Kwantyfikacja odległości międzybłonowych za pomocą szeregowych dylatacji obrazu

Metoda ta może pomóc odpowiedzieć na kluczowe pytania w dziedzinie elektrofizjologii serca, dotyczące budowy przestrzeni zewnątrzkomórkowej i mechanizmów komunikacji komórkowej. Głównymi zaletami tej techniki są wysokie możliwości przepustowości i lepsza częstotliwość próbkowania przestrzennego. Zasadniczo możemy uzyskiwać pomiary szybciej i z większą pewnością niż wcześniej.

Identyfikacja perinexus i rozwiązywanie problemów z programami są trudne do nauczenia się bez wizualnej demonstracji, ponieważ perinexus jest stosunkowo nowo zdefiniowaną strukturą, a rozwiązywanie problemów może nie być intuicyjne dla badaczy, którzy nie są zaznajomieni z MATLAB. W przypadku obrazów w skali szarości należy użyć oprogramowania do obliczeń numerycznych, aby upewnić się, że żaden piksel nie ma intensywności większej niż 255. Następnie otwórz nasz sparowany obraz w oprogramowaniu do przetwarzania obrazu i powiększ krocze.

Bardzo ważne jest, aby prawidłowo zidentyfikować perinexus. Pierwszym krokiem jest zidentyfikowanie płytki łączącej szczelinę, która ma wygląd w paski. Następnie szukamy dwóch przeciwległych membran, w płaszczyźnie, do około 200 nanometrów.

Zidentyfikuj płytkę połączeniową szczeliny na podstawie jej struktury pentylaminerowej. Początek krocza to punkt, w którym dwie przeciwległe dwuwarstwy błony komórkowej rozchodzą się. Wyświetlanie paska skali w nanometrach.

Punkt początkowy i końcowy konturu mięśnia bocznego będzie wynosił 200 nanometrów od początku wędzidła. Następnie wybierz narzędzie do zaznaczania odręcznego. Kliknij i przeciągnij lub użyj rysika, aby ostrożnie prześledzić wzdłuż wewnętrznej błony jednej komórki, do początku pierzędu i z powrotem wzdłuż wewnętrznej błony drugiej komórki.

Zamknij zaznaczony obszar, zwalniając przycisk myszy lub podnosząc rysik. Następnie ustaw szerokość linii na jeden piksel, a kolor pierwszego planu na najwyższą wartość intensywności dla typu obrazu. Na przykład biały, dla obrazu w skali szarości.

Utwórz obrysowany kontur na podstawie zaznaczenia i zapisz wynikowy obraz jako typ pliku zgodny z oprogramowaniem do analizy, takim jak JPEG lub TIFF. W razie potrzeby otwórz oprogramowanie do analizy odległości separacji membranowej i zmień lokalizacje zapisywania danych i liczb, które mają zostać wygenerowane. Zapisz plik i zamknij go.

Następnie uruchom program. Ustaw próg gradientu pochodnej przestrzennej odpowiednio do identyfikacji linii środkowej. Ustaw skalę i liczbę pikseli na jednostkę długości.

Ustaw dolną i górną granicę przestrzenną dla obszaru zainteresowania w odniesieniu do krawędzi skrzyżowania szczeliny. Wybierz automatyczne lub ręczne wykrywanie punktu początkowego. W przypadku krocza o nieregularnym kształcie może być konieczne ręczne wykrywanie punktu początkowego.

Następnie otwórz obraz z zarysowanym perinexusem. Kliknij i przeciągnij, aby narysować ramkę wokół perinexus, z wyłączeniem zamkniętego końca. Kliknij dwukrotnie wewnątrz obrysowanego konturu perinexus, aby przyciąć obraz i zidentyfikować linię środkową.

Jeśli punkt początkowy ma zostać wybrany ręcznie, nad oryginalnym obrazem pojawi się kursor w kształcie krzyżyka i linia środkowa. Wybierz punkt poza perinexus w pobliżu żądanego punktu początkowego, aby kontynuować proces. Po zakończeniu procesu upewnij się, że linia środkowa pozostaje w obrębie mięśnia bocznego i prawidłowo przecina punkt początkowy.

