中心机构动物护理和使用委员会批准用于大鼠股骨。
- 大鼠股骨
- 将Ti6Al4V棒（直径1.5毫米，长度15毫米）植入雄性Sprague-Dawley大鼠的股骨中，通过股骨髁远端将它们放置在髓内空间内。
- 12周后处死大鼠，收获股骨。去除所有软组织（有助于中子衰减），并用盐水浸泡的纱布植入物冷冻股骨。将 2 英寸方形纱布海绵完全浸没在磷酸盐缓冲盐水 （PBS） 中，并将每个样品完全包裹在这些浸泡的海绵中（参见 材料表）。
- 将股骨解冻至室温以进行基于X射线的microCT扫描38，然后将其以冷冻状态运输到HFIR。
- 在nCT之前，重新解冻样品，并在靠近CG-1D中子成像光束线的HFIR生物危害安全等级2（BSL2）实验室将其置于室温。室温下后，将样品包裹在重型铝箔中，然后将其放入铝筒中。
- 将圆柱体垂直放置在光束线处的旋转平台上，并在室温下从 0 到 360° 扫描光束线上的股骨，步进角为 0.25°。获取每张X光片50秒。
注意：考虑到旋转载物台运动的死区时间和将每张X光片从CCD传输到数据采集计算机，扫描的总时间约为24小时。
- 一旦nCT完成并且样品被授权从光束线上移除，将样品带回BSL2实验室，取出容器，然后重新冷冻样品以保存以进行进一步的实验测量。
- 小鼠肺
- 从死小鼠身上切除肺组织，用于与本研究无关的实验。在中子实验之前将样品固定在70%乙醇溶液中。
- 用重型铝箔包裹组织，并将其从BSL2实验室直接运输到CG-1D光束线。将样品插入铝筒中进行双重密封，并在nCT扫描期间保持样品在光束中的位置。
- 将样品靠近CCD，并在室温下进行过夜扫描。
注意：每张X光片为150秒，旋转步进角为0.5°，从0到182°。扫描的总时间约为16小时。
- 草本植物根系/土壤系统
注意：与其他生物样品一样，由于氢的强烈衰减，特别是土壤或植物根系中的水，植物 - 土壤系统的尺寸受到限制。种子或分株可以种植在容器中（Al或石英 - 两者都具有低中子衰减截面），或者可以将更成熟的植物移植到容器中。- 仔细挖掘并移植现场种植的当地草药（此处为桑葚草（Fatoua villosa （Thunb .）Nakai）放入横截面为2.38厘米×2.58厘米、高6.3厘米、壁厚0.055厘米、含有纯砂（SiO2）的铝容器中。
- 用去离子水冲洗植物根部，并小心地将它们展示在 Al 容器中，同时用湿沙浆填充容器。
注意：在容器中填充土壤时，使用湿土壤很重要，因为干燥的土壤会按粒径分离并在容器中产生纹理伪影12，13。 - 种植后，测量植物系统的饱和重量，每天称量植物系统，以评估用水量。将水施在土壤的上表面，或使用管或注射器通过容器底部的端口或孔。
注意：在这里，将工厂系统放置在秤上，每天将水施到顶部，以根据重量代替日常用水。在成像之前可以保留水分，以减少土壤含水量并增强根部的对比度。 - 在具有受控温度和光线的现场生长室中传播植物系统12.在成像前将植物系统维持 1 周，以使植物根部适应 Al 容器。
注意：成像开始后，请勿给植物浇水。 - 每次在~1.75小时内执行nCT扫描，并在2.5天内连续扫描以绘制土壤和植物含水量的动态3D变化。对于这些测量，将空间分辨率降低到几百μm，有利于时间分辨率（即，每个投影的采集时间更快）。
注意：每次CT扫描的旋转角度为0.93°，每个投影的采集时间为10秒。出于本手稿的目的，仅介绍了第一次 CT 扫描。
3. 数据采集
注：CG-1D的数据采集系统使用EPICS软件40。EPICS的开发是为了指导实验方案并最大限度地减少人为错误;在测量样品之前，该接口在逻辑上逐步完成不同的必要步骤，如图 3所示。 EPICS数据采集协议如下（图3）。左侧部分提供了正在进行的实验的状态，以及运动位置和实验详细信息（样本信息、提案编号和团队成员）。每个实验都与一个建议编号以及一个或多个样本相关联。右侧还提供提案信息，例如团队成员和所选样本名称（第一个选项卡名为“提案/相机/样品环境设备”）。中间部分包括当前的X光片，侧面有一个动态范围刻度尺，以及图像下方的状态和日志信息。
- 选择标题为“建议/相机/SE 设备”的第一个 EPICS 选项卡。单击“切换建议”或“示例”按钮。在已替换上一个选项卡的“建议列表”（左）和“示例”（右）中选择要测量的项目编号和示例 ID#。
