UNIVERSITÄTSBIBLIOTHEK
The search result changed since you submitted your search request. Documents might be displayed in a different sort order.
  • search hit 28 of 618
Back to Result List

3D Image Analysis of Capillary Vessels in Mouse Organs

  • Destructive diseases of the lung like lung cancer or fibrosis are still often lethal. Also in case of fibrosis in the liver, the only possible cure is transplantation. In this thesis, we investigate 3D micro computed synchrotron radiation (SR\( \mu \)CT) images of capillary blood vessels in mouse lungs and livers. The specimen show so-called compensatory lung growth as well as different states of pulmonary and hepatic fibrosis. During compensatory lung growth, after resecting part of the lung, the remaining part compensates for this loss by extending into the empty space. This process is accompanied by an active vessel growing. In general, the human lung can not compensate for such a loss. Thus, understanding this process in mice is important to improve treatment options in case of diseases like lung cancer. In case of fibrosis, the formation of scars within the organ's tissue forces the capillary vessels to grow to ensure blood supply. Thus, the process of fibrosis as well as compensatory lung growth can be accessed by considering the capillary architecture. As preparation of 2D microscopic images is faster, easier, and cheaper compared to SR\( \mu \)CT images, they currently form the basis of medical investigation. Yet, characteristics like direction and shape of objects can only properly be analyzed using 3D imaging techniques. Hence, analyzing SR\( \mu \)CT data provides valuable additional information. For the fibrotic specimen, we apply image analysis methods well-known from material science. We measure the vessel diameter using the granulometry distribution function and describe the inter-vessel distance by the spherical contact distribution. Moreover, we estimate the directional distribution of the capillary structure. All features turn out to be useful to characterize fibrosis based on the deformation of capillary vessels. It is already known that the most efficient mechanism of vessel growing forms small torus-shaped holes within the capillary structure, so-called intussusceptive pillars. Analyzing their location and number strongly contributes to the characterization of vessel growing. Hence, for all three applications, this is of great interest. This thesis provides the first algorithm to detect intussusceptive pillars in SR\( \mu \)CT images. After segmentation of raw image data, our algorithm works automatically and allows for a quantitative evaluation of a large amount of data. The analysis of SR\( \mu \)CT data using our pillar algorithm as well as the granulometry, spherical contact distribution, and directional analysis extends the current state-of-the-art in medical studies. Although it is not possible to replace certain 3D features by 2D features without losing information, our results could be used to examine 2D features approximating the 3D findings reasonably well.
  • Immer noch enden destruktive Erkrankungen der Lunge wie Lungenkrebs oder Fibrose oftmals tödlich. Auch im Fall einer Leberfibrose ist die einzige wirksame Behandlungsmöglichkeit die Transplantation. In dieser Arbeit untersuchen wir Bilddaten von Kapillargefäßen in Mäuselungen und -lebern, aufgenommen mit hochauflösender Mikrocomputertomographie mit Synchrotron-Strahlung (SR\( \mu \)CT). Die Proben weisen sowohl sogenanntes kompensatorisches Lungenwachstum als auch unterschiedliche Stadien von Fibrose in Lunge und Leber auf. Kompensatorisches Lungenwachstum liegt vor, wenn, nachdem ein Teil der Lunge entfernt worden ist, der verbleibende Teil diesen Verlust kompensiert. Die Lunge breitet sich in den entstandenen Hohlraum aus. Mit diesem Vorgang geht ein reges Wachstum der Kapillargefäße einher. Beim Menschen wird kompensatorisches Lungenwachstum in der Regel nicht beobachtet. Es ist daher wichtig, diesen Vorgang in Mäusen weitgehend zu verstehen und die gewonnenen Erkenntnisse auf den Menschen zu übertragen. Dadurch könnten Behandlungsmöglichkeiten bei Erkrankungen wie Lungenkrebs maßgeblich verbessert werden. Bei einer Fibrose vernarbt das Gewebe des Organs. Um die Blutversorgung weiterhin zu gewährleisten, ist auch hier ein Wachstumsprozess der Kapillargefäße notwendig. Daher kann sowohl Fibrose als auch kompensatorisches Lungenwachstum anhand der kapillaren Blutgefäße beobachtet werden. Da die Gewinnung von 2D Mikroskopaufnahmen im Vergleich zu SR\( \mu \)CT Bildern schneller, einfacher und preiswerter ist, bilden sie derzeit die Basis medizinischer Untersuchungen. Kennzeichen wie Richtung und Form können jedoch nur anhand von 3D Bilddaten ausreichend genau analysiert werden. Die Auswertung von SR\( \mu \)CT Daten der kapillaren Gefäßstruktur birgt daher wertvolle zusätzliche Informationen. Um die fibrotischen Proben zu analysieren, verwenden wir Methoden, die bereits im Bereich der Materialforschung etabliert sind. Mithilfe der Granulometrie messen wir den Gefäßdurchmesser. Um die Abstände der Gefäße zueinander zu beschreiben, greifen wir auf die sphärische Kontaktverteilung zurück. Darüber hinaus schätzen wir die Vorzugsrichtung der Kapillargefäße. Alle Kenngrößen erweisen sich als nützlich, um Fibrose anhand der Deformation der Kapillargefäße zu charakterisieren. Es ist bereits bekannt, dass der effizienteste Mechanismus während des Gefäßwachstums kleine torusförmige Löcher bildet, so genannte intussusceptive Pillars. Eine Analyse von Anordung und Anzahl leistet einen wertvollen Beitrag zur Charakterisierung des Gefäßwachstums, das bei allen drei Anwendungen eine wichtige Rolle spielt. In unserer Arbeit stellen wir einen neuen Algorithmus vor, um intussusceptive Pillars in SR\( \mu \)CT Bildern aufzufinden. Nach Segmentierung der Bilddaten arbeitet unser Algorithmus automatisch und ermöglicht eine quantitative Analyse basierend auf großen Datenmenge. Die Analyse der vorliegenden SR\( \mu \)CT Daten sowohl mit unserem Algorithmus als auch mit Granulometrie, sphärischer Kontaktverteilung und Richtungsanalyse bietet eine wertvolle Ergänzung zum derzeitigen Standard in medizinischen Studien. Die anhand der 3D Daten gewonnen Ergebnisse können benutzt werden, um 2D Charakteristiken zu entwickeln, die die 3D Resultate ausreichend genau annähern. So könnte die Auswertung der 2D Mikroskopaufnahmen maßgeblich verbessert werden.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Sonja Föhst
URN (permanent link):urn:nbn:de:hbz:386-kluedo-54564
Advisor:Claudia Redenbach
Document Type:Doctoral Thesis
Language of publication:English
Publication Date:2019/01/04
Year of Publication:2019
Publishing Institute:Technische Universität Kaiserslautern
Granting Institute:Technische Universität Kaiserslautern
Acceptance Date of the Thesis:2018/09/05
Date of the Publication (Server):2019/01/07
Tag:3D image analysis; mathematical morphology
Number of page:VIII, 86
Faculties / Organisational entities:Fachbereich Mathematik
DDC-Cassification:5 Naturwissenschaften und Mathematik / 510 Mathematik
Licence (German):Creative Commons 4.0 - Namensnennung, nicht kommerziell, keine Bearbeitung (CC BY-NC-ND 4.0)