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

Dette arbeidet ble støttet av finansiering fra Institutt for radiologi ved Universitetet i Bologna.

Denne protokollen følger retningslinjene til den institusjonelle etikkkomiteen for menneskelig forskning.
1. Laste ned DICOM-bildene
<ol><li>Last ned DICOM-bildene og overfør dem i arbeidsstasjonen dedikert til segmenteringen, med 3D-programvaren installert. Hvis du planlegger å arbeide på en personlig datamaskin, anonymisere DICOM-dataene.</li>
</ol>2. Importere HRCT-studien på 3D Slicer-programvaren
<ol><li>Velg Last inn DICO...

<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>

Segmentering representerer et grunnleggende skritt for å utføre moderne kvantitative radiologistudier, og er nødvendig for å bruke radiomikk eller teksturanalyseteknikker. Patologiske funn i lungene representerer en av de mest utfordrende å segmentere, for mangel på definerte anatomiske grenser og en liten forskjell i dempingsverdi sammenlignet med de sunne områdene.
Kildebildene må presenteres med et minimum av gjenstander hvis mulig, spesielt på de patologiske områdene, og dette er...

I inneværende år står verden overfor en helsekrise, pandemien forårsaket av romanen Coronavirus, Sars-CoV2. Selv om, frem til i dag, mange aspekter om fysipatologien til COVID-19-infeksjonen fortsatt er uklart, deler den flere egenskaper med sine "forfedre" SARS1 og MERS. Spesielt har det vist seg at virion piggproteiner samhandler med Angiotensin Konvertere Enzyme Type-2, en reseptor godt representert på alveolr endotelceller, men allestedsnærværende i den menneskelige organismen, og dermed har potensial til å gi systemiske symptomer1.
For diagnose er den nåværende standarden sanntids omvendt transkripsjonase-polymerase kjedereaksjon (rt-PCR), en test utført på svelgevattpinner. Selv om radiologisk avbildning ikke er offisielt anerkjent i diagnostisk bane for påvisning av sykdommen, viste høyoppløselig datatomografi (HRCT) seg å være et verdifullt hjelpemiddel for klinisk og epidemiologisk behandling av berørte pasienter, på grunn av den relativt lave følsomheten til rt-PCR, den nåværende mangelen på spesialiserte laboratorier og av de nødvendige reagensene, og den høye operatøravhengigheten.
The Radiological Society of North America (RSNA) utgitt en konsensus uttalelse, godkjent av samfunnet thorax radiologi og American College of Radilogy (ACR), som klassifiserer CT utseende av COVID19 i fire kategorier for å standardisere rapportering, dele interstitiell lungebetennelse mønstre i "typisk", "atypisk", "ubestemt", og "negativ"2.
Det "typiske" mønsteret er preget av tilstedeværelsen av runde formede Ground Glass Opacities (GGO), vanligvis med en sub-pleural plassering på dorsale basale segmenter. GGO kan være forbundet med "Crazy Paving" områder av fortykket septa, eller andre tegn på å organisere lungebetennelse. Det "ubestemte" mønsteret er preget av fraværet av de "typiske" mønsterfunnene, med diffuse GGO-områder med perihilarfordeling, med eller uten konsoliderte områder. Det "atypiske" mønsteret er preget av enten fraværet av de "typiske" eller "ubestemte" tegnene, og tilstedeværelsen av lobar konsolideringer, "tre i knopp", jevn fortykkelse av septa og pleural effusjon; i denne presentasjonen kan ingen GGO oppdages. Det "negative" mønsteret er preget av fraværet av de nevnte patologiske funnene.
Ifølge litteraturen kan noen pasienter presentere med en høy klinisk mistenkt for COVID-19 støttet av epidemiologiske kriterier og bildebehandling med negativ rt-PCR3,4. På den annen side har det blitt rapportert at pasienter med en positiv rt-PCR og tankevekkende kliniske funn, ikke presenterer patologiske funn på HRCT5.
I dag er det av avgjørende interesse for det vitenskapelige samfunnet å bruke bildeanalyseteknikker når det kvantitativt studerer egenskapene til denne sykdommen. En fersk studie har brukt automatisert segmenteringsteknikk i lungeparenchyma for å identifisere prosentandelen av atated lunge hos pasienter som er berørt av COVID-19, korrelerer denne verdien med prognosen, og viser at pasienter med en mer alvorlig lungeinvolvering ga mer risiko for å bli innlagt i intensivavdelingen (ICU), og har dårligere resultater6.
Segmenteringen er konturen av interesseområder (ROIer) inne i et volum som er anskaffet gjennom en bildeteknikk, for eksempel HRCT. Denne aktiviteten kan utføres gjennom tre metoder: manuell, halvautomatisk og automatisk. Manuell segmentering, takket være opplevelsen av en utdannet radiolog, består av merking av voxels som tilhører det patologiske området. De viktigste ulempene ved denne metoden er den store tiden som kreves og det faktum at den er operatøravhengig.
Halvautomatiske metoder gjør det mulig å øke hastigheten på segmenteringen, da operatøren kan endre en segmenteringsmaske oppnådd gjennom de klassiske metodene for bildebehandling (f.eks. terskel for pikselintensitet, klynger osv.). Disse teknikkene er imidlertid ikke enkle å implementere i klinisk praksis, da de krever omfattende manuell inngripen i de mest kompliserte tilfellene18.
Automatiske segmenteringsmetoder, for tiden av begrenset bruk, bruker kunstig intelligens for å oppnå ROIer. Spesielt tar en nylig studie sikte på å bruke automatisk segmentering i kvantifisering av jordglassområder hos pasienter som lider av COVID-19 interstitiell lungebetennelse19. Definisjonen av en segmenteringsprotokoll for de patologiske områdene på HRCT-bildene er det virkelige første skrittet mot den påfølgende radiomics-analysen, for å identifisere funksjoner som kan bidra til å forstå sykdommens fysipatologi ytterligere, og tjene som en nøyaktig prognostisk faktor som potensielt påvirker behandlingen.
Dette papiret tilbyr en veiledning for å oppnå nøyaktige og effektive segmenter som representerer de patologiske funnene av COVID-19 lungebetennelse ved hjelp av "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

