Biz hayalet deneyler için Marek Weiler teşekkür ederiz. Bu çalışma, Avrupa Araştırma Konseyi (ERC Başlangıç ​​Grant 309495: NeoNaNo) tarafından desteklenen, Kuzey Ren Vestfalya Alman Federal Devleti (NRW; High-Tech.NRW/EU-Ziel 2-Programm (EFRE); ForSaTum), Alman Eğitim ve Araştırma (BMBF) Bakanlığı (finansman programları Sanal Karaciğer (0315743), LungSys (0315415C), LungSys2 (0316042F), Photonik Forschung Deutschland (13N13355)), RWTH Aachen Üniversitesi (I 3 TM Tohum Fonu) ve Philips Araştırma (Aachen, Almanya).

protokol, aşağıdaki adımları ayrıntılı bir açıklamasını içerir: İlk başta, hayaletler ya da fareler ve modelli fare yatak görüntüleme için hazırlanmıştır. Sonra tüm vücut taraması uCT elde edilir. Ardından fare yatakta iki taramaları (yukarı ve baş aşağı) elde edilir FMT aktarılır. Bu çoklu zaman noktalarında çok fareler için tekrar edilebilir. Veri toplama tamamlandıktan sonra, veri ihraç ve otomatik segmentasyon (a Definiens yazılım lisansı gerektiren) yanı sıra, görüntü füzyon ve (bir Imalytics Preklinik yazılım lisansı gerektiren) floresan yeniden etkinleştirmek için sıralanması gerekiyor. Sonunda organlar interaktif flüoresan biodistribution ölçmek için segmentlere nasıl multimodal veri setleri görsel ve nasıl gösterilir. 1. Phantom Hazırlık Not: Phantom görüntüleme sistemi test etmek için yararlıdır, ama aynı zamanda fiili kalibrasyon belirlenmesiYeni prob r. <ol><li> 200 mi su,% 2 agaroz, 1.8 g TiO2 tozu, 50 ul tripan mavi bir çözelti hazırlayın. Kaynatıldıktan sonra yaklaşık 8 cm uzunluğunda, 3 cm genişliğinde ve 1.5 cm yüksekliğinde ve dikdörtgen forma çözeltisi doldurun. </li><li> Floresans ve uCT kontrast maddesinin bir karışımını ihtiva eden, pipet uçları kullanılarak hayali olarak çok sayıda floresan kusurları hazırlayın. Kapanım oluşturmak için, pipet uçları kesilmiş ve bir çakmak ile mühür. </li><li> Çözelti katılaşmış sonra, fantom içine kapanım yerleştirin. Düzensiz bir şekil elde etmek ve modelli fare sahibine sığdırmak için fantom bazı bölümlerini kesip. </li><li> Yeni prob için kalibrasyon faktörünü belirlemek için, bazı hayali taramaları gereklidir. Bunun için, varsayılan FMT fantom prob bilinen miktarları ile kombinasyon halinde kullanılır. Artan doğruluk için, gibi dahil içinde aynı saçılma katsayısı almak için çözüm% 4 lipid emülsiyonu ekleyinfantom geri kalanı. Ayrıca kolay görüntü analizi için uCT kontrast madde küçük bir miktar (% 2) ekleyin. </li></ol> 2. Fare Hazırlama NOT: uCT-FMT görüntüleme anesthetization ve epilasyon gibi özel bir hazırlık gerektirir. <ol><li> 7 gün görüntüleme önce klorofil içermeyen gıda fare yerleştirin. Bu arka plan sinyalini azaltmak ve 750 nm altında FMT kanalları için özellikle önemlidir olacaktır. </li><li> Tüm hayvan deneyleri anestezi altında yapılmaktadır. Fare uykuya dalmakta kadar hava (akış hızı 5 L / dk)% 2 izofluran ile dolu bir odasında fare yerleştirin anestezi başlatmak için. Nazik ayak veya deri sıkıştırarak ve kas tonusu gevşeme kontrol ederek (örneğin., Çene kası) uygun anesthetization onaylayın. Anestezi sürdürmek için, (bu oran 1 L / dak akış hava% 2 izofluran) fare burun üzerine yerleştirilen bir tüp kullanarak izofluran uygulama devam ediyor. Göz kuruluğa önlemek içins, anestezi fareler üzerinde veteriner merhemi kullanın. </li><li> Kontrast madde enjekte etmek, bant kullanarak bir ısıtma yastığı anestezi fare düzeltin. Kuyruk damarından bir kateter (bir tübe bağlı şırınga iğnesi) yerleştirin ve fluoresan kontrast maddesi enjekte (örneğin, 2 nmol, 5 ml maksimum enjeksiyon hacmi / kg vücut ağırlığı, örneğin, 30 g fare için 150 ul). </li><li> Tüylü fare taramak için, tarama alanı önceden tüyleri gerekmektedir. Bunun için, bir tıraş makinesi veya tüy dökücü krem ​​kullanın. Farelerin bazı suşları epilasyon kremi gelen döküntüleri gelişebilir. Bu nedenle, cilt değişiklikleri için fareler izlemek ve gerekirse bakım veteriner personeli başvurun. Yeni fare suşlar kullanılarak Ayrıca hayvanların az sayıda toleransı test edin. </li><li> (Oran 1 L / dak akış, havada% 2 izofluran) uCT ve FMT görüntüleme sırasında anestezi fare tutun. </li></ol> 3. Fare Yatak Hazırlık NOT: uCT-FMT tarama için bir multimodal kullanınuCT ve FMT içine de uyuyor fare yatak. <ol><li> Görüntüleme önce, ıslak mendil ile fare yatak temizleyin. Bu akrilik cam zarar verebilir, çünkü etanol kullanmayın. Bu otomatik işaretleyici algılama bozabilir, çünkü belirteçler suyun serbest olduğundan emin olun. </li><li> Multimodal fare yatağın vidaları açın ve üst kısmını kaldırın. </li><li> Fare yatakta anestezik gaz tüpünü takın ve bantla sabitleşmek. </li><li> Fare yatağa anestezi fare yerleştirin ve gaz tüpüne burun koydu. Farenin başı fare yatağının ön göstergesi (Şekil 1) olduğundan emin olun. </li><li> Fare optimal FMT görüş alanını kullanmak için fare yatağın ortasında olduğundan emin olun. </li><li> Fare yatak kapatın ve fare sıkıca tutulur kadar sıkın. Fare göğüs solunum hareketlerinin görsel izleme ile sürekli nefes emin olun. </li></ol> 4. uCT Imaging NOT: tüm vücut taraması uCT kullanılarak yapılır. oluşturulan anatomik veriler, gelişmiş bir floresan yeniden ve görüntü analizi için, görüntü füzyonu için gereklidir. <ol><li> UCT içine fare ile fare yatak yerleştirin. Fareyi uCT içine &quot;kuyruk önce&quot; gider şekilde yerleştirildiğinden emin olun. Bu otomatik füzyon için önemlidir. </li><li> UCT-kapak kapandığında anestezi sürdürebilmek amacıyla, uCT durumunda yoluyla gaz kanal boruları yeniden bağlayın. İlk fare yataktan uzun tüp ayırmak ve uCT dışında en konnektörüne takın. Sonra uCT içinde konnektörüne kalan serbest ucunu takın. </li><li> UCT içine fare yatak sürün. Gaz boru gevşek değildir ve döner sehpanın tarafından yakalanmış alamadım emin olun. Gerekirse, bantla sabitleşmek. Fare yatağın sahibinin cut-out içine tüp yerleştirin. </li&gt; <li> UCT kapatın ve bir Topogram kazanır. Füzyon ve yeniden yapılanma için önemlidir ve fare yatak, önemli bir kısmını kapsayacak şekilde, en az iki subscans seçin. </li><li> Subscan başına 90 sn tarama süresi gerektiren bir tam dönüşü sırasında 1032 x 1012 piksel 720 projeksiyonları elde HQD-6565-360-90 adlı uCT tarama protokolü seçin. Tüpler gerilimi 65 kV ve akım 1.0 mA işletilmektedir. Alternatif, radyasyon dozu ve tarama süresini azaltmak tarama protokolü tarama zamanında subscan başına 29 s ile 516 x 506 piksel 720 projeksiyonları elde SQD-6565-360-29 seçin. </li><li> UCT taramayı başlatın. mavi çubuk ilerleme gösterir. subscans sonradan edinilmiş olacaktır. Hipotermi ve sıvı kaybı nedeniyle sadece bir kaç dakika kısa tarama süresi bir sorun değildir. Bu otomatik kullanıcıyı korumak için tarama keser çünkü tarama sırasında uCT kapağını açmayınradyasyon. </li><li> Tarama tamamlandığında, kapağı açın anestezik tüpü yeniden ve FMT bunu taşımak için sahibinin fare yatağı ayırmak. </li></ol> 5. FMT Görüntüleme NOT: Doğrudan uCT taramadan sonra, fare geliştirilmiş bir floresan rekonstrüksiyonu için birlikte kullanılan iki yapılandırmaları (yukarı ve baş aşağı) FMT taranır. <ol><li> FMT içine fare yatak yerleştirmeden önce FMT için (oran 1 L / dak akış, havada% 2 izofluran) anestezik gaz kaynağına açın. FMT kontrol yazılımı kullanarak, deneklerin uygun sayıda (yani fare) ile bir çalışma grubu oluşturmak. (Listelenmeyen yeni problar için kullanımı OsteoSense) görüntüleme için kullanılacak probları seçin. </li><li> FMT fare ile multimodal fare yatak taşıyın. Uzun esnek anestezik gaz tüpü gaz akışını sürdürür. FMT içine fare yatağı takmadan önce, dikkatlice beri tüp kaldırmakFMT içinde gerekli değildir. Fare yatağın vidaları çevirerek kaçının. </li><li> (&quot;Head-Önce&quot;) ilk kırmızı gösterge ile FMT içine fare yatak yerleştirin. Görüntü füzyon uCT ile tutarlı olması için bu çok önemlidir. </li><li> FMT kapatın. </li><li> Doğru çalışma grubu ve konuyu seçin. FMT gerekli kanalı seçin (OsteoSense 750EX için, 750 nm kanalını kullanın). </li><li> Bir açıklama, örneğin ekleyin., &quot;Yukarı&quot; veya &quot;aşağı&quot; ve &quot;Capture&quot; tuşuna basarak bir bakış tarama kazanır. Bu görüş, tüm alanın bir yansıma görüntüsünü yakalar. Aksi takdirde 3D sonradan tarar elde etmek mümkün değildir, çünkü &quot;Yansıma Görüntüler yalnızca&quot; seçili olmayan emin olun. </li><li> 3D tarama için görüntüleme parametreleri ayarlayın. Farenin