Summary
이 알고리즘의 목적은 지속적으로 직렬 이미지 dilations 및 길 찾기를 사용 하 여 두 개의 2 차원 모서리 사이의 거리를 측정 하는 것입니다. 이 알고리즘은 다양 한 심장 구조 생물학, 혈관 생물학 및 토목 분야에 적용할 수 있습니다.
Abstract
최근 설명 extracellular nanodomain, perinexus, 불리는 cardiomyocytes 사이 전기 전도 대 한 대체 메커니즘은 커플링, ephaptic에 연루 되었습니다 했다. 수동 세분화 하 여이 공간을 측정 하는 현재 방법 느린 이며 낮은 공간적 해상도 했다. 우리는 두 반대 하는 2 차원 가장자리 사이의 픽셀 수를 계산 하 이진 개요의 직렬 이미지 dilations를 사용 하는 알고리즘을 개발 했다. 이 알고리즘 더 적은 남자 시간을 필요로 하 고 수동 프로세스의 재현성을 유지 하면서 수동 방법 보다 더 높은 공간적 해상도 있다. 사실, 경험과 초보자 수 사관이 새로운 알고리즘으로 이전 연구의 결과 정리 할 수 있었다. 알고리즘은 인간의 입력 수동으로 perinexus를 설명 하는 데 필요한 컴퓨팅 파워는 기존 길 찾기 알고리즘에 의해 주로 방해에 의해 제한 됩니다. 그러나, 알고리즘의 높은 처리 능력, 높은 공간 해상도 재현성 확인 그것은 사용 하기 위해 다양 하 고 강력한 측정 도구 다양 한 어떤 2 차원 (2D 사이의 거리의 측정을 요구 하는 응용 프로그램에서 ) 가장자리.
Introduction
그들은 nanodomain perinexus1, 있다 라는 갭 정션 패의 가장자리에 서로에서 분리 하는 시점에서 두 개의 구조적으로 결합 된 cardiomyocytes 사이의 intermembrane 거리를 측정 하는 다음과 같은 알고리즘을 개발 ephaptic2,3,,45커플링에 연루 되었습니다. 이전 연구6수동 세분화 하는 방법을 사용 하 여 perinexi의 전송 전자 현미경 (TEM) 이미지의 수백을 분석 하는 과정 필요 높은 perinexal 너비를 샘플링 하는 높은 처리량 방법에 대 한 확인 되었습니다. 공간 해상도 수동 세분화 동안 이전 수동 세분화 과정의 정확도 유지 하면서 선이 그려집니다, 중심선에 직각 약 15 nm 간격으로 perinexal 폭을 측정 하기 위하여. 새로운 알고리즘 두 평행선의 1 픽셀 두께 바이너리 개요 걸리며 직렬 이미지 dilations를 사용 하 여 두 막 사이의 픽셀 수를 계산 하. 이미지 dilations 일반적으로 무수 한 이미지 처리 응용 프로그램에 사용 되었다, 컨투어 또는 가장자리 탐지7,8,이 알고리즘을 포함 하 여 카운트 메커니즘으로 dilations를 사용 합니다. 중심선은 다음 길 찾기 알고리즘9 및 perinexal 너비를 사용 하 여 격리는 다음 이미지의 해상도 같은 perinexus의 길이 따라 해상도 측정. 해결이 경우 차이가 15 당 1 측정 nm 수동 세분화 및 0.34 당 1 측정을 위한 새로운 알고리즘 nm, 공간 샘플링 주파수에 44-fold 증가. 또한,이 샘플링 주파수 수동 세분화에 필요한 시간 약 1/5일 에 수행 됩니다.
이 알고리즘 사용 됩니다 현재 형태로 기존의 0-150에서 perinexal 폭을 측정 하는 perinexus 30, 105 nm2 사이 고원 관심의 지정된 된 영역 내에서 뿐만 아니라 갭 정션 패5 (GJ)의 가장자리에서 nm , 3 , 10. 증가 샘플링 주파수 수동 세분화에 비해 개별 perinexus 측정에 있는 가변성을 감소 하 고 상당히 큰 데이터 세트의 효율적인 처리를 위해 허용 하는 분석 시간이 줄어듭니다. 그러나,이 프로그램 심장 삽입 된 디스크의 나노 가장 이미지에 국한 되지 않습니다. 동일한 접근 방식은 혈관 직경, 심 실 방출 조각, 또는 강 부식 또는 범람 등 비 생물 현상 계량에 사용 될 수 있습니다. 이 알고리즘은 두 준 병렬 가장자리 사이의 거리를 측정 하는 데 적합 합니다.
Protocol
참고: 소프트웨어 필요한 ImageJ (또는 유사한 이미지 수정 소프트웨어) 및 Matlab R2015. 사용자는 Matlab의 다른 버전 호환성 문제가 발생할 수 있습니다.
1. 사전 처리 이미지
- 모든 회색 음영 이미지에 대 한 확인 어떤 주어진된 픽셀의 최대 강도 값은 < 255. 이것은 일반적으로 추가 파일 s 1에에서 포함 된 사용자 지정 Matlab 프로그램 "ImageSub.m", 이미지에서 1의 값을 빼서 이루어집니다.
2. 개요는 Perinexus
- ImageJ 또는 다른 이미지 처리 소프트웨어 perinexus를 설명 합니다.
- 윤곽선 두께 1 픽셀은 이미지 (회색조 이미지 0에서 255 255)에서 가장 높은 강도 값으로 설정 되어 확인 하십시오.
- 그것의 pentalaminar 구조11,12는 글리제를 식별 하 고 그림 1A와 같이 있는 세포 막 bilayers에 반대 하는 2 분기, 지점으로는 perinexus의 시작 부분을 정의 합니다. 첫 번째 셀의 내부 막 따라 하 고 두 번째 셀의 내부 막 따라 다시 추적 글리제의 가장자리에서 시작 ~ 200 nm. ImageJ, 윤곽선을 자동으로 펜을 놓습니다. 이 인공 닫는 잘립니다 밖으로 나중에.