- 使用后退箭头返回EPICS主界面。通过在相机/探测器选项列表中选择四种可用探测器（Andor CCD、Andor sCMOS、SBIG CCD 或 MCP）之一来选择要使用的探测器（sCMOS 或 CCD）。
注：SBIG CCD用于仪器测试，本稿可忽略。 - 在 “示例环境设备 ”部分中选择要使用的旋转阶段。
- 首先，单击“示例环境设备”列表中的“旋转阶段（CT 扫描）”。然后，选择一个旋转阶段（对应于要扫描的样品）。
- 最后，在选项卡底部，选择 数据采集模式。在这种情况下，请选择第一个选项“ 白光束”。
注意：采集模式是白光束（取整个中子波长范围）或CG-1D光束线上的单色。 - 选择标题为“ 对齐样本”的第二个 EPICS 选项卡。键入示例文件名，然后按 Enter 键。对子文件夹名称重复此过程。
注意：EPICS接口被编程为自动将数据保存在适当的实验目录中，内部重建软件使用该目录生成所研究的3D对象的二维（2D）切片。第二个选项卡“对齐样品”允许使用几秒钟的X光片 对齐样品，因为这些X光片以后不会用于数据处理和分析。一旦所有电机都正确定位，它们的位置就可以以.csv文件格式保存;因此，每个样品对齐都有其相应的.csv文件，可以回调该文件以定位样品以进行CT扫描。 - 跳过三个电机的对准，即假设样品已对准并准备好进行CT。 选择所需的采集时间，然后单击“ 拍摄快速图像 ”按钮。收集一系列具有不同采集时间的X光片以评估SNR。
- 打开图像J/斐济;拖放不同的X光片。绘制从样品到开放区域的剖面图;评估信噪比。
- 如果在XY载物台上设置了多个样品（多个旋转载物台，每个样品对应一个样品），请在对齐后记录每个样品位置，并通过单击“ 保存在文件中 ”按钮将数据另存为.cvs文件。
- 选择标题为 “收集数据 ”的第三个 EPICS 选项卡以设置 CT 扫描参数。在第一行可写行上键入文件名，然后按 Enter 键。对子文件夹名称重复此操作。
注意： 收集数据 选项卡的布局取决于第一个选项卡中一系列经过时间的X光片（无SE）或CT扫描（旋转阶段的选择）的选择。 - 在“ 使用保存的文件对齐样品 ”部分中，选择先前记录示例电机位置的文件（步骤 1.8）。使用最近保存 的文件浏览最近保存 的示例对齐文件。单击 “使用文件对齐 ”，使样品回到中子束中的位置。
- 根据奈奎斯特采样定理计算 CT 所需的投影数。计算样本水平维度上的像素数，然后乘以 1.5 以获得完成奈奎斯特采样所需的投影数。
- 输入 旋转起始角度 （通常为 0°）、旋转 结束角度 （通常为 180°）、 旋转步长、 每步图像数 （通常设置为 1）以及每个图像的 曝光时间 。通过单击“ 收集数据 ”按钮开始CT扫描。
4. 体积重建和数据处理/分析
注意：所有用于数据归一化、重建和分析的CG-1D软件工具都可以在ORNL设施的Python存储库和设施的分析服务器上找到。对于2D测量，可以使用Jupyter Python笔记本41进行预处理。 图 4 中提供了笔记本的插图。在选择样品外部的感兴趣区域之前，可以加载和预览其数据，该区域用于归一化为1（或100%）传输任何光束波动。这些笔记本可以适应每次测量，使预处理变得简单。此外，2D分析可以在同一笔记本中进行，例如跟踪样品中随时间变化的动力学变化（即样品中的吸水率）。
- 使用用户名和密码登录 Linux 分析服务器。打开 Web 浏览器，然后键入 jupyter.sns.gov。
- 打开名为 iMARS3D 的 python Jupyter 笔记本。运行代码的前几行（加载运行 iMARS3D 所需的工具）。加载数据、平场和暗场。验证是否已正确加载所有三个数据集。
- 继续裁剪数据、过滤（如有必要）、归一化（使用自动样品倾斜校正）和体积重建（一个漫长的过程）。将数据保存在名为 “共享”的项目编号文件夹中。打开设施分析服务器上也可用的 AMIRA36 后，在软件中加载重建的切片，然后继续进行可视化、进一步过滤和分析。
Representative Results
图5A是与测量的股骨大小相似的代表性大鼠股骨的照片;图5B，C表示使用Ti植入物的大鼠股骨的nCT。图5B显示了基于假色衰减的股骨nCT，而图5C表示以与图5B相同的方向穿过骨骼的对角线切口，以显示类似于X射线医学CT的Ti植入物（灰度）。这种植入物不像骨材料那样与中子相互作用;因此，它的衰减最小，并且看起来比周围的骨骼更暗（即衰减较小）。存在于股骨髓质空间内的小梁骨在样本的近端清晰可见（图5B中的红色箭头）。
