Name: Kwantyfikacja odległości międzybłonowych za pomocą szeregowych dylatacji obrazu (Wideo) | JoVE Journal
Uploaded: 2018-09-28T13:30:00.000+00:00
Duration: 7 min 45 s
Description: Poznaj algorytm kwantyfikacji odległości międzybłonowych w elektrofizjologii serca. Wykorzystuje szeregowe dylatacje obrazu i techniki przeszukiwania ścieżek do pomiaru szerokości perineksu z wysoką rozdzielczością przestrzenną.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Autorzy chcieliby podziękować Kathy Lowe z Virginia-Maryland College of Veterinary Medicine za przetwarzanie i barwienie próbek TEM. 
Finansowanie: 
Narodowe Instytuty Zdrowia R01-HL102298 
Narodowe Instytuty Zdrowia F31-HL140873-01

UWAGA: Wymagane oprogramowanie to ImageJ (lub podobne oprogramowanie do modyfikacji obrazów) i Matlab R2015. Użytkownik może napotkać problemy ze zgodnością z innymi wersjami Matlaba.
1. Wstępne przetwarzanie obrazów
<ol>
	<li>W przypadku dowolnego obrazu w skali szarości upewnij się, że maksymalna wartość intensywności danego piksela wynosi <255. Zazwyczaj odbywa się to poprzez odjęcie wartości 1 od obrazu w niestandardowym programie Matlab "ImageSub.m", zawartym w pliku uzupełniającym S1.</li>
</ol>
2. Zarys Perinexus
<ol>
	<li>Obrysuj perinexus w ImageJ lub innym oprogramowaniu do przetwarzania obrazu.</li>
	<li>Upewnij się, że kontur ma grubość jednego piksela i jest ustawiony na najwyższą wartość intensywności obrazu (255 w przypadku obrazu w skali szarości od 0 do 255).</li>
	<li>Zidentyfikuj GJ na podstawie jego struktury pentalaminarnej11,12 i zdefiniuj początek perinexus jako punkt, w którym dwie przeciwstawne dwuwarstwy błony komórkowej rozchodzą się, jak pokazano w Rysunek 1A. Rozpocznij ~ 200 nm od krawędzi GJ, śledząc wzdłuż wewnętrznej błony pierwszej komórki i z powrotem wzdłuż wewnętrznej błony drugiej komórki. W obrazie ImageJ zwolnij pióro, aby automatycznie zamknąć kontur. To sztuczne zamknięcie zostanie później wycięte. 
	UWAGA: Bardzo ważne jest, aby obrysować krocze z dużą starannością przy jak największym powiększeniu, ponieważ nawet niewielkie błędy w zastosowaniu konturu mogą spowodować błąd o kilka nanometrów w końcowym pomiarze.</li>
</ol>
3. Ustawianie algorytmu i wybieranie interesującego użytkownika
UWAGA: Algorytm odnajdywania ścieżek wymaga, aby funkcje AutoGraph, Edge, Graph, Node i Pathfinding9 znajdowały się w tym samym katalogu, co plik m MembraneSepDist. Wszystkie pliki można znaleźć w pliku uzupełniającym S1.
<ol>
	<li>Wybierz lokalizacje zapisywania danych i rysunków. Są one obecnie zakodowane na stałe w m-file. 
	UWAGA: Pierwszy wiersz programu to funkcja do czyszczenia wszystkich zmiennych, zamykania wszystkich okien i czyszczenia okna poleceń. Zapisz dowolne zmienne lub rysunki przed uruchomieniem m-file. 
	UWAGA: Zrzuty ekranu oprogramowania znajdują się w pliku uzupełniającym S2 dla wszystkich zakodowanych na stałe wartości.</li>
	<li>Uruchom program "MembraneSepDist.m".</li>
	<li>Ustaw parametry. 
	UWAGA: Pojawi się graficzny interfejs użytkownika z domyślnymi parametrami progu gradientu, skali, obszaru zainteresowania i ręcznego uruchamiania. Wartości domyślne można zmienić w pliku m lub można je zmienić dla każdego obrazu z osobna.
	<ol>
		<li>Ustaw próg gradientu pochodnej przestrzennej. 
		UWAGA: Im wyższe wartości, tym więcej punktów jest zaznaczonych w izolacji linii środkowej. Zbyt wysokie lub zbyt niskie wartości (poza zakresem około 3,0-7,9) mogą skutkować nieefektywnością obliczeniową lub nieprecyzyjnym wyborem punktów linii środkowej, co skutkuje nieprecyzyjną izolacją linii środkowej (patrz <silna klasa="xfig">Rysunek 2A-C).</li>
