2D 組織影像到3D的發展解析

近年來，醫學影像技術從傳統的2D平面影像逐漸向3D立體成像發展，為生物醫學研究和臨床診斷帶來革命性的突破。這種轉變就像是從閱讀單頁照片轉變為觀看完整的3D電影，為我們打開了理解生命科學的新視窗。

Source: DOI: 10.1093/pnasnexus/pgad433

從2D到3D的突破

1. 更完整的組織結構觀察

想像你在觀察一棟房子 - 2D影像就像是只能看到房子的正面照片，而3D影像則允許你從各個角度完整地觀察整棟建築。在醫學研究中，這意味著可以更全面地理解組織結構，特別是在觀察複雜的解剖結構時。例如，在腎臟活檢中，3D影像技術能夠讓醫生看到更多的腎小球，大幅降低漏診的風險。

2. 更精確的空間定位

3D技術最大的優勢之一是能夠提供精確的空間資訊。舉例來說，在研究免疫細胞與血管的關係時，研究人員發現通過3D影像測量的細胞間距離，往往比2D影像測得的距離要短得多，這種差異可能會極大地影響我們對細胞互動的理解。

3. 發現新的生物學特徵

就像考古學家從3D掃描中發現古物上的細節一樣，科研人員也能通過3D影像技術發現在2D影像中難以觀察到的生物學特徵。例如，研究人員透過3D技術在小鼠腎小球中發現了新的細胞接觸方式，這在傳統2D影像中是無法觀察到的。

透視組織: 透明化技術

組織透明化技術就像是將生物組織變成透明的玻璃，讓我們能夠看清內部結構。目前主要有以下幾種方法：

1. CUBIC (Clear, Unobstructed Brain/Body Imaging Cocktails)

• 原理：使用氨基醇(aminoalcohol)和尿素的混合物脫脂(delipidation)並均質化折射率
• 特色：
• • 可保持螢光蛋白訊號
  • 適用於全身組織
  • 透明化時間：3-14天
  • 最大成像深度：可達數毫米
• 限制：可能導致組織輕微膨脹

2. ScaleS

• 原理：使用sorbitol和蔗糖的混合物
• 特色：
• • 保持組織原有大小
  • 維持超微結構完整
  • 透明化時間：5-7天
  • 最大成像深度：2-3mm
• 限制：透明度相對較低

3. BABB (Benzyl Alcohol/Benzyl Benzoate)

• 原理：使用有機溶劑脫水並均質化折射率
• 特色：
• • 透明度高
  • 透明化時間：1-2天
  • 最大成像深度：可達5mm以上
• 限制：會淬滅螢光訊號(fluorescence quenching)

4. iDISCO、SeeDB2等其他方法

各有其特色和適用範圍，就像不同的望遠鏡適合觀察不同的天體一樣。

5. INSIHGT (In situ Host-Guest Chemistry for Three-dimensional Histology)

• 原理：使用弱配位超離液鹽 [B12H12]2- 和環糊精衍生物來控制探針在組織中的運動
• 特色
• 能使探針均勻滲透到組織深處（達公分等級）
• 可定量且高度特異性的免疫染色訊號
• 快速且經濟的流程
• 只需在室溫下進行簡單的浸漬式染色，不需要特殊的設備
• 適用於市售抗體和探針

3D 組織影像擷取

1. 光片螢光顯微鏡 (LSFM)

• 橫向解析度：~0.3-1 μm
• 軸向解析度：~1-5 μm
• 成像深度：可達數毫米
• 成像速度：10-100 幀/秒
• 特點：
• • 光漂白少
  • 適合活體成像
  • 可快速獲取大體積數據

2. 共聚焦顯微鏡

• 橫向解析度：~0.2 μm
• 軸向解析度：~0.5-1 μm
• 成像深度：50-100 μm
• 成像速度：1-2 幀/秒
• 特點：
• • 解析度高
  • 可進行多色成像
  • 背景雜訊低

3. 雙光子斷層掃描顯微鏡

• 橫向解析度：~0.3-0.5 μm
• 軸向解析度：~1-2 μm
• 成像深度：可達500-1000 μm
• 成像速度：0.5-1 幀/秒
• 特點：
• • 穿透深度大
  • 光漂白少
  • 適合活體成像

4. MicroCT

• 空間解析度：0.5-1 μm
• 成像範圍：可達數公分
• 單細胞觀察能力：
• • 可觀察較大的單細胞（>10 μm）
  • 難以分辨小型細胞（如淋巴球約6-8 μm）
  • 需要特殊染色才能分辨細胞

3D 組織影像分析

從市場目前狀況，現在沒有一套成熟的3D組織細胞影像分析。Imaris偏向在神經學的應用，看神經、血管在立體空間的分布狀況和細胞的立體追蹤，但沒辦法去計數不同細胞在空間的分布狀態。因為3D的資料量龐大，再加上多色染色和組織識別的需求，會非常考驗軟體的運作程序。

在主流的3D分析軟體中，Leica AIVIA和Imaris是當前最具代表性的解決方案。Leica AIVIA憑藉其強大的AI整合能力和真3D分析功能，特別適合進行複雜的細胞分析和神經科學研究。該軟體能夠直接在3D體積數據上進行細胞分割，追蹤細胞運動軌跡，並進行完整的神經元重建。其4D分析能力（3D+時間）更是為動態生物過程的研究提供了重要工具。

Imaris則以其優秀的3D視覺化和精確的定量分析功能著稱。其Surface模組能夠進行精確的3D表面重建，Filaments模組特別適合神經纖維的3D追蹤，而Spots模組則能在3D空間中準確檢測和分析點狀結構。

ImageJ/Fiji通過其3D外掛模組系統，能夠進行基本的3D物件檢測和測量。Python生態系統中的scikit-image配合napari視覺化工具，則為研究者提供了高度客製化的分析可能。這些工具雖然在處理大型數據時可能面臨效能挑戰，但其開放性和靈活性使其在特定研究場景中仍具有獨特優勢。

成功的3D組織分析始於優質的數據採集。在成像階段，需要特別注意Z軸採樣的優化和適當的染色對比。之後的分析流程通常包括數據預處理（如降噪和去卷積）、3D分割、定量分析等步驟。