El material está basado en trabajo apoyado en parte por la National Science Foundation con la subvención No. IIS0758410. La información fue suministrada por Carolinas Healthcare System.

1. Metodología general El marco propuesto cerebro procesa las imágenes de TC de la lesión cerebral traumática (TBI) de los pacientes para calcular automáticamente desplazamiento de la línea media en casos patológicos y usarlo, así como otra información extraída para predecir la presión intracraneal (ICP). Figura 1 muestra el diagrama esquemático de la totalidad marco. La medición de la línea media cambio automatizado se puede dividir en tres pasos. En primer lugar, la línea media ideal del cerebro, es decir, la línea media antes de la lesión, se ha encontrado a través de una búsqueda jerárquica basada en la simetría del cráneo y características del tejido 3. En segundo lugar, el sistema ventricular está segmentado para cada imagen de CT del cerebro 4. En tercer lugar, la línea media real se calcula desde el sistema ventricular segmentado deformada utilizando un método de correspondencia de forma 5. El desplazamiento horizontal del sistema ventricular se estima entonces sobre la base de la estimación de la línea media ideal y la línea media real. Después de tle cambio la línea media se calcula sucesivamente, características que incluyen cambio de la línea media, la información de textura de imágenes de TC, así como otra información demográfica se utiliza para predecir la PIC. Algoritmos de aprendizaje automático se utilizan para modelar la relación entre el PCI y las características extraídas 6. 2. Estimación Midline Ideal <ol><li> Este paso detecta la línea media aproximada ideal usando simetría del cráneo. En primer lugar, usando escala de grises de umbral, el cráneo tiene que ser segmentado del resto del contenido de la imagen de CT. Después de lo cual, realizar una búsqueda exhaustiva para identificar los ángulos de rotación alrededor del centro de masa del cráneo. El ángulo de rotación óptima se define como el ángulo que maximiza la simetría de las mitades resultantes del cráneo. La línea media aproximada es ideal para la línea que pasa a través del punto central de masa y tiene el ángel rotación óptima con respecto a la dirección original vertical de la imagen de CT. </li><li> Este paso detecta el posterior hoz del cerebro anterior y hoz apego a los márgenes del surco sagital. Este paso se lleva a cabo para refinar la línea media identificado ideales aproximada. Primero defina dos rectángulos buscando centradas en los dos puntos de intersección entre la línea media aproximada ideal y la bóveda craneal. A continuación, elegir los tamaños de los rectángulos empíricamente de manera que cubran las características anatómicas para ser detectadas como se explica a continuación. La fijación anterior hoz se detecta como el punto máximo de la cresta de la bóveda craneal y la hoz del cerebro se detecta que la línea gris en la región posterior 3. </li><li> Este paso utiliza esas características detectadas anteriormente para afinar la posición de la línea media ideal. Una vez que el punto álgido de la fijación anterior hoz y el punto más alejado en la parte posterior de la hoz del cerebro calvarum se especifica, la línea media ideal de refinado es la línea que une los dos puntos. </li></ol> 3. Ventrículo Segmentación <ol><li> Primero aplique un bajo-level segmentación mediante un modelo de mezcla gaussiana (GMM) para cada rebanada CT 4,7. Imágenes de TC se puede dividir en 4 tipos de tejidos: huesos / sangre, líquido cefalorraquídeo (LCR), la materia gris y materia blanca. Para la inicialización del modelo de mezcla gaussiana, los parámetros se estiman sobre la base de un resultado de la segmentación iterativo K-medio de la imagen de CT. A continuación, utilice la expectativa de maximización (EM) para optimizar GMM iterativa para representar mejor la imagen de CT. El resultado de la segmentación duro se puede obtener mediante la partición de la imagen de CT en las regiones sobre la base de la probabilidad máxima de los miembros de que cada píxel pertenece a los tipos de áreas diferentes. </li><li> Después de la segmentación de bajo nivel de GMM, aplicar restricciones adicionales sobre el resultado de la segmentación para reconocer regiones ventriculares. Sólo las regiones ventriculares con tamaño superior a un determinado umbral se conservan. Aplicar las limitaciones en la ubicación de las regiones ventriculares así mediante el cuadro delimitador cerebro y el conjunto de ventriclplantillas e. Extraer el conjunto de plantillas ventrículo del cerebro de un estándar de imágenes de RM y luego ampliarla utilizando