		<li>Ustaw skalę w pikselach/jednostkach skali.</li>
		<li>Ustaw dolną i górną granicę przestrzenną dla obszaru zainteresowania. 
		UWAGA: Zgodnie z konwencją naszego laboratorium, zdefiniowany obszar zainteresowania znajduje się w odległości od 30 do 105 nm od krawędzi GJ2,3,10.</li>
		<li>Ustaw starty automatyczne/ręczne. W większości przypadków algorytm dokładnie wykrywa punkt początkowy, w którym kończy się skrzyżowanie szczelinowe, a zaczyna perinexus. Jednak w niektórych przypadkach perinexi o nieregularnym kształcie użytkownik musi ręcznie zidentyfikować punkt początkowy. Ustaw tę wartość na 0 dla automatycznego, 1 dla ręcznego.</li>
	</ol>
	</li>
	<li>Wybierz żądany obraz. 
	UWAGA: Folder wyboru pliku można zmienić w pliku m.</li>
	<li>Przytnij obraz, aby wybrać interesujący Cię perinexus.
	<ol>
		<li>Gdy pojawi się obraz, kursor automatycznie zmieni się w krzyżyk. Przytnij obraz, przeciągając ramkę wokół interesującego Cię krocza (patrz Rysunek 3). Pole przycinania można dostosować za pomocą kwadratów na rogach i bokach, aby je powiększyć lub pomniejszyć.</li>
		<li>Podczas przycinania upewnij się, że "otwarty" koniec krocza (najbardziej oddalony od GJ, patrz Rysunek 3) jest przycięty tak, aby dwa kontury błony sięgały krawędzi przyciętego obrazu. 
		UWAGA: Zaleca się, aby obraz był pełnoekranowy, aby łatwiej zobaczyć interesujący Cię perinexus i odpowiednio przyciąć.</li>
	</ol>
	</li>
	<li>Wybierz końcowe kadrowanie, klikając dwukrotnie kursorem między przeciwległymi krawędziami, które mają być mierzone. 
	UWAGA: Bardzo ważne jest, aby dwukrotne kliknięcie zostało wykonane wewnątrz mięśnia kroczowego. Jeśli program nie zidentyfikuje linii środkowej, uruchom ponownie program i upewnij się, że kliknięcie następuje w mięśniu prostym.</li>
	<li>Obserwuj końcową linię środkową po pojawieniu się wszystkich dylatacji i nadżerek, aby uzyskać ostateczną ocenę skuteczności programu przez użytkownika. 
	UWAGA: Podczas działania programu na ekranie pojawi się okno dialogowe informujące użytkownika, że Matlab nie będzie w stanie przetworzyć żadnych dodatkowych poleceń, dopóki program nie zostanie zakończony. To, jak długo trwa ten proces, zależy od rozmiaru tablicy (obrazu) i mocy obliczeniowej komputera.</li>
	<li>Jeśli włączony jest ręczny punkt początkowy, obserwuj obraz linii środkowej wyskakujący nad oryginalnym obrazem anatomicznym, wraz z kursorem krzyżyka (patrz <silna klasa = "xfig">Rysunek 2E). Wybierz punkt na zewnątrz perinexus w pobliżu żądanego punktu początkowego. 
	UWAGA: Program znajdzie punkt linii środkowej znajdujący się najbliżej wybranego piksela i użyje go jako punktu początkowego.</li>
	<li>Rejestruj dane. 
	UWAGA: Po zakończeniu programu program zwróci zmapowaną linię środkową, wykres szerokości krocza w funkcji odległości od krawędzi GJ. Dodatkowo program zwróci średnią szerokość perineksjalu do 150 nm od krawędzi GJ, a także średnią z określonego obszaru zainteresowania w wierszu poleceń Matlaba. Wartości Wp i odległości od GJ są przechowywane w zmiennej "WpList" lub użytkownik może je ręcznie rejestrować oddzielnie.</li>
</ol>
4. Rozwiązywanie problemów z algorytmem
<ol>
	<li>Jeśli linia środkowa nie jest prawidłowo zidentyfikowana (<silna klasa="xfig">Rysunek 2A), otwórz rysunek "Gmag" i użyj indeksu, aby zidentyfikować odpowiedni próg gradientu (<silna klasa="xfig">Rysunek 2C).</li>
	<li>Jeśli punkt początkowy nie jest prawidłowo zidentyfikowany, należy ustawić punkt początkowy ręcznie (patrz Protokół 3.8).</li>
</ol>

