Summary

Messung lokaler Gewebebelastungen in Sehnen mittels digitaler Open-Source-Bildkorrelation

Published: January 27, 2023
doi:

Summary

In diesem Artikel wird ein Open-Source-Algorithmus zur digitalen Bildkorrelationsalgorithmus zur Messung lokaler 2D-Gewebestämme in Sehnenexplantaten beschrieben. Die Genauigkeit der Technik wurde mit mehreren Techniken validiert und steht der Öffentlichkeit zur Verfügung.

Abstract

Es besteht ein erhebliches wissenschaftliches Interesse daran, die Stämme zu verstehen, denen Sehnenzellen in situ ausgesetzt sind, und wie diese Stämme den Gewebeumbau beeinflussen. Basierend auf diesem Interesse wurden verschiedene Analysetechniken entwickelt, um lokale Gewebestämme innerhalb von Sehnenexplantaten während der Belastung zu messen. In mehreren Fällen wurde jedoch nicht über die Genauigkeit und Empfindlichkeit dieser Techniken berichtet, und keiner der Algorithmen ist öffentlich verfügbar. Dies hat die breitere Messung lokaler Gewebestämme in Sehnenexplantaten erschwert. Ziel dieser Arbeit war es daher, ein validiertes Analysewerkzeug zur Messung lokaler Gewebestämme in Sehnenexplantaten zu entwickeln, das leicht verfügbar und einfach zu bedienen ist. Insbesondere wurde ein öffentlich zugänglicher ALDIC-Algorithmus (Augmented-Lagrangeian Digital Image Correlation) für die Messung von 2D-Dehnungen angepasst, indem die Verschiebungen von Zellkernen innerhalb der Achillessehnen der Maus unter einachsiger Spannung verfolgt wurden. Zusätzlich wurde die Genauigkeit der berechneten Dehnungen durch die Analyse digital transformierter Bilder sowie durch den Vergleich der Dehnungen mit Werten validiert, die mit einer unabhängigen Technik (d.h. photogebleichten Linien) bestimmt wurden. Schließlich wurde eine Technik in den Algorithmus integriert, um das Referenzbild unter Verwendung des berechneten Verschiebungsfeldes zu rekonstruieren, mit dem die Genauigkeit des Algorithmus in Abwesenheit bekannter Dehnungswerte oder einer sekundären Messtechnik beurteilt werden kann. Der Algorithmus ist in der Lage, Dehnungen bis zu 0,1 mit einer Genauigkeit von 0,00015 zu messen. Die Technik zum Vergleich eines rekonstruierten Referenzbildes mit dem tatsächlichen Referenzbild identifizierte erfolgreich Proben, die fehlerhafte Daten enthielten, und zeigte an, dass in Proben mit guten Daten etwa 85% des Verschiebungsfeldes genau waren. Schließlich stimmten die in den Achillessehnen der Maus gemessenen Stämme mit der bisherigen Literatur überein. Daher ist dieser Algorithmus ein sehr nützliches und anpassungsfähiges Werkzeug zur genauen Messung lokaler Gewebebelastungen in Sehnen.

Introduction

Sehnen sind mechanoempfindliche Gewebe, die sich als Reaktion auf mechanische Belastungen anpassen und degenerieren 1,2,3,4. Aufgrund der Rolle, die mechanische Reize in der Sehnenzellbiologie spielen, besteht ein großes Interesse daran, die Belastungen zu verstehen, denen Sehnenzellen in der nativen Gewebeumgebung während der Belastung ausgesetzt sind. Es wurden verschiedene experimentelle und analytische Techniken entwickelt, um lokale Gewebebelastungen in Sehnen zu messen. Dazu gehören 2D/3D-Analysen der digitalen Bildkorrelation (DIC) von Oberflächendehnungen unter Verwendung von Speckle-Mustern oder photogebleichten Linien (PBLs)5,6,7,8, die Messung der Änderungen des Schwerpunkt-zu-Schwerpunkt-Abstands einzelner Kerne innerhalb des Gewebes9,10 und eine neuere Vollfeld-3D-DIC-Methode, die Bewegungen außerhalb der Ebene und 3D-Verformungen berücksichtigt 11 . Die Genauigkeit und Empfindlichkeit dieser Techniken wurde jedoch nur in wenigen Fällen berichtet, und keine dieser Techniken wurde öffentlich zugänglich gemacht, was die weit verbreitete Einführung und Nutzung dieser Techniken erschwert.

