Для просмотра этого контента требуется подписка на Jove Войдите в систему или начните бесплатную пробную версию.
Method Article
Мы представляем рабочий процесс для сегментации и количественного определения трабекулярной кости для 2D и 3D изображений, основанный на внешней границе кости с помощью плагинов ImageJ. Этот подход является более эффективным и точным, чем нынешний подход ручной контурной обработки рук и обеспечивает количественной слой за слоем, которые не доступны в текущем коммерческого программного обеспечения.
Микро Компьютерная томография (микро CT) обычно используется для оценки количества кости и трабекулярной микроструктурных свойства в условиях различных костной потери мелких животных. Однако стандартный подход к трабекулярной анализ микро КТ изображений является срез, ломтик полуавтоматический рука-Контурная пластика, трудоемким и подвержены ошибкам. Описанные здесь является эффективным методом для автоматической сегментации трабекулярной кости согласно кости внешние границы, где трабекулярной кости могут быть определены и сегментированных автоматически с точностью с уклоном менее оператора при необходимости задаются параметры сегментации. Для профилирования параметры удовлетворительного сегментации, отображается стек изображений результатов сегментации, где все возможные комбинации параметров сегментации по одному, измененные в последовательности, и результаты сегментации с связанные параметры можно легко быть визуально проверены. Как функция контроля качества плагина моделируемых стандартных объектов являются количественно, где измеренных величин можно сравнить с теоретического значения. Количественная оценка слой за слоем трабекулярной свойств и трабекулярной толщины сообщается такой плагин, и распределения таких свойств в отдельных регионах можно профилировать легко. Хотя слой за слоем количественной сохраняет дополнительные сведения о трабекулярной кости и облегчает дальнейшее статистического анализа структурных изменений, такие меры являются недоступными из выходных данных текущего коммерческого программного обеспечения, где только один сообщается, что количественные значения для каждого параметра для каждого образца. Таким образом описанные процессы являются более совершенных подходов для анализа трабекулярной кости с точностью и эффективностью.
Анализ микро-CT трабекулярной кости-это стандартный подход для отслеживания морфологические изменения костей в мелких животных под различными костной потери условия1,2,3, где несколько переменных, относящиеся к структуры костей, сообщил4. Однако такие параметры не распределяются равномерно в метафизе длинных костей5, и только сводные или усредненное значение сообщает для каждой структурной переменной каждого образца текущих коммерческих машин микро CT6,7 , хотя одно значение не может представлять полностью характеристик измеряемого параметра в регионе анализа. Слой за слоем количественная оценка трабекулярной кости не только сохраняет больше информации для каждой переменной, но также включает профилирование распределения таких переменных в регионе, анализа, содействия последующим статистический анализ структурных изменения в различных условиях5. Таким образом цель данного метода является количественная трабекулярной кости микро-КТ на каждом уровне фрагмент, который не доступен в любом пакете анализа микро CT в настоящее время.
Эффективно сегмент трабекулярной кости срез по-фрагмент методы автоматической сегментации являются желательными. Однако, текущий стандарт техника для микро CT анализ основывается на ручной интерактивный контурной следуют полуавтоматический интерполяции для разделения трабекулярной кости от корковых отсеков, который является трудоемким, подверженной ошибкам, и связанные с существенной оператор смещения8,9,10. 11,методы автоматической сегментации12 сообщалось, однако такие методы являются оптимальными только в регионах с хорошее разделение между трабекулярной кости и трубчатых костей, но не в регионах без четких цветоделения. Кроме того различные сегментации параметры требуются для12различных образцов, и это утомительно, чтобы вручную выбрать удовлетворительного сегментации параметры, применимые к группам образцов костей, пробуя различные комбинации параметров12, Несмотря на то, что процесс сегментации является автоматическим, когда все соответствующие параметры. Как кость внешняя граница имеет наибольший контраст с сканирования фоном и метафизарных корковых снарядов длинных костей показать несколько изменений в выбранном анализ региона, методы сегментации по внешней границы контура длинных костей может надежно и точно отделите трабекулярной кости от корковых снарядов. Преимуществом такого метода сегментации, что сегментация основан на разнице между фоном и внешние границы костей, а не на различия между трабекулярной и кортикальной кости6,12, 13, поэтому он обычно легко найти комбинацию параметров сегментации, удовлетворительного для группы образцов костей, содействия более надежный анализ трабекулярной изменений между различными группами.
На каждый ломтик уровня, площадь, периметр и двухмерные (2D) толщина сообщается для 2D анализа, в то время как объем, поверхности и трехмерные (3D) толщина сообщается в 3D количественной. Такая информация обычно не сообщает текущее инструменты анализа изображения, указав, что сообщил процедуры могут применяться общие изображения, где требуется такая информация.
Процедуры с участием животных темы были проведены в соответствии с руководство по уходу и использованию лабораторных животных (низ издание, 8-е издание, 2011) и были рассмотрели и утвердили институциональный уход животных и использование Комитета Ухань Университет.
1. Установка программного обеспечения
2. Подготовьте 3D Dataset для трабекулярной анализа
3. Анализ параметров профилирования
4. Трабекулярная анализ
5. Количественная оценка моделируемых объектов
6. Калибровка трабекулярной мер и представления данных: профиль дистрибутивов трабекулярной мер в регионе выбранного анализа
Трабекулярная анализ плагин предназначен для автоматически сегментировать и количественно трабекулярной кости с точностью. Первоначально кость, внешняя граница обнаружены и определены последовали отверстие наполнения операции где любые отверстия в кости наружной...
Это исследование описывает ImageJ плагин для анализа трабекулярной кости, которые автоматический, эффективный, и удобной для пользователей. Плагин может также использоваться для количественного определения любой 2D или 3D объект слой за слоем мер областей, томов и толщины. В настоящее врем...
Патент на основной алгоритм количественного определения объекта толщина была подана. Авторы сотрудничал с других зарегистрированных bomomics.com веб-сайт, хостинг бесплатной версии плагинов, где консалтинг и количественного определения служб анализа изображений предоставляются по запросу.
Эта работа частично поддерживается Грант детскими 81170806. Авторы хотели бы поблагодарить микро CT основного объекта Школа стоматологии, Уханьский университет для помогает проверять и анализировать крыса бедра.
Name | Company | Catalog Number | Comments |
ImageJ | NIH | imagej | Any version with a java 1.8 run time |
trabecular analysis plugin | Bomomics | bomomics | free or commercial version |
Micro CT scanner | Scanco | μ-50 | micro CT from any vendor |
Computer System | Lenovo | any brand | |
Windows Operating System | Microsoft | Windows 7 x64 | any 64-bit Windows operating system |
Office Software | Microsoft | Office 2010 | any speadsheet software that has xy chart function |
Запросить разрешение на использование текста или рисунков этого JoVE статьи
Запросить разрешениеThis article has been published
Video Coming Soon
Авторские права © 2025 MyJoVE Corporation. Все права защищены