Name: lung ct segmentation to identify consolidations and ground glass areas for quantitative assesment of sars-cov pneumonia
Uploaded: 2020-12-19T14:00:00
Description: Watch this Scientific Journal Video about Lung CT Segmentation to Identify Consolidations and Ground Glass Areas for Quantitative Assesment of SARS-CoV Pneumonia at JoVE.com

Questo lavoro è stato sostenuto dal finanziamento del Dipartimento di Radiologia dell'Università di Bologna.

Questo protocollo segue le linee guida del comitato etico istituzionale per la ricerca umana.
1. Download delle immagini DICOM
<ol><li>Scarica le immagini DICOM e trasferiscile nella workstation dedicata alla segmentazione, con il software 3D installato. Se hai intenzione di lavorare su un personal computer, anonimizza i dati DICOM.</li>
</ol>2. Importazione dello studio HRCT sul software 3D Slicer
<ol><li>Nella schermata di apertur...

<ol>
	<li>Zheng, Y., 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=COVID-19+and+the+cardiovascular+system.">COVID-19 and the cardiovascular system.</a> Nature Reviews Cardiology. 17, 259-260 (2020).</li><li>Simpson, 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=Radiological+Society+of+North+America+Expert+Consensus+Statement+on+Reporting+Chest+CT+Findings+Related+to+COVID-19.+Endorsed+by+the+Society+of+Thoracic+Radiology,+the+American+College+of+Radiology,+and+RSNA.">Radiological Society of North America Expert Consensus Statement on Reporting Chest CT Findings Related to COVID-19. Endorsed by the Society of Thoracic Radiology, the American College of Radiology, and RSNA.</a> Radiology: Cardiothoracic Imaging. 2, 2 (2020).</li><li>Xie, X., 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=Chest+CT+for+Typical+2019-nCoV+Pneumonia:+Relationship+to+Negative+RT-PCR+Testing.">Chest CT for Typical 2019-nCoV Pneumonia: Relationship to Negative RT-PCR Testing.</a> Radiology. , 200343 (2020).</li><li>Huang, P., 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=Use+of+Chest+CT+in+Combination+with+Negative+RT-PCR+Assay+for+the+2019+Novel+Coronavirus+but+High+Clinical+Suspicion.">Use of Chest CT in Combination with Negative RT-PCR Assay for the 2019 Novel Coronavirus but High Clinical Suspicion.</a> Radiology. 295 (1), 22-23 (2020).</li><li>Fang, Y., 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=Sensitivity+of+Chest+CT+for+COVID-19:+Comparison+to+RT-PCR.">Sensitivity of Chest CT for COVID-19: Comparison to RT-PCR.</a> Radiology. , 200432 (2020).</li><li>Colombi, D., 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=Well-aerated+Lung+on+Admitting+Chest+CT+to+Predict+Adverse+Outcome+in+COVID-19+Pneumonia.">Well-aerated Lung on Admitting Chest CT to Predict Adverse Outcome in COVID-19 Pneumonia.</a> Radiology. , 201433 (2020).</li><li>. 3D Slicer [software] Available from: <a target="_blank" href="https://www.slicer.org">https://www.slicer.org</a> (2020)</li><li>Kikinis, R., Pieper, S. D., Vosburgh, K., Jolesz, F. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=3D+Slicer:+a+platform+for+subject-specific+image+analysis,+visualization,+and+clinical+support.">3D Slicer: a platform for subject-specific image analysis, visualization, and clinical support.</a> Intraoperative Imaging Image-Guided Therapy. 3 (19), 277-289 (2014).</li><li>Kapur, T., 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=Increasing+the+impact+of+medical+image+computing+using+community-based+open-access+hackathons:+The+NA-MIC+and+3D+Slicer+experience.">Increasing the impact of medical image computing using community-based open-access hackathons: The NA-MIC and 3D Slicer experience.</a> Medical Image Analysis. 33, 176-180 (2016).</li><li>Fedorov, 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=3D+Slicer+as+an+Image+Computing+Platform+for+the+Quantitative+Imaging+Network.">3D Slicer as an Image Computing Platform for the Quantitative Imaging Network.</a> Magnetic Resonance Imaging. 30 (9), 1323-1341 (2012).