참고: 윤곽선의 작은 잘못 응용 프로그램 최종 측정에 오류의 몇 나노미터에서 발생할 수 있습니다 높은 큰 관심과 함께 perinexus 확대 가능한 개요 결정적 이다.
3. 알고리즘 및 관심의 Perinexus 선택 설정
참고: 길 알고리즘 싸인, 가장자리, 그래프, 노드, 및 길 찾기 기능9 MembraneSepDist m-파일 같은 디렉터리에 있어야 합니다. 모든 파일은 추가 파일 s 1에서에서 찾을 수 있습니다.
- 데이터와 수치에 대 한 위치 저장을 선택 합니다. 현재 m-파일에 하드 코딩 하는 것이 이들은.입니다.
참고: 프로그램의 첫 번째 줄은 모든 변수를 지운 모든 창을 닫고 명령 창을 취소 하는 함수. M-파일을 실행 하기 전에 모든 원하는 변수 또는 숫자를 저장 합니다.
참고: 소프트웨어 스크린샷 추가 파일 S2 모든 하드 코딩 된 값에 포함 됩니다. - "MembraneSepDist.m" 프로그램을 실행 합니다.
- 매개 변수를 설정 합니다.
참고: GUI 그라데이션 임계값, 규모, 관심, 그리고 수동 시작의 지역에 대 한 기본 매개 변수가 있는 팝업 됩니다. M 파일에서 기본 값을 변경할 수 있습니다 또는 각 개별 이미지에 대 한 변경 될 수 있습니다.- 파생 그라데이션 임계값 설정된 공간입니다.
참고: 값이 높은 중심선 격리에서 선택 하는 더 많은 포인트에 발생. 값을 너무 높게 또는 너무 낮은 (약 3.0-7.9의 범위) 이외의 전산 무능 또는 부정확 한 중심선 격리 (참조 그림 2A-C) 저조한 중심선 포인트의 부정확 한 선택 될 수 있습니다. - 픽셀/스케일 단위로 규모를 설정 합니다.
- 관심 영역에 대 한 공간 하위 및 상위 제한을 설정 합니다.
참고: 우리의 실험실의 규칙에 따라 정의 된 관심 영역 글리제2,,310의 가장자리에서 30 및 105 nm 사이입니다. - 자동/수동 시작을 설정 합니다. 대부분의 경우에 알고리즘은 정확 하 게 간격 접합 끝 및 perinexus 시작 하는 시작 지점을 검색 합니다. 그러나, 경우에 따라 불규칙 하 게 모양 perinexi의 사용자 식별 해야 합니다 시작 지점을 수동으로. 자동에 대 한 0, 1에 대 한 매뉴얼이이 값을 설정 합니다.
- 파생 그라데이션 임계값 설정된 공간입니다.
- 원하는 이미지를 선택 합니다.
참고: 파일 선택 폴더는 m 파일에서 변경할 수 있습니다. - 관심의 perinexus 이미지 자르기.
- 때 이미지, 커서가 십자형 자동으로 변경 됩니다. ( 그림 3참조)의 perinexus 주위에 상자를 드래그 하 여 이미지를 자르기. 크게 또는 작게 만들기 위해 모서리와 옆에 사각형을 사용 하 여 자르기 상자를 조정할 수 있습니다.
- 자르기는 perinexus의 "오픈" 최종 확인 (GJ, 밟아 그림 3참조) 두 막 윤곽선 자른된 이미지의 가장자리에 도달 되도록 잘립니다.
참고: 그것은 더 쉽게 관심의 perinexus를 참조 하 고 적절 하 게 자르기 이미지 전체 화면 수 있도록 권장.
- 측정 반대 가장자리 사이 curser와 두 번 클릭 하 여 최종 자르기를 선택 합니다.
참고:이 perinexus 안에 두 번 수행 해야입니다. 프로그램 중심선을 식별 하 고, 프로그램을 다시 시작 하 고 클릭 있는지 확인 하지 않을 경우는 perinexus 내에서 발생 합니다. - 최종 사용자 평가 프로그램의 효능을 위해 팝업 모든 dilations 및 아픕니다 후 최종 중심선을 관찰 합니다.
참고: 대화 상자에 표시 됩니다 화면 프로그램 Matlab의는 프로그램이 완료 될 때까지 추가 명령을 처리할 수 것을 사용자에 게 실행 되는 동안. 이 프로세스 소요 배열 (이미지) 크기와 컴퓨터 처리 능력에 따라 달라 집니다. - 수동 시작을 사용 하는 경우 관찰 중심선의 이미지 팝업 십자선 커서 함께 원래의 해부학 이미지 (참조 그림 2E). 원하는 시작 지점 근처 perinexus 이외의 지점을 선택 합니다.
참고: 프로그램은 선택한 픽셀에 가까운 중심선 포인트 찾아서 시작 지점으로 사용. - 레코드 데이터입니다.
참고: 프로그램이 완료 되 면, 프로그램 반환 합니다 매핑된 중심선은 글리제의 가장자리에서 거리의 기능으로 perinexal 폭의 줄거리. 또한 프로그램 반환 평균 perinexal 폭 150까지 nm는 글리제 Matlab 커맨드 라인에서 정의 된 영역 내에서 평균의 가장자리에서. Wp 값 및 거리는 GJ에서 변수 "WpList"에 저장 됩니다 또는 사용자 수 수동으로 기록 별도로.
4. 알고리즘 문제 해결
- 중심선은 제대로 하는 경우 확인 된 (그림 2A), 그림 "Gmag" 열고 인덱스를 사용 하 여 적절 한 그라데이션 임계값 (그림 2C)를 식별 합니다.
- 수동으로 시작 지점을 설정 하는 시작 지점을 제대로 확인 되지 않는 경우 (프로토콜 3.8 참조).
Representative Results
통계적 방법: 비교 학생의 t-테스트를 사용 하 여 실험적인 그룹 사이 했다. P-값 < 0.05 중요 하 게 고려 되 고 모든 값은 평균 ± 표준 편차로 표현 됩니다.