mümkün olduğunca dahil etmek için görüş alanını büyütmek. Genellikle baş ve kuyruk tamamen Ancak, görüş alanı içine sığmaz. Tıklayın &quot;Gelişmiş221; ve görüntüleme ayarlarını kontrol edin. Sırasıyla 5000 ve 50000, normal ve aydınlatma min / max 3 mm, duyarlılık ayarlayın örnekleme yoğunluğu. </li><li> FMT Taramayı başlatmak için &quot;Scan&quot; &#39;ı tıklayın &quot;yeniden kuyruğuna eklemek&quot; ve. Daha uzun maruz bırakma süreleri daha kalın nesneler için gereklidir, çünkü bu boyut ve fare kalınlığına bağlı olarak, yaklaşık 5-15 dakika sürer. Cihaz hipotermi önlemek için ısıtılmış bir görüntüleme odası bulunmaktadır. </li><li> Taramadan sonra, baş aşağı fare dahil fare yatak çevirmek ve başka bir tarama kazanır. Bu floresan yeniden inşası için ek veri sağlar. </li><li> UCT ve FMT-taramalar tamamlandı ve fare anestezi uyanır zaman dolaşmak veya sternal yatma korumak için, örneğin yeterli bilince, kazanmış kadar, bu sahipsiz bırakmayın. </li></ol> 6. Görüntü Fusion ve İmar NOT: MesaiÇalışmanın sonunda uCT-FMT tarama, örneğin, tamamlanması, elde edilen veriler otomatik görüntü füzyon ve floresan yeniden etkinleştirmek için sıralanması gerekiyor. <ol><li> Daha ileri işlemler için taramalar sıralamak için, çalışma için bir klasör oluşturun. Her uCT-FMT tarama için, ismini fare kimliği ve zaman gelin gibi., M01_02h içeren tek alt klasör oluşturun. </li><li> Her uCT-FMT tarama için .fmt dosyaları olarak FMT taramaları (yukarı ve aşağı) ihracat ve &quot;_up.fmt&quot; veya &quot;_down.fmt&quot; ile biten dosya adlarını kullanarak alt klasör içine kaydedin. Her .fmt dosya edinilen ham veriyi içeren, yani bu tür pozlama süreleri olarak kamera, metadata, edindiği uyarma ve emisyon görüntüleri ve FMT tarafından oluşturulan floresan rekonstrüksiyonu. </li><li> UCT yazılımı kullanarak, izotropik voksel boyutu 35 mikron olan bir yeniden oluşturun. Düzgün bir imar çekirdek (T10) seçin. Böylece görüş alanını ayarlamabelirteçleri dahil olmak üzere tüm fare yatağı kaplı olduğunu. Çıkış biçimi olarak MIFX / RAW seçiniz ve yeniden başlatın. Yeniden yapıldıktan sonra, uCT-FMT tarama alt klasör içine uCT imar dosyaları taşıyın. </li><li> Tüm taramalar için uCT ve FMT veri ihracat. Her alt klasör iki .fmt (yukarı ve aşağı) dosyalarını ve MIFX / RAW formatta uCT yeniden içerdiğinden emin olun. Bütünlüğü denetlemek için&gt; Menü-&gt; CT-FMT- seçin Imalytics Preklinik yazılımını kullanarak bütünlüğü ile kontrol edin. Hataların listesi gibi dosyaları veya uCT rekonstrüksiyonu .fmt eksik gibi görünebilir. Hataları düzeltmek ve tüm hatalar giderilinceye kadar eksiksiz olup olmadığını kontrol edin. </li><li> Menü-&gt; CT-FMT-&gt; Ayarlar kullanarak, Definiens yazılımı sunucu adını kontrol edin ve gerekirse ayarlayın. Varsayılan http: // localhost: 8184, Definiens yazılım aynı bilgisayarda yüklü olduğunu varsayarak. Definiens yazılımı au gerçekleştirmek için bir sonraki aşamada gerekli olanFare yatak ve belirteçlerin tomated segmentasyon. </li><li> Tüm çalışma için otomatik uCT-FMT füzyon gerçekleştirmek için Imalytics Preklinik yazılımında Menü-&gt; CT-FMT-&gt; Sigorta grubunu tıklatın. UCT-FMT tarama ve çalışma klasörüne eki &quot;Paket&quot; paralel bir klasörde sonuçları başına bu birkaç dakika sürer. Bu dosyalar daha fazla analiz için ilgili (uCT veri ve erimiş satıcı tarafından sağlanan FMT rekonstrüksiyonu) daha küçük bir alt kümesini içerir. </li><li> Haritaların 13 emilim nesil de dahil olmak üzere ve saçılma floresan yeniden gerçekleştirmek için Imalytics Preklinik yazılımında Menü-&gt; CT-FMT-&gt; yeniden yapılandırma grubu (FMT) tıklayın. Işlem GPU hızlandırmalı 20 olsa da, her imar farenin büyüklüğüne bağlı olarak 1 ila 4 saat gerektirir. Sonuçlar paket klasöründe saklanır. Not: Daha yüksek verim sağlamak için, şu anda 56 GPU&#39;lar ile GPU kümesinde bu rekonstrüksiyon gerçekleştirin. </li&gt; </ol> 7. Görüntü Analizi NOT: görüntü verilerinden kantitatif ölçümler ayıklamak için, lezyonların ve organların segmentasyon gereklidir. <ol><li> Bir kez setleri kaynaşmış ve yeniden tüm veri, Imalytics Preklinik yazılımını kullanarak tarama her uCT-FMT bir segmentasyon oluşturun. </li><li> Altlık olarak uCT dosyası ve kaplama olarak floresan dosyasını yükleyin. Basın &quot;3D&quot; volume rendering açmak ve veri kümesi incelemek için. </li><li> Segmentinde akciğer için, Menü&gt; sınıflar,&gt; sınıf ekleyin ve &quot;tmp&quot; adında bir sınıf oluşturmak tıklayın. Bu da bağlam menüsü aracılığıyla yapılabilir. Yeni bir sınıf oluşturma otomatik sonraki segmentasyon işlemleri için çıkış sınıfı olarak ayarlar. <ol><li> Segment uCT veri seti düşük yoğunluğu ile tüm bölgeleri bir eşikleme işlemi gerçekleştirin (tıklayın Aşağıda Menü-&gt; Bölümlendirme&gt; Thresholding-&gt; ve girin 600). Şimdi tmp sınıfı mo dışarıdaki havayı içeriraynı zamanda akciğer dokusunun kullanımı. </li><li> Bir &quot;Akciğer&quot; sınıf oluşturun. Bir &quot;Bölge Fill&quot; işlemi gerçekleştirin dış havadan akciğer ayırmak için, (&gt; bölgede doldurun sınırsız bölgeyi doldurun&gt; akciğere sağ tıklayın ve menü seçin). </li><li> Artık gerekli değil çünkü tmp sınıfı silin. </li></ol></li><li> Segmenti dışbükey bölgeler, örneğin., Mesane, karalamak modunu kullanın. Öncelikle sınıf &quot;Mesane&quot; yaratmak. <ol><li> F1 tuşuna basın, tüm karalamalar silmek için. </li><li> Bilgisayar fare kullanarak, mesane sınırlarını belirginleştiren karalamalar çizin. </li><li> F3 tuşuna basın kırmızı kaplama olarak görünür geçici bir maske ile karalamalar çevrelediği bölgeyi doldurmak için. Yinelemeli (herhangi bir dilimleme yönde) daha karalamalar ekleyebilir ve yeterli bir doğruluk elde edilene kadar F3 tuşuna basın. Tipik haliyle, 10 dilim Scribbles yeterlidir. </li><li> F4 tuşuna basın &quot;Mesane&quot; geçici maskeyi saklamak için. </li><li> Segmente böyle devam edinKalp ve böbrek gibi diğer dışbükey bölgeler. Birçok bölge, örneğin., Mide veya karaciğer, birkaç dışbükey bölgelerde yaklaşık olarak hesaplanabilir. </li></ol></li><li> Bölüm omurga için öncelikle bir &quot;Kemik&quot; sınıf oluşturmak. <ol><li> Tüm parlak vokseller sınıflandırmak için bir eşik işlemi gerçekleştirmek için ContextMenu-&gt; Thresholding-&gt; Above seçin (örneğin., 1600 yukarıda) &quot;Kemik&quot; olarak. </li><li> Bu iskeletin birçok yerinde, örneğin., Kaburga ile bağlı olduğu için bir bölge dolum işlemi segmentine omurga başarısız olur. Iteratif karalamalar, çizim ve kafatası, kaburga ve sakral kemik omurga ayırmak için F2 tuşuna basarak birkaç kesme işlemleri gerçekleştirin. </li><li> Son olarak, bir sınıf &quot;Omurga&quot; oluşturmak ve omurga almak için bir bölge doldurma işlemini gerçekleştirin (omurga içine sağ tıklayın ve ContextMenu- seçin&gt; Bölge- Fill&gt; sınırsız bölgeyi doldurun). </li></ol></li><li> Th içinde bir dosya olarak segmentasyon kaydetuCT-FMT taramanın e alt klasör. Toplu işlem etkinleştirmek için, organs.seg, örneğin, tutarlı bir ad kullanın. </li><li> Ortalama floresan yoğunluğu, hacim ve her sınıf için toplam miktarı (ortalama ve hacim ürün) içeren bir elektronik tablo oluşturmak için,&gt; Sınıf istatistikleri (overlay) Menü-&gt; Istatisitikler seçin. </li><li> Tüm uCT-FMT tarar tüm bölgeler için değerleri içeren tek bir elektronik tabloyu oluşturmak için,&gt; Batch-&gt; Toplu istatistiklerini Menü-&gt; Batch-&gt; Set toplu ayarlarını tıklatın ve sonra da menu- tıklatın. Bu, yani her uCT-FMT tarama için bir, yaratma ve birçok elektronik tablo dosyalarının birleştirilmesi çaba önler. </li></ol> 8. Prob Kalibrasyon <ol><li> Prob bilinen farklı miktarlarda gerekli olan bir prob için kalibrasyon faktörü hesaplamak için, birden fazla uCT-FMT fantom taramalar, örneğin (adım 1.4)., 100 pmol, 50 pmol, 25 pmol ve 0 pmol ile. </li><li> De tarif edildiği gibi hayalet taramaFMT bölümler 4 ve hayali taramalar için de 5., yukarı ve aşağı tarar gereklidir. </li><li> Veri ihracat ve 6. bölümde açıklandığı gibi füzyon ve rekonstrüksiyon gerçekleştirin. </li><li> Segment (1,200 üzerinde) eşikleme her tarama için uCT verileri kullanılarak içerme ve bölgesi doldurma. </li><li> Ölçülen floresan miktarları ile bir elektronik tablo oluşturun ve bilinen miktarlarda fonksiyonu olarak çiziniz. Doğrusal regresyon uyum eğimini hesaplayınız. Bu prob için kalibrasyon faktörü olduğunu. </li></ol>

