生物组织纤维状结构空间取向的精准表征与应用 下载: 1926次封面文章特邀综述
1 引言
纤维状结构是生物组织的基本结构形式。胶原纤维、神经元轴突、纤维状细胞群聚(如成纤维细胞)等都以纤维状结构的形式存在于生物体内,并在生命活动中发挥重要作用。疾病的发生与演化,往往与细胞和细胞外基质(主要是胶原纤维)相互作用的扰动密切相关[1-3]。这种扰动将带来一系列的变化,既包括细胞内部基因调节、骨架结构、分化、生长控制上的变化[4-5],也包括胶原纤维机械特性和空间取向的变化[6]。因此,对生物组织内纤维状结构空间取向的定量表征就成为了研究疾病,特别是早期病变的新思路和新手段。通过对这种结构与功能关联特性的精准描述,人们将更深入地理解各种疾病发生与演化的机制。
随着光学成像方法的不断进步,特别是随着共聚焦、多光子成像(包括双光子荧光成像、二次谐波成像等)在生物组织应用中的普及[7-8],获取细胞和细胞外基质中纤维状结构的精细三维图像已成为可能[9]。目前,国际上对纤维状结构空间取向的定量表征大多还停留在二维分析的水平上[10-11]。但二维分析方法难以全面、精确地揭示三维结构空间取向的完整信息,限制了检测的灵敏度。近年来,三维空间取向的分析方法开始涌现,并成为了二维方法的重要补充和推进[12-14]。纤维状结构光学成像及其空间取向的定量描述,已被成功应用于多种疾病的检测和研究,包括伤口愈合、骨关节炎、多种癌症、神经退行性疾病等。
本文综述了近年来本课题组和其他科研团队在生物组织内纤维状结构空间取向定量描述方面的研究成果,特别是在三维定量分析方法上的最新进展。同时,本文还介绍了空间取向信息在多种疾病检测中的应用,揭示了这一方法对于深入理解生物组织结构与功能关系的推进作用。最后,本文对纤维状结构空间取向精准描述的发展前景进行了评述和展望。
2 纤维状结构空间取向的定量表征方法
2.1 纤维状结构二维和三维空间取向的描述
纤维的二维空间取向用方位角θ来描述,如
图 1. 纤维状结构空间取向的定义。(a)纤维的二维取向用单一的方位角θ描述;(b)纤维的三维取向用方位角θ与极角φ共同描述
Fig. 1. Definition of spatial orientation of fiber-like structure. (a) Two-dimensional orientation of fiber is described by a single azimuthal angle θ; (b) three-dimensional orientation is described by both azimuthal angle θ and polar angle φ
2.2 二维空间取向的计算方法
虽然获取纤维状结构的空间三维图像已成为可能,但当前国际上对它的表征仍以二维分析方法为主。这里介绍几种比较有代表性的二维取向定量表征手段。Bancelin等[15]采用二次谐波成像方法获得了人体子宫颈活检样本切片的胶原纤维图像,如
图 2. 纤维状结构的二维取向算法。开算子二维取向算法[15]:(a)子宫颈活检样本胶原纤维的二次谐波图像;(b)胶原纤维与开算子方向相同时,纤维具有最大的强度,以此作为取向计算的依据;(c)采用开运算获得的胶原纤维的取向图谱。基于二维傅里叶变换的二维取向算法[16]:(d)马肌腱胶原纤维的二次谐波图像,其中每个小区域内的箭头代表该区域的纤维取向;(e)整张图像的傅里叶变换;(f)图像的角度分布柱状图。权重矢量求和二维取向算法[17]:(g)通过仿真得到的纤维图像,对其中的一个像元开展取向计算时,选取其周围7×7个像元作为计算窗口,则中心像元与其他任一像元都可构成矢量;(h)对每一个矢量赋予权重,权重因子与矢量长度、强度涨落有关;(i)对赋予权重后的矢量加和,得到该像元的取向信息
Fig. 2. Two-dimensional orientation analysis approaches for fiber-like structures. Approach based on opening operator[15]: (a) second harmonic generation (SHG) image of collagen fibers from cervical biopsy section; (b) fibers demonstrate the maximum intensity if they align parallel to the direction of the opening operator; (c) acquired orientation map from the opening operator. Approach based on two-dimensional Fourier transform[ 下载图片 查看所有图片