图6A，B显示了用于nCT的乙醇固定小鼠肺在两个不同位置的代表性照片，以证明中子检测软组织标本的能力。从nCT获得的小鼠肺的重建体积如图6C，D所示，其定位方式与图6A，B相似。通过肺右叶的切口如图6E所示。尽管样品的尺寸相对较小，但通过以~75μm空间分辨率检测肺结构可以清楚地证明中子灵敏度。正如预期的那样，衰减范围相当广泛，其中很大一部分对应于中低中子衰减，因为肺具有含有空气的海绵状结构。
图7A显示了植物样品的照片，而图7B显示了矩形Al容器中植物根系/土壤系统的假色体积渲染（由于Al对中子大部分是透明的，因此不可见）。与之前的数据集相比，SNR更差，正如预期的那样，因为数据采集速度更快，以跟踪2.5天内根部水分吸收的动态运动。因此，每次CT扫描都经过优化，可在~1.75小时内进行测量。尽管信噪比差，但土壤中的根系在图7C，D所示的假色样品的垂直切口中清晰可见。
图 1：HFIR CG-1D 中子成像光束线示意图。 成像光束由定义锥形光束几何形状的孔径系统定义。光束通过带有光束刮刀的充满He的飞行管传输，以去除不需要的杂散中子。飞行管内的钻孔橡胶衬里减少了相邻光束线的背景。缩写：HFIR = 高通量同位素反应堆;他=氦气;L = 与直径 D 的针孔孔径和探测器的距离。 请点击此处查看此图的大图。
图2：高通量同位素反应堆的CG-1D中子成像设施。照片显示了从右到左的飞行管、采样区域和光束挡块。中子束来自照片的右侧。飞行管已由使用该仪器的科学和行业研究界签署。 请点击此处查看此图的大图。
图 3：EPICS 接口。 CG-1D EPICS界面分为三个部分：状态部分（左），显示区域（在本例中为黄铜航海日晷的原始X光片）以及2D和3D成像的参数输入。缩写：EPICS = 实验物理和工业控制系统;2D = 二维;3D = 三维。请点击此处查看此图的大图。
图 4：Jupyter 笔记本的屏幕截图。 此笔记本用于在标准化之前预览一组 X 线照片。在本例中，可视化了 图 3 中所示的相同黄铜航海日晷。 请点击此处查看此图的大图。
图5：带钛植入物的大鼠股骨。 （A）代表性大鼠股骨的照片。（B）从nCT获得的大鼠股骨的3D渲染体积。（C）显示股骨内钛棒的对角线切片。红色箭头显示小梁骨。比例尺分别由 x 轴和 y 轴表示。 请点击此处查看此图的大图。
图6：小鼠肺nCT.（A）和（B）小鼠肺的代表性照片。（C） 和 （D） 基于衰减的鼠标 3D 渲染体积，使用与 （A） 和 （B） 相同的位置。（E）通过小鼠肺右叶的代表性切片（D）显示用不同中子衰减梯度（主要是低衰减）获得的肺结构。请点击此处查看此图的大图。
图7：中子计算机断层扫描和穿过植物根系/土壤系统的切片 。 （A） 植物样品照片。（B）来自植物中子计算机断层扫描的3D渲染体积，显示地面上的茎和带水的土壤系统（红色）。（C）和（D）通过倾斜的样品切割以显示土壤中的茎和根（红色箭头）。土壤中较深的蓝色区域表示存在水。请点击此处查看此图的大图。
Discussion
生物样品的中子射线照相和CT是有前途的成像技术，是X射线成像或磁共振成像的补充。对生物样品进行中子成像实验的关键步骤与其制备及其在光束线上的遏制有关。实验的优化是由要回答的科学问题驱动的。如果科学问题需要高空间分辨率来观察现象，则需要较长的采集时间，而nCT（具有厘米大小的视场）的缺点是执行扫描需要数小时。这主要是由于反应堆可用的总中子通量与同步加速器源相比不同，在同步加速器源中，X射线CT扫描可能需要几秒钟到几分钟才能达到几毫米2 视场。虽然该方法可以应用于从动物中提取的离体组织样品，但由于辐射暴露风险（如中子产生的伽马射线和中子与样品中原子的相互作用），无法将其体内扩展到活体动物或人类。然而，它非常适合植物根系/土壤相互作用的成像（图7），例如吸水动力学。
与X射线CT不同，使用快速nCT进行植物动力学的优点是对水中H的敏感性和对植物的辐射损伤。此外，在骨/金属样品（如大鼠股骨）中使用中子可以观察到独特的对比度，与周围组织相比，金属相对透明（图5），从而可能避免X射线CT39引起的金属伪影。动物组织，如小鼠肺（图6），显示出令人印象深刻的软组织结构检测，因为中子对H敏感，但空间分辨率是这些测量中的限制因素。生物样品中存在的H原子提供了对比度19，39。