<ol>
	<li>Hoffman, R. M., Yang, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Subcellular+imaging+in+the+live+mouse.">Subcellular imaging in the live mouse.</a> Nature Protocols. 1 (2), 775-782 (2006).</li><li>Ale, A., Ermolayev, V., Herzog, E., Cohrs, C., Angelis, M. H., Ntziachristos, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=FMT-XCT:+in+vivo+animal+studies+with+hybrid+fluorescence+molecular+tomography-X-ray+computed+tomography.">FMT-XCT: in vivo animal studies with hybrid fluorescence molecular tomography-X-ray computed tomography.</a> Nature Methods. 9 (9), 615-620 (2012).</li><li>Eaton, V. L., Vasquez, K. O., Goings, G. E., Hunter, Z. N., Peterson, J. D., Miller, S. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Optical+tomographic+imaging+of+near+infrared+imaging+agents+quantifies+disease+severity+and+immunomodulation+of+experimental+autoimmune+encephalomyelitis+in+vivo.">Optical tomographic imaging of near infrared imaging agents quantifies disease severity and immunomodulation of experimental autoimmune encephalomyelitis in vivo.</a> Journal of Neuroinflammation. 10 (138), (2013).</li><li>Lederle, W., Arns, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Failure+of+annexin-based+apoptosis+imaging+in+the+assessment+of+antiangiogenic+therapy+effects.">Failure of annexin-based apoptosis imaging in the assessment of antiangiogenic therapy effects.</a> EJNMMI Research. 1 (26), (2011).</li><li>Ntziachristos, V., Tung, C. -. H., Bremer, C., Weissleder, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fluorescence+molecular+tomography+resolves+protease+activity+in+vivo.">Fluorescence molecular tomography resolves protease activity in vivo.</a> Nature Medicine. 8 (7), (2002).</li><li>Hoffman, R. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+multiple+uses+of+fluorescent+proteins+to+visualize+cancer+in+vivo.">The multiple uses of fluorescent proteins to visualize cancer in vivo.</a> Nature Reviews Cancer. 5 (10), 796-806 (2005).</li><li>Schulz, R. B., Ale, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Hybrid+system+for+simultaneous+fluorescence+and+x-ray+computed+tomography.">Hybrid system for simultaneous fluorescence and x-ray computed tomography.</a> IEEE Transactions on Medical Imaging. 29 (2), 465-473 (2010).</li><li>Stuker, F., Baltes, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Hybrid+small+animal+imaging+system+combining+magnetic+resonance+imaging+with+fluorescence+tomography+using+single+photon+avalanche+diode+detectors.">Hybrid small animal imaging system combining magnetic resonance imaging with fluorescence tomography using single photon avalanche diode detectors.</a> IEEE Transactions on Medical Imaging. 30 (6), 1265-1273 (2011).</li><li>Leblond, F., Davis, S. C., Vald&#233;s, P. A., Pogue, B. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Preclinical+Whole-body+Fluorescence+Imaging:+Review+of+Instruments,+Methods+and+Applications.">Preclinical Whole-body Fluorescence Imaging: Review of Instruments, Methods and Applications.</a> Journal of Photochemistry and Photobiology B: Biology. 98 (1), 77-94 (2010).</li><li>Kunjachan, S., Gremse, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Noninvasive+optical+imaging+of+nanomedicine+biodistribution.">Noninvasive optical imaging of nanomedicine biodistribution.</a> ACS Nano. 7 (1), 252-262 (2013).</li><li>Radrich, K., Ale, A., Ermolayev, V., Ntziachristos, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Improving+limited-projection-angle+fluorescence+molecular+tomography+using+a+co-registered+x-ray+computed+tomography+scan.">Improving limited-projection-angle fluorescence molecular tomography using a co-registered x-ray computed tomography scan.</a> Journal of Biomedical Optics. 17 (12), 126011 (2012).</li><li>Freyer, M., Ale, A., Schulz, R. B., Zientkowska, M., Ntziachristos, V., Englmeier, K. -. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Fast+automatic+segmentation+of+anatomical+structures+in+x-ray+computed+tomography+images+to+improve+fluorescence+molecular+tomography+reconstruction.">Fast automatic segmentation of anatomical structures in x-ray computed tomography images to improve fluorescence molecular tomography reconstruction.</a> Journal of Biomedical Optics. 15 (3), 036006 (2010).</li><li>Gremse, F., Theek, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Absorption+Reconstruction+Improves+Biodistribution+Assessment+of+Fluorescent+Nanoprobes+Using+Hybrid+Fluorescence-mediated+Tomography.">Absorption Reconstruction Improves Biodistribution Assessment of Fluorescent Nanoprobes Using Hybrid Fluorescence-mediated Tomography.</a> Theranostics. 4 (10), 960-971 (2014).</li><li>Cheong, W. -. F., Prahl, S. A., Welch, A. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+review+of+the+optical+properties+of+biological+tissues.">A review of the optical properties of biological tissues.</a> IEEE Journal of Quantum Electronics. 26 (12), 2166-2185 (1990).</li><li>Doleschel, D., Mundigl, O., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Targeted+near-infrared+imaging+of+the+erythropoietin+receptor+in+human+lung+cancer+xenografts.">Targeted near-infrared imaging of the erythropoietin receptor in human lung cancer xenografts.</a> Journal of Nuclear Medicine: Official Publication, Society of Nuclear Medicine. 53 (2), 304-311 (2012).</li><li>Al Rawashdeh, W., Arns, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Optical+tomography+of+MMP-activity+allows+a+sensitive+non-invasive+characterization+of+the+invasiveness+and+angiogenesis+of+SCC-xenografts.">Optical tomography of MMP-activity allows a sensitive non-invasive characterization of the invasiveness and angiogenesis of SCC-xenografts.</a> Neoplasia. 16 (3), 235-246 (2014).</li><li>Kunjachan, S., Pola, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Passive+versus+Active+Tumor+Targeting+Using+RGD-+and+NGR-Modified+Polymeric+Nanomedicines.">Passive versus Active Tumor Targeting Using RGD- and NGR-Modified Polymeric Nanomedicines.</a> Nano Letters. 14 (2), 972-981 (2014).</li><li>Schober, A., Nazari-Jahantigh, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=MicroRNA-126-5p+promotes+endothelial+proliferation+and+limits+atherosclerosis+by+suppressing+Dlk1.">MicroRNA-126-5p promotes endothelial proliferation and limits atherosclerosis by suppressing Dlk1.</a> Nature Medicine. 20 (4), 368-376 (2014).</li><li>Aikawa, E., Nahrendorf, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Osteogenesis+associates+with+inflammation+in+early-stage+atherosclerosis+evaluated+by+molecular+imaging+in+vivo.">Osteogenesis associates with inflammation in early-stage atherosclerosis evaluated by molecular imaging in vivo.</a> Circulation. 116 (24), 2841-2850 (2007).</li><li>Gremse, F., H&#246;fter, A., Schwen, L., Kiessling, F., Naumann, U. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=GPU-Accelerated+Sparse+Matrix-Matrix+Multiplication+by+Iterative+Row+Merging.">GPU-Accelerated Sparse Matrix-Matrix Multiplication by Iterative Row Merging.</a> SIAM Journal on Scientific Computing. , C54-C71 (2015).</li><li>Vasquez, K. O., Casavant, C., Peterson, J. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantitative+Whole+Body+Biodistribution+of+Fluorescent-Labeled+Agents+by+Non-Invasive+Tomographic+Imaging.">Quantitative Whole Body Biodistribution of Fluorescent-Labeled Agents by Non-Invasive Tomographic Imaging.</a> PLoS ONE. 6 (6), e20594 (2011).</li><li>Theek, B., Gremse, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Characterizing+EPR-mediated+passive+drug+targeting+using+contrast-enhanced+functional+ultrasound+imaging.">Characterizing EPR-mediated passive drug targeting using contrast-enhanced functional ultrasound imaging.</a> Journal of Controlled Release. 182 (1), 83-89 (2014).</li><li>Hyde, D., Schulz, R., Brooks, D., Miller, E., Ntziachristos, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Performance+dependence+of+hybrid+x-ray+computed+tomography/fluorescence+molecular+tomography+on+the+optical+forward+problem.">Performance dependence of hybrid x-ray computed tomography/fluorescence molecular tomography on the optical forward problem.</a> Journal of the Optical Society of America. A, Optics, Image Science, and Vision. 26 (4), 919-923 (2009).</li><li>Jacques, S. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Optical+properties+of+biological+tissues:+a+review.">Optical properties of biological tissues: a review.</a> Physics in Medicine and Biology. 58 (11), R37 (2013).</li><li>Loening, A. M., Gambhir, S. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=AMIDE:+a+free+software+tool+for+multimodality+medical+image+analysis.">AMIDE: a free software tool for multimodality medical image analysis.</a> Molecular Imaging. 2 (3), 131-137 (2003).</li><li>Gremse, F., Schulz, V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Qualitative+and+Quantitative+Data+Analysis.">Qualitative and Quantitative Data Analysis.</a> Small Animal Imaging. , 363-378 (2011).</li><li>Baiker, M., Milles, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Atlas-based+whole-body+segmentation+of+mice+from+low-contrast+Micro-CT+data.">Atlas-based whole-body segmentation of mice from low-contrast Micro-CT data.</a> Medical Image Analysis. 14 (6), 723-737 (2010).</li><li>Sevick-Muraca, E. M., Rasmussen, J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Molecular+imaging+with+optics:+primer+and+case+for+near-infrared+fluorescence+techniques+in+personalized+medicine.">Molecular imaging with optics: primer and case for near-infrared fluorescence techniques in personalized medicine.</a> Journal of Biomedical Optics. 13 (4), 041303 (2008).</li></ol>