除了上述两种方法外,另一种二维取向的代表性算法被称为“权重矢量求和法”[17]。对于纤维强度图像中的任一像元,权重矢量求和法拟定以该像元为中心的计算窗口,则窗口内中心像元与其他任何像元之间都构成一个矢量,如
2.3 三维空间取向的计算方法
纤维状结构二维取向信息的获取,在生物组织疾病检测和表征方面取得了一定的成功。但实际上,纤维状结构在生物体内的分布是三维的,因此采用二维分析方法可能会造成信息的误判或缺失,影响检测的灵敏度。
为了克服二维方法的局限性,近年来一些三维空间取向的计算方法被陆续报道,并在生物医学领域取得了成功应用。Lau等[18]在之前基于傅里叶变换的二维取向算法上进一步推广,获得了三维空间取向信息。简言之,该方法将采用二次谐波方法获得的猪肌腱纤维的三维图像分成若干个小区域,如
图 3. 纤维状结构的三维取向算法。基于三维傅里叶变换的取向算法[18]:(a)代表性的猪肌腱纤维的二次谐波图像;(b)纤维图像的三维重构;(c)基于三维傅里叶变换获得的三维空间各局域的纤维取向;(d)三维图像内φ角的分布;(e)三维图像内θ角的分布。基于权重矢量求和的三维取向算法[19]:(f)三维空间纤维取向的角度定义;(g)权重矢量算法示意图;(h)经权重矢量加和后得到的空间取向;(i)特定平面[图(f)中的绿色平面]的θ角图谱;(j)特定平面[图(f)中的蓝色平面]的φ角图谱;(k)基于三维取向算法获得的三维方向方差指标,可定量表征纤维状结构的三维空间有序度
Fig. 3. Three-dimensional (3D) orientation analysis approaches for fiber-like structures. Approach based on 3D Fourier transform[18]: (a) representative SHG image of porcine tendon; (b) 3D reconstruction of SHG images; (c) acquired 3D orientation in each ROI; (d) distribution histograms of φ; (e) distribution histograms of θ. Approach based on weighted vector summation[19]: (f) definition of
Liu等[19-20]对之前的二维权重矢量求和法进行了推广,并获取了纤维的三维空间取向信息。其中,方位角θ的计算可直接沿用之前的算法,而计算的难点在于极角φ。本课题组采用的解决方案是基于角度的转化:对于计算空间中与θ对称的另外两个方位角β与γ,采用角度关系式tan2φ=
3 空间取向信息在生物医学中的应用
3.1 伤口愈合
在组织伤口愈合过程中,伴随着胶原纤维空间结构的相应改变。这种改变是伤口愈合程度的重要标志,对组织重塑进程的评估和诊疗方案的制定等具有指导意义。但是,医学上对这种改变的研究大多依赖于定性观察,缺乏定量的评价标准。Quinn等[21]通过计算胶原纤维的二维空间取向和方向方差,定量比较了结痂组织及其邻近(正常)组织在空间结构上的差异性。通过在大鼠皮肤上实施三级烧伤(1 cm2),构建了伤口愈合的生物模型,并在烧伤后的不同时间点获得了组织的生理切片,进而开展成像研究,结果如
图 4. 空间取向定量表征在伤口愈合中的应用。大鼠皮肤烧伤后的伤口愈合[21]:(a)烧伤伤口及其邻近组织的病理组织切片图像;(b)胶原纤维的密度图谱;(c)胶原纤维的二维方向方差图谱,显示出伤口区的纤维有序度高于其邻近组织。大鼠心肌梗死后的伤口愈合[22]:(d)~(h)正常心肌以及发生心肌梗死1周、2周、4周、8周后的心肌多光子成像结果,红色为胶原纤维的二次谐波图像;(i)二维方向方差,胶原纤维的二维取向有序度随着恢复时间逐步优化
Fig. 4. Applications of orientation analysis in wound healing. Wound healing in rat skin after burns[21]:(a) image of the histological section of the wound and adjacent tissues; (b) fiber density map; (c) 2D directional variance map, indicating a high level of fiber alignment in the wound region versus adjacent tissues. Wound healing in rats after heart infarction[22]: multi-photon images of the rat heart