Ziel dieser Arbeit war es, ein validiertes Analysewerkzeug zur Messung lokaler Gewebestämme in Sehnenexplantaten zu schaffen, das leicht verfügbar und einfach zu bedienen ist. Die gewählte Methode basiert auf einem öffentlich zugänglichen ALDIC-Algorithmus (Augmented-Lagrangeian Digital Image Correlation), der in MATLAB geschrieben wurde und von Yang und Bhattacharya12 entwickelt wurde. Dieser Algorithmus wurde für die Analyse von Sehnenproben angepasst und validiert, indem er auf digital transformierte Bilder angewendet und die in tatsächlichen Sehnenproben gemessenen Dehnungen mit den Ergebnissen aus photogebleichten Linien verglichen wurde. Darüber hinaus wurde eine zusätzliche Funktionalität in den Algorithmus implementiert, um die Genauigkeit des berechneten Verschiebungsfeldes auch ohne bekannte Dehnungswerte oder eine sekundäre Messtechnik zu bestätigen. Daher ist dieser Algorithmus ein sehr nützliches und anpassungsfähiges Werkzeug zur genauen Messung lokaler 2D-Gewebestämme in Sehnen.

Protocol

Diese Studie wurde vom Institutional Animal Care and Use Committee der Pennsylvania State University genehmigt. 1. Gewebevorbereitung Für dieses Protokoll werden die Achillessehnen von 2-4 Monate alten männlichen C57BL/6-Mäusen entnommen.HINWEIS: Es können auch verschiedene Sehnen oder Bänder von Mäusen oder anderen Kleintieren verwendet werden.Machen Sie einen Schnitt in der Haut oberflächlich zur Achillessehne, um die Plantarissehne und das umgeb…

Representative Results

Vor der Analyse der Dehnungsfelder in realen Gewebeproben wurde das ALDIC-Protokoll zunächst anhand von digital gespannten/transformierten Bildern von Kernen in den Achillessehnen der Maus validiert. Insbesondere wurden die Bilder transformiert, um digitale gleichmäßige Dehnungen in x-Richtung von 2 %, 4 %, 6 %, 8 % und 10 % Dehnung mit einem simulierten Poisson-Verhältnis von 115,16 zu erzeugen. Die Genauigkeit des ALDIC-Algorithmus wurde dann bewertet, inde…

Discussion

Das Ziel dieser Arbeit war es, eine quelloffene, validierte Methode zur Messung der 2D-Dehnungsfelder in Spanngliedern unter Zugbelastung bereitzustellen. Das Fundament der Software basierte auf einem öffentlich zugänglichen ALDIC-Algorithmus12. Dieser Algorithmus wurde in einen größeren MATLAB-Code eingebettet, der die Funktionalität einer inkrementellen (im Vergleich zur kumulativen) Dehnungsanalyse umfasste. Dieser angepasste Algorithmus wurde dann auf den Zugversuch von Spanngliedern ange…

Divulgaciones

The authors have nothing to disclose.

Acknowledgements

Diese Arbeit wurde von den National Institutes of Health (R21 AR079095) und der National Science Foundation (2142627) finanziert.

Materials

5-DTAF (5-(4,6-Dichlorotriazinyl) Aminofluorescein), single isomer ThermoFisher D16
Calipers Mitutoyo 500-196-30
Confocal Microscope Nikon A1R HD
Corning LSE Vortex Mixer Coning 6775
DRAQ5 Fluorescent Probe Solution (5 mM) ThermoFisher 62554
MATLAB MathWorks R2022b
Tensile Loading Device N/A N/A Tensile loading device described in Peterson et al, 2020. (ref 13) 
Tube Revolver Rotator ThermoFisher 88881001