la dilatación morfológica para acomodar variaciones entre los diferentes temas y los casos patológicos. </li></ol> 4. Estimación de la línea media real <ol><li> Especifique los puntos de la entidad en las plantillas del ventrículo extraídos de MR. </li><li> ¿Es la forma Regiones múltiples que coinciden entre 5,8 ventrículos segmentados y la plantilla MR. </li><li> Estimar la línea media real basado en los puntos de la entidad identificados sobre las formas ventrículo usando la coincidencia de la forma. A continuación, utilice el promedio de la media parte izquierda y derecha media de las coordenadas x de los puntos de la entidad para definir la coordenada x de la línea media. </li></ol> 5. Más Feature Extracciones <ol><li> Medir el hematoma intracraneal / sangrado en volumen basado en el modelo de mezcla gaussiana (GMM) resultados de segmentación obtenida de las imágenes de CT. El resultado segmentado puede, enincluir pequeñas regiones incluidas seno venoso arterial y hoz del cerebro, pero por lo general se puede despreciar en comparación con las regiones del hematoma. Luego cuenta el número de píxeles clasificados como sangre para cada sector y los suma para arriba. La suma final se cuantifica el volumen de sangre extravasada en el examen de TC. </li><li> Extrae las características de textura. Primero seleccionar seis ventanas en cada imagen CT que captura la materia gris y blanca, pero evitar las estructuras de sangre y el ventrículo en la imagen de CT, ver Figura 6. A continuación, extraer las correspondientes características de textura mediante el uso de los métodos siguientes: longitud Gray Run Level 9, el análisis de histograma, análisis de Fourier, análisis Dual Tree Complex Wavelet 10. </li><li> La información demográfica y la puntuación de gravedad de la lesión también se recogen. </li><li> Todas las características extraídas de cada imagen de TC se agregan para representar a la totalidad de examen de TAC. En concreto, min (f), max (f), mediana (f), media (f), STD (f) se calculan entre otrosl las características seleccionadas pertenecientes a lo particular examen de TAC, por ejemplo, una función ƒ del cambio de línea media o una característica textura. Para la característica de hemorragia intracraneal cantidad, además de los 5 operadores enumerados anteriormente, la suma (f) se añade también para registrar el volumen total de sangre. </li></ol> 6. Estimación ICP La idea principal de la estimación de ICP es la aplicación de técnicas de aprendizaje de máquina para construir un modelo basado en un conjunto de muestras de entrenamiento. A continuación, el modelo construido se evalúa en las muestras de ensayo restantes. Debido a la dimensión máxima de las características extraídas, incluidos los de la TC y la información demográfica, la función de selección es importante para eliminar características no relacionadas para un modelo relativamente sencillo tanto estable. Por lo tanto hay dos pasos que se deben realizar para ICP estimación / predicción. En primer lugar, seleccione las funciones relativas que son informativos en la predicción de los PCI. El segundo paso es utilizar Máquinas de Vectores Soporte (SVM) como elalgoritmo de aprendizaje para desarrollar y evaluar el modelo de formación. Software como RapidMiner 11 es ideal para esta tarea, ya que es una herramienta muy bien desarrollado para la mayoría de los algoritmos de aprendizaje automático y proporciona interfaces muy poderosas para entrenar y evaluar modelos. <ol><li> Realice la función de selección en dos etapas. En primer lugar utilizar la ganancia de información criterio de razón en la primera etapa para seleccionar las mejores características 50. En la segunda etapa, utilizar un SVM algoritmo genético para optimizar aún más la incorporación de la función de selección. A continuación, utilice el conjunto final de características seleccionadas para construir el modelo para la predicción de la PIC en el siguiente paso. </li><li> Realizar clasificación ICP y evaluación a través de técnicas de aprendizaje de máquina. El diagrama de nivel superior de la formación y las pruebas se muestran en la RapidMiner en la Figura 8. Aplique una 10 veces la validación cruzada esquema como la capa más externa de la evaluación. Con el fin de construir un modelo con mejor generalización y evitar el exceso de ajuste para tos datos de entrenamiento, anidar otra capa de validación cruzada en el interior de cada pliegue formación. En estos módulos, primero aplique el proceso de selección de características descritas anteriormente y luego usar un SVM para la clasificación con su propio módulo de selección de parámetros 6. </li></ol>

