Proč není měření průměru cévy u pohybujícího se embrya triviální úlohou
Embrya zebrafish jsou oblíbeným modelem pro kardiovaskulární studie, protože jejich průhlednost umožňuje výzkumníkům sledovat tvorbu a funkci krevních cév v reálném čase. Toto optické okno je velkou výhodou, ale má i svou nevýhodu. Totéž srdce, které tento model tak užitečný činí, zároveň způsobuje pohyb cév. Jediný srdeční tep může posunout hranu cévy o několik pixelů a tento pohyb lze snadno zaměnit za změnu průměru. Systém pro analýzu průtoku krve u zebrafish musí tedy rozlišit skutečnou geometrii cévy od srdečního pohybu, dýchacího pohybu a případných svalových stahů.
Problém není pouze v pohybu. Průměr cévy u larvy může být jen několik mikrometrů. V tomto měřítku jsou rozhodující optické rozlišení, velikost pixelu a zaostření. Systém, který vypadá skvěle na statickém kalibračním cíli, se může potýkat s obtížemi, jakmile je vzorek živý a čerpá krev.
Způsob zobrazování určuje, co systém ve skutečnosti dokáže vidět
Většina měření průměru začíná pomocí mikroskopu. Jasnopolní zobrazování je jednoduché a nevyžaduje značení, ale kontrast mezi stěnou cévy a okolní tkání může být slabý. Fluorescenční zobrazování tento problém řeší použitím transgenních linií, které exprimují fluorescenční protein v endoteliálních buňkách. Hranice cévy se tak stane jasnou čarou na tmavém pozadí, což zajišťuje spolehlivější detekci hran.
Konfokální a světelné desky přidávají optické řezání. To pomáhá v případech, kdy se cévy překrývají, nebo když se struktura zajímavá nachází hlouběji v tkáni. Kompenzací je rychlost. Bodové skenování konfokálního mikroskopu může být příliš pomalé pro zachycení rychlých změn průměru. Rotující disk nebo nastavení se světelnou deskou často lépe vyhovují pro dynamická měření.
Rozlišení je tvrdým limitem. Typický objektiv s vysokou číselnou aperturou může rozlišit detaily až na zlomek mikrometru, ale velikost pixelu detektoru a optika dohromady určují nejmenší měřitelnou změnu. Pokud je céva široká jen několik pixelů, jsou potřebné subpixelové algoritmy, aby bylo možné získat smysluplné hodnoty.
Kalibrace převádí pixely na mikrometry
Hodnota průměru v pixelech je bez měřítka zbytečná. Kalibrace je krok, který převádí pixely na mikrometry. Klasickým nástrojem je mikrometr na stolici nebo sklíčko pro hemocytometr. Známá vzdálenost se snímá stejným objektivem a nastavením kamery jako při experimentu. Software poté vypočítá poměr mikrometrů na pixel.
-
Pořiďte snímek kalibračního cíle při stejném zvětšení.
-
Změřte známou vzdálenost v pixelech.
-
Vydělte známou vzdálenost počtem pixelů, abyste získali měřítko.
-
Použijte toto měřítko pro každé měření cévy.
Kalibrace zní triviálně, ale je snadné ji provést chybně. Změna objektivu, binningu kamery nebo nastavení zoomu zneplatní staré měřítko. Systém, který ukládá kalibrační profily pro každou konfiguraci, tento riziko snižuje. Některé pokročilé platformy také používají fluorescenční mikrosféry známého průměru ke kontrole měřítka ve třech rozměrech.
Detekce hran a analýza profilu určují stěnu cévy
Jakmile je obraz kalibrován, software musí lokalizovat okraje cévy. Běžné jsou několik metod. Nejjednodušší je prahování: jakýkoli pixel jasnější než nastavená hodnota se považuje za část cévy a průměr je vzdálenost mezi vnějšími okraji této oblasti. Prahování je rychlé, ale citlivé na změny osvětlení a šum.
Robustnější přístup využívá intenzitních profilů. Je nakreslena čára kolmá k cévě a intenzity pixelů podél této čáry jsou zobrazeny graficky. Okraje cévy se projevují jako vrcholy nebo údolí, v závislosti na způsobu označení. Plná šířka v polovině maxima, často zkráceně FWHM, je standardní metodou pro určení průměru z tohoto profilu. FWHM je méně citlivá na změny celkové jasnosti než pevný práh, což ji činí užitečnou pro živé zobrazování.