<ol><li>Rhett, J. M., Gourdie, R. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+perinexus%3A+a+new+feature+of+Cx43+gap+junction+organization%5BTitle%5D)+AND+%22Heart+Rhythm%22%5BJournal%5D)">The perinexus: a new feature of Cx43 gap junction organization.</a> Heart Rhythm. 9 (4), 619-623 (2012).</li>
<li>Veeraraghavan, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sodium+channels+in+the+Cx43+gap+junction+perinexus+may+constitute+a+cardiac+ephapse%3A+an+experimental+and+modeling+study%5BTitle%5D)+AND+%22Pflugers+Archiv%3A+European+Journal+of+Physiology%22%5BJournal%5D)">Sodium channels in the Cx43 gap junction perinexus may constitute a cardiac ephapse: an experimental and modeling study.</a> Pflugers Archiv: European Journal of Physiology. , (2015).</li>
<li>George, S. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Extracellular+sodium+dependence+of+the+conduction+velocity-calcium+relationship%3A+evidence+of+ephaptic+self-attenuation%5BTitle%5D)+AND+%22American+Journal+of+Physiology+-+Heart+and+Circulatory+Physiology%22%5BJournal%5D)">Extracellular sodium dependence of the conduction velocity-calcium relationship: evidence of ephaptic self-attenuation.</a> American Journal of Physiology - Heart and Circulatory Physiology. 310 (9), 1129-1139 (2016).</li>
<li>Veeraraghavan, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Potassium+channels+in+the+Cx43+gap+junction+perinexus+modulate+ephaptic+coupling%3A+an+experimental+and+modeling+study%5BTitle%5D)+AND+%22Pflugers+Archiv%3A+European+Journal+of+Physiology%22%5BJournal%5D)">Potassium channels in the Cx43 gap junction perinexus modulate ephaptic coupling: an experimental and modeling study.</a> Pflugers Archiv: European Journal of Physiology. , (2016).</li>
<li>Rhett, J. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cx43+associates+with+Na%28v%291.5+in+the+cardiomyocyte+perinexus%5BTitle%5D)+AND+%22Journal+of+Membrane+Biology%22%5BJournal%5D)">Cx43 associates with Na(v)1.5 in the cardiomyocyte perinexus.</a> Journal of Membrane Biology. 245 (7), 411-422 (2012).</li>
<li>Raisch, T. B., et al. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/29780324">Intercalated Disc Extracellular Nanodomain Expansion in Patients with Atrial Fibrillation.</a> Frontiers in Physiology. , (2018).</li>
<li>Yan, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Novel+methods+of+automated+quantification+of+gap+junction+distribution+and+interstitial+collagen+quantity+from+animal+and+human+atrial+tissue+sections%5BTitle%5D)+AND+%22PLoS+One%22%5BJournal%5D)">Novel methods of automated quantification of gap junction distribution and interstitial collagen quantity from animal and human atrial tissue sections.</a> PLoS One. 9 (8), 104357(2014).</li>
<li>Papari, G., Petkov, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Adaptive+pseudo+dilation+for+gestalt+edge+grouping+and+contour+detection%5BTitle%5D)+AND+%22IEEE+Transactions+on+Image+Processing%22%5BJournal%5D)">Adaptive pseudo dilation for gestalt edge grouping and contour detection.</a> IEEE Transactions on Image Processing. 17 (10), 1950-1962 (2008).</li>
<li>Limprasert, W. PathFinding. , Available from: 
 <a target="_blank" href="www.mathworks.com/matlabcentral/fileexchange/34966-pathfinding">www.mathworks.com/matlabcentral/fileexchange/34966-pathfinding</a> (2012).</li>
<li>George, S. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Extracellular+sodium+and+potassium+levels+modulate+cardiac+conduction+in+mice+heterozygous+null+for+the+Connexin43+gene%5BTitle%5D)+AND+%22Pflugers+Archiv%3A+European+Journal+of+Physiology%22%5BJournal%5D)">Extracellular sodium and potassium levels modulate cardiac conduction in mice heterozygous null for the Connexin43 gene.</a> Pflugers Archiv: European Journal of Physiology. , (2015).</li>
<li>Revel, J. P., Karnovsky, M. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Hexagonal+array+of+subunits+in+intercellular+junctions+of+the+mouse+heart+and+liver%5BTitle%5D)+AND+%22Journal+of+Cell+Biology%22%5BJournal%5D)">Hexagonal array of subunits in intercellular junctions of the mouse heart and liver.</a> Journal of Cell Biology. 33 (3), 7-12 (1967).</li>
<li>Huttner, I., Boutet, M., More, R. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gap+junctions+in+arterial+endothelium%5BTitle%5D)+AND+%22Journal+of+Cell+Biology%22%5BJournal%5D)">Gap junctions in arterial endothelium.</a> Journal of Cell Biology. 57 (1), 247-252 (1973).</li>
<li>Makowski, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Gap+junction+structures.+II.+Analysis+of+the+x-ray+diffraction+data%5BTitle%5D)+AND+%22Journal+of+Cell+Biology%22%5BJournal%5D)">Gap junction structures. II. Analysis of the x-ray diffraction data.</a> Journal of Cell Biology. 74 (2), 629-645 (1977).</li>
<li>Entz, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Heart+Rate+and+Extracellular+Sodium+and+Potassium+Modulation+of+Gap+Junction+Mediated+Conduction+in+Guinea+Pigs%5BTitle%5D)+AND+%22Frontiers+in+Physiology%22%5BJournal%5D)">Heart Rate and Extracellular Sodium and Potassium Modulation of Gap Junction Mediated Conduction in Guinea Pigs.</a> Frontiers in Physiology. 7, 16(2016).</li>
<li>Sild, M., Chatelain, R. P., Ruthazer, E. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Improved+method+for+the+quantification+of+motility+in+glia+and+other+morphologically+complex+cells%5BTitle%5D)+AND+%22Neural+Plasticity%22%5BJournal%5D)">Improved method for the quantification of motility in glia and other morphologically complex cells.</a> Neural Plasticity. 2013, 853727(2013).</li>
