Een onderzoek naar vertebrale botsterkte door middel van een micro-CT-achtig beeld

In deze studie verwachten we 10 sets wervels (tussen T6 en L5) te verzamelen van 10 met formaline gefixeerde menselijke kadavers. Het studieprotocol werd beoordeeld en goedgekeurd door de lokale Institutional Review Boards. De verzamelde monsters werden onderworpen aan genormaliseerde Micro-CT- en MSCT-beeldscanning, beeldreconstructie met behulp van standaardalgoritmen en observatie van de botstructuur met behulp van botalgoritmen om gestandaardiseerde axiale beelden van hoge kwaliteit te verkrijgen . We zullen een conditionele generatie adversariele netwerkgebaseerde beeldmappingtechniek gebruiken om het mappingmodel tussen MSCT-beelden en Micro-CT-beelden te trainen, de correspondentie te vinden tussen de beeldinformatie in zowel MSCT als Micro-CT, en uiteindelijk een hoge resolutie te verkrijgen micro-CT-achtige beelden. Na het verkrijgen van de Micro-CT-achtige afbeeldingen van de monsters, zullen we de afbeeldingen segmenteren en annoteren (inclusief verschillende structuren zoals wervellichaam, botcortex) en de Teacher-Student & U-Net++ deep learning-architectuur trainen om nauwkeurige segmentatie van wervellichaamregio's en verkrijg spongieuze botregio's die van belang zijn. Op basis hiervan zullen we de botstructuurkenmerken van elk ruimtelijk gebied in de afbeeldingen analyseren, inclusief de dikte, afstand, oriëntatie en distributiepatroon van bottrabeculae en andere indicatoren. Uiteindelijk zullen we een gestandaardiseerd kubisch monster uit het wervel spongieuze bot snijden, de biomechanische prestatie-index van dit poreuze botmonster verkrijgen door mechanische experimenten, en de correlatie tussen botstructuur van Micro-CT-achtige beelden en biomechanische index analyseren. .