<ol>
	<li>Langlois, J. A., Rutland-Brown, W., Thomas, K. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Traumatic brain injury in the united states: emergency department visits, hospitalizations, and deaths. , (2006).</li><li>Moore, E. E., Feliciano, D. V., Mattox, K. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Trauma. , (2003).</li><li>Chen, W., Smith, R., Ji, S. Y., Ward, K. R., Najarian, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automated+Ventricular+Systems+Segmentation+in+Brain+CT+Images+by+Combining+Low-level+Segmentation+and+High-level+Template+Matching.">Automated Ventricular Systems Segmentation in Brain CT Images by Combining Low-level Segmentation and High-level Template Matching.</a> BMC Medical Informatics and Decision Making. 9, (2009).</li><li>Chen, W., Najarian, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Segmentation+of+Ventricles+in+Brain+CT+Images+Using+Gaussian+Mixture+Model+Method.">Segmentation of Ventricles in Brain CT Images Using Gaussian Mixture Model Method.</a> , 15-20 (2009).</li><li>Chen, W., Ward, K. R., Najarian, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Actual+Midline+Estimation+from+Brain+CT+Scan+Using+Multiple+Regions+Shape+Matching.">Actual Midline Estimation from Brain CT Scan Using Multiple Regions Shape Matching.</a> , 2552-2555 (2010).</li><li>Chen, W., Cockrell, C., Ward, K. R., Najarian, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Intracranial+Pressure+Level+Prediction+in+Traumatic+Brain+Injury+by+Extracting+Features+from+Multiple+Sources+and+Using+Machine+Learning+Methods.">Intracranial Pressure Level Prediction in Traumatic Brain Injury by Extracting Features from Multiple Sources and Using Machine Learning Methods.</a> , 510-515 (2010).</li><li>Greenspan, H., Ruf, A., Goldberger, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Constrained+Gaussian+mixture+model+framework+for+automatic+segmentation+of+MR+brain+images.">Constrained Gaussian mixture model framework for automatic segmentation of MR brain images.</a> IEEE Trans. Med. Imaging. 25 (9), 1233-1245 (2006).</li><li>Belongie, S., Malik, J., Puzicha, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Shape+matching+and+object+recognition+using+shape+contexts.">Shape matching and object recognition using shape contexts.</a> IEEE Trans. Pattern Anal. Mach. Intell. 24, 509-522 (2002).</li><li>Weszaka, J. S., Dyer, C. R., Rosenfeld, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+comparative+study+of+texture+measures+for+terrain+classification.">A comparative study of texture measures for terrain classification.</a> IEEE Trans. on Syst., Man, Cyber. , (1976).</li><li>Kingsbury, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Complex+wavelets+for+shift+invariant+analysis+and+filtering+of+signals.">Complex wavelets for shift invariant analysis and filtering of signals.</a> Applied and Computational Harmonic Analysis. 10 (3), 234-253 (2002).</li><li>Mierswa, I., Wurst, M., Klinkenberg, R., Scholz, M., Euler, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=+Yale:+Rapid+prototyping+for+complex+data+mining+tasks."> Yale: Rapid prototyping for complex data mining tasks.</a> , 935-940 (2006).</li></ol>

