Cavitatie microbubbles worden afgebeeld met behulp van een high-speed camera bevestigd aan een zoomlens. De experimentele opstelling wordt uitgelegd en beeldanalyse wordt gebruikt om het gebied van de cavitatie te berekenen. Beeldanalyse wordt gedaan met ImageJ.
Een experimentele en beeldanalysetechniek wordt gepresenteerd voor beeldvormingsholtebellen en het berekenen van hun gebied. Het hier gepresenteerde experimentele techniek- en beeldanalyseprotocol met hoge snelheid kan ook worden toegepast voor beeldvormingsmicroscopische bellen op andere onderzoeksgebieden; daarom heeft het een breed scala aan toepassingen. We passen dit toe op beeldholtes rond ultrasone scalers. Het is belangrijk om beeld cavitatie te karakteriseren en om te begrijpen hoe het kan worden benut voor verschillende toepassingen. Cavitatie die zich rond tandheelkundige ultrasone scalers kan worden gebruikt als een nieuwe methode van tandheelkundige plaque verwijderen, die effectiever zou zijn en minder schade veroorzaken dan de huidige parodontale therapie technieken. We presenteren een methode voor het beeldvorming van de cavitatie bubble wolken die zich rond tandheelkundige ultrasone scaler tips met behulp van een high-speed camera en een zoomlens. We berekenen ook het gebied van cavitatie met behulp van machine learning beeldanalyse. Open source software wordt gebruikt voor beeldanalyse. De gepresenteerde beeldanalyse is eenvoudig te repliceren, vereist geen programmeerervaring en kan eenvoudig worden aangepast aan de toepassing van de gebruiker.
Beeldvorming van de beweging van bellen is belangrijk voor verschillende toepassingen, omdat het de hydrodynamica van een systeem regelt. Er zijn vele toepassingen waar dit nuttig kan zijn: in gefluïde bedreactoren1,2, of voor het reinigen met cavitatiebellen3,4. Het doel van beeldvormingsbubbels is om meer te begrijpen over de bubbeldynamiek of over de richting en beweging van een wolk van bubbels. Dit kan worden gedaan door het observeren van structuren afgebeeld en ook met behulp van beeldanalyse om kwantitatieve informatie te verkrijgen, zoals de grootte van de bubbels.
Cavitatiebellen zijn gas- of dampentiteiten die in een vloeistof voorkomen wanneer de druk onder de verzadigde drukwaarde daalt5. Ze kunnen optreden wanneer een akoestisch veld wordt toegepast op een vloeistof op ultrasone frequenties. Ze herhaaldelijk groeien en instorten, en bij instorting kan energie vrij te geven in de vorm van high-speed micro-jets en schokgolven6,7. Deze kunnen deeltjes op een oppervlak verjagen door afschuifkrachten en oppervlaktereiniging veroorzaken8. Cavitatiebellen worden onderzocht voor oppervlaktereiniging in verschillende industrieën, zoals voor halfgeleiders, voedsel en wondreiniging9,10,11,12. Ze kunnen ook worden gebruikt om tandplak schoon te maken van tanden en biomaterialen zoals tandheelkundige implantaten12,13. Cavitatie vindt plaats rond momenteel gebruikte tandheelkundige instrumenten zoals ultrasone scalers en endodontische bestanden en toont potentieel als een extra reinigingsproces met deze instrumenten14.
De oscillatie van cavitatiebellen vindt plaats over een paar microseconden en daarom is een high-speed camera nodig om hun beweging vast te leggen door beeldvorming bij duizenden frames per seconde8. We demonstreren een methode van beeldvorming microbubble cavitatie rond tandheelkundige ultrasone scalers. Het doel is om te begrijpen hoe cavitatie varieert rond verschillende ultrasone scalers, zodat het kan worden geoptimaliseerd als een nieuwe manier om tandplak schoon te maken.