除了研究烧伤后皮肤组织的伤口愈合外,Quinn等[22]还采用这一方法研究了心肌梗死后伤口愈合的情况。细胞外基质(主要是胶原纤维)的重塑是发生心肌梗死后心脏组织恢复的重要内容。正常的重塑能够修复受损的心肌,从而预防动脉瘤变形的出现。研究人员通过药物引发大鼠发生心肌梗死,分别获得了发生心肌梗死后1周、2周、4周、8周的心脏组织。在实验中对心脏组织进行了去细胞处理,从而最大限度地去除细胞对胶原纤维成像的影响。研究人员通过二次谐波成像获得了组织中的胶原纤维图像[
3.2 骨关节炎
骨关节炎是导致慢性残疾最重要的因素,但目前研究人员对于骨关节炎的病理认知还有不少空白,从而限制了骨关节炎治疗方案的确定[23]。前期的研究表明,骨关节炎的发生和进展,会对端部软骨组织的空间形态产生影响。因此,对这种空间形态变化的高灵敏成像和精准描述,可能为骨关节炎的研究提供新的切入点。Mingalone等[24]通过半月板切除(DMM)在小鼠中引入了骨关节炎的疾病模型,并对软骨组织的径向切片实施了二次谐波成像,获得了无标记情况下软骨组织的II型胶原纤维图像,研究了在骨关节炎手术引入后1周、3周、7周、10周时胶原纤维的二维空间有序度特征。实验中小鼠被分成了三个组别:代表骨关节炎模型的半月板切除组(DMM)、韧带裸露但未切除组(Sham),以及未经任何手术操作的对照组(NS-Ctrl)。典型的软骨组织示意图和多光子图像如
图 5. 空间取向定量表征在小鼠骨关节炎中的应用[19,24]。DMM: 半月板切除(骨关节炎模型)组;Sham: 韧带裸露但未被切除组;NS-Ctrl: 无任何手术操作对照组。(a)软骨组织的结构示意图,显示了软骨组织的分层情况;(b)软骨组织的多光子图像,其中品红色为胶原纤维的二次谐波图像;(c)由二次谐波图像获得胶原纤维的二维取向,进而获得二维方向方差图谱;(d)不同样本的二维方向方差图谱;(e)软骨组织各层次中,骨关节炎组织与对照组织的二维方向方差量值比较。长度标尺:25 μm; *代表显著性水平P<0.05
Fig. 5. Application of orientation analysis in osteoarthritis of mice[19,24]. DMM: destabilization of the medial meniscus (osteoarthritis model); Sham: ligament being exposed but not severed; NS-Ctrl: non-surgery control. (a) Schematic of the cartilage with layered structures; (b) a representative multi-photon image of cartilage, with the magenta signal corresponding to SHG image of collagen fibers; (c) based on the
3.3 癌 症
胶原纤维的空间结构能够影响生物组织的机械特性,反过来,机械特性在诸多细胞信号通路中都起到了重要作用,并最终决定细胞的功能。这种结构与功能的相互影响在许多癌症的发生和演化中起到了关键作用。Liu等[19]在小鼠的乳腺癌模型中研究了肿瘤组织与健康组织在胶原纤维三维空间结构上的差异性。其中,乳腺肿瘤包含人的癌细胞和小鼠的胶原、成纤维细胞、免疫细胞等,通过离体培养和移植的方式构建小鼠乳腺癌模型。
图 6. 三维空间取向定量表征在小鼠乳腺癌中的应用[19]。(a)正常乳腺组织的多光子图像;(b)肿瘤组织的多光子图像;(c)正常组织多光子图像的三维重构;(f)肿瘤组织多光子图像的三维重构;代表性的(d)正常组织和(g)肿瘤组织中胶原纤维的二次谐波强度图像,其中插图为胶原空间结构示意图;(e)正常组织的三维方向方差图谱;(h)肿瘤组织的三维方向方差图谱;(i)两种分析窗口下的三维方向方差定量表征表明肿瘤组织中胶原纤维的三维空间有序度优于正常组织。(a)、(b)中的长度标尺:100 μm, 其他图中的长度标尺:50 μm; **表示P<0.001, *表示P<0.05
Fig. 6. Application of 3D orientation analysis in the breast cancer in mice model[19]. (a) Multi-photon image of normal tissue; (b) multi-photon image of tumor tissue; (c) 3D reconstructions of normal tissue; (f) 3D reconstruction of tumor multi-photon image; representative collagen SHG intensity images of (d) normal and (g) tumor tissues, and the insets are schematics of spatial structure of collagen; (e) 3D directional variance map of normal tissue; (h
