시작하려면 현미경의 이미지 캡처 소프트웨어를 실행합니다. 쥐의 심장 전체를 덮는 데 필요한 타일의 수를 계산합니다. 타일 1부터 시작하여 하트 이미지를 캡처합니다.
하트 전체가 덮일 때까지 연속된 타일 사이에 10%의 겹침을 두고 나머지 타일의 이미지를 순차적으로 캡처합니다. 이제 BigStitcher 플러그인을 열고 이미지 파일 디렉토리를 통해 필요한 모든 타일을 가져옵니다. 데이터셋을 HDF5 파일로 저장합니다.
일반 그리드로 타일 이동 기능을 사용하여 타일을 정리합니다. 그런 다음 하트를 이동하는 데 사용되는 패턴을 선택하고 각 타일 사이에 10% 겹침을 선택합니다. 스티칭 마법사 옵션을 사용하여 타일을 스티칭합니다.
이미지 융합을 사용하여 스티칭된 데이터를 내보내 TIFF 파일을 만듭니다. 샘플의 다중 보기 디콘볼루션용. 형광 비드를 사용하여 심장을 따라 다중보기 재건의 이미지를 정합합니다.
감지 축을 가로질러 심장 어셈블리를 스캔하여 조명 섹션에서 쥐 심장의 순차적 이미지를 캡처합니다. 마우스 하트를 Y축을 따라 60도 회전하여 여러 각도에서 후속 스택을 캡처합니다. 그런 다음 BigStitcher 플러그인을 열고 이미지 파일 디렉토리를 통해 모든 이미지를 가져옵니다.
데이터셋을 HDF5 파일로 저장합니다. Detect Interest Points(관심 포인트 감지)를 선택하고 등록할 관심 비드를 수동으로 선택합니다. 정합할 미세 변환 모델을 선택하고 모든 보기에 PSF를 할당합니다.
Multi-view Deconvolution을 클릭하고 반복 유형을 Efficient Bayesian으로 선택합니다. 반복 횟수를 10으로 정의하고 실행합니다. 마지막으로 이미지 융합을 클릭하여 TIFF 파일을 내보냅니다.
multi-view deconvolution 방법은 15시간의 계산 후 거의 등방성 해상도를 달성했습니다. ETL 기반 겨드랑이 스윕 광시트 현미경은 초점이 맞지 않는 배경을 최소화하고 이미지 대비를 향상시킬 수 있었습니다. 스티칭과 축 방향 스윕 라이트 시트 현미경의 통합으로 8주 된 쥐의 심장 전체를 균일한 해상도로 관찰할 수 있었습니다.