Felix Gremse Gremse-IT, Philips ve RWTH Aachen Üniversitesi Deneysel Moleküler Görüntüleme Bölümü ile işbirliği içinde tıbbi görüntü analizi için yazılım ve hizmetler sunan bir başlangıç ​​şirketinin kurucusu ve sahibidir.

Biz açıklamak ve multimodal uCT-FMT görüntüleme için bir protokol uygulanır. 17,21 - Ticari olarak mevcut ve yaygın olarak kullanılan FMT ve uCT cihazları 3,11,15 kullanın. Protokol belirli FMT gerektirir, uCT örneğin benzer işlevler ve karşılaştırılabilir Tarama parametrelerinin, bir başka uCT ile ikame edilmiş olabilir, görüş alanı belirteçleri içeren bir fare yatak karşılamak için yeterince büyük olmalıdır. FMT uCT veya MRI 21 ile birleştirilmeden biyolojik dağılım analizi için kullanılmıştır, ancak, anatomik veriler bölütleme uCT verileri 10 görülebilir, organ sınırları dayalı olabilir, çünkü tekrar elde edilebilirliğini arttırmak için de faydalıdır. Entegre uCT-FMT cihazları 2,7 geliştirilmiş olmasına rağmen, bunlar henüz ticari olarak mevcut değildir. Ayrıca, iki ayrı cihazların kullanımı boru, izin verir yani., Bir sonraki fare caİlk fare verimini artırmak için, FMT hala iken n uCT de görüntülü. Manuel iş yükünü azaltmak için, otomatik işaretleyici algılama ve füzyon gerçekleştirin. Bundan başka, fare şekil otomatik bölümlere ve bu bilgi önemli ölçüde floresans yeniden 11,13,22 artırır. Nicel floresan yeniden inşası için, emme ve saçılma haritalar 13,23 ihtiyaç vardır. Biz uCT verilerinin otomatik segmentasyon ve çeşitli doku tiplerinin bilinen saçılma katsayıları atama (akciğer, kemik, deri, yağ ve kalan yumuşak doku) 24 tarafından saçılma haritası elde. Daha sonra, bu tür, kalp ve karaciğerde 13,20 yanı sıra perfüze organlar için özellikle önemli olan, optik ham verilerden bir emme ilk yeniden. Birden çok zaman noktalarında çok fareler tarama hızlı veri sayıda sonuçlanır analiz edilecek olan ayarlar. BIODIS içinda¤ çalışmaları, çeşitli organların her biri uCT-FMT tarama için Parçalara gerekmektedir. Fare yeni defalarca fare yatağa konumlandırılmış çünkü ne yazık ki, segmentasyonları, yeniden edilemez. Biz burada Enstitümüzde geliştirilen interaktif segmentasyonu için bir araç kullanmak, ancak, diğer araçları da 25 uygun olabilir. Bu tür elips ve küpler 26 gibi basit şekiller daha karmaşık organlara daha iyi maç, çünkü voksel bilge segmentlerini oluşturur. Otomatik tüm hayvan segmentasyon daha sonra manuel iş yükünü azaltmak için 27 yararlı olacaktır, ama bir interaktif segmentasyon aracı hala segmentasyon hataları düzeltmek için gerekli olacaktır. Ayrıca, otomatik segmentasyon araçları gibi doğru patolojiler gibi özel durumları pek tahmin edebilirsiniz. Biz yerli uCT taramaları kullanmak için, örneğin dalak gibi bazı organların bile elle segmentinde çok zordur. Kontrast maddeler yardımcı olacağını, ancak tolere ile ilgili sorunlar var ve maintai zoruzunlamasına görüntüleme boyunca na sürekli kontrast madde dağılımı. Bizim fantom çalışması floresans rekonstrüksiyon için şekil bilgileri kullanılarak, sinyal lokalizasyonu geliştirilmiş olduğunu göstermektedir. İn vivo koşullarında, benzer bir gelişme erken zaman noktası için prob büyük bir miktarda halihazırda (enjeksiyondan 15 dakika sonra), belirgindir idrar torbası. hidroksiapatit bağlayıcı prob kemik ve eklemlerde birikir. Bu, yani sinyal zaten enjeksiyondan sonra omurga 15 dk açıkça görülebilir, meydana kadar hızlı dikkat çekiyor. Bu muhtemelen, hedef bölgelerine hızlı bir ekstravazasyonu ve difüzyon sağlar prob, düşük molekül ağırlığına neden olur. Prob, hedef hidroksiapatite kovalent bağlanan ve bağlanmamış prob atılır. Daha sonra zaman noktalarında için, 6 saat ve enjeksiyondan sonra 24 saat arasında, omurga sinyal yoğunluğu, muhtemelen, nispeten sabit kalır neredeyse hiç ışık yeniden çünküfloresan ağartmak için derin fare içine ağrıyor. Çalışmamızda için, enjeksiyon öncesi edinilen taramalar için belirgin olarak düşük eşiğe sonuçlanır 750 nm kanalı kullandı. Daha düşük dalga boylarında, daha fazla arka plan sinyali 28 beklenebilir. Özetle, biz ticari olarak mevcut FMT ve uCT cihazlar için multimodal görüntüleme protokol açıklar. Biz kombinasyon floresan yeniden inşası için fayda sağladığını göstermektedir. Biz biodistribution eğrileri interaktif organıdır segmentasyonu ve toplu işleme yoluyla görüntü verilerinin büyük miktarda çıkarılır nasıl göstermek. Biz bu standartlaştırılmış iş akışı, ilaç geliştirme ve floresan etiketli problar kullanılarak diğer görüntüleme çalışmaları için yararlı olabileceğine inanıyoruz.