수동 분할. 글리제 인접 한 perinexus nanodomain 폭 (Wp)의 정량화는 일반적으로 수동 세분화 하 여 수행 됩니다. 이 수동 세분화 과정 그림 1A 에서 설명 된다 고 했다6위에서 설명한. 관찰자는 글리제 (그림 1, 레드 닷)의 가장자리를 식별, perinexus의 중앙에 따라 5nm 측정 하 고 그 시점에서 막 사이의 거리 측정. 과정은 10, 15, 30, 그리고 모든 15 반복 다음 150까지 nm nm. 효과적인, 반면이 기술은 시간과 perinexus의 길이 따라 공간-샘플링의 한계는 있다.
이전 연구에서 Wp 측정 약 20 nm2,,310, 10 및 3에서 다를 수 있습니다 의미 nm 나타납니다 위에 잘 통계적 의미를 감지 하는 데 필요한 평균 차이 0.7의 공간 Nyquist 주파수 측정 당 nm 기반 0.34의 해상도 interpixel nm. 따라서, 수동 세분화 시간이 소요 하는 동안 메서드는 Wp 개입 또는 질병 상태와 관련 된 차이 측정 하기에 충분.
직렬 이미지 Dilations. 우리 그림 1B에서에서 볼 수 있는 두 개의 수동으로 추적 막 사이의 픽셀 수를 직렬 이미지 dilations에 따라 프로그램을 개발 하는 적절 한 공간 해상도와 빠른, 재현할 수 방식으로 perinexus를 측정 하기 위하여 .
직렬 팽창 과정은 그림 4에 나와 있습니다. 이진 이미지 크기로 (그림 4A-4D), 팽창 후 반전 및 작업 이미지-원본 윤곽선 (그림 4E-4 H)의 비-바이너리 형태에 추가. 과정 개요 (그림 4D) 완전히 채워집니다 때까지 반복 됩니다. 이 시점에서, 최종 작업 이미지 (그림 4H) 특정 픽셀 해제 확대 남아 있다 시대의 번호의 개수입니다. 따라서, 세포 막의 윤곽선 근처 값은 매우 낮은 중심에 값 들이 가장 하는 동안. 각 지점에서 영역을 채우기 위해 dilations의 수를 계산 하 여 막 가장자리 사이의 거리를 계산할 수 있습니다. 다음 도전은 첫 적용 공간 파생 최종 작업 이미지에 의해 이루어집니다 글리제에서 거리의 기능으로 perinexal 폭을 계량 하려면 중심선을 분리를 식별 하는 (그림 2-마지막 이미지와 그림 5 A). 추가 파일 s 3에에서 더 불규칙 하 게 모양 perinexus의 두 번째 예제를 찾을 수 있습니다.
중심선 식별. 최종 작업 이미지의 그라데이션 팽창 수 가장자리에 가장자리에서 값을 낮은 높은 높은 다시 (그림 5A 왼쪽에서 오른쪽)에서 변경으로 공간 파생 하 여 측정할 수 있습니다. 고려만 공간 파생 (그림 5B)의 크기, 개요 및 중심선, 흰색 화살표와 함께 강조는 불연속의 영역으로 즉시 식별 합니다. 이 위치에서 그라데이션 방향으로 감소 하거나 증가에서 변경 합니다. 중심선 및 외곽선의 이진 이미지를 생성 임계값 (그림 5C)를 적용 하 고 격리 된 중심선 (그림 5D) 생성 원본 윤곽선을 빼서. 중심선을 분리의이 방법은 계산 효율적, 하는 동안 임계값 공간 파생에 적용 결과 중심선 간격 만듭니다. (그림 5D, 삽입) 이러한 격차는 GJ에서 거리의 정확한 측정을 제공 하 고 있는 perinexus 전체에서 측정 되도록 채워져야 합니다. 첫째, 중심선 간격 (그림 5E), 침식 (그림 5F)와 "bwmorph" 기능을 크기는 (작업 'skel', n = = inf) 하면서 가능한 많은 포인트를 제거 하는 연속 중심선, Wasit Limprasert에 의해 개발 및 MATLAB 중앙9에서 사용할 수 있는 다음 길 찾기 알고리즘의 계산 효율 증가 이 팽창 침식 함수 최종 작업 이미지 (그림 5G)을 함께 완성 된 중심선을 생성 합니다. 그러나,이 중심선 종종 하나 이상의 픽셀 두께 이며 따라서 중심선의 정확한 격리 되지 않습니다.
Wasit Limprasert 길 알고리즘 perinexus 중심선을 결정 하는 데 사용 됩니다. 길 찾기 알고리즘은 높은 가치-이 경우 취소 (그림 5G, 삽입) 중심선을 따라 가장 반복을 통해 동 공이 확장 되어 남아 있던 센터에 가장 가까운 값을 추적 하 수 있다. 그림 6에서 같이 결과 중심선의 자동 추적입니다. 중심선을 분리 하 여 글리제, 그림 6B (위)의 끝에서 거리의 기능으로 또는 관심의 지정 된 영역의 평균 폭으로 perinexal 폭을 제시하실 수 있습니다.
커널 분석. 그것은 디지털된 이미지는 사각형 배열 기반 및 팽창 커널 마찬가지로 광장 매트릭스에 기반 해야 합니다. 즉, 팽창 거리에서 대각선은 직각 보다 큰. 따라서, 우리는 다음 커널 알고리즘의 결과 영향을 받는지 확인 하고자. 커널 관련 변화를 계량 하기 위하여 5 개의 다른 커널 도형이 분석 했다: "플러스" (위의 분석에서 사용 하는 모양), "X", "상자", 및 "선", 그림 7A에 설명 된 대로. 커널 바이너리 이미지의 각 0이 아닌 시점에서 적용 됩니다. 그림 7A 의 각 커널에 스타 센터를, 어디 화이트 1, 값 이며 검은 팽창 커널에 대 한 0 값을 나타냅니다.