除了小鼠的乳腺癌模型,Liu等[19]也在人体腹膜癌扩散中研究了癌症发生时组织胶原纤维三维空间取向的改变。腹腔是胃肠道肿瘤(如胰腺癌等)转移的常见目标[27]。受限于灵敏度水平,当前临床医学上常用的胃肠镜难以在癌症转移的早期发现病灶,而高分辨、高灵敏的多光子成像与精准表征可能是实现腹膜癌扩散早期诊断的新途径。Liu等[19]收集了正常腹膜组织和胰腺癌组织的活检样本,采用多光子成像获得了样本的三维胶原纤维图像[品红色,
图 7. 三维空间取向定量表征在人体腹膜癌扩散中的应用[19]。(a)正常腹膜的多光子图像;(b)胰腺癌组织的多光子图像;(c)正常腹膜多光子图像的三维重构;(d)胰腺癌组织多光子图像的三维重构;(e)正常腹膜的三维方向方差图谱;(g)胰腺癌组织的三维方向方差图谱;(f)正常腹膜三维空间角的分布;(h)胰腺癌组织三维空间角的分布;(i)正常与肿瘤组织的三维方向方差在不同分析窗口尺寸下的量值比较。长度标尺:100 μm; *表示P<0.05
Fig. 7. Application of 3D orientation analysis in human peritoneal metastases[19]. (a) Multi-photon image of healthy parietal peritoneum;(b) multi-photon image of pancreatic neoplastic tissue; (c) 3D reconstruction of multi-photon image of healthy parietal peritoneum; (d) 3D reconstruction of multi-photon image of pancreatic neoplastic tissue; (e) 3D directional variance map of healthy parietal peritoneum; (g) 3D directional variance map of pancreatic ne
3.4 脑损伤
上文介绍的应用场景大多是对生物组织胶原纤维的成像与空间取向分析。除了胶原纤维,神经元轴突是生物组织内另一种基本的纤维状结构,其空间取向特征在多种与脑部相关的疾病中同样产生着相应的变化,并最终影响脑部功能。Liu等[19]研究了人工类脑组织中的神经元轴突在外加应力(脑损伤)情况下空间取向的改变。该类脑组织的模型被称为“甜甜圈”结构[29],包括了富含神经元的“类灰质”区域和只含轴突的“类白质”区域,如
图 8. 三维空间取向定量表征在人工类脑组织损伤模型中的应用[19]。(a)“甜甜圈模型”人工类脑组织示意图;(b)控制性皮质冲击设备示意图;(c)神经元轴突双光子荧光图像的三维重构;(d)三维方向方差在损伤与非损伤样品中随距离的变化特征;(e)非损伤样本和(f)损伤样本的神经元轴突双光子荧光图像;(g)非损伤和(h)损伤样本的三维方向方差图谱;(i)非损伤和(j)损伤样本的三维空间角分布;在不同的分析窗口尺寸下,非损伤与损伤样本的(k)三维方向方差和 (l)二维方向方差。长度标尺:100 μm; *表示 P<0.05
Fig. 8. Application of 3D orientation analysis in the injury model of engineered brain-like tissues[19]. (a) “Donut model” of engineered brain-like tissues; (b) schematic of the controlled cortical impact set-up; (c) 3D reconstruction of two-photon excited fluorescence (TPEF) image of neuronal axons; (d) 3D directional variance of the uninjured and injured tissues as a function of distance away from the injury site; representative TPEF images of (e) unin
3.5 人工组织中细胞与细胞外基质的相互作用
细胞与细胞外基质(主要是胶原纤维)的相互作用最终决定了生物组织的功能,因此对其进行充分、精准的定量描述对于生物组织研究至关重要。Sundarakrishnan等[31]构建了一种简单的人工组织模型,用该模型来研究细胞与胶原纤维在空间取向上的相互影响。他们将来自于人的肺成纤维细胞放入丝绸与I型胶原混合的水凝胶中,在生物反应器中固定水凝胶的两端,用以模拟y方向的外加应力[