Referencias

  1. Devkota, A. C. Distributing a fixed amount of cyclic loading to tendon explants over longer periods induces greater cellular and mechanical responses. Journal of Orthopaedic Research. 11 (4), 1609-1612 (2007).
  2. Sun, H. B., et al. Cycle-dependent matrix remodeling gene expression response in fatigue-loaded rat patellar tendons. Journal of Orthopaedic Research. 28 (10), 1380-1386 (2010).
  3. Shepherd, J. H., Screen, H. R. C. Fatigue loading of tendon. International Journal of Experimental Pathology. 94 (4), 260-270 (2013).
  4. Paschall, L., Pedaprolu, K., Carrozzi, S., Dhawan, A., Szczesny, S. Mechanical stimulation as both the cause and the cure of tendon and ligament injuries. Regenerative Rehabilitation: From Basic Science to the Clinic. , 359-386 (2022).
  5. Andarawis-Puri, N., Ricchetti, E. T., Soslowsky, L. J. Rotator cuff tendon strain correlates with tear propagation. Journal of Biomechanics. 42 (2), 158-163 (2009).
  6. Cheng, V. W. T., Screen, H. R. C. The micro-structural strain response of tendon. Journal of Materials Science. 42 (21), 8957-8965 (2007).
  7. Luyckx, T., et al. Digital image correlation as a tool for three-dimensional strain analysis in human tendon tissue. Journal of Experimental Orthopaedics. 1 (1), 7 (2014).
  8. Duncan, N. A., Bruehlmann, S. B., Hunter, C. J., Shao, X., Kelly, E. J. In situ cell-matrix mechanics in tendon fascicles and seeded collagen gels: Implications for the multiscale design of biomaterials. Computer Methods in Biomechanics and Biomedical Engineering. 17 (1), 39-47 (2014).
  9. Arnoczky, S. P., Lavagnino, M., Whallon, J. H., Hoonjan, A. In situ cell nucleus deformation in tendons under tensile load; A morphological analysis using confocal laser microscopy. Journal of Orthopaedic Research. 20 (1), 29-35 (2002).
  10. Screen, H. R. C., Bader, D. L., Lee, D. A., Shelton, J. C. Local strain measurement within tendon. Strain. 40 (4), 157-163 (2004).
  11. Fung, A. K., Paredes, J. J., Andarawis-Puri, N. Novel image analysis methods for quantification of in situ 3-D tendon cell and matrix strain. Journal of Biomechanics. 67, 184-189 (2018).
  12. Yang, J., Bhattacharya, K. Augmented Lagrangian digital image correlation. Experimental Mechanics. 59 (2), 187-205 (2019).
  13. Peterson, B. E., Szczesny, S. E. Dependence of tendon multiscale mechanics on sample gauge length is consistent with discontinuous collagen fibrils. Acta Biomaterialia. 117, 302-309 (2020).
  14. Humphrey, J. D., O’Rourke, S. L. . An Introduction to Biomechanics. , (2015).
  15. Reese, S. P., Weiss, J. A. Tendon fascicles exhibit a linear correlation between Poisson’s ratio and force during uniaxial stress relaxation. Journal of Biomechanical Engineering. 135 (3), 34501 (2013).
  16. Ahmadzadeh, H., Freedman, B. R., Connizzo, B. K., Soslowsky, L. J., Shenoy, V. B. Micromechanical poroelastic finite element and shear-lag models of tendon predict large strain dependent Poisson’s ratios and fluid expulsion under tensile loading. Acta Biomaterialia. 22, 83-91 (2015).
  17. Szczesny, S. E., Elliott, D. M. Interfibrillar shear stress is the loading mechanism of collagen fibrils in tendon. Acta Biomaterialia. 10 (6), 2582-2590 (2014).
  18. Han, W. M., et al. Macro- to microscale strain transfer in fibrous tissues is heterogeneous and tissue-specific. Biophysical Journal. 105 (3), 807-817 (2013).
  19. Pedaprolu, K., Szczesny, S. E. A novel, open-source, low-cost bioreactor for load-controlled cyclic loading of tendon explants. Journal of Biomechanical Engineering. 144 (8), 084505 (2022).
  20. Gatt, R., et al. Negative Poisson’s ratios in tendons: An unexpected mechanical response. Acta Biomaterialia. 24, 201-208 (2015).

Play Video

Citar este artículo
Godshall, S., Pedaprolu, K., Vasti, E., Eskandari, F., Szczesny, S. E. Measuring Local Tissue Strains in Tendons via Open-Source Digital Image Correlation. J. Vis. Exp. (191), e64921, doi:10.3791/64921 (2023).

View Video