Eerdere methoden die worden gebruikt om de cavitatie te onderzoeken omvatten sonochemiluminesence, die luminol gebruikt om te detecteren waar cavitatie heeft plaatsgevonden15,16. Dit is echter een indirecte techniek en het is niet in staat om de cavitatiebellen in realtime te visualiseren. Daarom is het niet in staat om nauwkeurig te bepalen waar het precies gebeurt op het instrument, en geen informatie kan worden verkregen over de bubble dynamiek, tenzij het wordt gecombineerd met andere beeldvormende technieken17. High-speed imaging kan niet alleen het beeld van de cavitatie bellen groeien en instorten, maar ook het type cavitatie die zich voordoet: cavitatie wolken, microstreamers en micro-jets6,7,18. Deze geven meer informatie over hoe de cavitatie oppervlakken kan reinigen.
We presenteren een methode voor het beeldvorming van cavitatiemicrobellen met behulp van een high-speed camera en het berekenen van het gemiddelde gebied van cavitatie die zich voordoet. Deze methode wordt aangetoond met behulp van een voorbeeld van cavitatie die zich rond verschillende tandheelkundige ultrasone scaler tips, hoewel de experimentele en beeldanalyse stappen kunnen worden gebruikt voor andere toepassingen, zoals voor beeldvorming andere macro en microbellen.
De techniek beschreven in dit document maakt beeldvorming van snel bewegende microbellen met een hoge ruimtelijke en temporele resolutie mogelijk. Het kan potentieel ten goede komen aan een breed scala van wetenschappelijke disciplines, zoals chemische techniek, tandheelkunde en geneeskunde. Technische toepassingen omvatten beeldvorming cavitatie bellen voor het reinigen van oppervlakken, of voor beeldvorming bellen in gefluïdiseerde bed reactoren. Biomedische toepassingen omvatten beeldvorming cavitatie rond medische en tandheelkundige instrumenten en imaging biofilm debridement van hard en zacht weefsel met behulp van cavitatiebellen. In deze studie hebben we de techniek aangetoond door beeldvorming cavitatie rond twee verschillende tandheelkundige ultrasone scaler tips. De hoeveelheid cavitatie varieert tussen de twee tips die in deze studie worden getest, met meer cavitatiewolken waargenomen rond het vrije uiteinde van tip 10P. Dit is eerder gekoppeld aan trillingsamplitude20. De high-speed video’s laten zien dat de FSI 1000 tip minder trillingen heeft, wat waarschijnlijk de reden is waarom er minder cavitatie rond deze tip is.
Een beperking van de beeldanalysemethode is dat de beeldaftrekkende techniek om het gebied van de scaler te verwijderen niet volledig nauwkeurig is omdat de scaler oscilleert en daarom de aftrekking sommige gebieden van de scaler ten onrechte als bellen kan laten. Dit is echter verantwoord door het gemiddelde van het gebied van een groot aantal frames (n= 2000). Dit zou geen probleem zijn voor toepassingen waarbij het te trekken object stilstaat. Voor studies waarbij het af te trekken bewegende object een veel hogere variantie heeft, raden we u aan de bewegingen in beide video’s te synchroniseren voordat het wordt afgetrokken voor nauwkeurige resultaten. In de huidige studie hebben we de oscillaties niet gesynchroniseerd, maar omdat de trilling laag was, kunnen we aannemen dat de oscillaties goed met elkaar overeenkomen in deze twee metingen.
De beelddrempeling is nauwkeurig omdat de brightfield-verlichting een uniforme achtergrond biedt met een goed contrast. Het is van cruciaal belang om ervoor te zorgen dat de achtergrond uniform is en geen andere objecten bevat die ten onrechte kunnen worden gesegmenteerd. De drempelmethode kan worden gewijzigd door andere automatische drempelwaarden te gebruiken die bij de toepassing passen. Handmatige drempelwaarde, waarbij de gebruiker de drempelwaarde instelt, is ook mogelijk, maar wordt niet aanbevolen omdat dit de reproduceerbaarheid van de resultaten vermindert, omdat verschillende gebruikers verschillende drempelwaarden selecteren.
