2023年1月27日
本文介绍了一种用于测量肌腱离体组织内局部二维组织应变的开源数字图像相关算法。该技术的准确性已通过多种方法得到验证,并可供公众使用。
本方案能够实现对肌腱在受载过程中局部组织应变的测量。该方法有助于理解肌腱的力学行为及其对加载环境的适应机制。该技术的主要优势在于所使用的软件可在线公开获取,并且即使在真实组织应变未知的情况下,也能提供测量准确性的反馈信息。
测量肌腱中局部组织的应变对于理解细胞在肌腱退变和修复过程中如何重塑组织具有重要意义。本实验操作将由本实验室的本科生 Stanton Godshall 和博士研究生 Krishna Pedaprolu 演示。将收获的跟腱在 DTAF 中染色后,从 DTAF 溶液转移至 DRAQ5 溶液中,并在室温下避光孵育 10 分钟。
将肌腱放入拉伸加载装置的夹具中。在将夹具安装到加载装置之前,使用数字卡尺测量跟骨附着点与对侧夹具之间的距离。将夹具安装到含有 PBS 的加载装置中,以保持组织的水合状态。
尽可能将肌腱与显微镜图像的 x 轴或 y 轴对齐,以使算法输出的 X 方向应变和 Y 方向应变与肌腱轴线相对应。用 1 克张力对肌腱进行预加载。如需要,可在组织中心区域光漂白四条间距为 80 微米的线,并在靠近夹具的左右两端重复此过程。
各组织区域中线条间距离的变化是局部组织应变的间接测量指标,可用于验证数据。接下来,使用共聚焦显微镜获取DTAF和DRAQ5荧光在1克预载荷下的三维图像。以每秒0.5%的速率进行至2%应变的应变递增。
请注意,应变率和增量应变幅度可以调整。在让组织应力松弛10分钟后,对变形后的组织再采集一次体积图像。根据需要,重复此过程进行多次应变增量。
为生成数字化转换图像,请从 GitHub 下载代码 digital_strain.m。下载后,打开并运行该代码。
当系统提示时,在按下“确定”按钮前,输入所需的最大施加应变、施加应变增量和泊松比值。随后当再次出现提示时,选择未变形的参考图像。对于每个应变增量,将显示参考图像与变换后图像的叠加图。经数字变换的图像将保存至名为“digitally transformed X percent strain”的目录中,其中X为应变增量。
打开显示名称的脚本,然后点击“运行”以开始图像分析。当系统提示时,根据需要调整增强拉格朗日数字图像相关(ALDIC)参数的数值。在提示后,选中“是”复选框,以自动保存所需变量集合的平均值、标准差和二维图谱。
当系统提示时,选择所需的变量,如 X 应变、Y 应变、剪切应变、异常区域等,然后点击“确定”。在下一个提示出现后,选择包含已重命名的最大强度 Z 投影图像的文件夹。软件将自动执行增量 ALDIC 分析,以确定变形图像的应变场。当系统提示时,单击鼠标左键创建一个四点闭合多边形,以定义用于测量应变的感兴趣区域。
文件夹“nuclear tracking results”可通过对第555和556行代码进行调整来重命名,该文件夹存储了之前指定的所有图表。此文件夹还包含一个名为“results”的电子表格,用于存储之前指定的所有均值和标准差。在使用数字施加应变的图像进行验证时,ALDIC算法始终低估了平均X方向应变,且误差幅度随施加应变的增加而增大。
Y 应变也大多被低估了。然而,在所有情况下,应变误差的幅度都非常小。尽管计算得到的 X 应变和 Y 应变的标准差数值较低,但随着施加应变的增加而增大。
不良区域分析显示,在使用累积法分析的数字变换图像中,当施加应变超过6%后,出现无效应变计算的不良区域数量持续增加,而增量始终保持在1%。在四个样本中的一个样本(被视为异常值)中,在最大应变增量时,近一半的图像区域被识别为不良区域。由ALDIC计算得到的X方向应变大于通过PBLs测定的结果,两者差异在0.005以内,与所有样本PBL数据的平均标准差相当。通过测定腱组织在拉伸载荷下的局部应变大小及其空间分布发现,在所有样本中,X方向应变始终低于施加的应变。
在所有应变增量中,Y 方向的平均应变近似为零,但标准差较高。平均剪切应变在整个应变增量过程中持续稳定增加。最重要的一点是,在施加更大应变之前,务必先保存图像。
如果未保存,图像将丢失且无法恢复。尽管该技术已专门验证用于测量肌腱内的组织应变,但它也可为许多其他动物和人体组织的力学生物学及力学特性研究提供见解。
查看完整文字稿并访问数千部科学视频
本研究介绍了一种开源的数字图像相关算法,旨在测量肌腱离体组织中的局部二维应变。该技术的准确性已通过多种方法得到验证,并向研究人员公开提供。
对肌腱离体组织中局部组织应变进行定量测量,对于降低肌肉骨骼系统和力学生物学研究中早期发现假设的风险至关重要。开源的ALDIC算法可实现标准化、可重复的应变图谱分析,有助于提高靶点验证和机制研究的预测可信度。该技术通过提供经过验证且可扩展的组织功能评估工具,增强了项目决策能力。
这一开源的数字图像相关工作流程涵盖了从早期发现到临床前模型验证的全过程,支持肌腱研究中的机制探索和检测方法开发。