Segmentering er en kompleks oppgave, overfor radiologer og forskere som radiomikk og maskinlæring vokser i potensial. Prosessen kan enten være automatisk, halvautomatisk eller manuell, den første er ofte ikke tilstrekkelig presis eller lett reproduserbar, og den siste er for tidkrevende når de involverer store distrikter med høyoppløselige oppkjøp.
En høyoppløselig CT av brystet består av hundrevis av bilder, og dette gjør den manuelle tilnærmingen svært tidkrevende. Videre krever de parenchymale endringene en ekspertevaluering som skal skjelnes fra det normale utseendet; Dermed er en halvautomatisk tilnærming til segmenteringsprosessen, så vidt vi vet, den mest passende når du segmenterer lungebetennelser, spesielt når deres egenskaper fortsatt er ukjente.
For studiene utført i vårt institutt for avbildning av COVID-19, vedtok vi 3D Slicer, en freeware programvare produsert av Harvard University, og kombinerte terskelen med penselinstrumenter for å oppnå rask og presis segmentering av aerated lunge, bakken glass opacities, og konsolideringer. Når du står overfor komplekse tilfeller, krever denne metoden fortsatt en betydelig mengde tid for riktige manuelle justeringer, men gir et ekstremt effektivt middel til å definere segmenter som skal brukes til videre analyse, for eksempel beregning av prosentandelen av de berørte lungeparenchyma- eller teksturanalyse av de malte glassområdene.

Den foreslåtte metoden har blitt raffinert gjennom studier og feil, teste den på 117 pasienter berørt av COVID-19 lungebetennelse med en positiv rt-PCR test.
Etter en kort læringskurve kan tiden som trengs for å få segmentene variere fra 5 til 15 minutter, avhengig av presentasjonsmønsteret.
Som vist på figur 1,gir metoden presise segmenter: Dette kan observeres ved å legge merke til den nøyaktige korrespondansen med HRCT. 3D-gjengivelsen ...

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

Målet med denne protokollen er å gi en tidseffektiv måte å segmentere volumer av interesse på høyoppløselige CT-skanninger som skal brukes til ytterligere radiomikkanalyse.

Lung CT segmentering for å identifisere konsolideringer og ground glass områder for kvantitativ assesment av SARS-CoV lungebetennelse