Floresan aracılı tomografi olarak da adlandırılan floresan moleküler tomografi (FMT), kantitatif gibi anestezi fareler hatta insan vücut dokularında, örneğin, göğüsler ve parmak eklemlerinde olarak yaygın dokularda, floresan dağılımını değerlendirmek için gelecek vaat eden bir tekniktir. Hücre içi çözünürlükte 1 de yüzeysel hedeflerin görüntüleme sağlayan non-invaziv mikroskopi teknikleri, aksine, FMT düşük çözünürlükte 2 de olsa birkaç santimetre, derinliklerinde floresan kaynakların üç boyutlu rekonstrüksiyon verir. 5 - Birçok hedeflenen floresan probları görüntü anjiyogenez, apoptoz, inflamasyon, ve diğerleri 2 mevcuttur. Bazı problar, aktive edilebilir olup, örneğin., Florokromların unquenching giden özel enzim ayrılması yolu ile. Ayrıca, floresan proteinleri ifade raportör genler tümör hücre göçü 6 izlemek için, örneğin, görüntülü olabilir. FMT kuvvetle, örneğin, 2,7 veya MRG 8 uCT, anatomik bir modalite ile birlikte yararlanır. Tek başına FMT cihazları piyasada 9 mevcut iken, floresan görüntüleri anatomik referans bilgisi olmadan yorumlamak zordur. Son zamanlarda biz kaynaştırılmış anatomik görüntü verileri daha sağlam bir analiz 10 sağlayan, göstermek başardık. anatomik veriler aynı zamanda, doğru bir optik modellemesi ve floresan yeniden 11 için önemli olan, fare, dış şekil olarak ön bilgi sağlamak için de kullanılabilir. Ayrıca, optik saçılma ve emilim haritaları doku tiplerinin segmentasyon kullanılarak tahmin ve sınıf özgü katsayılar 12,13 atayarak edilebilir. Yakın-kızılötesi ışık için, hemoglobin melanin ve kürk 14 yanı sıra farelerde ana emici olduğunu. Göreceli kan hacmi büyüklüğe göre bölgesel farklılık olduğundan, bir emme haritası Quan için özellikle önemlidirtitative floresan rekonstrüksiyon 13. Invaziv olmayan görüntüleme cihazları kullanmanın bir avantajı, farenin çoklu zaman noktalarında, yani, uzunlamasına yansıması olmasıdır. Bu problar dinamik davranışı, yani hedef birikimi, biodistribution ve atılımı 10,15 değerlendirmek için, ya da hastalığın ilerlemesini 16 değerlendirmek önemlidir. Birden fazla zaman noktalarında birkaç fareler görüntüleme, görüntü veri setlerinin büyük miktarda ortaya çıkar. Karşılaştırılabilirliği etkinleştirmek için aşağıdaki iyi tanımlanmış ve belgelenmiş protokol ile, sistematik bir biçimde, yani elde edilmelidir. taramaları çok sayıda görüntü verilerinden niceliksel ölçümler ayıklamak için gerekli olan görüntü analizi, bir sorun teşkil etmektedir. Çalışmamızın amacı bazı çalışmalarda 10,13,15,17,18 boyunca biz kullanılan ve optimize bir uCT-FMT görüntüleme protokolü ayrıntılı bir açıklamasını sunmaktır. Biz açıklamakveri setleri oluşturulur, nasıl, işlenmiş görüntülenmiştir ve analiz. Bu 19, hidroksiapatite karşı bağlanan bir yerleşik moleküler prob, OsteoSense kullanılarak araştınlır ve görüntü kemik hastalıkları için kullanılabilir ve 2 biçimlenme. Hayvanlarla ilgili tüm işlemler, hayvan bakımı konusunda hükümet inceleme komitesi tarafından onaylanmıştır.

<table border="0" cellpadding="0" cellspacing="0">
	<tbody>
		<tr>
			<td>FMT (Fluorescence molecular tomography) FMT2500 LX</td>
			<td>PerkinElmer</td>
			<td>FMT2000</td>
			<td>Device for fluorescence molecular tomography</td>
		</tr>
		<tr>
			<td>&#181;CT (micro computed tomography) Tomoscope Duo</td>
			<td>CT Imaging GmbH</td>
			<td>Tomoscope Duo</td>
			<td>Device for micro computed tomography</td>
		</tr>
		<tr>
			<td>Multimodal Mouse Bed</td>
			<td>CT Imaging GmbH</td>
			<td>Experimental builder</td>
			<td>Partially transparent animal holder</td>
		</tr>
		<tr>
			<td>IsoFlo (isoflurane, USP)</td>
			<td>Abbott</td>
			<td>05260-05</td>
			<td>Isoflurane Inhalation anesthesia</td>
		</tr>
		<tr>
			<td>Small animal anesthesia system</td>
			<td>Harvard apparatus</td>
			<td>726419</td>
			<td>Complete Isoflurane Table-Top System</td>
		</tr>
		<tr>
			<td>Chlorophyll-free mouse food</td>
			<td>Ssniff</td>
			<td>E15051</td>
			<td>low chlorophyll / low fluorescence food</td>
		</tr>
		<tr>
			<td>OsteoSense 750EX</td>
			<td>PerkinElmer</td>
			<td>NEV10053EX</td>
			<td>Animal FMT contrast agent</td>
		</tr>
		<tr>
			<td>Portex Fine Bore Polythene Tubing</td>
			<td>Smith medical</td>
			<td>800/100/120</td>
			<td>Tube for injection catheter</td>
		</tr>
		<tr>
			<td>Sterican 30g</td>
			<td>BBraun</td>
			<td>4656300</td>
			<td>Hypodermic needle for catheter</td>
		</tr>
		<tr>
			<td>Imeron</td>
			<td>Altana pharma</td>
			<td>INLA F.1/0203/3.5337.69</td>
			<td>CT contrast agent for the phantom inclusions</td>
		</tr>
		<tr>
			<td>Agarose</td>
			<td>Sigma</td>
			<td>90-12-36-6</td>
			<td>Agarose for phantom production</td>
		</tr>
		<tr>
			<td>TiO2</td>
			<td>Applichem</td>
			<td>A1900,1000</td>
			<td>Titanium oxyde as phantom scattering agent</td>
		</tr>
		<tr>
			<td>Trypan blue</td>
			<td>Fluka</td>
			<td>93595</td>
			<td>Trypan blue to adjust phantom light propagation</td>
		</tr>
		<tr>
			<td>Cy7</td>
			<td>Lumiprobe</td>
			<td>15020</td>
			<td>Fluorochrome for the phantom inclusions</td>
		</tr>
		<tr>
			<td>Lipovenoes 20%</td>
			<td>Fresenius Kabi</td>
			<td>3094740</td>
			<td>Lipid emulsion, scattering agent for FMT contrast agents</td>
		</tr>
		<tr>
			<td>Definiens Developer XD Server</td>
			<td>Definiens AG</td>
			<td>Server XD</td>
			<td>Software platform for automated segmentation</td>
		</tr>
		<tr>
			<td>Imalytics Preclinical</td>
			<td>ExMI/Gremse-IT</td>
			<td>Version 2.0.1</td>
			<td>Software for image fusion, reconstruction and analysis</td>
		</tr>
		<tr>
			<td>NVIDIA Geforce Titan</td>
			<td>Asus</td>
			<td>GTXTITAN6GD5</td>
			<td>High end computer graphics card, 6GB Memory</td>
		</tr>
	</tbody>
</table>

hybrid &#181;ct-fmt imaging and image analysis

Floresan-aracılı tomografi (FMT) in vivo, floresan dağılımı uzunlamasına ve nicel tespitine olanak ve yeni sondaların biyolojik dağılımını değerlendirmek ve yerleşik moleküler problar ya da raportör genler kullanılarak hastalığın ilerlemesini değerlendirmek için de kullanılabilir. örneğin, anatomik bir yöntemi ile kombine mikro bilgisayarlı tomografi (uCT), görüntü analizi için ve floresan rekonstrüksiyonu için faydalıdır. Biz nicel ölçümler ayıklamak için gerekli görüntü işleme aşamaları içeren multimodal uCT-FMT görüntüleme için bir protokol açıklar. Fareler hazırlanması ve görüntüleme yaptıktan sonra, çok modlu veri setleri kayıtlıdır. Daha sonra, gelişmiş bir floresans yeniden dikkate fare şeklini alır gerçekleştirilir. Kantitatif analiz için, organ segmentasyonları Etkileşimli segmentasyon aracını kullanarak anatomik verilere dayalı oluşturulan almaktadır. Son olarak, biyolojik dağılım Curves bir toplu işleme özelliğini kullanarak oluşturulur. Bu kemik ve eklemlerde bağlanan bilinen bir prob biyolojik dağılımını değerlendirerek yöntemin uygulanabilirliğini gösterir.