각 커널 영향 단일 약 가로 perinexal 이미지 (그림 7B, 정상)의 말은 Wp 측정에 숙련된 된 사용자에 의해 정량, Matlab의 "imrotate" 명령 사용 하 여 이미지를 회전 하 여 결정 했다 고 컴퓨팅 Wp 10 °의 단계에서. Wp 측정 값 (그림 7B, 아래쪽)는 플러스 커널 모양의 정류 정현파 패션에서 이미지 방향으로 변동. 최소값 세로 또는 가로로 상대적으로 직선 perinexus는 때 발생 합니다. 도 X, 상자도 라인 커널 더하기 모양의 커널에 어떤 이점을 제공합니다. X 및 상자 커널 동일한 결과 생산 하지만 값 의미 Wp 일전자 위상 45 ° 플러스 커널 했다. 선 커널 이미지 회전 미만 30 또는 145 ° 이상의 녹색 추적 데이터의 부재에 의해 볼 수 있듯이 특정 각도에서 이미지를 완전히 팽창 하지 못했습니다. 따라서, 직교 플러스 팽창 커널 과대평가 막 분리 예 약 45 °에서 대각선으로 중심 축 perinexus dilating 하 고 X 및 상자 커널 과소 평균 Wp 는 perinexus의 긴 축도 45 °에서 때. 이 분석을 바탕으로, 우리는 더하기 모양의 커널 dilating에서 생성 된 값에 적용 하는 수정 계수를 개발 했다. 이미지 방향, 이미지 (식 1)의 방향에 따라 측정 된 너비 값이 수정 계수와 관련 된 막 분리의 과대평가 대 한 계정 하.
경우 θ < 45 °
Wp 수정 cosd(θ) = * Wp 측정
경우 θ ≥45 °
Wp 수정 cosd(θ) = * Wp 측정 (공식 1)
이 방정식에서 Wp 측정 위의 알고리즘 θ에 의해 생성 된 원래 Wp 값은 수평, 각도 계산 된 각도 이다. Θ 수평 방향으로 perinexal 중심선의 수직 방향에 있는 총 변화를 나눈 총 변경의 역 탄젠트를 복용 하 여 계산 됩니다. 위의 수정 추정은 perinexus의 수평을 기준으로 평균 각도 (그림 8A, 왼쪽 상단) 마치 수평 perinexus에서 얻은 측정에서 결과 (그림 8A, 왼쪽 하단). 이 방정식 뒤에 근거는 더하기 모양의 커널 (그림 7A) 본질적으로 두 개의 라인 모양의 커널 서로 직교 배열 이다는 사실에서 온다. 따라서, 45 ° 아래 (수평에 가까운)는 dilations 수직으로 발생 하 고 정확한 측정을 제공 따라서 각도의 코사인을 곱한. 반대로, 각도 45 ° (수직에 가까운), dilations 위에 가로 고 사인은 정확한 측정을 결정 하는 데 사용 됩니다. 정확 하 게 45 °에서 사인 및 코사인과 같습니다. 추가 파일 S4이이 개념의 묘사를 제공 한다. 참고가이 수정 평균 각도 주의에 기반은 실질적으로 비 선형 형태를 분석할 때 사용 되어야 한다. 이 과정은 20 무작위로 선택한 perinexi에 반복 되었다 고 교정된 측정 측정 수동으로 회전 하 고 다시 이미지 (그림 8A, 오른쪽)을 분석 하 여 얻은 강하게 연관. 이미지 방향에 대 한 정확한 보정을 확인, 팬텀 가장자리의 2 세트 생성된 (그림 8B, 왼쪽)와 회전된 180 ° 했다. 삼각 정정 알고리즘은 정확 하 게 공간 해상도 또는 이미지 크기 (그림 8B, 오른쪽)에 각 방향에서 올바른 값을 반환 했습니다.
분석 응용 프로그램 및 방향 정정 재현성. 리콜 이전 연구 통계적 수동 분할 보고서를 사용 하 여 Wp 차이 보다 큰 의미 또는 같음 3 nm, 그건 확인 여부 알고리즘에 사용 될 수 사용 하 여 이전 연구 결과 정리 하는 것이 중요 한 완전 한 데이터 집합입니다. 두 관측-새로운 알고리즘을 사용 하 여 경험와 미 경 험의 perinexal 분석 (Obs. 1, Obs. 2, 각각)-같은 이미지는 이전 연구6 심 방 진단 했다 12 환자를 포함 분석 세 동 (AF) 이전에 조직 수집 및 기존의 AF (No-AF) 하지 않은 29 환자. 사용자 경험이 발견 Wp 어 없이 보다 AF 환자에서 상당히 넓은 (21.9±2.5 및 18.4±2.0 nm,각각, 그림 9). 이러한 값 적용 수정 계수와 비슷합니다 그 보고 이전 (24.4±2.2 nm, 20.7±2.4 nm, 각각)6. 미숙한 사용자 같은 상당한 차이 발견 하는 중요 한 것은, (22.1±2.8 nm, 20.1±2.6 nm, 각각) 자동화 된 프로그램으로 질병 상태 사이. 또한, 자체 및 조직 처리 Wp 값의 표준 편차 2-3 nm의 표준 편차는 하지만 구조는 알고리즘의 유물을 나타내는 수정 계수와 변화 하지 않았다. 이러한 결과 제안 된 자동화 메서드는 이전 연구의 결과 업과 능력을 보여줍니다.
중요 한 것은, perinexus는 최근에 정의 된 구조 이며 글리제2,3에 인접 한 막 분리의 절대 값의 범위에 아무런 합의 도달 했습니다. 외부 막-하-외부-막 글리제 폭 20 nm13추정 이전, 이후 우리는 또한 글리제 폭을 측정 하 여 알고리즘의 효능을 확인 하고자 했다. 두 관측 환자 또는 기존의 AF (그림 9B) 없이 갭 정션 폭 (GJW) 사이의 큰 차이 발견. AF와 비 AF 환자에 대 한 GJW 값을 절대 되었고 20.5 ± 2.5 nm 20.3 ± 1.9 nm, 각각, 경험 있는 관찰자와 21.0 ± 3.1 nm와 20.0 ± 2.2 nm 미숙한 관찰자, 어떤 이전 보고 되었습니다 유사한에 대 한 대 한.
