血管化的芯片上的有机体:设计,成像和分析
Tingting Yu1,2, Qihang Yang1,2, Bo Peng3
1Britton Chance Center for Biomedical Photonics - MoE Key Laboratory for Biomedical Photonics, Huazhong University of Science and Technology, Wuhan, Hubei, 430074, China.
Angiogenesis
|February 27, 2024
概括
血管化的芯片上的有机体 (VOoC) 模型改善了体外物质交换. 本综述涵盖了用于血管分析的VOoC设计,光学清除和深度学习,解决当前的挑战.
科学领域:
- 生物医学工程 生物医学工程
- 组织工程是组织工程.
- 有机物技术 有机物技术
背景情况:
- 血管化的芯片上的有机体 (VOoC) 模型通过在深层有机体层中实现物质交换来增强体外生理相关性.
- 目前的VOoC设计侧重于内皮细胞自我组装或预先在水凝中采用模式的光,以控制输液.
- 高分辨率对VOoC血管系统的成像通常受到组织散射的限制,阻碍了深度光学透.
研究的目的:
- 提供血管化器官在芯片 (VOoC) 模型的全面概述.
- 审查适用于VOoC特征的光学成像和组织光学清除 (TOC) 技术.
- 总结血管分析方法,包括深度学习,并讨论未来的方向.
主要方法:
- 审查关于VOoC芯片设计和培养策略的现有文献.
- 在VOoC中分析光学成像技术和组织光学清除 (TOC) 应用.
- 对血管分析方法的调查,重点是深度学习方法.
主要成果:
- 与传统的有机体相比,VOoC模型提供了更好的物质交换和生理相关性.
- 组织光学清除 (TOC) 技术可以对VOoC血管系统进行更深入的3D可视化.
- 深度学习方法显示出对大规模VOoC成像数据的有效分析的前景.
结论:
- VOoC技术与先进的成像和分析相结合,对体外疾病建模和药物查具有重大潜力.
- 进一步开发高效的血管分析工具对于释放VOoC的全部潜力至关重要.
- 解决成像深度和数据分析方面的挑战将推动未来有机体芯片系统的进步.