</li><li>. Chest Imaging Platform [software] Available from: <a target="_blank" href="https://chestimagingplatform.org">https://chestimagingplatform.org</a> (2020)</li><li>Wang, J., Li, F., Li, Q. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automated+segmentation+of+lungs+with+severe+interstitial+lung+disease+in+CT.">Automated segmentation of lungs with severe interstitial lung disease in CT.</a> Medical Physics. 36 (10), 4592-4599 (2009).</li><li>Lanza, E., 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=Quantitative+chest+CT+analysis+in+COVID-19+to+predict+the+need+for+oxygenation+support+and+intubation.">Quantitative chest CT analysis in COVID-19 to predict the need for oxygenation support and intubation.</a> European Radiology. , (2020).</li><li>Yao, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Value+of+window+technique+in+diagnosis+of+the+ground+glass+opacities+in+patients+with+non-small+cell+pulmonary+cancer.">Value of window technique in diagnosis of the ground glass opacities in patients with non-small cell pulmonary cancer.</a> Oncology Letters. 12 (5), 3933-3935 (2016).</li><li>Kauczor, H. U., 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=Automatic+detection+and+quantification+of+ground-glass+opacities+on+high-resolution+CT+using+multiple+neural+networks:+comparison+with+a+density+mask.">Automatic detection and quantification of ground-glass opacities on high-resolution CT using multiple neural networks: comparison with a density mask.</a> American Journal of Roentgenology. 175 (5), 1329-1334 (2000).</li><li>Funama, Y., 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=Detection+of+nodules+showing+ground-glass+opacity+in+the+lungs+at+low-dose+multidetector+computed+tomography:+phantom+and+clinical+study.">Detection of nodules showing ground-glass opacity in the lungs at low-dose multidetector computed tomography: phantom and clinical study.</a> Journal of Computed Assisted Tomography. 33 (1), 49-53 (2009).</li><li>Hansell, D. 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=Fleischner+Society:+glossary+of+terms+for+thoracic+imaging.">Fleischner Society: glossary of terms for thoracic imaging.</a> Radiology. 246, 697-722 (2008).</li><li>Heye, T., 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=Reproducibility+of+Dynamic+Part+II.+Comparison+of+Intra-+and+Interobserver+Variability+with+Manual+Region+of+Interest+Placement+versus+semiautomatic+lesion+segmentation+and+histogram+analysis.">Reproducibility of Dynamic Part II. Comparison of Intra- and Interobserver Variability with Manual Region of Interest Placement versus semiautomatic lesion segmentation and histogram analysis.</a> Radiology. 266, 812-821 (2013).</li><li>Zhang, H. T., 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=Automated+detection+and+quantification+of+COVID-19+pneumonia:+CT+imaging+analysis+by+a+deep+learning-based+software.">Automated detection and quantification of COVID-19 pneumonia: CT imaging analysis by a deep learning-based software.</a> Nuclear Medicine and Molecular Imaging. 14, 1-8 (2020).</li><li>Alhazzani, W., 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=Surviving+Sepsis+Campaign:+guidelines+on+the+management+of+critically+ill+adults+with+Coronavirus+Disease+2019(COVID-19).">Surviving Sepsis Campaign: guidelines on the management of critically ill adults with Coronavirus Disease 2019(COVID-19).</a> Intensive Care Medicine. 46 (5), 854-887 (2020).</li></ol>

La segmentazione rappresenta un passo fondamentale per l'esecuzione di moderni studi di radiologia quantitativa ed è necessaria per applicare tecniche di radiomica o analisi delle trame. I risultati patologici nei polmoni rappresentano uno dei più difficili da segmentare, per la mancanza di confini anatomici definiti e una piccola differenza nel valore di attenuazione rispetto alle aree sane.
Le immagini sorgente devono presentare un minimo di artefatti, se possibile, specialmente sulle aree...

