Biologie

Počítačová tomografie (CT) je klíčovým nástrojem v biologii, který nabízí nedestruktivní 3D vizualizaci a analýzu biologických struktur. Umožňuje detailní zkoumání kostí a měkkých tkání, což umožňuje vytváření přesných 3D modelů, které jsou zásadní pro studium anatomických rysů a vývojových procesů. CT skeny mohou sledovat průběh osifikace v různých vývojových stádiích, poskytující vhled do růstu a formování kostí. Tato technologie je také nezbytná při vývoji kostních náhrad a hodnocení implantátů, aby bylo zajištěno, že splňují biologickou kompatibilitu a funkční požadavky.

Kromě analýzy kostí se CT používá k charakterizaci měkkých tkání, jako jsou svaly, orgány a krevní cévy, což umožňuje komplexní pochopení jejich struktury a funkce. CT také může zkoumat cizí inkluze v tělech zvířat, jako jsou mikroplasty, a poskytovat cenná data o dopadech prostředí na zdraví. Díky detailnímu pohledu na vnitřní biologické struktury CT pokročuje ve výzkumu v oblastech, jako je vývojová biologie, regenerativní medicína a environmentální biologie, což přispívá ke zlepšení zdravotních výsledků a hlubšímu porozumění životním procesům.

                                                      


3D modely a analýzy

Získaná mikro CT data umožňují vytvoření velmi přesného 3D modelu individuálních orgánů nebo jiných komplexních biologických struktur. Využití profesionálních programů pak umožňuje různorodé analýzy jako je měření délek, objemů, šířky stěn nebo porovnání tvarů. Všechny výše zmíněné analýzy společně s klasickou histologií pak umožní detailní popis vzorku. Naše laboratoř se zaměřuje na využití speciálních průmyslových nástrojů na analýzu biologických vzorků, a dále na tvorbu nových postupů zobrazování získaných dat, jako jsou 3D tisk (Tesařová et al., Journal of Instrumentation 2016) nebo 3D pdf (Tesařová et al., Scientific reports 2019).

Spodní čelist embrya chameleona, analýza šířky stěn byla využita pro analýzu vyvíjejícího se zubu (Kavková et. al., Scientific reports 2020).


Barvící protocoly

V případech, kdy se biologická tkáň skenuje na mikro CT přístroji v nativním stavu, jsme pomocí této metody schopni zobrazit pouze tvrdé tkáně jako jsou zuby a kosti. Pokud je však cílem analýzy měkká tkáň, je zapotřebí vzorek kontrastovat pomocí barvení. Barvící roztoky pro tyto účely musí obsahovat prvky s vysokým protonovým číslem např. jód a kyselinu fosfowolframovou (Zikmund et. al., Journal of Instrumentation 2018). Pro účely barvení různých tkání pak musí být protokol optimalizován. Naše skupina se zaměřuje hlavně na vývoj barvení pro zobrazování chrupavky (Kaucka et al., Elife 2018), jater, mozku a srdcí.

Srovnání koronálních řezů myších mozků barvených v různých roztocích jódu a kyseliny fosfowolframové (Zikmund et. al., Journal of Instrumentation 2018).


Tkáňové inženýrství

Tkáňové inženýrství se zabývá přípravou biokompatibilních kompozitů pro zlepšení funkčnosti či náhradu biologických tkání. Tyto nově vyvinuté materiály podporují růst buněk a regeneraci nemocných či jinak požkozených tkání. Rentgenová výpočetní tomografie se stala užitečným nástrojem pro přesnou charakterizaci komplexní  3-Dstruktury těchto materiálů, jako jsou kryogely (Sedlačík, Soft Matter, 2017), hydrogely, hydroxyapatit (Šťastný, J. Am. Ceram. Soc., 2018) nebo polymerní tkáňové nosiče (scaffoldy - Vojtová, J. Microsc., 2018). Naše laboratoř se zabývá take metodologií pro vizualizaci scaffoldů v submikronovém rozlišení pro jejichcharakterizaci (Kalasová, Microsc. Microanal., 2018). Výsledky měření na CT jsou validovány 2-D zobrazovacími technikami (skenovací elektrová mikroskopie).

