Límite exterior asistida por segmentación y cuantificación de huesos Trabecular por un Imagej Plugin
Summary
Presentamos un flujo de trabajo para segmentar y cuantificar los huesos trabeculares para imágenes 2D y 3D basados en el límite exterior del hueso utilizando un plugin de ImageJ. Este enfoque es más eficiente y preciso que el actual enfoque de contorno de mano manual y proporciona cuantificaciones capa por capa, que no están disponibles en software comercial actual.
Abstract
Tomografía computada de micro (micro-CT) se utiliza rutinariamente para evaluar la cantidad de hueso y trabeculares propiedades microestructurales en pequeños animales en condiciones de pérdida de hueso diferentes. Sin embargo, el enfoque estándar para análisis trabecular de imágenes micro-CT es rebanada por rebanada semiautomática mano contorno, uso intensivo de mano de obra y propenso a errores. Se describe aquí es un método eficaz para la segmentación automática de huesos trabeculares según límites exterior del hueso, donde huesos trabeculares pueden ser identificados y segmentados automáticamente con precisión con menos sesgo del operador cuando sea apropiado se establecen parámetros de segmentación. Para Perfil de parámetros de segmentación satisfactoria, se muestra una pila de imágenes de los resultados de la segmentación, donde todas las combinaciones posibles de los parámetros de segmentación son cambiados uno por uno en secuencia, y resultados de segmentación con parámetros asociados pueden fácilmente se comprueba visualmente. Como medida de control de calidad del plugin, se cuantifican objetos estándar simulados donde pueden comparar las cantidades medidas con valores teóricos. Capa por capa la cuantificación de propiedades trabeculares y el grosor trabecular están reportados por tal un plugin, y la distribución de tales propiedades dentro de las regiones seleccionadas puede ser perfilada fácilmente. Aunque la cuantificación capa por capa retiene más información sobre huesos trabeculares y facilita aún más el análisis estadístico de los cambios estructurales, tales medidas son de carácter de la salida de software comercial actual, donde solamente una sola valor cuantificado para cada parámetro se divulga para cada muestra. Por lo tanto, los flujos de trabajo descritas son mejores enfoques para el análisis de los huesos trabeculares con precisión y eficiencia.
Introduction
Micro-CT en el análisis de huesos trabeculares es el acercamiento estándar para el seguimiento de los cambios morfológicos de los huesos en animales pequeños bajo diferentes hueso pérdida condiciones1,2,3, donde diversas variables relacionadas con la estructuras de los huesos son reportados4. Sin embargo, estos parámetros no se distribuyen uniformemente en la metafísis de huesos largos5, y sólo un valor resumido o promedio es para cada variable estructural de cada muestra por comercial máquinas de micro-CT actual6,7 , aunque un solo valor no puede representar completamente las características del parámetro medido en la región de análisis. Cuantificación de capa por capa de huesos trabeculares no sólo retiene más información para cada variable, sino que también permite el perfilado de las distribuciones de variables en la región de análisis, facilitar el posterior análisis estadístico de estructural cambios bajo diferentes condiciones de5. Por lo tanto, el objetivo de este método es cuantificar los huesos trabeculares de micro-CT explora en cada nivel de sector, que no está disponible en cualquier paquete de análisis micro-CT comercialmente disponibles actualmente.
Eficientemente segmento huesos trabecular rebanada-de-rebanar, métodos de segmentación automática son deseables. Sin embargo, la técnica estándar actual para el análisis micro-CT se basa en contorno interactivo manual seguido por interpolación semiautomático para separar los huesos trabeculares de los compartimientos corticales, que es mano de obra, errores, y asociada a importante operador diagonal8,9,10. Se informaron los métodos de segmentación automática11,12 , pero estos métodos sólo son óptimos en regiones con buena separación entre huesos trabeculares y corticales huesos, pero no en las regiones sin separaciones claras. Por otra parte, se requieren para diferentes muestras12parámetros de segmentación diferente, y es tedioso seleccionar manualmente los parámetros de segmentación satisfactorio aplicables a grupos de muestras de huesos por probar distintos de combinaciones de parámetros12, a pesar de que el proceso de segmentación es automático cuando se establecen todos los parámetros relacionados. Como el límite exterior del hueso tiene el mayor contraste con el fondo de exploración y las cáscaras cortical metafisaria de los huesos largos muestran pocos cambios en el elegido analizar la región métodos de segmentación según el contorno del límite exterior de los huesos largos pueden forma fiable y precisa separar huesos trabeculares conchas corticales. La ventaja de este método de segmentación es que la segmentación se basa en la diferencia entre el fondo y el límite exterior del hueso, pero no en las diferencias entre los huesos trabeculares y corticales6,12, 13, por lo tanto es generalmente fácil de encontrar una combinación de parámetros de segmentación que es satisfactoria para un grupo de muestras de huesos, facilitando el análisis más fiable de trabeculares cambios entre diferentes grupos.
