Starten Sie zunächst die Bilderfassungssoftware des Mikroskops. Berechnen Sie die Anzahl der Kacheln, die benötigt werden, um das gesamte Mausherz zu bedecken. Nehmen Sie die Bilder des Herzens ab Kachel eins auf.
Erfassen Sie nacheinander Bilder der verbleibenden Kacheln mit einer Überlappung von 10 % zwischen aufeinanderfolgenden Kacheln, bis das gesamte Herz bedeckt ist. Öffnen Sie nun das BigStitcher-Plugin und importieren Sie alle erforderlichen Kacheln über das Bilddateiverzeichnis. Speichern Sie das Dataset als HDF5-Datei.
Verwenden Sie die Funktion Kachel nach regulärem Raster verschieben, um die Kacheln zu organisieren. Wählen Sie dann das Muster aus, das zum Verschieben des Herzens verwendet wird, und wählen Sie eine Überlappung von 10 % zwischen den einzelnen Kacheln aus. Fügen Sie die Kacheln mit der Option des Stickassistenten zusammen.
Erstellen Sie eine TIFF-Datei, indem Sie die zusammengefügten Daten mithilfe der Bildfusion exportieren. Für die Multi-View-Dekonvolution der Probe. Verwenden Sie fluoreszierende Kügelchen für die Bildregistrierung von Multi-View-Rekonstruktionen entlang des Herzens.
Scannen Sie die Herzanordnung über die Erfassungsachse, um sequenzielle Bilder des Mausherzens aus dem beleuchteten Bereich aufzunehmen. Drehen Sie das Mausherz um 60 Grad entlang der Y-Achse, um nachfolgende Stapel aus mehreren Winkeln zu erfassen. Öffnen Sie dann das BigStitcher-Plugin und importieren Sie alle Bilder über das Bilddateiverzeichnis.
Speichern Sie das Dataset als HDF5-Datei. Wählen Sie Detect Interest Points (Interessenpunkte erkennen) und wählen Sie manuell die für die Registrierung interessanten Perlen aus. Wählen Sie das Feintransformationsmodell für die Registrierung aus, und weisen Sie PSF allen Ansichten zu.
Klicken Sie auf Multi-View-Dekonvolution und wählen Sie den Iterationstyp als Effizient Bayesian. Definieren Sie die Anzahl der Iterationen als 10 und führen Sie sie aus. Klicken Sie abschließend auf Bildfusion, um eine TIFF-Datei zu exportieren.
Die Multi-View-Dekonvolutionsmethode erreichte nach 15 Stunden Rechenzeit eine nahezu isotrope Auflösung. Die ETL-basierte axilläre Swept-Light-Blattmikroskopie konnte den unscharfen Hintergrund minimieren und den Bildkontrast verbessern. Die Integration von Stitching mit axial gepfeilter Lichtblattmikroskopie ermöglichte die Erfassung eines ganzen acht Wochen alten Mausherzens mit einheitlicher Auflösung.