Nell'anno in corso, il mondo sta affrontando un'emergenza sanitaria, la pandemia causata dal nuovo Coronavirus, Sars-CoV2. Anche se, fino ad oggi, molti aspetti riguardanti la fisiopatologia dell'infezione da COVID-19 non sono ancora chiari, condivide diverse caratteristiche con i suoi "antenati" SARS1 e MERS. In particolare, è stato dimostrato che le proteine del picco di virione interagiscono con l'enzima di conversione dell'angiotensina di tipo 2, un recettore ben rappresentato sulle cellule endoteliali alveolari, ma onnipresente nell'organismo umano, avendo così la potenzialità di dare sintomi sistemici1.
Per la diagnosi, lo standard attuale è la reazione a catena in tempo reale transcriptasi-polimerasi inversa (rt-PCR), un test eseguito su tamponi faringei. Sebbene l'imaging radiologico non sia ufficialmente riconosciuto nel percorso diagnostico per l'individuazione della malattia, la tomografia computerizzata ad alta risoluzione (HRCT) si è rivelata un valido aiuto alla gestione clinica ed epidemiologica dei pazienti colpiti, a causa della sensibilità relativamente bassa della rt-PCR, dell'attuale scarsità di laboratori specializzati e dei reagenti necessari e dell'elevata dipendenza dell'operatore.
La Radiological Society of North America (RSNA) ha rilasciato una dichiarazione di consenso, approvata dalla società di radiologia toracica e dall'American College of Radiology (ACR), che classifica l'aspetto CT del COVID19 in quattro categorie al fine di standardizzare la segnalazione, dividendo i modelli di polmonite interstiziale in "tipici", "atipici", "indeterminati" e "negativi"2.
Il modello "tipico" è caratterizzato dalla presenza di opacità di vetro macinato a forma rotonda (GGO), di solito con una posizione sub-pleuriche sui segmenti basali dorsali. Il GGO può essere associato a aree di "Pavimentazione pazza" di setti ispessiti o altri segni di organizzazione della polmonite. Il modello "indeterminato" è caratterizzato dall'assenza dei risultati del modello "tipico", con aree GGO diffuse con distribuzione perihilar, con o senza aree consolidanti. Il modello "atipico" è caratterizzato dall'assenza dei segni "tipici" o "indeterminati", e dalla presenza di consolidamenti lobar, "albero in gemma", ispessimento liscio del setto ed effusione pleurica; in questa presentazione nessun GGO è rilevabile. Il modello "negativo" è caratterizzato dall'assenza dei suddetti risultati patologici.
Secondo la letteratura, alcuni pazienti possono presentare un alto sospetto clinico di COVID-19 supportato da criteri epidemiologici e risultati di imaging con rt-PCR3,4 negativo. D'altra parte, è stato riferito che i pazienti con un rt-PCR positivo e risultati clinici suggestivi, non presentano risultati patologici su HRCT5.
Al giorno d'oggi, è di fondamentale interesse per la comunità scientifica applicare tecniche di analisi delle immagini quando studia quantitativamente le caratteristiche di questa malattia. Un recente studio ha applicato la tecnica di segmentazione automatizzata del parenchima polmonare per identificare la percentuale di polmone aerato nei pazienti affetti da COVID-19, correlando questo valore con la prognosi e dimostrando che i pazienti con un coinvolgimento polmonare più grave presentavano un rischio maggiore di essere ammessi nell'Unità di Terapia Intensiva (TERAPIA INTENSIVA) e di avereesiti peggiori 6.
La segmentazione è il contouring delle regioni di interesse (ROM) all'interno di un volume acquisito attraverso una tecnica di imaging, come HRCT. Questa attività può essere svolta con tre metodi: manuale, semiautomatico e automatico. La segmentazione manuale, grazie all'esperienza di un radiologo qualificato, consiste nell'etichettatura dei voxel appartenenti all'area patologica. I principali svantaggi di questo metodo sono la grande quantità di tempo richiesta e il fatto che dipende dall'operatore.
I metodi semiautomatici consentono di accelerare la segmentazione in quanto l'operatore può modificare una maschera di segmentazione ottenuta attraverso i metodi classici di elaborazione delle immagini (ad esempio, soglia sull'intensità dei pixel, clustering, ecc.). Tuttavia, queste tecniche non sono facili da implementare nella pratica clinica in quanto richiedono un ampio intervento manuale nei casi più complicati18.
I metodi di segmentazione automatica, attualmente di uso limitato, utilizzano l'intelligenza artificiale per ottenere LE. In particolare, un recente studio mira a utilizzare la segmentazione automatica nella quantificazione delle aree di vetro macinato nei pazienti affetti da polmonite interstiziale COVID-1919. La definizione di un protocollo di segmentazione per le aree patologiche sulle immagini HRCT è il vero primo passo verso la successiva analisi radiomica, al fine di identificare caratteristiche che potrebbero aiutare a comprendere ulteriormente la fisiopatologia della malattia e servire come fattore prognostico accurato che potenzialmente influenza il trattamento.
Questo documento offre una guida per ottenere segmenti accurati ed efficienti che rappresentano i risultati patologici della polmonite da COVID-19 utilizzando "3D Slicer"7,8,9,10.