图 9. 三维空间取向定量表征同时应用于人工组织中的肺成纤维细胞与胶原纤维[31]。(a)人工组织的培养和三维空间角度定义示意图;(b)细胞数量随培养时间的变化;(c)肺成纤维细胞(绿色)和胶原纤维(红色)的三维方向方差随时间的变化;(d)在人工组织培养的不同时间点,肺成纤维细胞和胶原纤维的代表性图像和空间角分布情况。****表示P<0.0001; **表示P<0.01; *表示P<0.05
Fig. 9. Applications of 3D orientation analysis in pulmonary fibroblasts and collagen fibers in engineered tissues[31]. (a) Schematic of engineered tissue culture and 3D angle definition; (b) cell spreading as a function of culturing time; (c) 3D directional variance of pulmonary fibroblasts (green) and collagen fibers (red) as a function of time; (d) representative images of cells and collagen fibers, as well as distribution histograms of 3D orientation
除了肺成纤维细胞与细胞外基质的相互作用外,Liu等[32]还研究了在人工乳腺组织中,不同的激素对三维细胞球体空间形态和胶原纤维取向特征的作用,揭示了组织中的细胞与基质在结构上的相互影响。他们将乳腺上皮细胞播种进鼠尾I型胶原中,形成具有三维细胞球体的人工乳腺组织模型,然后采用了三种激素处理方案:1)雌激素(E2);2)雌激素+普美孕酮(E2+Promegestone);3)雌激素+催乳素(E2+Prolactin)。通过对细胞实施荧光标记,获得了细胞的双光子荧光三维图像,用于再现三维球体结构[
图 10. 三维空间取向定量表征应用于人工乳腺组织中激素作用的研究[32]。(a)在三种不同激素的作用下,细胞球体荧光图像的三维重构;(b)包含细胞球体与胶原纤维的人工乳腺组织多光子图像的三维重构;(c)三维重构中的一张具有代表性的图像;(d)胶原纤维的三维空间角分布;(e)在细胞球体外一定范围内,胶原纤维的三维方向方差图谱。长度标尺:50 μm
Fig. 10. Application of 3D orientation analysis in the study of hormone effects in engineered breast tissues[32]. (a) 3D reconstructions of TPEF images of cell spheroids in response to different hormone treatments; (b) 3D reconstructions of engineered breast tissues including both cells and collagen fibers; (c) one representative frame from 3D constructions; (d) distribution histograms of 3D orientations under different hormone treatments; (e) 3D directio
这项研究表明,细胞周围胶原纤维的空间取向与细胞球体的空间形态密切相关。例如,在雌激素+普美孕酮作用下,纤维取向的整体杂乱很可能是由细胞体的树枝状突出导致的胶原交错分布造成的。对胶原纤维三维空间结构的解析,推动了不同激素作用下细胞-胶原相互作用机制的研究,并将最终优化乳腺疾病的诊疗。
4 结束语
本文主要介绍了生物组织内纤维状结构空间取向的定量表征方法,并综述了现有的空间取向信息的精准描述手段在生物医学中的应用。纤维状结构空间取向的定量化经历了从二维分析向三维分析的过渡,由于三维分析相比于二维分析能够更加全面、准确地再现生物组织的空间形貌,因此在生物医学领域展现出了巨大的潜力。在应用层面,目前这种空间取向定量计算方法已经在伤口愈合、骨关节炎、癌症、脑损伤等疾病模型中获得了可行性验证和初步应用,并且在多种人工组织中,揭示了细胞与细胞外基质在结构上的相互影响,这种结构上的特征最终决定了生物组织的功能性。对取向信息的描述能够与各种不同的光学成像手段相匹配,包括共聚焦、二次谐波、双光子荧光成像等。在检测目标上,这种计算方法涵盖了包括胶原纤维、神经元轴突、纤维状细胞群聚等生物组织中的任何纤维状结构,展示了该方法广泛的适用性。需要特别指出的是,虽然目前已有多种疾病模型展现了正常组织与病态组织在纤维状结构空间取向和有序度上的显著性差异,但是,将这一指标直接作为定量病理诊断依据还需要大量的重复性实验,包括不同组织类别、不同病期的多方面验证。