No hay conflictos de interés declarado.

En este estudio, un marco intuitivo y flexible se propone abordar dos problemas difíciles: la estimación del desplazamiento de la línea media en la TC imágenes y predicción ICP nivel basado en características extraídas. Los resultados de la evaluación muestran la eficacia del método propuesto. Por lo que sabemos, esta es la primera vez de un estudio sistemático para abordar estos dos problemas. Nos damos cuenta de que con base en el marco general, hay muchas posibles mejoras que se pueden lograr. Por ejemplo, ...

Cada año se producen alrededor de 1,4 millones de lesiones cerebrales traumáticas (TBI) casos relacionados con las salas de emergencia en los Estados Unidos, de los cuales, más de 50.000 resultan en muerte 1. TCE grave suele ir acompañado de un aumento de la presión intracraneal (PIC) con síntomas como hematomas y la hinchazón del tejido cerebral. Éstos dan lugar a presión reducida perfusión cerebral y el flujo sanguíneo cerebral, colocando el cerebro lesionado en un riesgo adicional. Grave aumento de la PIC puede ser fatal, así monitorización de la PIC en pacientes con lesión cerebral traumática es crucial. Esto normalmente requiere la colocación de catéteres directamente en el cerebro para el control de la presión, un procedimiento de riesgo para los pacientes que sólo pueden ser realizados en centros médicos especializados. El procedimiento también implica riesgo como la infección. Sin embargo, algunos signos de elevación de la PIC puede ser apreciable en imágenes médicas. En particular, desplazamiento de la línea media se asocia a menudo con un aumento de la ICP y puede ser capturada de la t computada de cerebroomography (TC). Como tales, estas imágenes proporcionan una oportunidad para la detección no invasiva de la PIC elevada que se puede utilizar como una etapa de pre-selección antes de la trepanación craneal. TC sigue siendo el estándar de oro para la evaluación inicial TBI entre todas las modalidades de diagnóstico por imágenes de resonancia magnética, por ejemplo, debido a su alta velocidad y bajo costo relativo 2. Además, un examen de TC no requiere inmovilidad paciente estricto, y tiene la ventaja de revelar anomalías graves tales como fracturas óseas y hematomas. Mientras que CT se utiliza comúnmente para la detección de lesiones en el cerebro, basado en la tecnología actual, cambio de línea central no se mide automáticamente y por lo tanto, los médicos deben evaluar este factor importante por inspección visual. CT interpretación inexacta o incoherente se asocia a menudo con la naturaleza del sistema visual humano y la estructura compleja del cerebro. Mientras que pequeños cambios de la línea media son difíciles de alcanzar, a menudo son de gran valor para la evaluación de la lesión cerebral, en particular en las etapas tempranas de la lesión antes de la condición del paciente se vuelve más severa. En el otro lado del espectro, desplazamiento de la línea media grande sugiere altamente PIC elevada y más TCE grave. Sin embargo, es una tarea muy difícil para los seres humanos para inspeccionar visualmente imágenes de TC y predecir el nivel de ICP cuantitativamente. Debido a los avances en las técnicas computacionales automatizadas, las características extraídas de imágenes de TC, tales como cambio de la línea media, el volumen de hematoma, y ​​la textura de imágenes de CT del cerebro, se puede medir con precisión y de forma automática utilizando métodos avanzados de procesamiento de imágenes. Sin embargo, la relación entre el PCI y el cambio de la línea media, así como otras características tales como el grado de hemorragia, la textura de las imágenes de CT no se ha explorado. En este documento, un marco computacional se ha propuesto medir el cambio de la línea media de medición, así como otros rasgos fisiológicos / anatómicos en las imágenes de CT del cerebro y entonces predecir el grado de ICP de forma no intrusiva mediante técnicas de aprendizaje automático.

automated midline shift and intracranial pressure estimation based on brain ct images

En este trabajo se presenta un sistema automatizado basado principalmente en los de tomografía computarizada (TC) que consta de dos componentes principales: el cambio de estimación línea media y la presión intracraneal (PIC) pre-selección del sistema. Para estimar el desplazamiento de la línea media, primero una estimación de la línea media ideal se realiza en base a la simetría del cráneo y las características anatómicas de la exploración CT del cerebro. Entonces, la segmentación de los ventrículos desde el TC se realiza y se utiliza como una guía para la identificación de la línea media real mediante el cotejo de forma. Estos procesos de imitar el proceso de medición de los médicos y han mostrado resultados prometedores en la evaluación. En el segundo componente, más se extraen las características relacionadas con ICP, tal como la información de textura, la cantidad de sangre de la TC y otras características registradas, tales como la edad, puntuación de la gravedad para estimar la ICP también se incorporan. Técnicas de aprendizaje automático, incluyendo la función de selección y clasificación, como el apoyoVector Machines (SVM), se emplean para construir el modelo de predicción utilizando RapidMiner. La evaluación de la predicción muestra utilidad potencial del modelo. El cambio estimado línea media ideal y predice los niveles de ICP puede ser utilizado como una forma rápida de preselección paso para los médicos para tomar decisiones, así como para recomendar a favor o en contra invasor monitorización de la PIC.

Los conjuntos de datos de prueba de TC fueron proporcionados por el Sistema de Carolinas Healthcare (CHS) bajo la aprobación de la Junta de Revisión Institucional. Todos los sujetos fueron diagnosticados con insuficiencia renal leve a grave lesión cerebral traumática cuando ingresan por primera vez al hospital. Para cada paciente, el valor de ICP se registró cada hora usando sondas de ICP en el interior de la región ventrículo tanto antes como después de la TC se obtuvieron. Para asociar el valor del PCI con cad...

Watch this Scientific Journal Video about Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images at JoVE.com

Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images

Para determinar con exactitud la línea media y cambio automático de la presión intracraneal (PIC) pre-screening sistema basado en la tomografía computarizada (TC) para los pacientes con lesión cerebral traumática (TBI) se propuso la utilización de procesamiento de imágenes y técnicas de aprendizaje automático.

Cambio automático línea media y la presión intracraneal Estimación basada en imágenes de TC del cerebro

In this paper we present an automated system based mainly on the computed tomography (CT) images consisting of two main components: the midline shift ...

automated-midline-shift-intracranial-pressure-estimation-based-on

Research

JoVE Journal

Medicine

42.2K vistas.  Virginia Commonwealth University. Para determinar con exactitud la línea media y cambio automático de la presión intracraneal (PIC) pre-screening sistema basado en la tomografía computarizada (TC) para los pacientes con lesión cerebral traumática (TBI) se propuso la utilización de procesamiento de imágenes y técnicas de aprendizaje automático.