Vizualizace komplexní 3-D struktury kolagenového scaffold změřené na našem nano-CT Rigaku nano3DX.

Metrologie

Rentgenová počítačová tomografie je nyní široce používána také pro měření rozměrů. Jeho výhodou je schopnost přístupu k vnitřním povrchům, které nejsou přístupné hmatovým nebo optickým souřadnicovým měřicím strojem bez destrukce vzorku.


Prostorové rozlišení

Prostorové rozlišení je jednou z významných charakteristik CT systémů. Jedná se o schopnost přístroje přenášet prostorové informace o objektu do obrazu a poskytuje tak informaci o nejmenších detekovatelných detailech. Laboratoř se dlouhodobě věnuje studii prostorového rozlišení pomocí měření rozptylové funkce a modulační přenosové funkce​ (Lázňovský J., 10thconfiCT 2020). Vyvíjíme software pro vyhodnocení dat CT podle ASTM E 1695 normy a pro tento účel navrhujeme vlastní fantomy. Výpočet je založen na funkcích hranové odezvy (ERF), funkci rozptylu bodů (PSF), a nakonec na modulační přenosové funkci (MTF)(Rueckel J., Appl. Radiat. Isot. 2014). Do praktického testování jsou také začleněny komerčně dostupné fantomy, jako je 3D fantom QRM pro analýzu na řezech nebo GIMA pro analýzu na projekci, které slouží jako zlaté standardy.  

         










MTF vypočítaná pro dvě odlišné skenovací geometrie (space-filling, cirkulární). Prostorové rozlišení se určuje v 10 % MTF.


Nejistoty CT měření

Celkový proces měření  na CT je složitý a zahrnuje mnoho faktorů, což znemožňuje přesnou znalost měřených hodnot. Nejistota měření vyjadřuje tuto nepřesnost. Neexistuje žádný model měření, který by dokázal vyhodnotit všechny kritické faktory ovlivňující konkrétní úlohu měření CT. Můžeme odhadnout nejistotu měření využitím substituční metody, kdy jsou opakovaná měření na CT porovnávána s referencí podle německého směrnice VDI / VDE 2630 měření (poster). Nevýhodou této metody jsou vysoké časové a finanční náklady. Zaměřujeme se proto na výzkum účinků různých ovlivňujících faktorů, abychom mohli vytvořit spolehlivý model měření.

               

Přehled faktorů ovlivňujících CT měření (Villarraga Gómez et.al., Prec. Eng. 2018).


Nové referenční objekty

Zabýváme se vývojem nových referenčních objektů použitelných pro kvalifikaci, akceptační a verifikační testování, korekci chyb měření a určováním nejistoty měření substituční metodu. Existující objekty používání v optických a dotykových souřadnicových přístrojích nejsou často vhodné kvůli použití vysoce absorpčních materiálů a odlišné charakteristice měření. Pro objekty použitelné pro CT měření je vhodné použít lehké materiály jako hliník, keramika, krystalické materiály jako rubín nebo uhlíkové kompozity, které jsou stabilní a pro rentgenové záření dostatečně transparentní.

3D vizualizace CT dat, fantom pro kalibraci měřítka pro submikronová měření. Vzdálenost mezi dvěma rubínovými kuličkami o průměry 0.3 mm byla změřena s využitím nanoCMM SIOS NNM-1.

Pokročilé zobrazovací techniky

Rentgenová výpočetní tomografie je neustále vyvíjející se technika. Nové metody jsou vyvíjeny a následně implementovány, tak aby byly rozšířeny poskytované informace o interní struktuře studovaných vzorků. 


