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

Detta arbete stöddes av finansiering från institutionen för radiologi vid universitetet i Bologna.

Detta protokoll följer riktlinjerna från den institutionella mänskliga forskningsetiska kommittén.
1. Hämtar DICOM-bilderna
<ol><li>Ladda ner DICOM-bilderna och överför dem i arbetsstationen tillägnad segmenteringen, med 3D-programvaran installerad. Om du planerar att arbeta på en persondator, anonymisera DICOM-data.</li>
</ol>2. Importerar HRCT-studien om programvaran 3D Slicer
<ol><li>I skärmen för öppning av programva...

<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 utgör ett grundläggande steg för att utföra moderna kvantitativa radiologistudier, och är nödvändigt för att tillämpa radiomik eller textur analystekniker. Patologiska fynd i lungorna representerar en av de mest utmanande att segmentera, för bristen på definierade anatomiska gränser och en liten skillnad i dämpningsvärde jämfört med de friska områdena.
Källan bilder måste presentera med ett minimum av artefakter om möjligt, särskilt på de patologiska områden...

Under innevarande år står världen inför en hälsokris, den pandemi som orsakas av romanen Coronavirus, Sars-CoV2. Även om, upp till det närvarande datera, många aspekter angående physiopathologyen av COVIDEN-19 infektion är stilla oklart, delar det flera kännetecken med dess "förfäder" SARS1 och MERS. I synnerhet har det bevisats att virion spike proteiner interagerar med Angiotensin Converting Enzyme Type-2, en receptor väl representerade på alveolar endotelceller, men allestädes närvarande i den mänskliga organismen, därmed har potential att ge systemiska symtom1.
För diagnos är den nuvarande standarden realtids omvänd transkriptas-polymeras kedjereaktion (rt-PCR), ett test som utförs på faryngeal svabbprover. Även om radiologisk imaging inte är officiellt erkänd i diagnostiska vägen för upptäckt av sjukdomen, visade sig hög upplösning datortomografi (HRCT) vara ett värdefullt stöd till kliniska och epidemiologiska förvaltningen av drabbade patienter, på grund av den relativt låga känsligheten hos den rt-PCR, den nuvarande bristen på specialiserade laboratorier och av de nödvändiga reagenser, och den höga operator-beroende.
Den radiologiska Society of North America (RSNA) släppt ett samförstånd uttalande, som godkändes av samhället i Thoracic Radiologi och American College of Radiologi (ACR), som klassificerar CT utseende COVID19 i fyra kategorier för att standardisera rapporteringen, dela de varordnad lunginflammation mönster i "typiska", "atypiska", "obestämd", och "negativa"2.
Det "typiska" mönstret kännetecknas av närvaron av rundaformade Ground Glass Opacities (GGO), vanligtvis med en sub-pleural plats på dorsala basala segment. Den GGO kan associeras med "Crazy Paving" områden av förtjockad septa, eller andra tecken på att organisera lunginflammation. Den "obestämda" mönstret kännetecknas av frånvaron av de "typiska" mönster resultaten, med diffusa GGO områden med en perihilar fördelning, med eller utan consolidative områden. Det "atypiska" mönstret kännetecknas av antingen frånvaron av de "typiska" eller "obestämda" tecknen, och närvaron av lobarkonsolidering, "träd i knopp", slät förtjockning av septa och pleurautgjutning; i denna presentation ingen GGO är detekterbara. Det "negativa" mönstret kännetecknas av frånvaron av de ovan nämnda patologiska fynden.
Enligt litteraturen kan vissa patienter presentera med en hög klinisk misstänkt för COVID-19 stöds av epidemiologiska kriterier och bildframställning konstaterande med negativa rt-PCR3,4. Å andra sidan har det rapporterats att patienter med en positiv rt-PCR och suggestiva kliniska fynd, inte presentera patologiska fynd på HRCT5.