<li>Rhett, J. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+perinexus%3A+Sign-post+on+the+path+to+a+new+model+of+cardiac+conduction%5BTitle%5D)+AND+%22Trends+in+Cardiovascular+Medicine%22%5BJournal%5D)">The perinexus: Sign-post on the path to a new model of cardiac conduction.</a> Trends in Cardiovascular Medicine. , (2013).</li>
<li>Lang, R. M., et al. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/25559473">Recommendations for cardiac chamber quantification by echocardiography in adults: an update from the American Society of Echocardiography and the European Association of Cardiovascular Imaging.</a> Journal of the American Society of Echocardiography. 28 (1), 1-39 (2015).</li>
<li>Kawai, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Left+ventricular+volume+and+ejection+fraction+by+the+axius+auto+ejection+fraction+method%3A+comparison+with+manual+trace+method+and+visual+assessment+of+ejection+fraction%5BTitle%5D)+AND+%22Journal+of+Cardiology%22%5BJournal%5D)">Left ventricular volume and ejection fraction by the axius auto ejection fraction method: comparison with manual trace method and visual assessment of ejection fraction.</a> Journal of Cardiology. 49 (3), 125-134 (2007).</li>
<li>Frederiksen, C. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Clinical+utility+of+semi-automated+estimation+of+ejection+fraction+at+the+point-of-care%5BTitle%5D)+AND+%22Heart%2C+Lung+and+Vessels%22%5BJournal%5D)">Clinical utility of semi-automated estimation of ejection fraction at the point-of-care.</a> Heart, Lung and Vessels. 7 (3), 208-216 (2015).</li>
<li>Foster, F. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+new+ultrasound+instrument+for+in+vivo+microimaging+of+mice%5BTitle%5D)+AND+%22Ultrasound+in+Medicine+and+Biology%22%5BJournal%5D)">A new ultrasound instrument for in vivo microimaging of mice.</a> Ultrasound in Medicine and Biology. 28 (9), 1165-1172 (2002).</li>
<li>Moran, C. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+comparison+of+the+imaging+performance+of+high+resolution+ultrasound+scanners+for+preclinical+imaging%5BTitle%5D)+AND+%22Ultrasound+in+Medicine+and+Biology%22%5BJournal%5D)">A comparison of the imaging performance of high resolution ultrasound scanners for preclinical imaging.</a> Ultrasound in Medicine and Biology. 37 (3), 493-501 (2011).</li>
<li>Papademetris, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Estimation+of+3D+left+ventricular+deformation+from+echocardiography%5BTitle%5D)+AND+%22Medical+Image+Analysis%22%5BJournal%5D)">Estimation of 3D left ventricular deformation from echocardiography.</a> Medical Image Analysis. 5 (1), 17-28 (2001).</li>
<li>Hosny, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Unlocking+vendor-specific+tags%3A+Three-dimensional+printing+of+echocardiographic+data+sets%5BTitle%5D)+AND+%22Journal+of+Thoracic+Cardiovascular+Surgery%22%5BJournal%5D)">Unlocking vendor-specific tags: Three-dimensional printing of echocardiographic data sets.</a> Journal of Thoracic Cardiovascular Surgery. 155 (1), 143-145 (2018).</li>
<li>Cretoiu, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Human+cardiac+telocytes%3A+3D+imaging+by+FIB-SEM+tomography%5BTitle%5D)+AND+%22Journal+of+Cellular+and+Molecular+Medicine%22%5BJournal%5D)">Human cardiac telocytes: 3D imaging by FIB-SEM tomography.</a> Journal of Cellular and Molecular Medicine. 18 (11), 2157-2164 (2014).</li>
<li>Risi, C., et al. <a target="_blank" href="https://www.ncbi.nlm.nih.gov/pubmed/28607071">Ca(2+)-induced movement of tropomyosin on native cardiac thin filaments revealed by cryoelectron microscopy.</a> Proceedings of the National Academy of Sciences of the United States of America. 114 (26), 6782-6787 (2017).</li>
<li>Dhindwal, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+cryo-EM-based+model+of+phosphorylation-+and+FKBP12.6-mediated+allosterism+of+the+cardiac+ryanodine+receptor%5BTitle%5D)+AND+%22Science+Signaling%22%5BJournal%5D)">A cryo-EM-based model of phosphorylation- and FKBP12.6-mediated allosterism of the cardiac ryanodine receptor.</a> Science Signaling. 10 (480), (2017).</li>
<li>Reddy, V. Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Integration+of+cardiac+magnetic+resonance+imaging+with+three-dimensional+electroanatomic+mapping+to+guide+left+ventricular+catheter+manipulation%3A+feasibility+in+a+porcine+model+of+healed+myocardial+infarction%5BTitle%5D)+AND+%22Journal+of+the+American+College+of+Cardiology%22%5BJournal%5D)">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.</a> Journal of the American College of Cardiology. 44 (11), 2202-2213 (2004).</li>
<li>van Heeswijk, R. B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Three-Dimensional+Self-Navigated+T2+Mapping+for+the+Detection+of+Acute+Cellular+Rejection+After+Orthotopic+Heart+Transplantation%5BTitle%5D)+AND+%22Transplant+Direct%22%5BJournal%5D)">Three-Dimensional Self-Navigated T2 Mapping for the Detection of Acute Cellular Rejection After Orthotopic Heart Transplantation.</a> Transplant Direct. 3 (4), 149(2017).</li>
<li>Valinoti, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((3D+patient-specific+models+for+left+atrium+characterization+to+support+ablation+in+atrial+fibrillation+patients%5BTitle%5D)+AND+%22Magnetic+Resonance+Imaging%22%5BJournal%5D)">3D patient-specific models for left atrium characterization to support ablation in atrial fibrillation patients.</a> Magnetic Resonance Imaging. 45, 51-57 (2018).</li>
</ol>

