Obtenga más información de sus muestras de tejido mineralizado

Se revelan datos sobre la estructura y el estado del hueso usando la captura de imágenes por rayos X, y los parámetros como el grosor trabecular, volumen de hueso/volumen total, o la proporción de hueso cortical respecto a trabecular son medidas importantes que se deben estudiar. La consistencia y la repetibilidad de las mediciones morfométricas del hueso calculadas a partir de conjuntos de datos de µCT se basan en el uso de procedimientos estándar para la preparación de la muestra, la adquisición y el procesamiento de imágenes¹. La gama ZEISS Xradia de instrumentos de rayos X ofrece capacidades de alto contraste que hacen que estas adquisiciones de imágenes estándar sean rápidas y fáciles.

La adquisición de hueso a múltiples escalas proporciona mucha información sobre la arquitectura del hueso en diferentes escalas de longitud. Los múltiples lentes objetivo del microscopio de rayos X ZEISS Xradia Versa permiten la caracterización del hueso en estas escalas de longitud para revelar detalles de la estructura jerárquica².

Entender la distribución de la tensión es fundamental para investigar más en profundidad la relación entre la estructura y la función del hueso. Se puede evaluar la forma en que el tejido óseo o la arquitectura del biomaterial influyen en sus propiedades mecánicas y en la transferencia de carga dentro del hueso, la articulación o el tejido circundante. La captura de imágenes in situ es un potente enfoque para realizar dichas evaluaciones en 4D, ya que se pueden captar imágenes de las muestras dentro de una plataforma in-situ con alta resolución usando el XRM Xradia Versa y después someterlas a compresión antes de repetir esta rutina según sea necesario. La distribución de la tensión en todo el campo en 3D y la magnitud de cada muestra se pueden evaluar usando la correlación digital del volumen (DVC)⁵.

La evaluación por rayos X en 3D de la microestructura ósea requiere un elevado número de puntos de datos para lograr reproducibilidad y robustez. La mayoría de sistemas comerciales de rayos X en 3D usan el algoritmo Feldkamp-Davis-Kress (FDK), el cual genera imágenes de buena calidad, pero requiere un número relativamente elevado de proyecciones y/o tiempos de exposición prolongados para reducir el ruido y los artefactos. La reconstrucción mediante aprendizaje profundo de ZEISS (DeepRecon) requiere muchas menos imágenes de proyección en 2D, reduciendo así los tiempos de obtención de datos y mejorando hasta 10 veces el rendimiento de µCT.​

Sin necesidad de hardware adicional de línea de haz de rayos X, DeepRecon incrementa significativamente el rendimiento del análisis musculoesquelético en 3D, además de reducir el ruido para revelar la estructura y diferencias sutiles en escala de grises.​