Zobrazování ve fázovém kontrastu

Zobrazování ve fázovém kontrastu (z anglického: „Phase Contrast Imaging“, PCI) je používáno pro rozšíření CT techniky v rámci analýzy vzorků s nízkým útlumovým kontrastem pro rentgenové (RTG) záření, jako jsou polymerické struktury nebo měkké tkáně. Pro tyto vzorky, RTG záření prochází vzorkem bez žádných nebo se zanedbatelnými intenzitními změnami, ale s pozměněnou fází. Tato změna fáze však nemůže být přímo detekována, a proto byly vyvinuty specializované techniky pro zobrazování ať už přímo fáze anebo její změny po průchodu strukturou daného vzorku. Ačkoliv jsou PCI techniky využívány v mnoha formách na synchrotronových zařízeních, vývoj rentgenových trubic a detektorů umožnil aplikaci těchto technik také pro laboratorní CT systémy. Výzkum v naší laboratoři je zaměřený na určení podmínek, které každý CT systém musí splnit, aby na něm bylo možné využít PCI metody šíření fáze (Kalasová, IEEE TIM 2019). Kromě výzkumu této realizovatelnosti, je naším cílem obecně výzkum PCI technik a vývoj specializovaných metodik pro jejich praktickou implementaci. 

CT řez PE strukturou s karbonovými vlákny; vlevo) zobrazení v absorbčním kontrastu; vpravo) zobrazení ve fázovém kontrastu.


Duálně-energiové (Duálně-targetové) CT

Technika Duálně-energiového CT (z anglického: „Dual-Energy CT“, DECT) využívá dvě energeticky rozdílná rentgenová spektra pro zkoumání a specifické odlišení jednotlivých komponent daného vzorku, z hlediska materiálu nebo tkání, na základě jejich útlumových vlastností. Toto odlišení je možné dokonce pro materiály, které by byly obecně neodlišitelné v CT datech ze standardního CT měření. Z tohoto důvodu je výhodou DECT možnost přesné segmentace a klasifikace jednotlivých materiálů. V naší laboratoři se zabýváme implementací DECT v rámci laboratorního nanoCT systému. Naším cílem je vývoj komplexní metodiky pro DECT akvizici a zpracování dat, aby bylo možné plně využít potenciál této slibné techniky. Pracujeme na využití DECT pro redukci kovových artefaktů a nových segmentačních metod zaměřených na biologické měkké tkáně. 

CT řez strukturou s Mo vlákny; vlevo) originální řez; vpravo) řez po DECT redukci kovových artefaktů.

Vývoj software 

Odvětví výpočetní tomografie hojně využívá výpočetní sílu moderních počítačů spojenou se sepcializovanými programy pro zpracování a rekosntrukci tomografických dat. Existuje řada víceúčelových programových balíčků, ale některé vzorky mohou vyžadovat specifický přístup ke zpracování a analýze, který není komerčně k dispozici. V laboratoři výpočetní tomografie se zabýváme vývojem software pro zkvalitnění a snadnější analýzu tomografických dat, od redukce artefaktů po efektivní automatické zpracování dat.


Tomografická rekonstrukce

Tomographic reconstruction is the process of forming cross-sectional images from projections of a sample, and the basis of X-ray computed tomography. Data acquired using a CT scanner is composed of a large number of projections of an object at different angles. Information from projection data is then used to reconstruct the internal structure of the sample. Currently, there are two main types of reconstruction algorithms used in computed tomography: analytic algorithms, which are efficient and quick, and iterative algorithms, which offer great performance in terms of noise suppression and flexibility of scan geometry. Our laboratory focuses on optimizing the reconstruction process for high-resolution tomographic data. We actively collaborate with the hardware manufacturer Rigaku to reduce the limits of tomographic reconstruction, such as enabling CT scanners to scan objects larger than their detector (Zemek, Student EEICT 2020).

Tomografická rekonstrukce řezem vší.