자동화 된 알고리즘 수동 세분화 보다 데이터를 분석할 시간이 필요한 지 여부를 확인 하려면 모두 경험과 경험이 사용자 기록에 필요한 10-이미지 훈련을 계량 설정 (추가 파일 S5). 표 1 는 경험과 경험이 사용자 감소 분석 시간으로 4.7-그리고 8.3 배 각각 수동 세분화 접근에 상대적으로 자동화 된 알고리즘을 사용 하 여 공간에 약 43-fold 증가 함께 하는 것을 보여 줍니다. 해상도 perinexus 따라입니다.
알고리즘 문제 해결. 최종 중심선 이미지의 가장자리에서 끝나지 않는 알고리즘을 실행할 때 가장 일반적인 오류가 발생 합니다. 이러한 경우에 충분 하지 않은 포인트는 실패 하 고 자문을 큰 자르기 영역을 선택 하거나 공간 파생 임계값 증가 사용자 오류 메시지가 생성 되는 공간 파생 지도에서 선정 됐다. 더 큰 작물 상자 그리기 길 또는 가장자리 탐지 알고리즘을 혼란 시킬 수 있다 그림의 가장자리 근처에 크게 공간 파생 변경으로 경우에 따라 프로그램의 신뢰성을 향상 됩니다.
그것은 또한 길 알고리즘을 제대로 식별 중심선, 중심선은 이미지의 가장자리에 도달할 경우에, 특히 경우 그라데이션 임계값은 너무 낮은 (그림 2A) 가능. 그라데이션 임계값을 너무 높게 설정 하는 경우 더 많은 불필요 한 포인트 (그림 2B), 길 찾기 알고리즘에 통합 계산 효율 감소 있을 것입니다. 경우 사용자가 적절 한 임계값, 이미지 배열 확인할 수 "GMag" (그림 2C)는 프로그램에 의해 생성 되 고 작업 영역에서 찾을 수 있습니다 도움 사용자는 임계값을 확인할 수 있습니다. 중심선을 따라 포인트를 찾을 하 고 그들의 인덱스 값이이 포인트 선택 위에 약간 임계값을 설정 합니다. 주어진된 예제에서 적절 한 임계값 ~5.1 (그림 2C, 삽입) 위에 있을 것 이다.
시작점 (그림 2D) perinexus의 시작 부분에 도달 또한 실패할 수 있습니다. 이 경우 프로그램을 다시 실행 하 고 수동 시작 값을 1로 설정. 중심선 고립 된, 사용자는 perinexus 외부 포인트를 선택 하 고 선택한 픽셀 (그림 2E, 붉은 광장)에 가장 가까운 중심선 포인트 시작 지점으로 설정 됩니다. 결과 전체 중심선 (그림 2F).
그림 1 : 정량화 프로세스와 TEM 이미지. 수동 분할 과정 (A) 중심선을 추정 하는 동안 12 개별 intermembrane 측정을 수행 해야 합니다. 자동 프로세스 (B)는 perinexus의 개요의 수동, 지속적인 추적을 필요합니다. 각 이미지에 빨간 점이 글리제의 사용자 식별 끝 및는 perinexus의 시작 부분을 나타냅니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 2 : 중심선 문제 해결. 중심선 식별 및 솔루션에 대 한 실패의 두 가지 기본 모드: 각 이미지 Matlab에서 배열 이름으로 표시 됩니다. 경우 그라데이션 임계값은 너무 낮은 (A, 임계값 0.2) 중심선 알고리즘 실패할 수 있습니다. 설정 너무 높은 임계값 (B, 임계값 70) 길 찾기 알고리즘의 계산 효율을 줄일 수 있습니다. 적절 한 그라데이션 임계값 GMag 배열에서 결정 될 수 있다 (C, 삽입). 중심선의 perinexus (D) 시작 부분 가장자리에 도달에 실패 하면, 사용자 수동으로 시작 지점 선택 선택할 수 있습니다. "시작 지점" 옵션 오프닝 gui 사용자 1로 설정 후 한 점 밖에 관심 (E)의 perinexus를 선택 합니다. 최종 결과 정확 하 게 perinexus (F) 전체를 묘사 하는 중심선을 이어야 한다. 인용 (A-F) 모든 레이블을 Matlab에서 변수 이름에 해당합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 3 : Perinexus 선택. 에 perinexus, 클릭-앤-홀드 파란색 화살표에 의해 같이 (자르기 도구는 자동으로 선택 됩니다) 그것은 주위에 상자를 드래그 하 여 자르기. 이 상자를 더 크게 또는 작게 만들려고 양쪽과 모서리에 사각형을 사용 하 여 조정할 수 있습니다. 녹색 화살표는 사용자 해야 유지 "열기" perinexus의 끝을 나타냅니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 4 : 직렬 이미지 dilations. 이진 개요 반복적으로 한 픽셀씩 (A-D) 크기 이며 각 팽창 후 작업 이미지 (이미지, E-H의 비 바이너리 형태)에 추가. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 5: 중심선 고립과 길. 공간 파생 최종 작업 이미지에서 계산 (A)와 그 공간 파생 상품의 규모 (B)는 개요 및 중심선 (흰색 화살표) 분리 하는 데 사용 됩니다. 사용자 정의 임계값 식별 개요 고 중심선과 원본 윤곽선을 빼서 중심선 (D)를 생성 합니다. 그러나, 간격 임계값 결과로 중심선에 표시 (D-삽입). 연속 중심선을 생성 하기 위하여 보조 팽창 이후 길 찾기 알고리즘의 계산 효율을 높이 보조 침식 뒤 격리 중심선 (E)에서 수행 됩니다. 이 침식된 이미지 (F)는 함께 최종 작업 이미지, 연속, 1 픽셀 두께 중심선의 식별에 대 한 허용 (G-삽입). 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 6 : 최종 데이터 프레 젠 테이 션. 