例如,本文中介绍的癌症应用,包括小鼠乳腺癌和人的腹膜癌扩散,都给出了肿瘤组织中胶原纤维空间有序度高于正常组织的结论,但它们都是在特定的癌症阶段获得的成像与表征结果。事实上,癌症的发生和演化是一个阶段性的复杂过程,在不同的阶段可能展现出不同的特征,甚至可能会出现相反的结果。之前的研究也表明,某些癌症(如结肠癌)中的胶原纤维将趋向于更加杂乱的空间结构[34]。因此,定量诊断指标的最终形成(以癌症为例),需要获得特定癌症种类在不同病理阶段的纤维取向和有序度的特征量值,从而获得可作为诊断依据的不同病理阶段的病理指标阈值。在当前条件下,空间结构的精准描述与传统医学手段(如作为临床诊断“金标准”的组织切片方法等)的互补式融合或许是最为有效的手段。尽管如此,这些前期的疾病模型纤维状结构空间取向分析,为进一步实现精细化病理诊断打下了坚实的基础,对于精准医疗具有重要的参考意义。
与此同时,在生物组织中,还有一些更加微观的纤维状结构,如细胞微管、应力纤维等,它们的尺寸大约在亚百纳米范围,在诸多基本生命过程中通过形态的改变最终决定细胞的功能。过去,受制于光学成像的分辨率水平,这些微观纤维状结构的空间取向没有得到充分研究。随着光学超分辨成像手段的不断发展与完善,对这些微观结构的三维动态高分辨成像已成为可能。如果将光学超分辨成像手段进一步与这些空间取向的精准描述方法相结合,将有可能揭示基本生命过程的一般发展规律,这对于生命科学的进步将起到积极的作用。事实上,该方法在材料检测领域同样具有广阔的空间。例如,对纤维状纳米线的定量表征和反馈,有助于推进制备手段的评估与改进。可以预见,对空间取向的精准描述,有望在不同的学科领域,特别是在生物组织一般规律的揭示方面方面,发挥更大的作用。
[1] Geiger B, Bershadsky A, Pankov R, et al. Transmembrane crosstalk between the extracellular matrix and the cytoskeleton[J]. Nature Reviews Molecular Cell Biology, 2001, 2(11): 793-805.
[2] Egeblad M, Werb Z. New functions for the matrix metalloproteinases in cancer progression[J]. Nature Reviews Cancer, 2002, 2(3): 161-174.
[3] Abbott N J, Rönnbäck L, Hansson E. Astrocyte-endothelial interactions at the blood-brain barrier[J]. Nature Reviews Neuroscience, 2006, 7(1): 41-53.
[4] Discher D E, Mooney D J, Zandstra P W. Growth factors, matrices, and forces combine and control stem cells[J]. Science, 2009, 324(5935): 1673-1677.
[5] Zamir E, Katz M, Posen Y, et al. Dynamics and segregation of cell-matrix adhesions in cultured fibroblasts[J]. Nature Cell Biology, 2000, 2(4): 191-196.
[6] Butcher D T, Alliston T, Weaver V M. A tense situation: forcing tumour progression[J]. Nature Reviews Cancer, 2009, 9(2): 108-122.
[7] 林宏心, 左宁, 卓双木, 等. 多光子显微技术在医学诊断中的应用[J]. 中国激光, 2018, 45(2): 0207014.
[8] 李慧, 夏先园, 陈廷爱, 等. 双光子荧光寿命成像在肿瘤诊断研究中的应用[J]. 中国激光, 2018, 45(2): 0207010.
[9] Zipfel W R, Williams R M, Webb W W. Nonlinear magic: multiphoton microscopy in the biosciences[J]. Nature Biotechnology, 2003, 21(11): 1369-1377.
[10] Zemel A, Rehfeldt F. Brown A E X, et al. Optimal matrix rigidity for stress-fibre polarization in stem cells[J]. Nature Physics, 2010, 6(6): 468-473.