Redukce artefaktů

Tomografická rekonstrukce je proces vytvoření příčných řezů z projekcí vzorku a základ rentgenové výpočetní tomografie. Data získaná pomocí tomografu jsou složena s velkého množství projekcí vzorku pod různými úhly. Informace z projekčních dat jsou pak použita k rekonstrukci interních struktur vzorku. V současné době lze rekonstrukční algoritmy rozdělit do dvou nejčastěji používaných skupin: analytických algoritmů, které jsou výkonné a rychlé a iterativních algoritmů, které nabízejí vysokou flexibilitu v trajektorii snímání dat a výborné vlastnosti v rámci potlačování šumu. Naše laboratoř se soustředí na optimalizaci rekonstrukčního procesu pro tomografická data s vysokým rozlišením. Aktivně spolupracujeme s s výrobcem laboratorních přístrojů Rigaku na překonávání limitů tomografické rekonstrukce, jako například umožnění snímání vzorku větších než detektor tomografu. (Zemek, Student EEICT  2020).

Tomografický snímek nalevo je značně znehodnocen různými typy artefaktů; stejný snímek po korekci je ukázán vpravo.

Zpracování obrazu

Extrakce smysluplných informací z naměřených dat je jedním z nejdůležitějších úkolů v celém postupu analýzy CT. Každé měření přináší nové výzvy, z nichž některé stávající softwarové nástroje nejsou schopny zvládnout. Pro tyto druhy problémů vyvíjíme řešení vlastního programování na základě nejnovějších trendů v počítačovém vidění, včetně umělé inteligence.


Segmentace CT obrazu

Klíčovým krokem v analýze CT obrazu je segmentace. Umožňuje nám izolovat pouze část celého naskenovaného svazku, o kterou se zajímáme pro následnou vizualizaci a analýzu. Složitost použitého algoritmu segmentace závisí na daném segmentačním úkolu. Někdy postačí jednoduché prahování, v některých případech je však zapotřebí pokročilejší řešení. Patří sem například segmentace povodí, segmentace založená na hlubokém učení nebo dokonce manuální segmentace.

Žlutá barva znázorňuje ruční segmentaci nosní tobolky myšího embrya na mikro-CT snímku (měřítko 1 mm).


Umělá inteligence a hluboké učení 

Umělá inteligence nám umožňuje využívat data, která jsme shromáždili v průběhu let a vytvářet nová vzrušující plně automatická řešení segmentace obrazu. V segmentaci založené na hlubokém učení používáme sadu CT obrazů a sadu ručně segmentovaných masek. Během iteračního procesu učení se vytvoří model segmentace obrazu, který lze následně použít pro segmentaci dříve neviditelných obrazových dat.

Srovnání manuální a hluboké učení založené na segmentaci Meckel chrupavky v čelisti a vyvíjejícího se embrya myši.

Ostatní aplikace


Geologie

CT technologie nabízí možnost analyzovat geovědecká jádra, půdy, horniny, minerály (Kalasova, Meteorit Planet Sci 2020) nedestruktivním způsobem, což umožňuje dalším měřením mít úplné spektrum materiálu a chování vzorku. Analýza využívá oblasti inženýrské geologie, tektonické, ale i hydrogeologie, paleontologie (Rocek, Sladek, Anat. Rec. 2015), sedimentologie, petrologie. Mezi vlastnosti, které lze extrahovat patří pórovitost, hustota, distribuce materiálů / dutin a tloušťka stěny. Všechny z nich lze vizualizovat barevně podle 2D řezů a 3D modelu.

Modrá barva znázorňuje praskliny na meteoritu.


Restaurátorství (Archeometrie)

CT analýza nabízí plnou 2D a 3D vizualizaci citlivých vzorků, jako jsou obrazy, sochy (Friml, J. Cult. Herit 2014), archeologické pozůstatky z keramiky (Novotna, Spectrochim Acta B 2020), dřevo a vlákna. Fáze historické obnovy jsou často pozorovány. Kontroly pórovitosti a poškození mohou určit potřebu konsolidačního ošetření ohrožených artefaktů. Přesnou reprodukci artefaktů pro výuku a muzejní účely lze také použít pro 3D tisk. CT spolu s chemickým zobrazováním (MA-XRF, SEM, LIBS) umožňuje úplnou rekonstrukci 3D datové sady z artefaktů.

Obnova zámku 200 let staré truhly (Zikmundova, PLOS ONE 2020).

Videa