<table border="0" cellpadding="0" cellspacing="0" style="width:592px;" width="592">
	<colgroup>
		<col />
		<col />
		<col />
		<col />
	</colgroup>
	<tbody>
		<tr height="63">
			<td height="63" style="height:63px;width:216px;">CT Scanner</td>
			<td style="width:91px;">General Electrics Healthcare</td>
			<td style="width:119px;">64-MDCT VCT lightSpeed</td>
			<td style="width:167px;">The CT scanner used for HRCT acquisitions</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:216px;">Desktop Computer</td>
			<td style="width:91px;">ThinkCentre</td>
			<td style="width:119px;"></td>
			<td>The computer used to download the DICOM files and run 3D Slicer</td>
		</tr>
	</tbody>
</table>

lung ct segmentation to identify consolidations and ground glass areas for quantitative assesment of sars-cov pneumonia

La segmentazione è un compito complesso, affrontato da radiologi e ricercatori mentre la radiomica e l'apprendimento automatico crescono di potenziale. Il processo può essere automatico, semiautomatico o manuale, il primo spesso non è sufficientemente preciso o facilmente riproducibile e l'ultimo richiede eccessivamente tempo quando coinvolge grandi distretti con acquisizioni ad alta risoluzione.
Una TAC ad alta risoluzione del torace è composta da centinaia di immagini, il che rende l'approccio manuale eccessivamente dispendioso in termini di tempo. Inoltre, le alterazioni parenchimali richiedono una valutazione esperta da discernere dall'aspetto normale; pertanto, un approccio semiautomatico al processo di segmentazione è, per quanto ne so, il più adatto quando si segmentano le polmonite, specialmente quando le loro caratteristiche sono ancora sconosciute.
Per gli studi condotti nel nostro istituto sull'imaging del COVID-19, abbiamo adottato 3D Slicer, un software freeware prodotto dall'Università di Harvard, e combinato la soglia con gli strumenti a pennello per ottenere una segmentazione rapida e precisa del polmone aerato, delle opacità del vetro macinato e dei consolidamenti. Quando si affrontano casi complessi, questo metodo richiede ancora una notevole quantità di tempo per adeguate regolazioni manuali, ma fornisce una media estremamente efficiente per definire segmenti da utilizzare per ulteriori analisi, come il calcolo della percentuale del parenchima polmonare interessato o l'analisi della trama delle aree di vetro macinato.

Il metodo proposto è stato perfezionato attraverso studi ed errori, testandolo su 117 pazienti affetti da polmonite da COVID-19 con un test rt-PCR positivo.
Dopo una breve curva di apprendimento, il tempo necessario per ottenere i segmenti può variare da 5 a 15 minuti, a seconda del modello di presentazione.
Come mostrato nella figura 1, il metodo produce segmenti precisi: questo può essere osservato notando l'esatta corrispondenza con l'HRCT. Il...

Watch this Scientific Journal Video about Lung CT Segmentation to Identify Consolidations and Ground Glass Areas for Quantitative Assesment of SARS-CoV Pneumonia at JoVE.com

Lung CT Segmentation to Identify Consolidations and Ground Glass Areas for Quantitative Assesment of SARS-CoV Pneumonia

Lo scopo di questo protocollo è quello di fornire un modo efficiente in termini di tempo per segmentare i volumi di interesse sulle scansioni CT ad alta risoluzione da utilizzare per ulteriori analisi radiomiche.

Segmentazione della TC polmonare per identificare consolidamenti e aree di vetro macinato per l'assesment quantitativo della polmonite SARS-CoV

Segmentation is a complex task, faced by radiologists and researchers as radiomics and machine learning grow in potentiality. The process can either be ...