随着中子光栅干涉测量等新技术的进步，以及空间分辨率的提高（最近报道了几微米42，43），中子成像可能为具有改进空间分辨率的生物组织提供新的对比机制。对高能中子的探索（允许测量厚样品）也有望测量动物组织（如完整小鼠）的更大部分，从而为生物医学研究提供新的可能性。
Disclosures
作者没有什么可透露的。
Acknowledgments
这项研究的一部分利用了高通量同位素反应堆的资源，该反应堆由ORNL运营，由美国能源部，科学办公室，用户设施赞助，根据与UT-Battelle，LLC签订的合同DE-AC05-00OR22725。 该研究的一部分得到了ORNL通过Eugene Wigner杰出员工奖学金计划的支持。这项研究也得到了美国能源部科学办公室，生物与环境研究办公室的赞助。大鼠股骨样本是从拉什大学医学中心的Rick Sumner博士合作进行的实验中获得的，资金来自NIH（R01AR066562）和骨科研究和教育基金会 - 史密斯和侄子奖。该团队要感谢HFIR支持团队，他们使中子散射光束线的使用成为可能。
Materials
| Name | Company | Catalog Number | Comments |
| Aluminum containers | custom | Made from aluminum plates or tubing (alternate is quartz), plant and mouse sample | |
| Aluminum foil | Fisher | 01-213-100 | Mouse lung sample containment |
| Deionized water or deuterium oxide | Water or D2O can be used to enhance contrast, plant sample | ||
| Ethanol | Fisher | 04-355-223 | Mouse lung sample |
| Gauze sponges | CardinalHealth | Fully submerged in phosphate-buffered saline (PBS) and used to wrap samples, rat femur sample | |
| Growth chamber | Conviron | A1000 | Any growth chamber or greenhouse with controlled conditions would work, plant sample |
| Laboratory balance | Weighing plant system can be used to measure actual water content in the soils, plant sample | ||
| Pure silica sand | US Silica Co. | Flint#13 | Pure SiO2 provides low neutron attenuation compared to soils, plant sample |
| Sprague-Dawley Rats | Harlan | Order Code: 002-US | Rat femur sample |
| Titanium Rod | Goodfellow | TI007905 | Rat femur sample |
References
- Cekanova, M., Donnell, R., Bilheux, H., Bilheux, J. -C. Neutron imaging: Detection of cancer using animal model. Proceedings of the 2014 Biomedical Sciences and Engineering Conference - 5th Annual ORNL Biomedical Sciences and Engineering Conference: Collaborative Biomedical Innovations - The Multi-Scale Brain: Spanning Molecular, Cellular, Systems, Cognitive, Behaviour. , (2014).