Numera är det av största intresse för forskarsamhället att tillämpa tekniker bildanalys när kvantitativt studera egenskaperna hos denna sjukdom. En nyligen genomförd studie har tillämpat automatiserad segmenteringsteknik av lungparenkymen för att identifiera andelen luftade lungorna hos patienter som drabbats av COVID-19, korrelera detta värde med prognosen, och visar att patienter med en allvarligare lunginblandning innebar större risk att tas upp på intensivvårdsavdelningen (IVA), och har sämreresultat 6.
Segmenteringen är kontureringen av regioner av intresse (ROIs) inuti en volym som förvärvats genom en bildteknik, såsom HRCT. Denna verksamhet får utföras om tre metoder: manuell, halvautomatisk och automatisk. Manuell segmentering, tack vare erfarenheten av en utbildad radiolog, består av märkning av voxels som hör till det patologiska området. De största nackdelarna med denna metod är den stora tid som krävs och det faktum att den är operatörsberoende.
Halvautomatiska metoder gör det möjligt att påskynda segmenteringen eftersom operatören kan ändra en segmenteringsmask som erhålls genom de klassiska metoderna för bildbehandling (t.ex. tröskelvärde på pixelintensitet, klustring osv.). Dessa tekniker är dock inte lätta att genomföra i klinisk praxis eftersom de kräver omfattande manuella ingrepp i de mest komplicerade fallen18.
Automatiska segmenteringsmetoder, som för närvarande är av begränsad användning, använder artificiell intelligens för att erhålla ROIs. I synnerhet syftar en nyligen genomförd studie till att använda automatisk segmentering i kvantifieringen av markglasområden hos patienter som lider av COVID-19 interstitielllunginflammation 19. Definitionen av ett segmenteringsprotokoll för de patologiska områdena på HRCT-bilderna är det verkliga första steget mot den efterföljande radiomics-analysen, för att identifiera funktioner som skulle kunna bidra till att ytterligare förstå sjukdomens fysiopatologi, och fungera som en korrekt prognostisk faktor som potentiellt påverkar behandlingen.
Detta dokument erbjuder en guide för att få korrekta och effektiva segment som representerar de patologiska resultaten av COVID-19 lunginflammation med hjälp 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 är en komplex uppgift, inför radiologer och forskare som radiomics och maskininlärning växa i potentialitet. Processen kan antingen vara automatisk, halvautomatisk eller manuell, den första ofta inte är tillräckligt exakt eller lätt reproducerbara, och den sista är överdrivet tidskrävande när man involverar stora distrikt med högupplösta förvärv.
En högupplöst CT av bröstet är sammansatt av hundratals bilder, och detta gör den manuella metoden överdrivet tidskrävande. Vidare kräver de parenchymala ombyggnaderna en expertutvärdering för att urskiljas från det normala utseendet; således är en halvautomatisk strategi för segmenteringsprocessen, så som vi vet, den mest lämpliga när man segmenterar lunginflammationer, särskilt när deras funktioner fortfarande är okända.
För de studier som utförts i vårt institut om bildbehandling av COVID-19, antog vi 3D Slicer, en freeware programvara som produceras av Harvard University, och kombinerade tröskeln med färgpensel instrument för att uppnå snabb och exakt segmentering av luftade lungan, slipat glas opaciteter, och konsolideringar. När man står inför komplexa fall, kräver denna metod fortfarande en avsevärd tid för korrekt manuella justeringar, men ger ett extremt effektivt medelvärde för att definiera segment att använda för ytterligare analys, såsom beräkning av andelen av den drabbade lungparenkym eller textur analys av marken glasområden.