En cada rebanada de nivel, área, perímetro y espesor (2D) bidimensional se divulgan para análisis 2D, mientras que el volumen, superficie y grosor de (3D) tridimensional se divulgan en cuantificaciones 3D. Dicha información no se divulga generalmente por las actuales herramientas de análisis de imagen, lo que indica que los procedimientos reportados pueden aplicarse a imágenes general donde se desea dicha información.
Protocol
Representative Results
Discussion
Este estudio describe un plugin de ImageJ para el análisis de los huesos trabeculares, que es automático, eficiente, y fácil de usar. El plugin también puede utilizarse para cuantificar objetos 2D o 3D, capa por capa medidas de áreas, volúmenes y espesores. Actualmente, sólo un único valor medido para cada parámetro trabecular se divulga para cada muestra por análisis estándar de micro-CT, que no pueden representar completamente las características de la entidad medida en la región de análisis seleccionada….
Divulgations
The authors have nothing to disclose.
Acknowledgements
Este trabajo fue parcialmente financiado por grant 81170806 de NFSC. Los autores desean dar las gracias a la instalación de micro-CT en base de la escuela de Estomatología, Universidad de Wuhan para ayudar a explorar y analizar el fémur de la rata.
Materials
| ImageJ | NIH | imagej | Any version with a java 1.8 run time |
| trabecular analysis plugin | Bomomics | bomomics | free or commercial version |
| Micro CT scanner | Scanco | μ-50 | micro CT from any vendor |
| Computer System | Lenovo | any brand | |
| Windows Operating System | Microsoft | Windows 7 x64 | any 64-bit Windows operating system |
| Office Software | Microsoft | Office 2010 | any speadsheet software that has xy chart function |
References
- Ruegsegger, P., Koller, B., Muller, R. A microtomographic system for the nondestructive evaluation of bone architecture. Calcif Tissue Int. 58 (1), 24-29 (1996).
- Muller, R., Ruegsegger, P. Micro-tomographic imaging for the nondestructive evaluation of trabecular bone architecture. Stud Health Technol Inform. 40, 61-79 (1997).
- Clark, D. P., Badea, C. T. Micro-CT of rodents: state-of-the-art and future perspectives. Phys Med. 30 (6), 619-634 (2014).
- Bart, Z., Wallace, J. Microcomputed Tomography Applications in Bone and Mineral Research. Advances in Computed Tomography. 2, 121-127 (2013).
- Ji, Y., Ke, Y., Gao, S. Intermittent activation of notch signaling promotes bone formation. Am J Transl Res. 9 (6), 2933-2944 (2017).
- Jiang, Y., Zhao, J., White, D. L., Genant, H. K. Micro CT and Micro MR imaging of 3D architecture of animal skeleton. J Musculoskelet Neuronal Interact. 1 (1), 45-51 (2000).
- Laib, A., et al. 3D micro-computed tomography of trabecular and cortical bone architecture with application to a rat model of immobilisation osteoporosis. Med Biol Eng Comput. 38 (3), 326-332 (2000).
- Cole, H. A., Ichikawa, J., Colvin, D. C., O’Rear, L., Schoenecker, J. G. Quantifying intra-osseous growth of osteosarcoma in a murine model with radiographic analysis. J Orthop Res. 29 (12), 1957-1962 (2011).
- Jensen, M. M., Jorgensen, J. T., Binderup, T., Kjaer, A. Tumor volume in subcutaneous mouse xenografts measured by microCT is more accurate and reproducible than determined by 18F-FDG-microPET or external caliper. BMC Med Imaging. 8, 16 (2008).
- Soviero, V. M., Leal, S. C., Silva, R. C., Azevedo, R. B. Validity of MicroCT for in vitro detection of proximal carious lesions in primary molars. J Dent. 40 (1), 35-40 (2012).
- Kohler, T., Stauber, M., Donahue, L. R., Muller, R. Automated compartmental analysis for high-throughput skeletal phenotyping in femora of genetic mouse models. Bone. 41 (4), 659-667 (2007).
- Buie, H. R., Campbell, G. M., Klinck, R. J., MacNeil, J. A., Boyd, S. K. Automatic segmentation of cortical and trabecular compartments based on a dual threshold technique for in vivo micro-CT bone analysis. Bone. 41 (4), 505-515 (2007).
- Dougherty, G. Quantitative CT in the measurement of bone quantity and bone quality for assessing osteoporosis. Med Eng Phys. 18 (7), 557-568 (1996).
- Doube, M., et al. BoneJ: Free and extensible bone image analysis in ImageJ. Bone. 47 (6), 1076-1079 (2010).
- Bouxsein, M. L., et al. Guidelines for assessment of bone microstructure in rodents using micro-computed tomography. J Bone Miner Res. 25 (7), 1468-1486 (2010).