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

Siden utbruddet av romanen coronavirus sykdom pandemi, en enkel og effektiv metode nyttig for å oppnå en riktig segmentering av de typiske patologiske lesjoner av denne infeksjonen i brystet CT skanne bilder vises grunnleggende. Dermed er vårt mål å tilby en startpakke med kunnskap for å la folk utføre en enkel og effektiv segmentering av disse lungeveilogiske funnene. Forhåpentligvis vil dette hjelpe det vitenskapelige samfunnet til å utvikle dedikerte radiomikk- og kunstig intelligensstudier som kan forbedre den diagnostiske tilnærmingen til disse pasientene.Gå til DICOM-nettleseren til 3D Slicer for å velge studien du vil segmentere, og klikk Last inn. Du kan se gjennom den valgte saken i visningsdelen. Som du kan se, presenterer denne pasienten med bakkeglasskapasitet bilateralt og konsoliderende områder, noe som er et typisk tilfelle av COVID-19.Deretter går du til Segment-delen, og legger til tre segmenter, ett for det totale lungevolumet, en for de malte glasskapasitetene og en for de konsoliderte områdene. Gå til terskelinstrumentet, og sett den øvre terskelen til minus 250 Hounsfield-enheten. Sorter for å velge bare luft og utelot bløtvev, bein og konsoliderte områder, som systemet ikke kan skjelne automatisk fra det myke vevet, og klikk deretter for å søke.Deretter vil du fjerne luften utenfor pasienten, og for å gjøre det, bruk islandverktøyet og gå til Keep Only Selected Island. Klikk deretter inne i pasienten. Du ser at luften utenfor er fjernet.Nå vil du legge til de konsoliderte områdene i det totale lungevolumet. For å gjøre dette, bruk Paint-instrumentet med Sphere børsteinnstilling, justere størrelsen til dine behov og vær forsiktig med å unngå bløtvev. Med Sfærebørsten maler du opp og ned med hensyn til stykket du jobber med, noe som øker prosessen.Nå vil du segmentere de konsoliderte områdene. For å gjøre dette, sørg for å jobbe inne i det totale lungevolumet uten en rekke andre segmenter. Bruk terskelinstrumentet til å heve den øvre terskelen for å være sikker på å inkludere bløtvev og konsolideringer, og angi den nedre terskelen til minus 250.Legg merke til at du velger både bløtvev, fartøy og konsolidering, men når du klikker Bruk, er det bare konsoliderte områder valgt. Nå, for å segmentere bakken glass områder, velger du bakken glass segmentet. Holde innstillingene fra forrige segmentering, angi terskelen fra minus 750 opp til minus 250 Hounsfield enhet.Legg merke til at denne verdien kan variere i henhold til ct-skanneinnstillingene. Juster alltid i henhold til Fleischner Society definisjon av malt glass. Velg en tetthet med det synlige fartøyet i sikte.Klikk deretter Bruk. Du vil legge merke til at også interstitielle mellomrom er valgt. For å justere, gå til Smooth-instrumentet.Velg hvilket sete som passer bedre til konstruksjonsalgoritmen til CT-skanningen. Og som du kan se, har de interstitielle områdene blitt fjernet. Du kan sjekke resultatene av segmenteringen til Segmentredigering, og du kan vise en 3D-modell av segmentene du har definert.Du kan bruke glidebryteren på venstre side til å justere gjennomsiktigheten til modellen. 3D-visning kan brukes til å bekrefte riktig segmenteringsprosess. Vi har nå tre forskjellige segmenter, ett for det totale lungevolumet, og de to andre for de typiske funnene av COVID-19 konsolideringer og jordglassområder.Du kan trekke ut noen statistikker fra segmentet du har definert på grunn av SegmentStatistics-modulen. Fjern alternativet Skalarvolum, og deretter har du en tabell som uttrykker volumet av den totale lungen og de konsoliderte områdene og de malte glassområdene. Du kan bruke dette til å beregne alvorlighetsgraden av sykdommen.Du kan også eksportere segmentet du har definert. Du kan gå til Data-delen. Deretter gjør du bare synlig segmentet du vil eksportere, og klikker på øyeikonet.Høyreklikk og eksporter bare binært etikettkart synlig. Du kan forbli etikettkartet som du foretrekker. Du må gjenta prosessen for hvert segment du har definert.Ved å gjøre dette har du nå tre etikettkart som tilsvarer segmentet du har definert. Dette kan eksporteres i hvilken filtype du foretrekker eller passer best for videre analyse. Videre. Med disse metodene kan forskerne raskt få en nøyaktig segmentering for patologiske funn av COVID-19 som spesifikke funksjoner kan ekstraheres for.Å gi slik kunnskap til det vitenskapelige samfunnet, kan nøyaktige, helautomatiske segmenteringsmetoder utvikles og presise prognostiske faktorer bestemmes.

Research

Education

JoVE Core

JoVE Journal

Medical-Surgical Nursing

Medicine

Unit 1

Diagnostic Studies of Respiratory System

SCIENTISTS IN ACTION

Osteopathic Manipulative Treatment as a Useful Adjunctive Tool for Pneumonia

Osteopatisk manipulerende behandling som et nyttig Adjunctive verktøy for lungebetennelse

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 ...

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

Implantasjon av fibringel på Mouse Lung å studere Lung-spesifikke Angiogenese

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

Evaluering av Lung metastaser i Mouse Brysttumormodeller av kvantitativ 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

Apikale Reseksjon Mouse modell for å studere tidlig pattedyr Hjerte Regeneration

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

Proksimale avdød Femur Forberedelse til Fracture Styrke Testing og kvantitativ CT-basert Finite Element Analysis

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

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

Induksjon og mikro-CT avbilding av Cerebral kavernøse misdannelser i musemodell

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

Kvantitativ mikro-CT analyse av Aortopathy i en musemodell av β-aminopropionitrile-indusert aortaaneurisme og disseksjon

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

Murine orofaryngeal aspirasjon modell av vifte-assosiert og sykehus-ervervet bakteriell lungebetennelse

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

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

Kvantitativ analyse av mobilnettet komposisjon i avansert aterosklerotisk lesjoner av glatt muskel celle avstamning-Tracing mus

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

Customizing a Cryolite Glass Prosthetic Eye

Tilpasse en Kryolitt glass protese øye

In Germany, Austria, and Switzerland, over 90% of ocularists still manufacture customized prostheses using cryolite glass from Thuringia. The present ...