Rentgenová počítačová tomografie embrya myši

Abstract

Jedním z cílů diplomové práce je porovnání možností dostupných mikro-CT. Teoretická část se zabývá možnostmi barvení měkkých tkání a embryí z důvodu zvýšení kontrastu mikro-CT snímků u těchto tkání. Dále se zde popisují zdroje záření a detektory dostupných mikro-CT systémů. V praxi bylo realizováno barvení embrya ve spolupráci s Ústavem embryologie a histologie v Brně. Následně proběhlo skenování na stanici v Brně na FSI, v Praze na ČVUT a synchrotronu Elettra v Itálii. V práci jsou popsána měření embrya myši pomocí výše uvedených zařízení a výsledky porovnány. Nejlepších výsledků bylo dosaženo na mikro-CT v Brně, kde se využívá rentgenová trubice a flat panel detektor. Tyto snímky se použily pro segmentaci chrupavčité tkáně čichového ústrojí pomocí metody 3D region growing. Z výsledných dat byly vytvořeny 3D modely za účelem porovnání s manuálně segmentovaným modelem. Poloautomatickou segmentací se dosahuje méně přesných výsledků, ale z hlediska časové náročnosti je tato metoda vhodnější.

The aim of this semestral thesis is to compare the possibilities of available micro-CT systems. Theoretic part of this thesis there deals with possibilities of staining soft tissues and embryos because of enhancement the contrast of micro-CT images. Here follows a description of sources X-ray and detectors of available micro-CT systems. In practice there was realized the staining of embryo in cooperation with Department of histology and embryology in Brno. Then followed a measuring on FSI in Brno, ČVUT in Prague and synchrotron Elettra in Italy. In semestral thesis are described of the thesis there are compared the micro-CT systems and results of measuring embryos by means of presented systems and results are compared.The best results were obtained on micro-CT in Brno, where X-ray tube and flat panel detector were used. This images were used for a segmentation of cartilage olfactory system by means of 3D region growing. From results they were created 3D models for comparison with a manually segmented model. A less accurate results were obtain with the semi-automatic segmentation but this method isn’t too time-consuming.