Autorzy nie mają nic do ujawnienia.

Algorytm wykorzystuje szeregowe dylatacje obrazu do zliczania liczby pikseli między dwiema przeciwległymi krawędziami 2D w obrazie binarnym, co w tym przypadku jest separacją międzybłonową krocza 2,3,14. Pochodna przestrzenna i algorytm znajdowania ścieżki są następnie używane do izolowania linii środkowej, po której następuje wtórna sekwencja dylatacji i erozji w celu wypełnienia luk w linii środkowej, podobnie jak to miało miejsce przed15. Linia środkowa jest następnie łączona z końcowym obrazem dylatacji, aby przedstawić szerokość krocza w funkcji odległości od początku separacji krawędzi, w tym przypadku końca GJ i początku mięśnia kroczącego16.
Cztery podstawowe parametry są definiowane przez użytkownika w graficznym interfejsie użytkownika na początku programu:
<ol>
	<li>Próg nachylenia</li>
	<li>Skala</li>
	<li>Zakres obszaru zainteresowania</li>
	<li>Metoda wyboru punktu początkowego (automatyczna lub ręczna)</li>
</ol>
Najczęstszym mechanizmem niepowodzenia algorytmu jest niemożność dotarcia linii środkowej do krawędzi obrazu, czyli w jaki sposób określa się punkt końcowy dla algorytmu odnajdywania ścieżki. Aby rozwiązać taki problem, użytkownik może zwiększyć próg nachylenia opisany w kroku 3.3.1, co spowoduje, że program wybierze więcej punktów z obrazu pochodnej przestrzennej, co wydłuży czas obliczeń wymagany przez algorytm odnajdywania ścieżki. W związku z tym algorytm ten wymaga kompromisu między szybkością obliczeń a integralnością linii środkowej. Należy zauważyć, że tak długo, jak wszystkie punkty linii środkowej są identyfikowane z pochodnej przestrzennej, wraz z odpowiednim punktem początkowym, próg pochodnej przestrzennej nie będzie miał wpływu na pomiar separacji krawędzi.
Orientacja obrazu wydaje się wpływać na wartości dylatacji, ponieważ jądro rozszerza się w krokach co 90 stopni, co może wprowadzić błąd, jeśli większość obszaru zainteresowania znajduje się pod kątem 45° do osi macierzy dylatacji. W związku z tym liczba dylatacji nie zawsze musi być dokładnym odwzorowaniem przestrzeni między krawędziami. To ograniczenie zostało rozwiązane przez trygonometryczny współczynnik korekcyjny, ale może zostać zignorowane, jeśli wszystkie obrazy w zestawie danych są wyrównane w tej samej orientacji. Ponadto należy zachować ostrożność przy interpretacji wyników, ponieważ możliwe jest, że płaszczyzny przekroju nie są idealnie prostopadłe do dwóch membran. Na rysunku 9B używamy GJW, aby zasugerować, że nasze obrazy perinexus były w płaszczyźnie. Mimo to konieczne jest, aby rozmiary próbek były wystarczająco duże, aby uwzględnić wszelkie różnice w sekcjach między obrazami. Dodatkowo, nasze pomiary szerokości krocza nie powinny być interpretowane jako odzwierciedlające przestrzenie in vivo , ale to podejście jest używane do pomiaru średnich różnic w szerokości krocza w stosunku do jakiejś interwencji lub stanu choroby.
Obecny algorytm wymaga również ręcznie obrysowanego konturu krawędzi jako danych wejściowych. Należy zauważyć, że tak długo, jak skala jest ustawiona prawidłowo, rozdzielczość przestrzenna nie ma wpływu na pomiary algorytmu, o czym świadczą różne rozdzielczości obrazów na rysunku 6 i dodatkowy obraz o niskiej rozdzielczości w pliku uzupełniającym S6. Kolejnym krokiem w ulepszaniu algorytmu jest usunięcie ingerencji człowieka z generowania konspektu wraz z narzędziem, które może wybrać obszar zainteresowania. Te funkcje prawdopodobnie zwiększyłyby precyzję pomiaru i zmniejszyłyby stronniczość użytkownika.