Den föreslagna metoden har förfinats genom försök och fel, testa den på 117 patienter som drabbats av COVID-19 lunginflammation med ett positivt rt-PCR-test.
Efter en kort inlärningskurva kan den tid som behövs för att få fram segmenten variera från 5 till 15 minuter, beroende på presentationsmönstret.
Som visas på figur 1, ger metoden exakta segment: detta kan observeras genom att läggas fast exakt korrespondens med HRCT. 3D-rendering...

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

Syftet med detta protokoll är att tillhandahålla ett tidseffektivt sätt att segmentera volymer av intresse på högupplösta datortomografier att använda för ytterligare radiomics-analys.

Lung CT Segmentering att identifiera konsolideringar och markområden glas för kvantitativa Assesment av SARS-CoV lunginflammation

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

Eftersom utbrottet av romanen coronavirus sjukdom pandemi, en enkel och effektiv metod användbart för att få en korrekt segmentering av de typiska patologiska skador av denna infektion i bröstet DATORtomografi bilder verkar grundläggande. Således är vårt mål att erbjuda ett startpaket av kunskap för att låta människor utföra en enkel och effektiv segmentering av dessa lung patologiska resultat. Förhoppningsvis kommer detta att hjälpa det vetenskapliga samfundet att utveckla dedikerade radiomik och artificiell intelligens studier som kan förbättra den diagnostiska metoden för dessa patienter.Från DICOM-webbläsaren i 3D-utsnitt fortsätter du att välja den studie du vill segmentera och klicka på Läs in. Du kan granska det markerade ärendet i visningsavsnittet. Som ni kan se, denna patient presenterar med marken glas opacities bilateralt och konsolidera områden både, vilket är ett typiskt fall av COVID-19.Gå sedan till segmentet avsnittet, och lägg till tre segment, en för den totala lungvolymen, en för marken glas opaciteter, och en för de konsoliderade områdena. Gå till instrumentet Threshold, och ställ in den övre tröskeln till minus 250 Hounsfield-enhet. Sortera för att välja endast luft och lämna ut mjuka vävnader, ben och konsolidera områden lika, som systemet inte kan urskilja automatiskt från mjuka vävnader, klicka sedan för att tillämpa.Sedan vill du ta bort luften utanför patienten, och för att göra det, använd Island-verktyget och gå till Keep Only Selected Island. Klicka sedan inuti patienten. Du ser luften utanför har tagits bort.Nu, du vill lägga till de consolidativa områdena till den totala lungvolymen. För att göra det, använd paint-instrumentet med penselinställningen Sphere, justera storleken till dina behövanden och vara noga med att undvika mjukvävnad. Med Sphere-borsten målar du upp och ner med avseende på det segment du arbetar med, vilket påskyndar processen.Nu, du vill segmentera de konsoliderade områdena. För att göra det, se till att arbeta inuti den totala lungvolymen utan en mängd andra segment. Med hjälp av instrumentet Threshold höjer du den övre tröskeln för att vara säker på att inkludera mjuka vävnader och konsolideringar, och ställ in den nedre tröskeln till minus 250.Lägg märke till att du väljer både mjukdelar, kärl och konsolidering, men när du klickar på Apply har endast konsoliderande områden valts. Nu, för att segmentera de slipade glasområdena, väljer du segmentet slipat glas. Att hålla inställningarna från föregående segmentering, ange tröskelvärdet från minus 750 upp till minus 250 Hounsfield enhet.Lägg märke till att det här värdet kan variera enligt inställningarna för datortomografi. Justera alltid enligt Fleischner Society definition av slipat glas. Välj en opacitet med det synliga kärlet i sikte.Klicka sedan på Verkställ. Du märker att även mellanstitiella utrymmen har valts. Om du vill justera går du till instrumentet Utjämna.Välj vilket säte som passar bättre konstruktionsalgoritmen för din datortomografi. Och som ni ser har de mellanstitiella utrymmena tagits bort. Du kan kontrollera resultatet av din segmentering går till Segment Editor, och du kan visa en 3D-modell av de segment som du har definierat.Du kan använda skjutreglaget på vänster sida för att justera modellens genomskinlighet. 3D-vy kan användas för att bekräfta rätt segmenteringsprocess. Vi har nu tre olika segment, en för den totala lungvolymen, och de andra två för de typiska resultaten av COVID-19 konsolideringar och markområden glas.Du kan extrahera en del statistik från det segment du har definierat på grund av modulen SegmentStatistics. Ta bort alternativet Scalar Volume, och sedan har du en tabell som uttrycker volymen av den totala lungan och de konsoliderade områdena och de slipade glasområdena. Du kan använda detta för att beräkna sjukdomens svårighetsgrad.Du kan också exportera det segment du har definierat. Du kan gå till avsnittet Data. Sedan synliggör bara det segment du vill exportera, klicka på ögonikonen.Högerklicka sedan och exportera endast binär etikettkarta synlig. Du kan förbli labelmap som du föredrar. Du måste upprepa processen för varje segment du har definierat.Genom att göra så har du nu tre labelmaps som motsvarar det segment du har definierat. Detta kan exporteras i vilken filtyp du föredrar eller passar bäst för vidare analys. Dessutom. Med dessa metoder kan forskare snabbt få en noggrann segmentering för patologiska fynd av COVID-19 för vilka specifika funktioner kan extraheras.Att ge sådan kunskap till forskarvärlden, kan man ta fram exakta, helt automatiserade segmenteringsmetoder och fastställa exakta prognostiska faktorer.

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

Osteopathic Otillbörlig behandling som ett användbart Tilläggsverktyg för lunginflammation

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

Implantation av fibringel på Mus Lung att studera Lung specifika angiogenes

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

Utvärdering av lungmetastas i musbrösttumör Modeller av kvantitativ realtids-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

Apical Resection musmodell för att studera tidiga däggdjur hjärta 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

Proximal avlidna lårben Förberedelse för brotthållfasthet testning och Kvantitativ CT-baserade 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

Insugnings- och Micro-CT-avbildning av Cerebral Cavernous missbildningar i musmodell

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

Kvantitativa Micro-CT analys av Aortopathy i en musmodell av β-aminopropionitrile-inducerad aorta Aneurysm och dissektion

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

Murina orofaryngeal Aspiration modell av ventilatorassocierad och vårdrelaterade bakteriell pneumoni

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 analys av cellulära sammansättningen i avancerade aterosklerotiska lesioner av glatt muskulatur Cell härstamning-Tracing möss

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

Customizing a Cryolite Glass Prosthetic Eye

Anpassa en Cryolite glass protetiska öga

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