Video: Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images

Epidural Intracranial Pressure Measurement in Rats Using a Fiber-optic Pressure Transducer

Elevated intracranial pressure (ICP) is a significant problem in several forms of ischemic brain injury including stroke, traumatic brain injury and cardiac arrest. This elevation may result in further neurological injury, in the form of transtentorial herniation1,2,3,4, midbrain compression, neurological deficit or increased cerebral infarct2,4. Current therapies are often inadequate to control elevated ICP in the clinical setting5,6,7 . Thus there is a need for accurate methods of ICP measurement in animal models to further our understanding of the basic mechanisms and to develop new treatments for elevated ICP.
In both the clinical and experimental setting ICP cannot be estimated without direct measurement. Several methods of ICP catheter insertion currently exist. Of these the intraventricular catheter has become the clinical 'gold standard' of ICP measurement in humans8. This method involves the partial removal of skull and the instrumentation of the catheter through brain tissue. Consequently, intraventricular catheters have an infection rate of 6-11%9. For this reason, subdural and epidural cannulations have become the preferred methods in animal models of ischemic injury. 
Various ICP measurement techniques have been adapted for animal models, and of these, fluid-filled telemetry catheters10 and solid state catheters are the most frequently used11,12,13,14,15. The fluid-filled systems are prone to developing air bubbles in the line, resulting in false ICP readings. Solid state probes avoid this problem (Figure 1). An additional problem is fitting catheters under the skull or into the ventricles without causing any brain injury that might alter the experimental outcomes. Therefore, we have developed a method that places an ICP catheter contiguous with the epidural space, but avoids the need to insert it between skull and brain. 
An optic fibre pressure catheter (420LP, SAMBA Sensors, Sweden) was used to measure ICP at the epidural location because the location of the pressure sensor (at the very tip of the catheter) was found to produce a high fidelity ICP signal in this model. There are other manufacturers of similar optic fibre technologies13 that may be used with our methodology. Alternative solid state catheters, which have the pressure sensor located at the side of the catheter tip, would not be appropriate for this model as the signal would be dampened by the presence of the monitoring screw. 
Here, we present a relatively simple and accurate method to measure ICP. This method can be used across a wide range of ICP related animal models.

A novel technique to record the pressures within the skull is described. The minimally invasive method uses a fibre-optic pressure sensing system to accurately measure intracranial pressure (ICP) in anaesthetized rats without causing significant brain trauma. The technique may be used in a wide range of experimental models.

Medición de la presión intracraneal epidural en ratas, utilizando un transductor de presión de fibra óptica

Elevated intracranial pressure (ICP) is a significant problem in several forms of ischemic brain injury including stroke, traumatic brain injury and ...

Investigación

Medicina

A Novel High-resolution In vivo Imaging Technique to Study the Dynamic Response of Intracranial Structures to Tumor Growth and Therapeutics

We have successfully integrated previously established Intracranial window (ICW) technology 1-4 with intravital 2-photon confocal microscopy to develop a novel platform that allows for direct long-term visualization of tissue structure changes intracranially. Imaging at a single cell resolution in a real-time fashion provides supplementary dynamic information beyond that provided by standard end-point histological analysis, which looks solely at 'snap-shot' cross sections of tissue.
Establishing this intravital imaging technique in fluorescent chimeric mice, we are able to image four fluorescent channels simultaneously. By incorporating fluorescently labeled cells, such as GFP+ bone marrow, it is possible to track the fate of these cells studying their long-term migration, integration and differentiation within tissue. Further integration of a secondary reporter cell, such as an mCherry glioma tumor line, allows for characterization of cell:cell interactions. Structural changes in the tissue microenvironment can be highlighted through the addition of intra-vital dyes and antibodies, for example CD31 tagged antibodies and Dextran molecules.
Moreover, we describe the combination of our ICW imaging model with a small animal micro-irradiator that provides stereotactic irradiation, creating a platform through which the dynamic tissue changes that occur following the administration of ionizing irradiation can be assessed.
Current limitations of our model include penetrance of the microscope, which is limited to a depth of up to 900 &mu;m from the sub cortical surface, limiting imaging to the dorsal axis of the brain. The presence of the skull bone makes the ICW a more challenging technical procedure, compared to the more established and utilized chamber models currently used to study mammary tissue and fat pads 5-7. In addition, the ICW provides many challenges when optimizing the imaging.