Przejrzyj wygenerowane dane i wykreśl szerokość okołośladowej. Jeśli linia środkowa nie została prawidłowo zidentyfikowana i odizolowana, otwórz matrycę obrazów g-mag, aby określić odpowiedni próg gradientu. Używamy narzędzia indeksu, aby kliknąć wokół linii środkowej, i tablicy g-mag, aby zorientować się, który piksel chcemy wybrać algorytm znajdowania linii środkowej.

Próg gradientu powinien być następnie ustawiony tuż powyżej wartości intensywności tych pikseli. Wybierz narzędzie indeksowania i kliknij linię środkową i wokół niej, aby wyświetlić wartość indeksu pikseli, które powinny zostać zaznaczone. Ustaw próg gradientu pochodnej przestrzennej na wartość nieco powyżej wartości indeksu i uruchom proces ponownie.

Jeśli punkt początkowy nie został poprawnie wykryty w zautomatyzowanym procesie, uruchom program ponownie, korzystając z ręcznego wykrywania punktu początkowego. W tym procesie ręczne kontury są rozszerzane w krokach co jeden piksel, aby policzyć liczbę pikseli między dwiema krawędziami. Każdy przyrost jest dodawany do obrazu roboczego w celu wygenerowania pochodnej przestrzennej.

Pierwotny kontur i linia środkowa są nieciągłościami pod względem wielkości. Po wyizolowaniu linii środkowej jest ona udoskonalana przez dylatację, erozję i algorytm znajdowania ścieżki. Szerokość krocza jest przedstawiana jako funkcja odległości od początku mięśnia kroczowego lub w obszarze zainteresowania oraz jako średnia z obu tych funkcji.

Wraz ze zmianą orientacji mięśnia kroczowego obserwowano przeszacowanie lub niedoszacowanie szerokości mięśnia kroczowego, w zależności od wzorca rozszerzania. Korekcja trygonometryczna dała wyniki silnie skorelowane z obrazami obróconymi w celu orientacji krocza w poziomie. Algorytm został zweryfikowany pod kątem różnych rozdzielczości przestrzennych, jednostek odniesienia i rozmiarów obrazów.

Zarówno doświadczeni, jak i niedoświadczeni użytkownicy śledzili kontur szybciej niż ręcznie segmentowali obraz. Zautomatyzowany proces charakteryzował się znacznie większą rozdzielczością przestrzenną. Doświadczeni i niedoświadczeni obserwatorzy dokładnie zidentyfikowali znaczące różnice w szerokości krocza między pacjentami z istniejącym wcześniej migotaniem przedsionków i bez niego.

Obserwatorzy ci nie zidentyfikowali również żadnej istotnej różnicy między bezwzględnymi szerokościami połączeń szczelinowych w tej samej populacji. Szerokości połączeń peryneksalnych i szczelinowych były zgodne z wcześniejszymi raportami. Próbując wykonać tę procedurę, pamiętaj, aby nie spieszyć się z konturem, ponieważ nawet niewielkie odchylenia od membrany mogą spowodować znaczne błędy w tej skali.

Ogólnie rzecz biorąc, osoby nowe w tej metodzie zmagają się, ponieważ nie są zaznajomione ze strukturą, którą mierzą, lub nie są pewne, jak rozwiązać problemy z identyfikacją punktu początkowego lub odchyleniem linii środkowej. Zobaczenie, jak ta metoda przetwarzania obrazu jest wykonywana, ma kluczowe znaczenie. Ponieważ identyfikacja perinexus i rozwiązywanie problemów z algorytmami są trudne do nauczenia się bez niego.

Chcemy mieć pewność, że określamy ilościowo to, co mówimy, że mierzymy. Technika ta toruje drogę naukowcom zajmującym się zdrowiem serca do badania ilościowego wielu poziomów funkcji serca w wyższej rozdzielczości. Od nanoskali, przestrzeni zewnątrzkomórkowych po kliniczne określenie wydolności lub dysfunkcji komór.

Chociaż metoda ta została zademonstrowana na obrazach elektromikroskopowych, można ją również zastosować do innych technik obrazowania, takich jak echokardiografia serca, w celu dokładniejszego określenia mechanicznej funkcji serca. Metoda ta może znaleźć zastosowanie w każdej dziedzinie obrazowania, ponieważ program może mierzyć przestrzeń między dwiema zdefiniowanymi krawędziami, jeśli skala jest odpowiednio ustawiona, a krawędzie są prawie równoległe.