4D光片成像技术观察斑马鱼心脏收缩

本研究采用4D光片成像技术探索斑马鱼的心脏收缩功能，旨在从单细胞水平理解心脏收缩的动力学特征。其中最主要的实验挑战之一是在观察天然心律的同时，实现心脏功能的高空间末端分辨率动态成像。本研究填补了在单细胞分辨率下分析复杂4D心脏动力学的空白。

我们利用基于GPU的并行计算、虚拟现实技术以及先进的细胞追踪方法来解析光片成像数据。我们开发的新型虚拟现实平台提供了一种交互式方法，用于评估心脏区域收缩，并具备可操作功能以实现更深入的分析。通过促进用户主导的心脏收缩分析，本实验方案有望加深对心脏发育及疾病机制的理解。

首先，打开体视显微镜，以记录受精后0至7天内斑马鱼幼鱼的发育过程。配制含有150毫克/升三卡因的0.8%低熔点琼脂糖溶液。待琼脂糖冷却至室温后，使用移液器将麻醉后的斑马鱼转移至琼脂糖中。

使用另一支移液管，将鱼样用琼脂糖固定在氟化乙烯丙烯管中。将固定有斑马鱼幼鱼的管子连接到六轴电动光片显微镜的样品台上。将管子浸入充满E3水的样品室中。

将斑马鱼幼鱼从腹侧旋转，以更好地观察心脏。将电动样品台连接到工作站，并设置所有必要参数，包括所需的移动模式。建立sCMOS相机与工作站之间的连接。

将步长设置为1微米，总帧数设置为300，曝光时间为5毫秒。然后，定义所需的感兴趣区域。打开激光器电源，启动光片显微镜对幼虫的成像。

记录300帧作为二维图像序列，以覆盖幼虫的三到五个心动周期。对新的样本切片再记录另一组图像序列，直至覆盖整个心脏。首先，打开MATLAB。

打开 test_parallel.m 文件。在 baseDir 变量中，指定原始图像序列文件夹的位置。

将变量 numbOfSlice 赋值为图像序列的总数，numbOfImage 赋值为每个序列中的图像数量。检查斑马鱼心脏中间层面的图像序列，识别该序列中第一次和第四次收缩期的帧编号，并将其分别赋值给变量 systolicPoint_1st 和 systolicPoint_4th。

单击“运行”以开始成像重建。下载三维细胞追踪软件包，并配置 Python 环境。下载并打开 ITK-SNAP 标注软件。

在两个时间点手动标注三维心脏图像，一个时间点为心室舒张期，另一个时间点为心室收缩期，以创建训练和验证数据集。在 Python 中运行三维细胞追踪器训练程序。在训练 UNet 3D 函数中，初始化 noise_level、folder_path 和模型参数，以设置预定义的三维 UNet 模型。

在 MATLAB 中，使用图像维度转换器 dim converter.m 程序，将训练集和验证集转换并重命名为适合加载的正确格式。在 Python 中，使用训练器 trainer。

load_dataset 和 trainer.draw_dataset 函数用于分别加载训练和验证数据集。然后运行 3D 细胞追踪器训练程序的第一部分，并定义用于 3D 细胞分割的成像参数。

现在，在 MATLAB 中使用图像 DIM 转换器（image DIM converter.m）程序，将所有三维心脏图像转换并重命名为正确格式，并将其转移至数据文件夹。在 Python 中运行三维细胞追踪程序的第二部分，以开始分割。

完成首个3D图像的分割后，将分割结果与原始图像进行比较。将修正后的分割结果移至已创建的手动分割体积文件夹中。在Python中运行3D细胞追踪程序的第三部分，以对所有图像进行分割。

接下来，打开 Amira 软件，将追踪到的细胞位置与其对应的原始图像进行比较，以直观评估追踪结果。手动验证细胞追踪结果数据，并选择在所有体数据中图像强度一致的细胞。在 3D Slicer 软件中，使用细胞标签生成 obj 文件。

ipymbScript 生成表面网格，并为每个细胞分配唯一的颜色编码。将每个3D模型导出为单个obj文件，包含多个子对象，并附带一个mtl文件以描述细胞标签。使用教育许可证将3D模型导入Unity中。

将由 C# 程序编写的函数构成的自定义脚本应用于模型和用户界面元素，以实现四维可视化和交互式分析。