Ten wydajny obliczeniowo algorytm zapewnia szybszą metodę, wymagającą około jednej piątej roboczogodzin, ilościowego oznaczania pierdomy bez wykrywalnego uszczerbku dla odtwarzalności w porównaniu z ręcznym procesem segmentacji. Ponadto proces ręcznej segmentacji wykorzystuje jeden pomiar co 15 nanometrów w celu ilościowego określenia szerokości okołokończynowej, co może prowadzić do niedostatecznego pobierania próbek, ponieważ separacja błony krocza może się znacznie zmienić w tym zakresie 15 nm. W przeciwieństwie do tego, zautomatyzowany program ma rozdzielczość przestrzenną równą rozdzielczości metody obrazowania, w tym przypadku 2,9 piksela na nanometr wzdłuż długości mięśnia kroczowego, zapewniając w ten sposób bardziej precyzyjnie rozdzielczą średnią szerokość krocza.
Chociaż zastosowania w dziedzinie biologii strukturalnej serca są obiecujące i ekscytujące, zastosowania tego algorytmu nie ograniczają się do obrazów TEM. Każda dziedzina wymagająca precyzyjnego pomiaru w wysokiej rozdzielczości dwóch quasi-równoległych krawędzi 2D może korzystać z tego algorytmu. Algorytm może być używany do śledzenia wszystkiego, od erozji brzegów rzek i wzorców powodziowych na zdjęciach satelitarnych po rozwój naczyń krwionośnych za pomocą mikroskopii jasnego pola lub fluorescencji. Jednym z najbardziej obiecujących potencjalnych zastosowań jest kardiologia i pomiar komorowej frakcji wyrzutowej (EF) za pomocą echokardiografii serca w miejscu opieki nad pacjentem. Obecnie standardową techniką jest metoda dwupłaszczyznowa dysków17, chociaż nowszy algorytm, AutoEF, jest obecnie najnowocześniejszą metodą kwantyfikacji EF18,19. W przypadku metody dwupłatowej dysków, dana komora jest ręcznie śledzona i określana ilościowo przy użyciu zmodyfikowanej metody Simpsona, w której całkowita objętość jest automatycznie obliczana przez zsumowanie ułożonych w stos dysków eliptycznych. Głównym ograniczeniem tej metody jest to, że może ona zwrócić tylko całkowite pole przekroju poprzecznego żądanej komory, bez rozdzielczości pozwalającej zidentyfikować określone obszary zainteresowania, a także wymaga znacznego wkładu ludzkiego i wiedzy specjalistycznej. Nowsza metoda, AutoEF, identyfikuje i wyznacza krawędź komory za pomocą algorytmu plamkowania 2D, a następnie oblicza pole przekroju poprzecznego komory. Proces ten, choć precyzyjny i skuteczny w pomiarze dużej powierzchni komorowej, ma również podobne nieodłączne ograniczenie polegające na pomiarze tylko całkowitego pola przekroju poprzecznego. Ta podstawowa wada ogranicza możliwości diagnostyczne i terapeutyczne klinicystów. W przeciwieństwie do tego, algorytm przedstawiony w tym manuskrypcie może zidentyfikować linię środkową i ma rozdzielczość równą rozdzielczości metody obrazowania, aby wskazać określone obszary zainteresowania. Jest to ważne, ponieważ skanery ultradźwiękowe z mikrometryczną rozdzielczością przestrzenną są dostępne na rynku20,21, co oznacza, że algorytm ten może wykrywać zlokalizowane nieprawidłowości ruchu ścian z rozdzielczością mikrometrów, a nie centymetrów. Chociaż ta aplikacja musi zostać zweryfikowana eksperymentalnie, jest to jedno z najbardziej obiecujących zastosowań tego algorytmu. W rzeczywistości można go łatwo połączyć z możliwościami śledzenia plamek AutoEF lub ręcznymi śladami wykorzystywanymi w ręcznej planimetrii, aby zapewnić informacje o wyższej rozdzielczości równolegle z konwencjonalnymi danymi EF.
Choć obecny algorytm jest wszechstronny i możliwy do zastosowania, został opracowany z myślą o obrazach 2D. Jednak wraz z ciągłym doskonaleniem technologii obrazowania rośnie zapotrzebowanie na technologie kwantyfikacji 3 i 4D. Dlatego kolejną iteracją algorytmu jest dostosowanie tego samego podejścia, polegającego na szeregowym rozszerzaniu obrazu binarnego, do obiektu trójwymiarowego, w którym automatyczne definiowanie linii środkowej jest obecnie poza możliwościami obecnych programów do obrazowania. Taki algorytm miałby szerokie zastosowanie zarówno klinicznie, jak i eksperymentalnie w samej dziedzinie serca, w tym echokardiogramy 3D22,23, mikroskopia elektronowa 3D 24,25,26 i obrazowanie rezonansu magnetycznego 3D 27,28,29.