Biz hidroksiapatite bağlanan hedeflenen sonda, OsteoSense, bir biodistribution değerlendirmek için açıklanan protokol uygulandı. 3 fareleri (C57BL / 6 apoE - / - Ahsg - / - iki nakavt fareleri, 10 haftalık) görüntülenmiştir önce ve 15 dakika, 2 saat, 4 saat, 6 saat ve 2 nmol OsteoSense iv enjeksiyonundan 24 saat sonra. Bizim yazılım otomatik modlu fare yatağa yerleşik belirteçlerin tespit (Şekil 1, Şekil 2A, B) FMT (Şekil 2C, D) tarafından gerçekleştirilen floresan rekonstrüksiyonu ile anatomik uCT verilerinin füzyonu etkin. OsteoSense mesanede bir düşük molekül ağırlıklı, hızlı bir renal atılım ve bu nedenle, yüksek sinyalli bir prob olduğu tahmin edilmektedir. FMT floresan yeniden füzyonu gibi mesane (Şekil 2C, D) dışında yanlış sinyal olarak sorunları ortaya çıkardı. FMT fare gerçek şeklini bilmek ve bir blok şekli kabul etmez, çünkü bu sorunlar oluşur. Our yeniden uCT verilerinden doğru şeklini belirler ve saçılma üretir ve emilim mesane (Şekil 2E, F) için özellikle belirgindir daha iyi sinyal lokalizasyonu, daha doğru bir floresan yeniden etkinleştirmek için 13. eşler. Uygun bölgelere yeniden floresan atamak için, biz interaktif bizim yazılım (Şekil 3) kullanılarak çeşitli organları segmentli. 18 taramalar her biri için, 7 bölge uCT verilerine yani., Kalp, akciğer, karaciğer, böbrekler, omurga, bağırsak ve mesane göre segmente edildi. Daha sonra, program 126 bölgelerin her biri için ortalama floresan yoğunluğunu hesaplamak için kullanılmıştır. Neyse ki, yazılım tüm değerleri hesaplar ve tek e-tabloda bunları kaydeder bir toplu modunu sağlar. Floresan dağılımı görselleştirmek için, 3D kaplamalar her zaman noktası için üretilmiş,karşılaştırılabilir pencere ayarını (Şekil 4A-F) kullanarak. Sayısal Organ değerlerini kullanarak, biyolojik dağılım üç fareden (Şekil 4G) üzerinden Organ değerlerinin ortalaması alınarak hesaplanmıştır. enjeksiyon öncesi edinilen ön taramalar, ihmal edilebilir arka plan sinyalini gösterdi. 15 dakika enjeksiyonundan sonra, en güçlü sinyali nedeniyle hızlı böbrek atılımı, idrar kesesi ortaya çıktı. Sonraki zaman noktalarında kalan sonda kemik ve eklemlerde biriken etmişti. <img alt="Şekil 1" src="/files/ftp_upload/52770/52770fig1.jpg" /> Şekil 1. Multimodal Fare Yatak. (A) multimodal fare yatak sıkıca tutun fare iki akrilik cam plakalar içerir. sıkma iki vidayı kullanarak ayarlanır. Fare yatak görüntü füzyonu için belirteçleri (boş delikler) içerir. Anestezik gaz t ile sabitlenmiş esnek bir tüp kullanılarak verilirmaymun. (B) fare yatakta bir metal tutucu takılı ve dönen uCT Portalın merkezinde tutulur. Aksi halde, belirteçler yanlış doğru füzyon giden tahsis edilebilir, çünkü (Cı), fare Oda ve metal tutucusu ile aralarında bir boşluk kaçının. anestezik gaz tüp tüp konnektörü eklenmelidir. (D) fare yatağı doğru otomatik füzyon sağlamak için ön ile ilk FMT takılmalıdır. (E) belirteçleri otomatik işaretleyici tespiti ve füzyon için kullanılan FMT kamera görülebilir. <a href="https://www.jove.com/files/ftp_upload/52770/52770fig1large.jpg" target="_blank">Bu rakamın büyük halini görmek için lütfen buraya tıklayınız.</a> <img alt="Şekil 2," src="/files/ftp_upload/52770/52770fig2.jpg" /> Şekil 2. Görüntü Fusion ve Yeniden. (A, B) İşaretleyiciler ve mou dış şekliSE otomatik bölütleme algoritması ile tespit edilir. (C, D) OsteoSense enjeksiyonundan sonra 15 dakika prob önemli bir miktarda daha önce mesane içine atılır edilmiştir. UCT verilerle satıcı tarafından sağlanan yeniden eritme sonra, sorunlar görünür hale gelir. Sinyalin Çoğu mesane çevresindeki değil mesane içinde görünen ve bazı sinyal bile havada görünür. FMT bir blok şeklinde fare varsayar çünkü bu olur. UCT verilerinden türetilen fare şeklini kullanarak (E, F) Bizim gelişmiş floresan rekonstrüksiyonu, mesane içindeki floresan daha iyi lokalizasyon sonuçları. <a href="https://www.jove.com/files/ftp_upload/52770/52770fig2large.jpg" target="_blank">Bu rakamın büyük halini görmek için lütfen buraya tıklayınız.</a> <img alt="Şekil 3," src="/files/ftp_upload/52770/52770fig3.jpg" /> Figürün 3. Etkileşimli Organ Segmentat. iyon (A) floresan dağılımını ölçmek için çeşitli organlar segmente edilmiş: Kalp (kırmızı), akciğer (pembe), karaciğer (kahverengi), mide (bej), omurga (mor), böbrekler (sarı), bağırsak (yeşil) ve idrar kesesi (altın). (B) güçlü çevre doku ile karşılaştırıldığında tezat olan akciğer, eşikleme ve bölgesi doldurma kullanılarak parçalı edilir. Mesane, böbrekler ve kalp gibi (C) Yuvarlak organları, &quot;karalamalar&quot; seçeneğini kullanarak segmentlere ayrılırlar. Daha karmaşık bir şekil, örneğin, karaciğer ve mide ile (D) organlar aşamalı karalamalar kullanılarak segmente edilir. Omurga segmenti için, yüksek bir eşik segmentine tüm kemikleri uygulanır. Sonra bazı kemikler, örneğin. Omurga kalır kadar, kaburga, uzak kesilir. <a href="https://www.jove.com/files/ftp_upload/52770/52770fig3large.jpg" target="_blank">Bu rakamın büyük halini görmek için lütfen buraya tıklayınız.</a> Şekil 4. Biyodistribüsyon. Biodistribution değerlendirmek için, fareler çeşitli zaman noktalarında (AF) ile taranır. (A) ön tarama, enjeksiyon öncesi, 750 nm kanalında küçük bir arka plan sinyalini gösterir. (B) 15 dakika enjeksiyonundan sonra, prob önemli bir miktarda idrar torbasının içinde zaten. Fare dışında bazı floresan ile sonuçlanır (C), 2 saat zaman noktasında, fare idrar vardı. Daha sonra zaman noktalarında (DF), sinyal omurga ve diz, kemik ve eklem, yani. Ağırlıklı olarak görünür. (G) sayısallaştırılmış floresan konsantrasyonu seçilen organlar için gösterilir.

Watch this Scientific Journal Video about Hybrid ÂµCT-FMT imaging and image analysis at JoVE.com

Hybrid  &amp;#181;CT-FMT imaging and image analysis

We describe a protocol for hybrid imaging, combining fluorescence-mediated tomography (FMT) with micro computed tomography (&#181;CT). After fusion and reconstruction, we perform interactive organ segmentation to extract quantitative measurements of the fluorescence distribution.

Hibrid uCT-FMT görüntüleme ve görüntü analizi

Fluorescence-mediated tomography (FMT) enables longitudinal and quantitative determination of the fluorescence distribution in vivo and can be used to ...

Microsoft Bing

Research

JoVE Journal

Bioengineering

Hybrid &#181;CT-FMT imaging and image analysis

13.0K Görüntüleme.  RWTH Aachen University. We describe a protocol for hybrid imaging, combining fluorescence-mediated tomography (FMT) with micro computed tomography (µCT). After fusion and reconstruction, we perform interactive organ segmentation to extract quantitative measurements of the fluorescence distribution.

Video: Hybrid  &#181;CT-FMT imaging and image analysis

Specimen Preparation, Imaging, and Analysis Protocols for Knife-edge Scanning Microscopy

Major advances in high-throughput, high-resolution, 3D microscopy techniques have enabled the acquisition of large volumes of neuroanatomical data at submicrometer resolution. One of the first such instruments producing whole-brain-scale data is the Knife-Edge Scanning Microscope (KESM)7, 5, 9, developed and hosted in the authors' lab. KESM has been used to section and image whole mouse brains at submicrometer resolution, revealing the intricate details of the neuronal networks (Golgi)1, 4, 8, vascular networks (India ink)1, 4, and cell body distribution (Nissl)3. The use of KESM is not restricted to the mouse nor the brain. We have successfully imaged the octopus brain6, mouse lung, and rat brain. We are currently working on whole zebra fish embryos. Data like these can greatly contribute to connectomics research10; to microcirculation and hemodynamic research; and to stereology research by providing an exact ground-truth. 
In this article, we will describe the pipeline, including specimen preparation (fixing, staining, and embedding), KESM configuration and setup, sectioning and imaging with the KESM, image processing, data preparation, and data visualization and analysis. The emphasis will be on specimen preparation and visualization/analysis of obtained KESM data. We expect the detailed protocol presented in this article to help broaden the access to KESM and increase its utilization.

The full process from brain specimen preparation to serial sectioning imaging using the Knife-Edge Scanning Microscope, to data visualization and analysis is described. This technique is currently used to acquire mouse brain data, but it is applicable to other organs, other species.