프로그램 출력 원래 TEM 이미지 (A) 위에 마지막 개요. 라인은 색상된 그린 0-150 nm, 관심과 레드 150 넘어 지역에 대 한 사용자 정의 영역에 대 한 파란색 nm. 또한, 프로그램 평균 Wp (각각 그래프에 삽입 된) 뿐만 아니라 Wp 를 대표 하는 perinexus의 관심 (B) 영역에 대 한 시작에서 거리의 기능으로 유사 하 게 색으로 구분 된 차트를 출력 합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 7 : 팽창 커널 모양 분석. 팽창 커널 (A)에 대 한 도형: 중간에 스타 동 공이 확장 되어 픽셀을 나타냅니다. 흰색 상자는 팽창, 플러스, X, 상자 또는 라인의 모양에 의해 영향을 받는 픽셀입니다. 약 가로 perinexus (B, 0 °를 나타내는 빨간색 라인 최고) 10 ° 및 다른 커널 셰이프 (B, 아래)를 사용 하 여 반복적으로 확대 단계에서 180 °에 0에서 시계 방향으로 회전 했다. 플러스 및 선 모양 커널 상자 및 X-모양의 커널 위상 45 °에 의해 동안 특정 방향에 선 커널 실패 하지만 비슷한 결과 생산. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 8 : 이미지 방향 보정. 하는 이미지의 방향에 대 한 올바른는 perinexus의 평균 각도에서 계산 됩니다 위치의는 시작-및 엔드-points (왼쪽, 검은 줄의 시작과 끝, A). Y-방향 (A, 왼쪽, 녹색 선) 변경의 역 탄젠트 분할 x-방향 (A, 왼쪽, 빨간색 선) 수익률에 변화에 의해 교정 각도 θ (A, 왼쪽, 노란색). 목표는 perinexus 약 가로 몇 군데 되었습니다 했다 마치 다음 가장자리 사이의 최소 거리를 주고 평균 Wp 값을 수정 하는 것입니다 (아래, 왼쪽). 공식 1에서 설명 하는 수정 계수 적용 분석 하기 전에 계산된 θ에 의해 수동으로 15 무작위로 선택 된 이미지의 각 회전에 비교 되었다. 회전 이미지 값 수정된 값에 의하여 강하게 연관 (R2 = 0.991, A, 오른쪽), 공식 1은 이미지 방향에 대 한 유효한 수정 계수. 확인 하 고 수정 계수는 적절 한, 두 개의 유령 (B, 왼쪽) 그들 사이 알려진된 거리와 완벽 하 게 병렬 가장자리의 생성 되었다. 1 팬텀과 팬텀 2는 2.833 픽셀의 공간 해상도 / m m. 그리고 71.6 픽셀/인치, 각각. 블루 다이아몬드와 B에서 빨간 사각형으로 표시 된, 바로, 알고리즘 정확 하 게 계산 그들의 너비 이미지 회전 180도 걸쳐 합니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
그림 9 : 알고리즘 재현성. 이미지 방향 보정으로 자동 프로세스를 사용 하 여, 모두 경험과 경험이 없는 관찰자 AF와 노 어 그룹 (A), 이전 학문으로 일관 된 2.6의 최소 차이 감지 사이 큰 차이가 발견 nm. 또한, 어느 관찰자 GJW (B)에서 상당한 차이 발견. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.
| 수동 | 자동 번역 | |
| 시간-Obs. 1 (s) | 205±11 | 44±14 |
| 시간-Obs. 2 (s) | 248±18 | 30±5 |
| 공간적 해상도 (측정/nm) | 0.08 | 3.45 |
표 1: 수동 및 자동 프로세스의 비교. 두 관측 이미지 수동 세분화 과정 10-이미지 학습 집합에 대 한 수행 보다 개요를 추적 당 더 적은 시간을 필요 합니다. 또한, 자동 프로세스는 더 높은 샘플링 주파수, nm, 당 3.45 측정 기록 모든 12.5 1 측정의 평균에 비해 수동 프로세스에 대 한 nm. 훈련 설정된 이미지 수 있습니다에서 찾을 수 추가 파일 S5, 윤곽선 및 측정 숙련된 된 사용자에 의해 수행.
Discussion
알고리즘 직렬 이미지 dilations를 사용 하 여 perinexus2,,314의 간 막 분리를이 경우에 바이너리 이미지의 두 반대 2D 가장자리 사이의 픽셀 수를 계산. 공간 파생 및 길 찾기 알고리즘 다음 중심선, 무슨15전에 완료 되었습니다 비슷한 격차를 채우기 위해 보조 팽창 및 침식 시퀀스 뒤 중심선을 분리 하는 데 사용 됩니다. 중심선은 글리제의 끝 및 perinexus16의 시작 다음의 가장자리,이 경우 처음부터 거리의 기능으로 perinexal 폭을 나타내는 최종 팽창 카운트 이미지 결합 됩니다.
4 개의 기본 매개 변수는 프로그램의 시작에 GUI에 사용자 정의:
- 그라데이션 임계값
- 규모
- 관심 범위의 지역
- 시작 하는 지점 선택 방법 (자동 또는 수동)
알고리즘에 대 한 실패의 가장 일반적인 메커니즘 끝점이 결정 되는 방식을 길 알고리즘에 대 한 이미지의 가장자리를 도달 하는 중심선의 실패 이다. 이러한 문제를 해결 하려면 사용자 공간 파생 이미지 길 알고리즘에 필요한 계산 시간 증가, 더 많은 포인트를 선택 하는 프로그램을 일으킬 것입니다 3.3.1, 단계에서 설명한 그라데이션 임계값을 늘릴 수 있습니다. 따라서,이 알고리즘 계산 속도 중심선 무결성 사이 타협을 해야합니다. 너무 오랫동안 중심선의 모든 포인트는 적절 한 시작 지점 함께 공간 파생에서 식별 됩니다 공간 파생 임계값에 지 분리 측정에 아무런 영향을 것입니다 중요 하다.