[11] Barnes C, Speroni L, Quinn K P, et al. From single cells to tissues: interactions between the matrix and human breast cells in real time[J]. PLoS One, 2014, 9(4): e93325.
[16] Sivaguru M, Durgam S, Ambekar R, et al. Quantitative analysis of collagen fiber organization in injured tendons using Fourier transform-second harmonic generation imaging[J]. Optics Express, 2010, 18(24): 24983.
[17] Quinn K P, Georgakoudi I. Rapid quantification of pixel-wise fiber orientation data in micrographs[J]. Journal of Biomedical Optics, 2013, 18(4): 046003.
[19] Liu Z Y, Pouli D, Sood D, et al. Automated quantification of three-dimensional organization of fiber-like structures in biological tissues[J]. Biomaterials, 2017, 116: 34-47.
[20] Liu Z Y, Quinn K P, Speroni L, et al. Rapid three-dimensional quantification of voxel-wise collagen fiber orientation[J]. Biomedical Optics Express, 2015, 6(7): 2294-2310.
[21] Quinn K P, Golberg A, Broelsch G F, et al. An automated image processing method to quantify collagen fibre organization within cutaneous scar tissue[J]. Experimental Dermatology, 2015, 24(1): 78-80.
[22] Quinn K P, Sullivan K E, Liu Z Y, et al. Optical metrics of the extracellular matrix predict compositional and mechanical changes after myocardial infarction[J]. Scientific Reports, 2016, 6: 35823.
[23] Loeser R F, Goldring S R, Scanzello C R, et al. Osteoarthritis: a disease of the joint as an organ[J]. Arthritis & Rheumatism, 2012, 64(6): 1697-1707.
[24] Mingalone C K, Liu Z Y, Hollander J M, et al. Bioluminescence and second harmonic generation imaging reveal dynamic changes in the inflammatory and collagen landscape in early osteoarthritis[J]. Laboratory Investigation, 2018, 98(5): 656-669.
[25] Nieminen M T, Rieppo J, Töyräs J, et al. T2 relaxation reveals spatial collagen architecture in articular cartilage: a comparative quantitative MRI and polarized light microscopic study[J]. Magnetic Resonance in Medicine, 2001, 46(3): 487-493.
[26] Ambekar R, Lau T Y, Walsh M, et al. Quantifying collagen structure in breast biopsies using second-harmonic generation imaging[J]. Biomedical Optics Express, 2012, 3(9): 2021-2035.
[27] Schnelldorfer T, Ware A L, Sarr M G, et al. Long-term survival after pancreatoduodenectomy for pancreatic adenocarcinoma[J]. Annals of Surgery, 2008, 247(3): 456-462.
[28] Whatcott C J, Diep C H, Jiang P, et al. Desmoplasia in primary tumors and metastatic lesions of pancreatic cancer[J]. Clinical Cancer Research, 2015, 21(15): 3561-3568.
[31] Sundarakrishnan A, Zukas H, Coburn J, et al. Bioengineered in vitro tissue model of fibroblast activation for modeling pulmonary fibrosis[J]. ACS Biomaterials Science & Engineering, 2019, 5(5): 2417-2429.
[32] Liu Z Y, Speroni L, Quinn K P, et al. 3D organizational mapping of collagen fibers elucidates matrix remodeling in a hormone-sensitive 3D breast tissue model[J]. Biomaterials, 2018, 179: 96-108.
[33] Dhimolea E, Maffini M V, Soto A M, et al. The role of collagen reorganization on mammary epithelial morphogenesis in a 3D culture model[J]. Biomaterials, 2010, 31(13): 3622-3630.
Article Outline
刘智毅, 孟佳, 邱建榕, 韩涛, 王迪, 卓双木, 丁志华. 生物组织纤维状结构空间取向的精准表征与应用[J]. 中国激光, 2020, 47(2): 0207002. Liu Zhiyi, Meng Jia, Qiu Jianrong, Han Tao, Wang Di, Zhuo Shuangmu, Ding Zhihua. Accurate Characterization of Spatial Orientations of Fiber-Like Structures in Biological Tissues and Its Applications[J]. Chinese Journal of Lasers, 2020, 47(2): 0207002.