A Novel High-resolution In vivo Imaging Technique to Study the Dynamic Response of Intracranial Structures to Tumor Growth and Therapeutics

We describe a novel in vivo imaging technique that couples fluorescent chimeric mice with intracranial windows and high-resolution 2-photon microscopy. This imaging platform aids studies of dynamic changes in brain tissue and microvasculature, at a single-cell level, following pathological insults and is adaptable to assess intracranial drug delivery and distribution.

Una novela de alta resolución<em&gt; En vivo</em&gt; Técnica de escaneo para el Estudio de la respuesta dinámica de estructuras intracraneales al crecimiento del tumor y Terapéutica

We have successfully integrated previously established Intracranial window (ICW) technology 1-4 with intravital 2-photon confocal microscopy to develop a ...

Creating Anatomically Accurate and Reproducible Intracranial Xenografts of Human Brain Tumors

Orthotopic tumor models are currently the best way to study the characteristics of a tumor type, with and without intervention, in the context of a live animal &#8211;&#160;particularly in sites with unique physiological and architectural qualities such as the brain. In vitro and ectopic models cannot account for features such as vasculature, blood brain barrier, metabolism, drug delivery and toxicity, and a host of other relevant factors. Orthotopic models have their limitations too, but with proper technique tumor cells of interest can be accurately engrafted into tissue that most closely mimics conditions in the human brain. By employing methods that deliver precisely measured volumes to accurately defined locations at a consistent rate and pressure, mouse models of human brain tumors with predictable growth rates can be reproducibly created and are suitable for reliable analysis of various interventions. The protocol described here focuses on the technical details of designing and preparing for an intracranial injection, performing the surgery, and ensuring successful and reproducible tumor growth and provides starting points for a variety of conditions that can be customized for a range of different brain tumor models.

The brain is a unique site with qualities that are not well represented by in vitro or ectopic analyses. Orthotopic mouse models with reproducible location and growth characteristics can be reliably created with intracranial injections using a stereotaxic fixation instrument and a low pressure syringe pump.

Crear anatómicamente exactos y reproducibles intracraneal xenoinjertos de tumores cerebrales humanos

Orthotopic tumor models are currently the best way to study the characteristics of a tumor type, with and without intervention, in the context of a live ...

Assessing Cortical Cerebral Microinfarcts on High Resolution MR Images

Cerebral microinfarcts are frequent findings in the post-mortem human brain, and are related to cognitive decline and dementia. Due to their small sizes it is challenging to study them on clinical MRI scans. It was recently demonstrated that cortical microinfarcts can be depicted with MRI scanners using high magnetic field strengths (7T). Based on this experience, a proportion of these lesions is also visible on lower resolution 3T MRI. These findings were corroborated with ex vivo imaging of post-mortem human brain tissue, accompanied by histopathological verification of possible cortical microinfarcts.
Here an ex vivo imaging protocol is presented, for the purpose of validating MR observed cerebral microvascular pathology with histological evaluation. Furthermore, guidelines are provided for the assessment of cortical microinfarcts on both in vivo 7T and 3T MR images. These guidelines provide researchers with a tool to rate cortical microinfarcts on in vivo images of larger patient samples, to further unravel their clinical relevance in cognitive decline and dementia, and establish these lesions as a novel biomarker of cerebral small vessel disease.

A high resolution ex vivo 7T MR imaging protocol is presented, to perform MR-guided histopathological validation of microvascular pathology in post-mortem human brain tissue. Furthermore, guidelines are provided for the assessment of cortical microinfarcts on in vivo 7T as well as 3T MR images.

Evaluar microinfartos cerebrales corticales en alta resolución MR Imágenes

Cerebral microinfarcts are frequent findings in the post-mortem human brain, and are related to cognitive decline and dementia. Due to their small sizes ...

Proximal Cadaveric Femur Preparation for Fracture Strength Testing and Quantitative CT-based Finite Element Analysis

Cadaveric fracture testing is routinely used to understand factors that affect proximal femur strength. Because ex vivo biological tissues are prone to lose their mechanical properties over time, specimen preparation for experimental testing must be performed carefully to obtain reliable results that represent in vivo conditions. For that reason, we designed a protocol and a set of fixtures to prepare the femoral specimens such that their mechanical properties experienced minimal changes. The femora were kept in a frozen state except during preparation steps and mechanical testing. The relevant clinical measures of total hip and femoral neck bone mineral density (BMD) were obtained with a clinical dual X-ray absorptiometry (DXA) bone densitometer, and the 3D geometry and distribution of bone mineral were obtained using CT with a calibration phantom for quantitative estimations based on the greyscale values. Any possible bone disease, fracture, or the presence of implants or artifacts affecting the bone structure, was ruled out with X-ray scans. For preparation, all bones were carefully cleaned of excess soft tissue, and were cut and potted at the internal rotation angle of interest. A cutting fixture allowed the distal end of the bone to be cut off leaving the proximal femur at a desired length. To allow positioning of the femoral neck at prescribed angles during later CT scanning and mechanical testing, the proximal femoral shafts were potted in polymethylmethacrylate (PMMA) using a fixture designed specifically for desired orientations. The data collected from our experiments were then used for validation of quantitative computed tomography (QCT)-based finite element analysis (FEA), as described in a different protocol. In this manuscript, we present the protocol for the precise bone preparation for mechanical testing and subsequent QCT/FEA modeling. The current protocol was successfully applied to prepare about 200 cadaveric femora over a 6-year time period.