- Bilheux, H. Z., et al. Neutron imaging a. The Oak Ridge National Laboratory: Application to biological research. Proceedings of the 2014 Biomedical Sciences and Engineering Conference - 5th Annual ORNL Biomedical Sciences and Engineering Conference: Collaborative Biomedical Innovations - The Multi-Scale Brain: Spanning Molecular, Cellular, Systems, Cognitive, Behaviour. , (2014).
- Bilheux, H. Z., et al. A novel approach to determine post mortem interval using neutron radiography. Forensic Science International. 251, (2015).
- Isaksson, H., et al. Neutron tomographic imaging of bone-implant interface: Comparison with X-ray tomography. Bone. 103, 295-301 (2017).
- Le Cann, S., et al. Characterization of the bone-metal implant interface by Digital Volume Correlation of in-situ loading using neutron tomography. Journal of the Mechanical Behavior of Biomedical Materials. 75, 271-278 (2017).
- Burca, G., et al. Exploring the potential of neutron imaging for life sciences on IMAT. Journal of Microscopy. 272 (3), 242-247 (2018).
- Metzke, R. W., et al. Neutron computed tomography of rat lungs. Physics in Medicine and Biology. 56 (1), 1-10 (2011).
- Altieri, S., et al. Neutron autoradiography imaging of selective boron uptake in human metastatic tumours. Applied Radiation and Isotopes. 66 (12), 1850-1855 (2008).
- Altieri, S., Bortolussi, S., Bruschi, P., Pedroni, P., Zonta, A. Neutron radiography of human liver metastases after BPA infusion. Proceedings of 11th World congress on Neutron Capture Therapy. , (2004).
- Holz, M., Zarebanadkouki, M., Kaestner, A., Kuzyakov, Y., Carminati, A. Rhizodeposition under drought is controlled by root growth rate and rhizosphere water content. Plant and Soil. 423 (1-2), 429-442 (2018).
- Esser, H. G., Carminati, A., Vontobel, P., Lehmann, E. H., Oswald, S. E. Neutron radiography and tomography of water distribution in the root zone. Journal of Plant Nutrition and Soil Science. 173 (5), 757-764 (2010).
- Warren, J. M., et al. Neutron imaging reveals internal plant water dynamics. Plant and Soil. 366 (1-2), (2013).
- Dhiman, I., et al. Quantifying root water extraction after drought recovery using sub-mm in situ empirical data. Plant and Soil. 424, 73-89 (2018).
- Kroener, E., Zarebanadkouki, M., Kaestner, A., Carminati, A.
- Moradi, A. B., et al. Three-dimensional visualization and quantification of water content in the rhizosphere. New Phytologist. 192 (3), 653-663 (2011).
- Banhart, J., et al. X-ray and neutron imaging - Complementary techniques for materials science and engineering. International Journal of Materials Research. 101 (9), 1069-1079 (2010).
- LaManna, J. M., Hussey, D. S., Baltic, E. M., Jacobson, D. L. Improving material identification by combining x-ray and neutron tomography. Proceedings 10391, Developments in X-Ray Tomography XI. 1039104, (2017).
- Tengattini, A., et al. NeXT-Gremoble, the Neutron and X-ray tomograph in Grenoble. Nuclear Instruments and Methods in Physics Research, Section A: Accelerators, Spectrometers, Detectors and Associated Equipment. 968, 163939 (2020).
- Neutron Imaging and Applications. Bilheux, H. Z., McGreevy, R. L., Anderson, I. S. , Springer. Boston, MA, USA. (2009).
- Zhang, P., Wittmann, F. H., Zhao, T. J., Lehmann, E. H., Vontobel, P. Neutron radiography, a powerful method to determine time-dependent moisture distributions in concrete. Nuclear Engineering and Design. 241 (12), 4758-4766 (2011).
- Lobo, R. M., Andrade, A. H. P., Castagnet, M.
- Kardjilov, N., et al.
