Алгоритмы трехмерной реконструкции для построения модели пространственного распределения свойств ткани (на примере суставного хряща)

DOI:

Современная восстановительная медицина костей и суставов является передовой отраслью, которая включает в себя малоинвазивные, микрохирургические, клеточные, молекулярные и генные технологии. Это объясняет и то, что прогресс в выстраивании

трехмерных моделей биосистем во многом связан с созданием виртуальных инструментов для исследования и работы с элементами опорно-двигательного аппарата [2; 4; 6; 12].

Исследователи сталкиваются с объективными трудностями в интерпретации дан- ных, полученных при компьютерной томографии, при сопоставлении их с результатами прямых анатомических исследований [5; 8; 9; 11].

Один из основных методов для создания трехмерных реконструкций основан на получении серийных гистологических срезов [1; 3; 10]. Однако данный подход требует весьма трудоемких и ресурсоемких затрат. Для моделирования объекта, который имеет даже небольшой размер (например, 5 х 5 х 10 см) необходимо изготовить и провести оцифровку порядка 20 000 микропрепаратов, что занимает огромное количество времени. Составленный в процессе исследования алгоритм позволяет сделать заключение о свойствах хряща по характеристикам его ткани с минимальной затратой времени.

Цель исследования – разработка алгоритма, с помощью которого станет возможной оценка функциональных свойств хряща по определенным характеристикам его ткани в натуральной полноцветной реконструкции.

Материалы и методы

Материалом для исследования послужили 4 гистологических изображения суставного хряща крысы линии Wistar в окраске гематоксилином и эозином (1 гистологическое изображение суставного хряща контрольной группы и 3 – с остеоартрозом) и 6 срезов суставных хрящей крыс, (3 среза хряща крыс контрольной группы, 3 – с остеоартрозом), полученных методом послойного высокоточного сошлифовывания в натуральной полноцветной реконструкции. Анализ полученных срезов проводили с помощью программы свободного доступа ImageJ.

Результаты и их обсуждение

Разработка алгоритма, который позволит оценивать свойства хрящей по определенным характеристикам ткани, предполагает, что по клеткам данных хрящей можно отследить некие закономерности. Для поиска таких закономерностей были проанализированы гистологические изображения суставного хряща крысы контрольной группы и крыс, имеющих остеоартроз, в окраске гематоксилином и эозином (рис. 1).

Далее путем анализа микроскопических картин гистологических срезов была проведена проверка корреляции морфологических признаков ткани с ее свойствами. Определили, что большей степени остеоартроза соответствует большее нарушение геномной программы дифференцировки хрящевых клеток, возврат их к более ранним механизмам хондрогенеза, о чем свидетельствует большое количество гипертрофированных хондроцитов на срезах хрящей с остеоартрозом.

Далее с помощью программы ImageJ был проведен анализ 6 срезов суставных хрящей крыс, полученных методом послойного высокоточного сошлифовывания в натуральной полноцветной реконструкции. Для построения цветовых пространств было проведено преобразование исходного RGB-формата в отдельные профили по каждому цветовому каналу. Для этого проводили сечение на 3D-реконструкции по хрящу. Параметры длины сечения соотнесли с продолжительностью жизни хондроцитов. С учетом того, что средняя продолжительность жизни хондроцита составляет 3 месяца [7], представили на диаграммах построения профиля распределения ткани по каждому цветовому компоненту RGB в 6 срезах. Пример представлен на диаграмме.

Рис. 1. Микропрепараты суставного хряща крысы в окраске гематоксилином и эозином:

А – контрольная группа, Б – остеоартроз 3 недели, В – остеоартроз 6 недель, Г – остеоартроз 12 недель

Затем составили диаграммы по усредненным значениям пикселей в хрящах контрольной группы и с остеоартрозом. Анализируя параметры полученных диаграмм, отметили, что общая кривая любого цветового компонента как бы делится на три отдельные, которые располагаются соответственно каждому из трех периодов жизни хондроцитов (0–1 мес., 1–2 мес., 2–3 мес.). Далее для удобства решили каждый из этих периодов воспринимать как отдельную возрастную зону хондроцитов, поэтому период 0– 1 мес. – приняли как зону молодого хряща, период 1–2 мес. – как зону зрелого хряща, период 2–3 мес. – как зону старого хряща.

Во избежание построения третьей оси координат для сопоставления ранее упомянутых закономерностей взаимосвязи свойств хряща с его возрастом и распределения цветовых компонентов RGB, свойства хряща соотнесли с его зонами по возрасту хондроцитов на одной панели после чего свойства ткани соотнесли с ее цветовым пространством.

Заключение

Полученные диаграммы указали на выраженую цветовую неоднородность различных по возрасту хондроцитов зон хряща, которым сопоставлены свойства тка- ни, причем цветовые показатели одинаковых зон в хряще контрольной группы и в хряще с остеоартрозом также различны. Это говорит о том, что экспериментальный алгоритм, использованный в настоящей работе, подтверждает фенотипическую неоднородность хондроцитов, а также гетерогенность всего суставного хряща в целом. Результаты дальнейшего изучения взаимосвязей данного свойства (гетерогенности хряща) с цветовыми компонентами и последующие преобразования реконструкции и алгоритма позволят использовать его в практической восстановительной медицине в виде виртуальных атласов и прототипов для 3D-принтинга.

Общие этапы данного алгоритма выражаются следующей последовательностью действий:

• –    поиск закономерностей по клеткам ткани, а также взаимосвязи интересующих свойств ткани с ее возрастом;

• –    автоматизированный анализ биологического изображения: преобразование исходного RGB-формата в отдельные профили по каждому цветовому каналу;

• –    проведение сечения на трехмерной реконструкции;

• –    систематизация данных о значениях пикселей каждого цветового компонента;

Профиль распределения цветовых компонентов RGB в срезе хряща № 1 контрольной группы

• –    выбор осей координат для построения диаграмм;

• –    построение диаграмм;

• –    сопоставление свойств ткани с данными диаграмм, согласно сведениям, полученным при выполнении первого действия данного алгоритма;

• –    анализ и обобщение полученных результатов.