We present a robust protocol on how to carefully preserve and prepare cadaveric femora for fracture testing and quantitative computed tomography imaging. The method provides precise control over input conditions for the purpose of determining relationships between bone mineral density, fracture strength, and defining finite element model geometry and properties.

Proximal del fémur de cadáver preparación para el análisis de elementos finitos basado en CT Fracture Fuerza Pruebas y cuantitativa

Cadaveric fracture testing is routinely used to understand factors that affect proximal femur strength.  Because ex vivo biological tissues are prone to ...

Determining Glucose Metabolism Kinetics Using 18F-FDG Micro-PET/CT

This paper describes the use of 18F-FDG and micro-PET/CT imaging to determine in vivo glucose metabolism kinetics in mice (and is transferable to rats). Impaired uptake and metabolism of glucose in multiple organ systems due to insulin resistance is a hallmark of type 2 diabetes. The ability of this technique to extract an image-derived input function from the vena cava using an iterative deconvolution method eliminates the requirement of the collection of arterial blood samples. Fitting of tissue and vena cava time activity curves to a two-tissue, three compartment model permits the estimation of kinetic micro-parameters related to the 18F-FDG uptake from the plasma to the intracellular space, the rate of transport from intracellular space to plasma and the rate of 18F-FDG phosphorylation. This methodology allows for multiple measures of glucose uptake and metabolism kinetics in the context of longitudinal studies and also provides insights into the efficacy of therapeutic interventions.

Determining Glucose Metabolism Kinetics Using 18F-FDG Micro-PET/CT

This study describes a protocol that uses 18F-FDG and positron emission tomography/computed tomography (PET/CT) imaging, together with kinetic modelling, to quantify the in vivo, real-time uptake of 18F-FDG into tissues.

La determinación de metabolismo de la glucosa Kinetics Uso<sup&gt; 18</sup&gt; F-FDG Micro-PET / CT

This paper describes the use of 18F-FDG and micro-PET/CT imaging to determine in vivo glucose metabolism kinetics in mice (and is transferable to rats). ...

Improved Method for the Establishment of an In Vitro Blood-Brain Barrier Model Based on Porcine Brain Endothelial Cells

The aim of this protocol presents an optimized procedure for the purification and cultivation of pBECs and to establish in vitro blood-brain barrier (BBB) models based on pBECs in mono-culture (MC), MC with astrocyte-conditioned medium (ACM), and non-contact co-culture (NCC) with astrocytes of porcine or rat origin. pBECs were isolated and cultured from fragments of capillaries from the brain cortices of domestic pigs 5-6 months old. These fragments were purified by careful removal of meninges, isolation and homogenization of grey matter, filtration, enzymatic digestion, and centrifugation. To further eliminate contaminating cells, the capillary fragments were cultured with puromycin-containing medium. When 60-95% confluent, pBECs growing from the capillary fragments were passaged to permeable membrane filter inserts and established in the models. To increase barrier tightness and BBB characteristic phenotype of pBECs, the cells were treated with the following differentiation factors: membrane permeant 8-CPT-cAMP (here abbreviated cAMP), hydrocortisone, and a phosphodiesterase inhibitor, RO-20-1724 (RO). The procedure was carried out over a period of 9-11 days, and when establishing the NCC model, the astrocytes were cultured 2-8 weeks in advance. Adherence to the described procedures in the protocol has allowed the establishment of endothelial layers with highly restricted paracellular permeability, with the NCC model showing an average transendothelial electrical resistance (TEER) of 1249 &#177; 80 &#937; cm2, and paracellular permeability (Papp) for Lucifer Yellow of 0.90 10-6 &#177; 0.13 10-6 cm sec-1 (mean &#177; SEM, n=55). Further evaluation of this pBEC phenotype showed good expression of the tight junctional proteins claudin 5, ZO-1, occludin and adherens junction protein p120 catenin. The model presented can be used for a range of studies of the BBB in health and disease and, with the highly restrictive paracellular permeability, this model is suitable for studies of transport and intracellular trafficking.