Dallo scoppio della nuova pandemia di malattia da coronavirus, appare fondamentale un metodo semplice ed efficace utile per ottenere una corretta segmentazione delle tipiche lesioni patologiche di questa infezione nelle immagini di TAC toracica. Pertanto, il nostro obiettivo è quello di offrire uno starter pack di conoscenze al fine di consentire alle persone di eseguire una segmentazione facile ed efficiente di questi risultati patologici polmonari. Speriamo che questo aiuti la comunità scientifica a sviluppare studi dedicati alla radiomica e all'intelligenza artificiale che potrebbero migliorare l'approccio diagnostico di questi pazienti.Nel browser DICOM di 3D Slicer procedere alla selezione dello studio che si desidera segmentare e fare clic su Carica. È possibile esaminare il caso selezionato nella sezione visualizzatore. Come potete vedere, questo paziente presenta opacità di vetro macinato a livello bilaterale e aree consolidanti, che è un tipico caso di COVID-19.Quindi vai alla sezione Segmento e aggiungi tre segmenti, uno per il volume polmonare totale, uno per le opacità del vetro macinato e uno per le aree consolidanti. Passare allo strumento Soglia e impostare la soglia superiore su meno 250 unità hounsfield. Ordinare per selezionare solo l'aria e tralascio tessuti molli, ossa e aree consolidanti allo stesso modo, che il sistema non può discernere automaticamente dai tessuti molli, quindi fare clic per applicare.Quindi, si desidera rimuovere l'aria all'esterno del paziente e, per farlo, utilizzare lo strumento Isola e andare a Mantieni solo l'isola selezionata. Quindi fare clic all'interno del paziente. Vedete che l'aria esterna è stata rimossa.Ora, si desidera aggiungere le aree consolidanti al volume polmonare totale. Per fare ciò, utilizzare lo strumento Paint con l'impostazione pennello Sfera, regolando le dimensioni in base alle esigenze e facendo attenzione a evitare i tessuti molli. Con il pennello Sfera, dipingi su e giù rispetto alla fetta su cui stai lavorando, il che accelera il processo.Ora, si desidera segmentare le aree consolidanti. Per fare ciò, assicurati di lavorare all'interno del volume polmonare totale senza una varietà di altri segmenti. Utilizzando lo strumento Soglia, aumentare la soglia superiore per essere sicuri di includere tessuti molli e consolidamenti e impostare la soglia inferiore su meno 250.Si noti che si selezionano sia tessuti molli, vasi e consolidamento, ma quando si fa clic su Applica, sono state selezionate solo le aree di consolidamento. Ora, per segmentare le aree di vetro macinato, si seleziona il segmento di vetro macinato. Mantenendo le impostazioni della segmentazione precedente, impostare la soglia da meno 750 a meno 250 unità hounsfield.Si noti che questo valore può variare in base alle impostazioni di scansione CT. Regolare sempre secondo la definizione di vetro macinato della Fleischner Society. Scegli un'opacità con quel vaso visibile in vista.Quindi, fare clic su Applica. Noterai che sono stati selezionati anche spazi interstiziali. Per regolare, passare allo strumento Smooth.Seleziona quale posto si adatta meglio all'algoritmo di costruzione della tua TAC. E come potete vedere, gli spazi interstiziali sono stati rimossi. È possibile controllare i risultati della segmentazione che vanno a Editor segmenti ed è possibile visualizzare un modello 3D dei segmenti definiti.È possibile utilizzare il dispositivo di scorrimento sul lato sinistro per regolare la trasparenza del modello. La vista 3D può essere utilizzata per confermare il corretto processo di segmentazione. Ora abbiamo tre segmenti distinti, uno per il volume polmonare totale e gli altri due per i risultati tipici dei consolidamenti COVID-19 e delle aree di vetro macinato.È possibile estrarre alcune statistiche dal segmento definito a causa del modulo SegmentStatistics. Rimuovere l'opzione Volume scalare, quindi si dispone di una tabella che esprime il volume del polmone totale e le aree consolidanti e le aree di vetro macinato. Puoi usarlo per calcolare la gravità della malattia.È inoltre possibile esportare il segmento definito. È possibile passare alla sezione Dati. Quindi, rendi visibile solo il segmento che vuoi esportare, facendo clic sull'icona dell'occhio.Quindi fare clic con il pulsante destro del mouse ed esportare la mappa etichette binaria solo visibile. Puoi rimanere la mappa etichette come preferisci. Devi ripetere il processo per ogni segmento che hai definito.In questo modo, ora hai tre mappe etichetta corrispondenti al segmento che hai definito. Questo può essere esportato in qualsiasi tipo di file tu preferisca o si adatti meglio per ulteriori analisi. Inoltre. Con questi metodi, i ricercatori possono ottenere rapidamente una segmentazione accurata per i risultati patologici del COVID-19 per i quali è possibile estrarre caratteristiche specifiche.Fornendo tali conoscenze alla comunità scientifica, è possibile sviluppare metodi di segmentazione accurati e completamente automatizzati e determinare precisi fattori prognostici.