이미지 방향 팽창 값에 영향을 미칠 커널 팽창 매트릭스의 축에 45 ° 각도에서 관심 영역의 대부분은 하는 경우 오류가 발생할 수 있습니다 90도 단계에서 열립니다 때문에 나타납니다. 따라서, 팽창 수 않을 수 있습니다 항상 가장자리 사이의 간격의 정확한 표현. 이 제한 삼각 수정 계수에 의해 해결 되었습니다 하지만 데이터 집합의 모든 이미지는 동일한 방향에서 정렬 하는 경우에 잠재적으로 무시 수 있습니다. 또한, 주의 수 섹션 비행기는 2 막에 완벽 하 게 수직으로 결과 해석에 사용 되어야 한다. 그림 9B, 우리는 우리의 perinexus 이미지에 평면 했다 제안 GJW를 사용 합니다. 아직도, 그것은 샘플 크기 충분히 큰 이미지 사이 어떤 단면 변화에 대 한 계정 수 필수적입니다. 또한, 우리의 perinexal 폭 측정 공간 vivo에서 , 하지만이 방법은 일부 개입 또는 질병 상태를 기준으로 perinexal 폭 의미 차이 측정 하는 데 사용은 맞게 해석 하지 해야 합니다.
또한 현재 알고리즘 가장자리의 수동으로 추적 개요를 입력 필요합니다. 너무 오랫동안 규모는 올바르게 설정 되어, 공간 해상도 알고리즘의 측정에 영향을 주지 않습니다 그림 6 에 이미지와 추가에 추가 저해상도 이미지의 다양 한 해상도 의해 같이 하는 것이 중요 하다 파일 S6입니다. 알고리즘을 개선 하는 다음 단계 개요에서 관심 영역을 선택할 수 있는 도구와 함께 인간의 개입을 제거 합니다. 이러한 것이 가능성이 측정의 정밀도 향상 기능과 사용자 바이어스를 줄일.
이 계산을 통해 효율적인 알고리즘에는 약 1/5는 인 시, 측정 재현성 수동 분할 과정에 비교 될 때를 감지 위약금으로 perinexus의 요구 빠른 방법을 제공 한다. 또한, 수동 세분화 과정 한 측정 perinexal 너비는 perinexus의 막 분리는 15 nm 범위 내에서 실질적으로 변경할 수 있습니다으로 샘플링 밑으로 이어질 수 있는 척도를 모든 15 나노미터를 이용 한다. 반면, 자동된 프로그램은 공간 해상도 이미징 적임, 따라서 perinexal 폭의 더 정밀 하 게 확인 된 평균을 제공 하는 perinexus의 길이 따라 나노미터가 경우 2.9 픽셀의 동등한 있다.
심장 구조 생물학의 응용 프로그램 분야에 유망 하 고 흥미 진 진한 동안,이 알고리즘의이 사용 가장 이미지에 국한 하지는. 이 알고리즘의 사용 하 여 모든 필드 요구 두 준 병렬 2D 가장자리의 정밀, 고해상도 측정을 만들 수 있습니다. 알고리즘 강둑 침식과 홍수 패턴에서 위성 이미지에서 명시 또는 형광 현미경 검사로 혈관 개발에 무엇이 든을 추적 하기 위해 사용 될 수 있습니다. 가장 유망한 잠재적인 응용 프로그램 중 하나는 포인트의 케어 심장 심장 초음파와 심 실 방출 조각 (EF) 측정 심장학 분야에서입니다. 현재, 표준 기술 AutoEF, 새로운 알고리즘은 현재 최첨단 EF 측정 방법18,19디스크17, 엽 방법입니다. 디스크 방식의 복 엽 비행기, 문제의 챔버 수동으로 추적 및 전체 볼륨 누적된 타원형 디스크의 합계에 의해 자동으로 계산 되 면 수정 된 심슨의 방법을 사용 하 여 계량. 이 방법으로 주요 제한은 그것만 관심의 특정 영역을 식별할 수 없는 해상도와 원하는 챔버의 총 단면적을 반환할 수 하 고 필요한 지식과 실질적인 인간의 입력입니다. 새로운 방법, AutoEF, 식별 2D speckling 알고리즘을 사용 하 여 심 실의 가장자리를 설명 하 고 심 실 횡단면 영역을 계산 합니다. 이 프로세스를 정확 하 고 측정 하는 심한 심 실 지역에 대 한 효율적인 있지만 또한 총 단면적만 측정의 비슷한 제한을 했다. 이 주요 단점은 임상의 진단 및 치료 능력을 제한합니다. 반면,이 원고에 제시 하는 알고리즘을 한 중간 지정할 수 관심의 특정 영역을 정확 하 게 이미지 양식 적임의 해상도 같은 해상도가지고. 마이크로미터 해상도와 초음파 스캐너는 상업적으로 이용 가능한20,21이 알고리즘 마이크로미터의 해상도에서 지역화 된 벽 모션 이상을 감지할 수 있는 뜻 때문에 이것은 중요 하다 대신 센티미터. 이 응용 프로그램은 실험적으로 확인 해야, 하는 동안 그것은이 알고리즘의 즉시 가장 유망한 응용 프로그램 중 하나입니다. 사실, AutoEF의 기능을 추적 하는 얼룩와 쉽게 결합 될 수 또는 수동 planimetry 기존의 EF 데이터와 병렬로 높은 해상도 정보를 제공에 활용 하는 수동 추적.
마찬가지로 다양 하 고 현재 알고리즘으로 적용, 그것은 2D 이미지에 대 한 개발 되었다. 그러나, 이미징 기술을 지속적으로 개선, 3, 4 D 정량화 기술에 대 한 수요는 증가 있다. 따라서, 알고리즘의 다음 반복 직렬 dilating 이진 이미지 현재 이미징 프로그램의 기능을 넘어 현재가 자동으로 중심선을 정의 3 차원 개체를 동일한 접근 방식을 적용할 것입니다. 이러한 알고리즘 했 넓은 응용 임상 및 실험적으로 혼자, 3D 심장 echocardiograms22,23, 3 차원 전자 현미경24,25, 를 포함 하 여 심장 분야에서 26, 그리고 3 차원 자기 공명 이미징27,,2829.
Disclosures
저자는 공개 없다.
Acknowledgments
저자 감사 캐시 로우에서 버지니아 메릴랜드 대학의 수의학 편 샘플 얼룩을 처리 하 고 싶습니다.