Następujący algorytm został opracowany do pomiaru odległości międzybłonowej między dwoma strukturalnie sprzężonymi kardiomiocytami w punkcie, w którym oddzielają się od siebie na krawędzi płytki połączenia szczelinowego w nanodomenie zwanej perinexus1, która została zamieszana w sprzężenie ehaptyczne2,3,4,5. W procesie analizy setek obrazów perynexiowego mikroskopu elektronowego (TEM) przy użyciu metody ręcznej segmentacji w poprzednim badaniu6, zidentyfikowano potrzebę zastosowania metody o wyższej przepustowości, która próbkowałaby szerokość okołokończynową w wyższej rozdzielczości przestrzennej, zachowując dokładność poprzedniego procesu segmentacji ręcznej Podczas segmentacji ręcznej linie są rysowane w odstępach 15 nm, w przybliżeniu prostopadły do linii środkowej, w celu zmierzenia szerokości krocza. Nowy algorytm bierze binarny kontur o grubości jednego piksela składający się z dwóch równoległych linii i wykorzystuje szeregowe dylatacje obrazu do zliczenia liczby pikseli między dwiema membranami. Podczas gdy dylatacje obrazu są powszechnie używane w niezliczonych aplikacjach do przetwarzania obrazu, w tym w wykrywaniu konturów lub krawędzi7,8, ten algorytm wykorzystuje dylatacje jako mechanizm zliczania. Linia środkowa jest następnie izolowana za pomocą algorytmu odnajdywania ścieżki9, a szerokość krocza jest następnie mierzona z rozdzielczością na całej długości perinexus równą rozdzielczości obrazu. Różnica w rozdzielczości w tym przypadku wynosi 1 pomiar na 15 nm w przypadku segmentacji ręcznej i 1 pomiar na 0,34 nm w przypadku nowego algorytmu, co oznacza 44-krotny wzrost częstotliwości próbkowania przestrzennego. Co więcej, ta zwiększona częstotliwość próbkowania jest osiągana w około 1/5 czasu potrzebnego na ręczną segmentację.
Ten algorytm będzie używany w swojej obecnej formie do pomiaru szerokości krocza w konwencjonalnym zakresie 0-150 nm od krawędzi płytki skrzyżowania szczeliny5 (GJ), a także w określonym obszarze zainteresowania, gdzie orbita kroczowa wynosi od 30 do 105 nm2,3,10. Zwiększona częstotliwość próbkowania zmniejsza zmienność w poszczególnych pomiarach krocza w porównaniu z ręczną segmentacją i znacznie skraca czas analizy, pozwalając na sprawne przetwarzanie dużych zbiorów danych. Jednak ten program nie ogranicza się do nanoskalowych obrazów TEM interkalowanych dysków sercowych. To samo podejście można zastosować do ilościowego określenia średnicy naczyń krwionośnych, frakcji wyrzutowej komór, a nawet zjawisk niebiologicznych, takich jak erozja rzek lub powodzie. Algorytm ten jest odpowiedni do ilościowego określania odległości między dowolnymi dwiema quasi-równoległymi krawędziami.