Research

JoVE Journal

Medicine

Osteopathic Manipulative Treatment as a Useful Adjunctive Tool for Pneumonia

Trattamento manipolativo osteopatico come strumento aggiuntiva Utile per polmonite

Pneumonia, the inflammatory state of lung tissue primarily due to microbial infection, claimed 52,306 lives in the United States in 20071 and resulted in ...

Ricerca

Medicina

Implantation of Fibrin Gel on Mouse Lung to Study Lung-specific Angiogenesis

L&#39;impianto di fibrina gel sul mouse polmone per studiare angiogenesi Lung-specifica

Recent significant advances in stem cell research and bioengineering techniques have made great progress in utilizing biomaterials to regenerate and ...

Evaluation of Lung Metastasis in Mouse Mammary Tumor Models by Quantitative Real-time PCR

Valutazione del polmone metastasi in mouse mammarie tumorali modelle da Quantitative Real-time PCR

Metastatic disease is the spread of malignant tumor cells from the primary cancer site to a distant organ and is the primary cause of cancer associated ...

Apical Resection Mouse Model to Study Early Mammalian Heart Regeneration

Modello apicale resezione mouse per primo studio Mammalian rigenerazione cardiaca

Cardiovascular disease plagues the whole world due to intensive lifestyle changes. Heart regeneration holds great promise for repairing and restoring ...

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

Prossimale Cadaveric Femore preparazione per l&#39;analisi agli elementi finiti Resistenza alla frattura Prove e quantitativa CT-based

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

Induction and Micro-CT Imaging of Cerebral Cavernous Malformations in Mouse Model

Induzione e Micro-CT Imaging delle malformazioni cavernose cerebrali nel modello del topo

Mutations in the CCM1 (aka KRIT1), CCM2, or CCM3 (aka PDCD10) gene cause cerebral cavernous malformation (CCM) in humans. Mouse models of CCM disease have ...

Quantitative Micro-CT Analysis of Aortopathy in a Mouse Model of &#946;-aminopropionitrile-induced Aortic Aneurysm and Dissection

Analisi quantitativa di Micro-CT di Aortopathy in un modello murino di indotta da β-aminopropionitrile aneurisma e dissezione

Aortic aneurysm and dissection is associated with significant morbidity and mortality in the population and can be highly lethal. While animal models of ...

Murine Oropharyngeal Aspiration Model of Ventilator-associated and Hospital-acquired Bacterial Pneumonia

Modello murino aspirazione orofaringea di polmonite batterica associata a ventilazione e acquisite in ospedale

Murine infection models are critical for understanding disease pathogenesis and testing the efficacy of novel therapeutics designed to combat causative ...

Generation of Human 3D Lung Tissue Cultures (3D-LTCs) for Disease Modeling

Generation of Human 3D Lung Tissue Cultures 3D-LTCs for Disease Modeling

Generazione di colture del tessuto polmonare umano 3D (3D-LTC) per la modellazione di malattia

Translation of novel discoveries to human disease is limited by the availability of human tissue-based models of disease. Precision-cut lung slices (PCLS) ...

Quantitative Analysis of Cellular Composition in Advanced Atherosclerotic Lesions of Smooth Muscle Cell Lineage-Tracing Mice

Analisi quantitativa della composizione cellulare nelle lesioni aterosclerotiche avanzate del muscolo liscio delle cellule Lineage-Tracing topi

Atherosclerosis remains the leading cause of death worldwide and, despite countless preclinical studies describing promising therapeutic targets, novel ...