Ytre-grensen assistert segmentering og måling av trabekulært Ben av en Imagej Plugin
Summary
Vi presenterer en arbeidsflyt for segmentering og kvantifisere trabekulært bein for 2D- og 3D-bilder basert på benets ytre grensen ved hjelp av en ImageJ plugin. Denne tilnærmingen er mer effektiv og nøyaktig enn gjeldende manuell hånd å omforme tilnærming, og gir lag-på-lag quantifications, som ikke er tilgjengelige i gjeldende kommersiell programvare.
Abstract
Mikro-beregnet tomografi (mikro-CT) er rutinemessig brukes til å vurdere bein antall og trabekulært microstructural egenskaper i små dyr under ulike bein forhold. Men er tilnærmingen for trabekulært analyse av mikro-CT-bilder skive av skive halvautomatisk hånd omforme, arbeidskrevende og feil. Beskrevet her er en effektiv metode for automatisk segmentering av trabekulært bein etter benets ytre grenser, hvor trabekulært bein kan identifiseres og segmentert automatisk med nøyaktighet med mindre operatør bias når det passer segmentering er angitt. Profilen tilfredsstillende segmentering parametere, vises en bildestakk segmentering resultater, der alle mulige kombinasjoner av parameterne segmentering er endret en etter en i rekkefølgen, og segmentering resultater med tilknyttede parametere kan enkelt kontrolleres visuelt. Som en kvalitetskontroll funksjon av plugin, er simulert standard objekter kvantifisert der målt mengder kan sammenlignes med teoretiske verdier. Lag-på-lag kvantifisering av trabekulært egenskaper og trabekulært tykkelser rapporteres av en plugin, og distribusjonen av egenskaper i utvalgte regioner kan bli profilert lett. Selv om lag-på-lag kvantifisering beholder mer om trabekulært bein og forenkler mer statistisk analyse av strukturelle endringer, er slike tiltak utilgjengelige fra utdataene for gjeldende kommersiell programvare, der bare én kvantifisert verdi for hver parameter er rapportert for hver prøve. Beskrevet arbeidsflytene er derfor bedre metoder for å analysere trabekulært bein med nøyaktighet og effektivitet.
Introduction
Mikro-CT analyse av trabekulært bein er standard tilnærming til å spore morfologiske endringer av bein i små dyr under ulike bein tap forhold1,2,3, hvor flere variabler knyttet til den strukturer av bein er rapportert4. Men slike parametre er jevnt fordelt ikke i metaphysis lange ben5, og bare summerte eller gjennomsnitt verdien rapporteres for hver strukturelle variabel for hvert utvalg med gjeldende kommersielle mikro-CT maskiner6,7 , men en enkeltverdi ikke fullt representerer egenskapene til parameteren målt i regionen analyse. Lag-på-lag kvantifisering av trabekulært Ben ikke bare beholder mer informasjon for hver variabel, men kan også profilering av distribusjonen av slike variabler i regionen analyse, tilrettelegge påfølgende statistisk analyse av strukturelle endringer under ulike forhold5. Målet med denne metoden er derfor kvantifisere trabekulært bein av mikro-CT skanner på hver sektor nivå, som ikke er tilgjengelig i alle kommersielt tilgjengelig mikro-CT analyse pakken.
Effektivt segmentet trabekulært bein sektor-av-skive er automatisk segmentering metoder ønskelig. Gjeldende standard teknikken for mikro-CT analyse er imidlertid basert på manuell interaktive kontur etterfulgt av halvautomatisk interpolering skille trabekulært bein fra de kortikale avdelinger, som er arbeidsintensiv, utsatt for feil, og knyttet til betydelige operatør bias8,9,10. Automatisk segmentering metoder11,12 ble rapportert, men slike metoder er bare optimale i områder med god separasjon mellom trabekulært bein og kortikale bein, men ikke i områder uten klart separasjoner. Videre ulike segmentering parametere kreves for forskjellige prøver12, og det er kjedelig å manuelt velge tilfredsstillende segmentering parametere gjelder for grupper av bein prøver ved å prøve forskjellige parameteren kombinasjoner12, Selv om segmentering prosessen er automatisk når alle relaterte parametere er angitt. Som bein ytre grensen har høyest kontrast med skanning bakgrunn og metaphyseal kortikale skall av lange ben vise noen endringer i valgt analysere regionen, segmentering metoder i forhold ytre-grensen konturene av lange ben kan pålitelig og nøyaktig separat trabekulært bein kortikale skjell. Fordelen med slik segmentering metode er at oppdeling er basert på forskjellen mellom bakgrunnen og benets ytre grensen, men ikke på forskjellene mellom trabekulært og kortikale bein6,12, 13, derfor er det vanligvis lett å finne en kombinasjon av segmentering parametere som er tilfredsstillende for en gruppe av bein prøver, tilrettelegge mer pålitelig analyse av trabekulært endringer mellom forskjellige grupper.
På hver skive er nivå, area, perimeter og todimensjonal (2D) tykkelse rapportert for 2D analyse, mens volum, overflate og tredimensjonale (3D) tykkelse rapporteres i 3D quantifications. Slik informasjon er generelt ikke rapportert av gjeldende bilde analyseverktøy, som indikerer at rapportert prosedyrene kan brukes til generelle bilder hvor slik informasjon er ønsket.
Protocol
Representative Results
Discussion
Denne studien beskriver en ImageJ plugin for å analysere trabekulært Ben, som er automatisk, effektiv og brukervennlig. Plugin kan også brukes til å kvantifisere alle 2D eller 3D objekter til lag-på-lag tiltak områder, volumer og tykkelser. Foreløpig er bare én målte verdi for hver parameter for trabekulært rapportert for hver prøve av standard mikro-CT analyse, som ikke fullt representerer egenskapene til den målte enheten i den valgte analysere regionen. Beskrevet plugin rapporter lag-på-lag mengder hver p…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Dette arbeidet ble delvis støttet av grant NFSC 81170806. Forfatterne vil gjerne takke funksjonen mikro-CT kjernen av skolen av Stomatology, Wuhan University for å hjelpe skanne og analysere rotten femurs.
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).