Beeldanalyse is gebruikt voor vele andere bubble imaging studies. Deze maken ook gebruik van een soortgelijke methode van achtergrondverlichting om een optimaal contrast tussen de bellen en de achtergrond te krijgen, en drempels om de bubbels te segmenteren21,22,23,24. De methode die in de huidige studie wordt getoond, kan ook worden gegeneraliseerd om te worden gebruikt voor veel verschillende toepassingen voor bellenbeeldvorming, die niet beperkt zijn tot alleen snelle beeldvorming. High-speed imaging is gebruikt voor cavitatie bubbels gegenereerd in water en ook rond instrumenten zoals endodontische bestanden en ultrasone scalers12,25,26,27,28. Bijvoorbeeld Rivas et al. en Macedo et al. gebruikten een high-speed camera bevestigd aan een microscoop, met verlichting die door een koude lichtbron om beeld reiniging met cavitatie, en beeld cavitatie rond een endodontische bestand17,29. Heldere veldverlichting biedt meer contrast tussen de achtergrond en de bellen, waardoor het mogelijk is om eenvoudige segmentatietechnieken zoals thresholding te gebruiken, zoals aangetoond door Rivas et al. voor beeldvorming en kwantificering van cavitatieerosie en reiniging in de loop van de tijd29. Donkere veldverlichting maakt drempels moeilijker vanwege de hogere variatie in grijze schubben4,30. Beeldanalyse is gebruikt in andere studies om meer informatie over bubbels te verzamelen1,2. Vyas et al. gebruikten een machine learning-benadering om cavitatiebellen rond een ultrasone scaler20te segmenteren. De methode beschreven in het huidige papier is sneller omdat het gebruik maakt van eenvoudige drempels, zodat het minder rekenkundig intensief, en bellen die zich boven en onder de scaler kan worden geanalyseerd. De drempelmethode die in het huidige papier wordt gebruikt, is echter alleen nauwkeurig als de achtergrond uniform is. Als het niet mogelijk is om een uniforme achtergrond te verkrijgen tijdens de beeldvorming, kunnen andere beeldverwerkingstechnieken worden gebruikt, zoals het gebruik van achtergrondaftrekken met behulp van een rollende kogelstraal om te corrigeren voor ongelijke verlichting, filteren met behulp van mediaan of Gaussische filters om ruis te verwijderen, of ook met behulp van machine learning gebaseerde technieken20,31.
Tot slot presenteren we een high-speed imaging en analyse protocol om het gebied van een microscopisch bewegend object te beelden en te berekenen. We hebben deze methode aangetoond door beeldvorming cavitatiebellen rond een ultrasone scaler. Het kan worden gebruikt voor beeldvorming cavitatie rond andere tandheelkundige instrumenten, zoals endodontische bestanden en het kan gemakkelijk worden aangepast voor andere niet-tandheelkundige bubble imaging toepassingen.
The authors have nothing to disclose.
De auteurs zijn dankbaar voor de financiering van de Engineering and Physical Sciences Research Council EP/P015743/1.
0.25x attachment | Navitar | 1-50011 | |
12x with 12mm fine focus Long distance microscope zoom lens |
Navitar | 1-50486 | |
2x adaptor with f mount | Navitar | 1-62922 | |
Cavitron Plus Ultrasonic Scaler | Dentsply Sirona | 8184003 | |
Cavitron Ultrasonic Insert FSI 1000FSI 1000 | Dentsply Sirona | UCAFTHD | |
Fibre light guide. 8mm fibre bundle 1500mm length. Focussing lens assembly for Hayashi light, 1/4"-20 tripod thread for mounting. |
Hayashi | LGC1- 8L1500 |
|
Geared head | Manfrotto | MN405 | 7.5kg load capacity |
HDF7010 High-Power LED Endoscope light source. 150W LED provides cold output equivalent to 250W Xenon. |
Hayashi | LA-HDF710 | |
Heavy weight Tripod | Manfrotto | MN475B | Geared centre column, 12kg load capacity |
High Speed Camera | Photron | 103526 | FASTCAM Mini AX200 900K M3 (16GB memory) |
High-Precision Rotation Stage | Thorlabs | PR01/M | |
Laboratory jacks | Camlab | 1194083 | |
Micropositioning sliding plate | Manfrotto | SKU 454 | |
Micropositioning stage 3D | Thorlabs | PT3/M | |
Micropositioning stage rotation | Thorlabs | OCT-XYR1/M | OCT-XYR1/M – XY Stage with Solid Top Plate |
NEWTRON P5 XS Ultrasonic Scaler | Acteon | F62118 | |
Ultrasonic Insert 10P | Acteon | F00253 |