Detekce hran s podpixelovou přesností jde ještě o krok dál. Místo toho, aby algoritmus považoval pixel za nejmenší jednotku, proloží křivku intenzitním profilem a najde polohu hrany s podpixelovou přesností. To může zlepšit opakovatelnost měření u cév, jejichž průměr činí pouze několik pixelů.
Sledování průměru během srdečního cyklu
I klidová céva se pohybuje. Srdeční tep tlačí krev skrz aortu a další hlavní cévy, čímž způsobuje jejich rozšiřování a stažení při každém pulzu. Měření v jediném snímku poskytuje pouze okamžitý obraz, nikoli skutečný průměr. Systém, který tvrdí, že měří průměr cévy, musí zohlednit srdeční cyklus.
Vysokorychlostní kamery pomáhají. Snímkovací frekvence nad 100 snímků za sekundu dokážou zachytit několik bodů během jednoho srdečního cyklu. Některé systémy využívají retrospektivní bránění, kdy software třídí snímky podle jejich fáze v srdečním cyklu. Jiné systémy používají prospektivní spouštění, při němž je získávání obrazu synchronizováno se srdečním tepem. Obě metody snižují rozmazání způsobené pohybem a umožňují uživateli samostatně uvádět systolický a diastolický průměr.
| Metoda | Typická přesnost | Citlivost na pohyb | Nejvhodnější pro |
|---|---|---|---|
| Ruční trasování | Střední | Vysoká | Statické nebo pevné vzorky |
| Prahování | Střední | Střední | Fluorescence s vysokým kontrastem |
| Profil FWHM | Dobré | Nízká až střední | Živé zobrazování s gradienty intenzity |
| Přizpůsobení hran na subpixelové úrovni | Vysoká | Nízká | Malé cévy, dynamické studie |
Příklad z praxe, kde artefakt způsobený pohybem téměř ohrozil celou studii
Skupina kardiovaskulárních výzkumníků na univerzitě v jižní Číně používala automatický systém pro analýzu průtoku krve k měření průměru dorsální aorty u embryí zebrafish. První sady dat ukázaly velké kolísání, která neodpovídala očekávané farmakologické odpovědi. Tým podezříval biologický účinek, avšak vzorec byl příliš nepravidelný.
Podrobnější pohled na surové video odhalil problém. Hrana cévy se pohybovala s každým tepem srdce a algoritmus sledování se v jednotlivých snímcích zaměřoval na různé body podél hrany. Naměřený průměr se tedy měnil o více, než činila skutečná změna. Řešení zahrnovalo zvýšení snímkovací frekvence, přidaní kroku retrospektivního gatingu a přepnutí z jednoduchého prahového způsobu na metodu založenou na intenzitním profilu. Další sada dat ukázala čistou a interpretovatelnou odpověď. Biologie byla po celou dobu v pořádku. Měření nebylo.
Takový problém není vzácný. Pohybový artefakt je jedním z nejčastějších důvodů, proč vypadá měření průměru šumově. Kvalitní systémy nabízejí nástroje pro jeho zpracování, ale uživatel musí problém stále rozpoznat.
Co systém může a nemůže zaručit
Žádný zobrazovací systém nedokáže změřit průměr cévy dokonale. Optické rozlišení stanovuje dolní hranici. Anestezie může ovlivnit tonus cév. Hluboké cévy rozptylují světlo a rozmazávají okraje. Velmi malé kapiláry mohou být pod praktickým limitem daného objektivu. Systém, který uvádí číselnou hodnotu bez odhadu nejistoty, něco skrývá.
Praktickým cílem je opakovatelnost. Pokud dvě měření téže cévy dávají stejnou hodnotu v rámci známé tolerance, je systém užitečný. Pokud se hodnota mění při změně frekvence snímkování, není měření důvěryhodné.
Hunter Lab (Hunter) vyrábí laboratorní vybavení pro zebrafish s důrazem na optické a mechanické detaily, které ovlivňují měření průměru. Výrobní a kontrolní procesy zajišťují stabilitu potřebnou pro rychlé snímkování a subpixelovou analýzu. Pro laboratoře, které potřebují porovnávat průměry cév mezi různými léčbami nebo v průběhu času, je tato stabilita klíčová pro to, aby byla analýza dat smysluplná.