- Schillinger, B., et al. Detection systems for short-time stroboscopic neutron imaging and measurements on a rotating engine. Nuclear Instruments and Methods in Physics Research, Section A: Accelerators, Spectrometers, Detectors and Associated Equipment. 542 (1-3), 142-147 (2005).
- Thewlis, J.
- Anderson, J.
- Brown, M., Parks, P. B. Neutron radiography in biologic media: techniques, observations, and implications. American Journal of Roentgenology. 106 (3), 472-485 (1969).
- Metzke, R. W., Runck, H., Stahl, C. A., Schillinger, B., Calzada, E. Neutron computed tomography of rat lungs. Physics in Medicine and Biology. 56 (1), 1-10 (2011).
- Crow, L., et al. The CG1 instrument development test station at the high flux isotope reactor. Nuclear Instruments and Methods in Physics Research, Section A: Accelerators, Spectrometers, Detectors and Associated Equipment. 634 (1), 71-74 (2011).
- Santodonato, L., et al. The CG-1D neutron imaging beamline at the Oak Ridge National Laboratory High Flux Isotope Reactor. Physics Procedia. 69, 104-108 (2015).
- Tremsin, A. S., et al. Improved efficiency of high resolution thermal and cold neutron imaging. Nuclear Instruments and Methods in Physics Research, Section A: Accelerators, Spectrometers, Detectors and Associated Equipment. 628 (1), 415-418 (2011).
- Tremsin, A. S., Vallerga, J. V., McPhate, J. B., Siegmund, O. H. W. Optimization of high count rate event counting detector with microchannel plates and quad Timepix readout. Nuclear Instruments and Methods in Physics Research, Section A: Accelerators, Spectrometers, Detectors and Associated Equipment. 787, 20-25 (2015).
- Vlassenbroeck, J., et al. Software tools for quantification of X-ray microtomography at the UGCT. Nuclear Instruments and Methods in Physics Research, Section A: Accelerators, Spectrometers, Detectors and Associated Equipment. 580 (1), 442-445 (2007).
- Gürsoy, D., De Carlo, F., Xiao, X., Jacobsen, C. TomoPy: A framework for the analysis of synchrotron tomographic data. Journal of Synchrotron Radiation. 21 (5), 1188-1193 (2014).
- Pelt, D. M., et al. Integration of TomoPy and the ASTRA toolbox for advanced processing and reconstruction of tomographic synchrotron data. Journal of Synchrotron Radiation. 23 (3), 842-849 (2016).
- Venkatakrishnan, S. V., Cakmak, E., Billheux, H., Bingham, P., Archibald, R. K. Model-based iterative reconstruction for neutron laminography. Conference Record of 51st Asilomar Conference on Signals, Systems and Computers, ACSSC 2017. , (2018).
- Stalling, D., Westerhoff, M., Hege, H. C. Amira: A highly interactive system for visual data analysis. Visualization Handbook. 1, 749-767 (2005).
- Grünzweig, C., Frei, G., Lehmann, E., Kühne, G., David, C. Highly absorbing gadolinium test device to characterize the performance of neutron imaging detector systems. Review of Scientific Instruments. 78 (5), 1-4 (2007).
- Schindelin, J., et al. Fiji: An open-source platform for biological-image analysis. Nature Methods. 9 (7), 676-682 (2012).
- Meagher, M. J., Parwani, R. N., Virdi, A. S., Sumner, D. R. Optimizing a micro-computed tomography-based surrogate measurement of bone-implant contact. Journal of Orthopaedic Research. 36 (3), 979-986 (2018).
- Dalesio, L. R., et al. The experimental physics and industrial control system architecture: past, present, and future. Nuclear Inst. and Methods in Physics Research, A. 352 (1-2), 179-184 (1994).
- Bilheux, J., Lin, J. Y. Y., Bilheux, H. Z. Jupyter notebooks for neutron radiography data processing and analysis. Neutron Radiography-WCNR-11. 15, 198-204 (2020).
- Trtik, P., et al. Improving the spatial resolution of neutron imaging at Paul Scherrer Institut - The Neutron Microscope Project. Physics Procedia. 69, 169-176 (2015).
- Morgano, M., et al. Unlocking high spatial resolution in neutron imaging through an add-on fibre optics taper. Optics Express. 26 (2), 9-12 (2018).