Bıçak kenar Tarama Mikroskopi için Numune Hazırlama, Görüntüleme ve Analiz Protokolleri

Major advances in high-throughput, high-resolution, 3D microscopy techniques have enabled the acquisition of large volumes of neuroanatomical data at ...

Biyomühendislik

Optical Frequency Domain Imaging of Ex vivo Pulmonary Resection Specimens: Obtaining One to One Image to Histopathology Correlation

Lung cancer is the leading cause of cancer-related deaths1. Squamous cell and small cell cancers typically arise in association with the conducting airways, whereas adenocarcinomas are typically more peripheral in location. Lung malignancy detection early in the disease process may be difficult due to several limitations: radiological resolution, bronchoscopic limitations in evaluating tissue underlying the airway mucosa and identifying early pathologic changes, and small sample size and/or incomplete sampling in histology biopsies. High resolution imaging modalities, such as optical frequency domain imaging (OFDI), provide non-destructive, large area 3-dimensional views of tissue microstructure to depths approaching 2 mm in real time (Figure 1)2-6. OFDI has been utilized in a variety of applications, including evaluation of coronary artery atherosclerosis6,7 and esophageal intestinal metaplasia and dysplasia6,8-10.
Bronchoscopic OCT/OFDI has been demonstrated as a safe in vivo imaging tool for evaluating the pulmonary airways11-23 (Animation). OCT has been assessed in pulmonary airways16,23 and parenchyma17,22 of animal models and in vivo human airway14,15. OCT imaging of normal airway has demonstrated visualization of airway layering and alveolar attachments, and evaluation of dysplastic lesions has been found useful in distinguishing grades of dysplasia in the bronchial mucosa11,12,20,21. OFDI imaging of bronchial mucosa has been demonstrated in a short bronchial segment (0.8 cm)18. Additionally, volumetric OFDI spanning multiple airway generations in swine and human pulmonary airways in vivo has been described19. Endobronchial OCT/OFDI is typically performed using thin, flexible catheters, which are compatible with standard bronchoscopic access ports. Additionally, OCT and OFDI needle-based probes have recently been developed, which may be used to image regions of the lung beyond the airway wall or pleural surface17.
While OCT/OFDI has been utilized and demonstrated as feasible for in vivo pulmonary imaging, no studies with precisely matched one-to-one OFDI:histology have been performed. Therefore, specific imaging criteria for various pulmonary pathologies have yet to be developed. Histopathological counterparts obtained in vivo consist of only small biopsy fragments, which are difficult to correlate with large OFDI datasets. Additionally, they do not provide the comprehensive histology needed for registration with large volume OFDI. As a result, specific imaging features of pulmonary pathology cannot be developed in the in vivo setting. Precisely matched, one-to-one OFDI and histology correlation is vital to accurately evaluate features seen in OFDI against histology as a gold standard in order to derive specific image interpretation criteria for pulmonary neoplasms and other pulmonary pathologies. Once specific imaging criteria have been developed and validated ex vivo with matched one-to-one histology, the criteria may then be applied to in vivo imaging studies. Here, we present a method for precise, one to one correlation between high resolution optical imaging and histology in ex vivo lung resection specimens. Throughout this manuscript, we describe the techniques used to match OFDI images to histology. However, this method is not specific to OFDI and can be used to obtain histology-registered images for any optical imaging technique. We performed airway centered OFDI with a specialized custom built bronchoscopic 2.4 French (0.8 mm diameter) catheter. Tissue samples were marked with tissue dye, visible in both OFDI and histology. Careful orientation procedures were used to precisely correlate imaging and histological sampling locations. The techniques outlined in this manuscript were used to conduct the first demonstration of volumetric OFDI with precise correlation to tissue-based diagnosis for evaluating pulmonary pathology24. This straightforward, effective technique may be extended to other tissue types to provide precise imaging to histology correlation needed to determine fine imaging features of both normal and diseased tissues.

Optical Frequency Domain Imaging of Ex vivo Pulmonary Resection Specimens: Obtaining One to One Image to Histopathology Correlation

A method to image ex vivo pulmonary resection specimens with optical frequency domain imaging (OFDI) and obtain precise correlation to histology is described, which is essential to developing specific OFDI interpretation criteria for pulmonary pathology. This method is applicable to other tissue types and imaging techniques to obtain precise imaging to histology correlation for accurate image interpretation and assessment. Imaging criteria established with this technique would then be applicable to image assessment in future in vivo studies.

Optik Frekans Domain Görüntüleme<em&gt; Ex vivo</em&gt; Pulmoner Rezeksiyon Örnekler: Histopatoloji Korelasyon için Birebir Görüntü Alınması

Lung cancer is the leading cause of cancer-related deaths1. Squamous cell and small cell cancers typically arise in association with the conducting ...

High-resolution Spatiotemporal Analysis of Receptor Dynamics by Single-molecule Fluorescence Microscopy

Single-molecule microscopy is emerging as a powerful approach to analyze the behavior of signaling molecules, in particular concerning those aspect (e.g., kinetics, coexistence of different states and populations, transient interactions), which are typically hidden in ensemble measurements, such as those obtained with standard biochemical or microscopy methods. Thus, dynamic events, such as receptor-receptor interactions, can be followed in real time in a living cell with high spatiotemporal resolution. This protocol describes a method based on labeling with small and bright organic fluorophores and total internal reflection fluorescence (TIRF) microscopy to directly visualize single receptors on the surface of living cells. This approach allows one to precisely localize receptors, measure the size of receptor complexes, and capture dynamic events such as transient receptor-receptor interactions. The protocol provides a detailed description of how to perform a single-molecule experiment, including sample preparation, image acquisition and image analysis. As an example, the application of this method to analyze two G-protein-coupled receptors, i.e., &#946;2-adrenergic and &#947;-aminobutyric acid type B (GABAB) receptor, is reported. The protocol can be adapted to other membrane proteins and different cell models, transfection methods and labeling strategies.

This protocol describes how to use total internal reflection fluorescence microscopy to visualize and track single receptors on the surface of living cells and thereby analyze receptor lateral mobility, size of receptor complexes as well as to visualize transient receptor-receptor interactions. This protocol can be extended to other membrane proteins.

Tek molekül Floresan Mikroskopi Reseptör Dinamiği Yüksek çözünürlüklü Spatiotemporal Analizi

Single-molecule microscopy is emerging as a powerful approach to analyze the behavior of signaling molecules, in particular concerning those aspect (e.g., ...

Magnetic Levitation Coupled with Portable Imaging and Analysis for Disease Diagnostics

Currently, many clinical diagnostic procedures are complex, costly, inefficient, and inaccessible to a large population in the world. The requirements for specialized equipment and trained personnel require that many diagnostic tests be performed at remote, centralized clinical laboratories. Magnetic levitation is a simple yet powerful technique and can be applied to levitate cells, which are suspended in a paramagnetic solution and placed in a magnetic field, at a position determined by equilibrium between a magnetic force and a buoyancy force. Here, we present a versatile platform technology designed for point-of-care diagnostics which uses magnetic levitation coupled to microscopic imaging and automated analysis to determine the density distribution of a patient's cells as a useful diagnostic indicator. We present two platforms operating on this principle: (i) a smartphone-compatible version of the technology, where the built-in smartphone camera is used to image cells in the magnetic field and a smartphone application processes the images and to measures the density distribution of the cells and (ii) a self-contained version where a camera board is used to capture images and an embedded processing unit with attached thin-film-transistor (TFT) screen measures and displays the results. Demonstrated applications include: (i) measuring the altered distribution of a cell population with a disease phenotype compared to a healthy phenotype, which is applied to sickle cell disease diagnosis, and (ii) separation of different cell types based on their characteristic densities, which is applied to separate white blood cells from red blood cells for white blood cell cytometry. These applications, as well as future extensions of the essential density-based measurements enabled by this portable, user-friendly platform technology, will significantly enhance disease diagnostic capabilities at the point of care.

We present a magnetic levitation technique coupled with automated imaging and analysis in both a smartphone-compatible device and a device with embedded imaging and processing. This is applied to measure the density distribution of cells with two demonstrated biomedical applications: sickle cell disease diagnosis and separating white and red blood cells.

Hastalık Teşhis için Taşınabilir Görüntüleme ve Analiz ile birleştiğinde Manyetik Levitasyonunun

Currently, many clinical diagnostic procedures are complex, costly, inefficient, and inaccessible to a large population in the world. The requirements for ...

Quantifying Intermembrane Distances with Serial Image Dilations

A recently-described extracellular nanodomain, termed the perinexus, has been implicated in ephaptic coupling, which is an alternative mechanism for electrical conduction between cardiomyocytes. The current method for quantifying this space by manual segmentation is slow and has low spatial resolution.We developed an algorithm that uses serial image dilations of a binary outline to count the number of pixels between two opposing 2 dimensional edges.This algorithm requires fewer man hours and has a higher spatial resolution than the manual method while preserving the reproducibility of the manual process.In fact, experienced and novice investigators were able to recapitulate the results of a previous study with this new algorithm.The algorithm is limited by the human input needed to manually outline the perinexus and computational power mainly encumbered by a pre-existing pathfinding algorithm.However, the algorithm&#39;s high-throughput capabilities, high spatial resolution and reproducibility make it a versatile and robust measurement tool for use across a variety of applications requiring the measurement of the distance between any 2-dimensional (2D) edges.

