Etablierung einer semiautomatischen Analyse von mittels Time-lapse MRT dynamisch detektierten singulären Immunzellen

Zielsetzung Time-lapse MRT ermöglicht mittels repetitiver Bildakquisition die Darstellung einzelner Eisen-markierter Immunzellen im murinen Gehirn. Ziel dieses Projektes war eine Verbesserung der bisher zeitaufwändigen manuellen Datenauswertung. Zusätzlich wurde die in vivo Zellgeschwindigkeits-Detektionsgrenze der Time-lapse MRT mittels Phantommessungen validiert.

Material und Methoden In einem 9,4T Kleintier-MRT wurde das Gehirn von n=15 BALB/c Mäusen 24h nach i.v.-Injektion von Resovist (Ferucarbotran) zur in vivo Monozyten-Markierung mit einer repetitiven T2*gewichteten Time-lapse MRT-Sequenz untersucht. Für die anschließende semiautomatische Kategorisierung wurden dynamisch detektierte Zellen in ImageJ markiert, Koordinaten mit einer modifizierten MATLAB-Implementierung des IDL-Particle Tracking Codes (nach Crocker et.al.) zu Trajektorien verbunden und in drei Bewegungsmuster eingeteilt. Als Referenz diente eine manuelle Zählung. Verglichen wurden beide Methoden mittels Bland-Altman-Analyse. Zusätzlich wurde ein Phantom entwickelt, das Time-lapse MRT-Messungen eingebetteter Eisen-markierter Monozyten mit einer Rotationsgeschwindigkeit von 4,4x10^-3 rpm ermöglicht.

Ergebnisse Der Vergleich der beiden Quantifizierungsmethoden ergab eine hohe Übereinstimmung (Bias von 2,53 ± 7,23 für manuell 437 ± 167 vs. 440 ± 170 automatisiert gezählte Zellen). Die Time-lapse-Messungen am rotierenden Phantom mit maximalen Zellgeschwindigkeiten bis ca. 2,3 µm/s validieren eine mit vorherigen MATLAB-Simulationen übereinstimmende Zellgeschwindigkeits-Detektionsgrenze von ca. 1 µm/s für in vivo Messungen.

Schlußfolgerungen Das etablierte semiautomatische Zelltracking-Tool erlaubt eine verlässliche Analyse einzelner mittels Time-lapse MRT detektierter Immunzellen. Zudem ist mit dem eigens entwickelten Rotationsphantom nun eine Bestimmung der Detektionsgrenze für maximale Zellgeschwindigkeiten möglich, was für weitere Sequenzoptimierungen der Time-lapse MRT genutzt werden kann.

Publikationsverlauf

Artikel online veröffentlicht:
29. August 2022