相关实验视频
Updated: Jul 14, 2025

09:55
Three-Dimensional Imaging of Aortic Tissues in Atherosclerosis
Published on: October 25, 2024
951
在光学清除器官上的血管网络的3D成像和形态描述器
Nabil Nicolas1, Virginie Dinet1, Etienne Roux1
1University Bordeaux, INSERM, Biologie des maladies cardiovasculaires, U1034, F-33600 Pessac, France.
iScience
|October 9, 2023
概括
本研究通过引入新的,独立于操作员的图像处理和定量形态描述符提取的新方法来解决3D血管网络成像中的偏差. 这些进展旨在提高血管结构的生物研究的可比性和准确性.
科学领域:
- 生物学 生物学 生物学
- 图像分析 图像分析
- 生物医学工程 生物医学工程
背景情况:
- 血管系统结构对于功能至关重要,与疾病相关的改变.
- 目前用于血管网络的3D成像和处理方法引入了偏差和有缺陷的描述符提取.
- 清除器官的光片显微镜是可视化血管网络的关键技术.
研究的目的:
- 审查目前用于血管网络的3D图像处理和形态描述仪方法.
- 通过使用ImageJ.提出运营商独立的细分和骨架化方法.
- 提供可提取的网络层面和细分层面的3D形态描述符和统计分析指南.
主要方法:
- 关于3D血管网络图像处理和形态描述器的文献综述.
- 在ImageJ.中开发经营者独立的细分和骨架化算法.
- 提取和统计分析网络层面 (密度,连接性,碎形维度) 和细分层面 (长度,直径,曲率) 的描述符.
主要成果:
- 在现有的3D血管网络图像处理技术中发现了局限性和偏见.
- 开发并验证了基于ImageJ的操作员独立的细分和骨架化的方法.
- 启用了对血管网络的一套全面的3D形态描述符的提取.
结论:
- 提出的方法为3D血管网络分析提供了一种标准化的方法.
- 这些方法减少了操作者偏差,从而产生了更可靠和可比的定量描述符.
- 这项工作作为一个指导方针,以加强未来的研究血管网络使用3D成像.
更多相关视频
12:28Quantification of Vascular Parameters in Whole Mount Retinas of Mice with Non-Proliferative and Proliferative Retinopathies
Published on: March 12, 2022
3.6K
06:36An In Vitro 3D Model and Computational Pipeline to Quantify the Vasculogenic Potential of iPSC-Derived Endothelial Progenitors
Published on: May 13, 2019
6.1K