자금:
미국 국립 보건원 건강 R01-HL102298
F31-HL140873-01 건강의 국가 학회
Materials
| Name | Company | Catalog Number | Comments |
| Touchscreen Monitor | Dell | S2240T | Needs soft-tipped stylus |
| Desktop | Dell | Precision T1650 | 8GB RAM |
| Operating System | Microsoft | Windows 7 Enterprise | 64-bit OS |
| Program platform | Mathworks | Matlab R2015b | Program may be incompatible with newer/older versions of Matlab |
References
- Rhett, J. M., Gourdie, R. G. The perinexus: a new feature of Cx43 gap junction organization. Heart Rhythm. 9 (4), 619-623 (2012).
- Veeraraghavan, R., et al. Sodium channels in the Cx43 gap junction perinexus may constitute a cardiac ephapse: an experimental and modeling study. Pflugers Archiv: European Journal of Physiology. , (2015).
- George, S. A., et al. Extracellular sodium dependence of the conduction velocity-calcium relationship: evidence of ephaptic self-attenuation. American Journal of Physiology - Heart and Circulatory Physiology. 310 (9), 1129-1139 (2016).
- Veeraraghavan, R., et al. Potassium channels in the Cx43 gap junction perinexus modulate ephaptic coupling: an experimental and modeling study. Pflugers Archiv: European Journal of Physiology. , (2016).
- Rhett, J. M., et al. Cx43 associates with Na(v)1.5 in the cardiomyocyte perinexus. Journal of Membrane Biology. 245 (7), 411-422 (2012).
- Raisch, T. B., et al. Intercalated Disc Extracellular Nanodomain Expansion in Patients with Atrial Fibrillation. Frontiers in Physiology. , (2018).
- Yan, J., et al. Novel methods of automated quantification of gap junction distribution and interstitial collagen quantity from animal and human atrial tissue sections. PLoS One. 9 (8), 104357 (2014).
- Papari, G., Petkov, N. Adaptive pseudo dilation for gestalt edge grouping and contour detection. IEEE Transactions on Image Processing. 17 (10), 1950-1962 (2008).
- Limprasert, W. PathFinding. , Available from: www.mathworks.com/matlabcentral/fileexchange/34966-pathfinding (2012).
- George, S. A., et al. Extracellular sodium and potassium levels modulate cardiac conduction in mice heterozygous null for the Connexin43 gene. Pflugers Archiv: European Journal of Physiology. , (2015).
- Revel, J. P., Karnovsky, M. J. Hexagonal array of subunits in intercellular junctions of the mouse heart and liver. Journal of Cell Biology. 33 (3), 7-12 (1967).
- Huttner, I., Boutet, M., More, R. H.
- Makowski, L., et al. Gap junction structures. II. Analysis of the x-ray diffraction data. Journal of Cell Biology. 74 (2), 629-645 (1977).
- Entz, M., et al. Heart Rate and Extracellular Sodium and Potassium Modulation of Gap Junction Mediated Conduction in Guinea Pigs. Frontiers in Physiology. 7, 16 (2016).
- Sild, M., Chatelain, R. P., Ruthazer, E. S. Improved method for the quantification of motility in glia and other morphologically complex cells. Neural Plasticity. 2013, 853727 (2013).
- Rhett, J. M., et al. The perinexus: Sign-post on the path to a new model of cardiac conduction. Trends in Cardiovascular Medicine. , (2013).
- Lang, R. M., et al. Recommendations for cardiac chamber quantification by echocardiography in adults: an update from the American Society of Echocardiography and the European Association of Cardiovascular Imaging. Journal of the American Society of Echocardiography. 28 (1), 1-39 (2015).
- Kawai, J., et al. Left ventricular volume and ejection fraction by the axius auto ejection fraction method: comparison with manual trace method and visual assessment of ejection fraction. Journal of Cardiology. 49 (3), 125-134 (2007).
- Frederiksen, C. A., et al. Clinical utility of semi-automated estimation of ejection fraction at the point-of-care. Heart, Lung and Vessels. 7 (3), 208-216 (2015).
- Foster, F. S., et al. A new ultrasound instrument for in vivo microimaging of mice. Ultrasound in Medicine and Biology. 28 (9), 1165-1172 (2002).
- Moran, C. M., et al. A comparison of the imaging performance of high resolution ultrasound scanners for preclinical imaging. Ultrasound in Medicine and Biology. 37 (3), 493-501 (2011).
- Papademetris, X., et al. Estimation of 3D left ventricular deformation from echocardiography. Medical Image Analysis. 5 (1), 17-28 (2001).
- Hosny, A., et al. Unlocking vendor-specific tags: Three-dimensional printing of echocardiographic data sets. Journal of Thoracic Cardiovascular Surgery. 155 (1), 143-145 (2018).
- Cretoiu, D., et al. Human cardiac telocytes: 3D imaging by FIB-SEM tomography. Journal of Cellular and Molecular Medicine. 18 (11), 2157-2164 (2014).
- Risi, C., et al. Ca(2+)-induced movement of tropomyosin on native cardiac thin filaments revealed by cryoelectron microscopy. Proceedings of the National Academy of Sciences of the United States of America. 114 (26), 6782-6787 (2017).
- Dhindwal, S., et al. A cryo-EM-based model of phosphorylation- and FKBP12.6-mediated allosterism of the cardiac ryanodine receptor. Science Signaling. 10 (480), (2017).
- Reddy, V. Y., et al. Integration of cardiac magnetic resonance imaging with three-dimensional electroanatomic mapping to guide left ventricular catheter manipulation: feasibility in a porcine model of healed myocardial infarction. Journal of the American College of Cardiology. 44 (11), 2202-2213 (2004).
- van Heeswijk, R. B., et al. Three-Dimensional Self-Navigated T2 Mapping for the Detection of Acute Cellular Rejection After Orthotopic Heart Transplantation. Transplant Direct. 3 (4), 149 (2017).
- Valinoti, M., et al. 3D patient-specific models for left atrium characterization to support ablation in atrial fibrillation patients. Magnetic Resonance Imaging. 45, 51-57 (2018).