Improved Method for the Establishment of an In Vitro Blood-Brain Barrier Model Based on Porcine Brain Endothelial Cells

The aim of the protocol is to present an optimized procedure for the establishment of an in vitro blood-brain barrier (BBB) model based on primary porcine brain endothelial cells (pBECs). The model shows high reproducibility, high tightness, and is suitable for studies of transport and intracellular trafficking in drug discovery.

Mejor método para el establecimiento de un In Vitro Barrera Blood - Brain modelo basado en las células endoteliales de cerebro porcino

The aim of this protocol presents an optimized procedure for the purification and cultivation of pBECs and to establish in vitro blood-brain barrier (BBB) ...

A Swin Transformer-Based Model for Thyroid Nodule Detection in Ultrasound Images

In recent years, the incidence of thyroid cancer has been increasing. Thyroid nodule detection is critical for both the detection and treatment of thyroid cancer. Convolutional neural networks (CNNs) have achieved good results in thyroid ultrasound image analysis tasks. However, due to the limited valid receptive field of convolutional layers, CNNs fail to capture long-range contextual dependencies, which are important for identifying thyroid nodules in ultrasound images. Transformer networks are effective in capturing long-range contextual information. Inspired by this, we propose a novel thyroid nodule detection method that combines the Swin Transformer backbone and Faster R-CNN. Specifically, an ultrasound image is first projected into a 1D sequence of embeddings, which are then fed into a hierarchical Swin Transformer. 
The Swin Transformer backbone extracts features at five different scales by utilizing shifted windows for the computation of self-attention. Subsequently, a feature pyramid network (FPN) is used to fuse the features from different scales. Finally, a detection head is used to predict bounding boxes and the corresponding confidence scores. Data collected from 2,680 patients were used to conduct the experiments, and the results showed that this method achieved the best mAP score of 44.8%, outperforming CNN-based baselines. In addition, we gained better sensitivity (90.5%) than the competitors. This indicates that context modeling in this model is effective for thyroid nodule detection.

Here, a new model for thyroid nodule detection in ultrasound images is proposed, which uses Swin Transformer as the backbone to perform long-range context modeling. Experiments prove that it performs well in terms of sensitivity and accuracy.

Un modelo basado en transformador de Swin para la detección de nódulos tiroideos en imágenes de ultrasonido

In recent years, the incidence of thyroid cancer has been increasing. Thyroid nodule detection is critical for both the detection and treatment of thyroid ...

Procesador automatizado para la fabricación de células CAR-T a escala clínica

Chimeric Antigen Receptor T Cell Manufacturing on an Automated Cell Processor

Chimeric antigen receptor (CAR)-T cells represent a promising immunotherapeutic approach for the treatment of various malignant and non-malignant diseases. CAR-T cells are genetically modified T cells that express a chimeric protein that recognizes and binds to a cell surface target, resulting in the killing of the target cell. Traditional CAR-T cell manufacturing methods are labor-intensive, expensive, and may carry the risk of contamination. The CliniMACS Prodigy, an automated cell processor, allows for manufacturing cell therapy products at a clinical scale in a closed system, minimizing the risk of contamination. Processing occurs semi-automatically under the control of a computer and thus&#160;minimizes human involvement in the process, which saves time and reduces variability and errors.
This manuscript and video describes the T cell transduction (TCT) process for manufacturing CAR-T cells using this processor. The TCT process involves CD4+/CD8+ T cell enrichment, activation, transduction with a viral vector, expansion, and harvest. Using the Activity Matrix, a functionality that allows ordering and timing of these steps, the TCT process can be customized extensively. We provide a walk-through of CAR-T cell manufacturing in compliance with current Good Manufacturing Practice&#160;(cGMP) and discuss required release testing and preclinical experiments that will support an Investigational New Drug (IND) application. We demonstrate&#160;the feasibility and discuss the advantages and disadvantages of using a&#160;semi-automatic process for clinical CAR-T cell manufacturing. Finally, we describe an ongoing investigator-initiated clinical trial that targets pediatric B-cell malignancies [NCT05480449] as an example of how this manufacturing process can be applied in a clinical setting.

Autor destacado: Avances en la fabricación de células CAR-T y la producción de terapias génicas 

This article details the manufacturing process for chimeric antigen receptor T cells for clinical use, specifically using an automated cell processor capable of performing viral transduction and cultivation of T cells. We provide recommendations and describe pitfalls that should be considered during the process development and implementation of an early-phase clinical trial.