The purpose of this algorithm is to continuously measure the distance between two 2-dimensional edges using serial image dilations and pathfinding. This algorithm can be applied to a variety of fields such as cardiac structural biology, vascular biology, and civil engineering.

Seri görüntü Dilations ile Intermembrane mesafeler miktarının

A recently-described extracellular nanodomain, termed the perinexus, has been implicated in ephaptic coupling, which is an alternative mechanism for ...

Substructure Analyzer: A User-Friendly Workflow for Rapid Exploration and Accurate Analysis of Cellular Bodies in Fluorescence Microscopy Images

The last decade has been characterized by breakthroughs in fluorescence microscopy techniques illustrated by spatial resolution improvement but also in live-cell imaging and high-throughput microscopy techniques. This led to a constant increase in the amount and complexity of the microscopy data for a single experiment. Because manual analysis of microscopy data is very time consuming, subjective, and prohibits quantitative analyses, automation of bioimage analysis is becoming almost unavoidable. We built an informatics workflow called Substructure Analyzer to fully automate signal analysis in bioimages from fluorescent microscopy. This workflow is developed on the user-friendly open-source platform Icy and is completed by functionalities from ImageJ. It includes the pre-processing of images to improve the signal to noise ratio, the individual segmentation of cells (detection of cell boundaries) and the detection/quantification of cell bodies enriched in specific cell compartments. The main advantage of this workflow is to propose complex bio-imaging functionalities to users without image analysis expertise through a user-friendly interface. Moreover, it is highly modular and adapted to several issues from the characterization of nuclear/cytoplasmic translocation to the comparative analysis of different cell bodies in different cellular sub-structures. The functionality of this workflow is illustrated through the study of the Cajal (coiled) Bodies under oxidative stress (OS) conditions. Data from fluorescence microscopy show that their integrity in human cells is impacted a few hours after the induction of OS. This effect is characterized by a decrease of coilin nucleation into characteristic Cajal Bodies, associated with a nucleoplasmic redistribution of coilin into an increased number of smaller foci. The central role of coilin in the exchange between CB components and the surrounding nucleoplasm suggests that OS induced redistribution of coilin could affect the composition and the functionality of Cajal Bodies.

We present a freely available workflow built for rapid exploration and accurate analysis of cellular bodies in specific cell compartments in fluorescence microscopy images. This user-friendly workflow is designed on the open-source software Icy and also uses ImageJ functionalities. The pipeline is affordable without knowledge in image analysis.

Alt Yapı Analizörü: Floresan Mikroskopi Görüntülerinde HücreCisimlerinin Hızlı Araştırılması ve Doğru Analizi için Kullanıcı Dostu İş Akışı

The last decade has been characterized by breakthroughs in fluorescence microscopy techniques illustrated by spatial resolution improvement but also in ...

Imaging and Quantification of the Area of Fast-Moving Microbubbles Using a High-Speed Camera and Image Analysis

An experimental and image analysis technique is presented for imaging cavitation bubbles and calculating their area. The high-speed imaging experimental technique and image analysis protocol presented here can also be applied for imaging microscopic bubbles in other fields of research; therefore, it has a wide range of applications. We apply this to image cavitation around dental ultrasonic scalers. It is important to image cavitation to characterize it and to understand how it can be exploited for various applications. Cavitation occurring around dental ultrasonic scalers can be used as a novel method of dental plaque removal, which would be more effective and cause less damage than current periodontal therapy techniques. We present a method for imaging the cavitation bubble clouds occurring around dental ultrasonic scaler tips using a high-speed camera and a zoom lens. We also calculate the area of cavitation using machine learning image analysis. Open source software is used for image analysis. The image analysis presented is easy to replicate, does not require programming experience, and can be modified easily to suit the application of the user.

Cavitation microbubbles are imaged using a high-speed camera attached to a zoom lens. The experimental setup is explained, and image analysis is used to calculate the area of the cavitation. Image analysis is done using ImageJ.

Yüksek Hızlı Kamera ve Görüntü Analizi Kullanarak Hızlı Hareket Eden Mikrokabarcıkların Görüntülenmesi ve Ölçülmesi

An experimental and image analysis technique is presented for imaging cavitation bubbles and calculating their area. The high-speed imaging experimental ...

High-Dimensionality Flow Cytometry for Immune Function Analysis of Dissected Implant Tissues

The success of implanting laboratory-grown tissue or a medical device in an individual is subject to the immune response of the recipient host. Considering an implant as a foreign body, a hostile and dysregulated immune response may result in the rejection of the implant, while a regulated response and regaining of homeostasis can lead to its acceptance. Analyzing the microenvironments of implants dissected out under in vivo or ex vivo&#160;settings can help in understanding the pattern of immune response, which can ultimately help in developing new generations of biomaterials. Flow cytometry is a well-known technique for characterizing immune cells and their subsets based on their cell surface markers. This review describes a protocol based on manual dicing, enzymatic digestion, and filtration through a cell strainer for the isolation of uniform cell suspensions from dissected implant tissue. Further, a multicolor flow cytometry staining protocol has been explained, along with steps for initial cytometer settings to characterize and quantify these isolated cells by flow cytometry.

Isolation of cells from dissected implants and their characterization by flow cytometry can significantly contribute to understanding the pattern of immune response against implants. This paper describes a precise method for the isolation of cells from dissected implants and their staining for flow cytometric analysis.

Diseke İmplant Dokularının İmmün Fonksiyon Analizi için Yüksek Boyutluluk Akış Sitometrisi

The success of implanting laboratory-grown tissue or a medical device in an individual is subject to the immune response of the recipient host. ...

Area-based Image Analysis Algorithm for Quantification of Macrophage-fibroblast Cocultures

Quantification of cells is necessary for a wide range of biological and biochemical studies. Conventional image analysis of cells typically employs either fluorescence detection approaches, such as immunofluorescent staining or transfection with fluorescent proteins or edge detection techniques, which are often error-prone due to noise and other non-idealities in the image background. 
We designed a new algorithm that could accurately count and distinguish macrophages and fibroblasts, cells of different phenotypes that often colocalize during tissue regeneration. MATLAB was used to implement the algorithm, which differentiated distinct cell types based on differences in height from the background. A primary algorithm was developed using an area-based method to account for variations in cell size/structure and high-density seeding conditions. 
Non-idealities in cell structures were accounted for with a secondary, iterative algorithm utilizing internal parameters such as cell coverage computed using experimental data for a given cell type. Finally, an analysis of coculture environments was carried out using an isolation algorithm in which various cell types were selectively excluded based on the evaluation of relative height differences within the image. This approach was found to accurately count cells within a 5% error margin for monocultured cells and within a 10% error margin for cocultured cells.

We present a method, which utilizes a generalizable area-based image analysis approach to identify cell counts. Analysis of different cell populations exploited the significant cell height and structure differences between distinct cell types within an adaptive algorithm.

Makrofaj-fibroblast Kokültürlerinin Nicelleştirilmesi için Alan Tabanlı Görüntü Analiz Algoritması

Quantification of cells is necessary for a wide range of biological and biochemical studies. Conventional image analysis of cells typically employs either ...

Hybrid Cell Analysis System to Assess Structural and Contractile Changes of Human iPSC-Derived Cardiomyocytes for Preclinical Cardiac Risk Evaluation

Cardiac contractility assessment is of immense importance for the development of new therapeutics and their safe transition into clinical stages. While human-induced pluripotent stem cell-derived cardiomyocytes (hiPSC-CMs) hold promise to serve as a human-relevant model in preclinical phases of drug discovery and safety pharmacology, their maturity is still controversial in the scientific community and under constant development. We present a hybrid contractility and impedance/extracellular field potential (EFP) technology, adding significant pro-maturation features to an industry-standard 96-well platform.
The impedance/EFP system monitors cellular functionality in real-time. Besides the beat rate of contractile cells, the electrical impedance spectroscopy readouts detect compound-induced morphological changes like cell density and integrity of the cellular monolayer. In the other component of the hybrid cell analysis system, the cells are cultured on bio-compliant membranes that mimic the mechanical environment of real heart tissue. This physiological environment supports the maturation of hiPSC-CMs in vitro, leading to more adult-like contractile responses including positive inotropic effects after treatment with isoproterenol, S-Bay K8644, or omecamtiv mecarbil. Parameters such as the amplitude of contraction force (mN/mm2) and beat duration also reveal downstream effects of compounds with influence on electrophysiological properties and calcium handling.
The hybrid system provides the ideal tool for holistic cell analysis, allowing preclinical cardiac risk assessment beyond the current perspectives of human-relevant cell-based assays.

The analysis of changes in contractile function and cellular integrity of human iPSC-derived cardiomyocytes is of immense importance for nonclinical drug development. A hybrid 96-well cell analysis system addresses both parameters in a real-time and physiological manner for reliable, human-relevant results, necessary for a safe transition into clinical stages.

Preklinik Kardiyak Risk Değerlendirmesi için İnsan iPSC Kaynaklı Kardiyomiyositlerin Yapısal ve Kasılma Değişikliklerini Değerlendirmek için Hibrit Hücre Analiz Sistemi

Cardiac contractility assessment is of immense importance for the development of new therapeutics and their safe transition into clinical stages. While ...