<table><tbody><tr><td>Monitor z ekranem dotykowym</td><td>Dell</td><td>S2240T</td><td>Wymaga rysika z miękką końcówką</td></tr><tr><td>Komputer stacjonarny</td><td>Dell</td><td>Precision T1650</td><td>8 GB pamięci RAM</td></tr><tr><td>System operacyjny</td><td>Microsoft</td><td>Windows 7 Enterprise</td><td>64-bitowy system operacyjny</td></tr><tr><td>Platforma programu</td><td>Mathworks</td><td>Matlab R2015b</td><td>Program może być niekompatybilny z nowszymi/starszymi wersjami Matlaba</td></tr></tbody></table>

kwantyfikacja odległości międzybłonowych za pomocą szeregowych dylatacji obrazu

Quantifying Intermembrane Distances with Serial Image Dilations

Niedawno opisana zewnątrzkomórkowa nanodomena, zwana perynecytami, została zamieszana w sprzężenie ephaptyczne, które jest alternatywnym mechanizmem przewodnictwa elektrycznego między kardiomiocytami. Obecna metoda ilościowego określania tej przestrzeni za pomocą ręcznej segmentacji jest powolna i ma niską rozdzielczość przestrzenną. Opracowaliśmy algorytm, który wykorzystuje szeregowe dylatacje obrazu konturu binarnego do zliczania liczby pikseli między dwiema przeciwległymi krawędziami 2-wymiarowymi. Algorytm ten wymaga mniej roboczogodzin i ma wyższą rozdzielczość przestrzenną niż metoda ręczna, przy jednoczesnym zachowaniu powtarzalności procesu ręcznego. W rzeczywistości doświadczeni i początkujący badacze byli w stanie podsumować wyniki poprzedniego badania za pomocą tego nowego algorytmu. Algorytm jest ograniczony przez wkład ludzki potrzebny do ręcznego nakreślenia krocza i moc obliczeniową obciążoną głównie przez istniejący wcześniej algorytm znajdowania ścieżki. Jednak wysoka przepustowość, wysoka rozdzielczość przestrzenna i odtwarzalność algorytmu sprawiają, że jest to wszechstronne i solidne narzędzie pomiarowe do użytku w różnych zastosowaniach wymagających pomiaru odległości między dowolnymi krawędziami 2-wymiarowymi (2D).

Celem tego algorytmu jest ciągłe mierzenie odległości między dwoma dwuwymiarowymi krawędziami za pomocą szeregowych dylatacji obrazu i odnajdywania ścieżek. Algorytm ten można zastosować w różnych dziedzinach, takich jak biologia strukturalna serca, biologia naczyniowa i inżynieria lądowa.

Kwantyfikacja odległości międzybłonowych za pomocą szeregowych dylatacji obrazu

A recently-described extracellular nanodomain, termed the perinexus, has been implicated in ephaptic coupling, which is an alternative mechanism for ...

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.

quantifying-intermembrane-distances-with-serial-image-dilations

Research

JoVE Journal

Bioengineering

Bioinżynieria

Opisujemy metodę obrazowania w super-rozdzielczości, aby zbadać strukturalną organizację bakteryjnego pierścienia FtsZ, niezbędnego aparatu do podziału komórek.  Metoda ta opiera się na analizach ilościowych obrazów z mikroskopii lokalizacji aktywowanej fotoaktywowaną (PALM) i może być stosowana do innych bakteryjnych białek cytoszkieletu.

Obrazowanie w superrozdzielczości maszynerii podziału bakteryjnego

Prezentowany protokół opisuje analizę transportu za pośrednictwem białka błonowego na poziomie pojedynczego transportera przy użyciu dwuwarstw lipidowych bez rozpuszczalników rozciągających się na pore. Osiągnięto to poprzez stworzenie masowo produkowanych chipów z matrycami nanoporowymi, w połączeniu z wysoce równoległym pozyskiwaniem i analizą danych, co umożliwi w przyszłości tworzenie badań przesiewowych efektorów białek błonowych.

Procesy transportu błonowego analizowane przez wysoce równoległy system chipów nanoporowych w rozdzielczości pojedynczego białka

Ten protokół skutecznie bada podział komórek ssaków w matrycach kolagenowych 3D poprzez integrację synchronizacji podziału komórek, monitorowanie zdarzeń podziału w matrycach 3D za pomocą techniki obrazowania żywych komórek, czasowo-rozdzielczą konfokalną mikroskopię refleksyjną i ilościową analizę obrazowania.

Podział komórek ssaków w matrycach 3D za pomocą ilościowej konfokalnej mikroskopii refleksyjnej

Celem tego protokołu jest szczegółowe opracowanie nowatorskiej metody oceny segmentalnej funkcji serca u embrionalnych ryb danio pręgowanych, zarówno w warunkach fizjologicznych, jak i patologicznych.

Analiza przemieszczenia mechanicznej deformacji mięśnia sercowego (DIAMOND) ujawnia segmentalną heterogeniczność funkcji serca u embrionalnego danio pręgowanego

Przedstawiona metoda polega na jednoosiowym rozciąganiu miękkich hydrożeli 3D osadzonych w gumie silikonowej, umożliwiając jednocześnie mikroskopię konfokalną na żywo. Przedstawiono charakterystykę zewnętrznych i wewnętrznych szczepów hydrożelu, a także wyrównanie włókien. Opracowane urządzenie i protokół mogą oceniać reakcję komórek na różne reżimy szczepów.

Kontrolowane odkształcanie hydrożeli 3D w obrazowaniu mikroskopowym na żywo

Przedstawiono tutaj podejście do długoterminowego obrazowania przyżyciowego za pomocą optycznie przezroczystych, silikonowych okienek, które można przykleić bezpośrednio do tkanki/organu zainteresowania i skóry. Te okna są tańsze i bardziej wszechstronne niż inne obecnie używane w terenie, a chirurgiczne wprowadzenie powoduje ograniczone stany zapalne i stres u zwierząt.

Podłużne obrazowanie przyżyciowe przez przezroczyste okienka silikonowe

Obecny protokół opisuje metodę wizualizacji i pomiaru pierścieni aktynowych i innych składników okresowego szkieletu błony początkowego segmentu aksonu przy użyciu hodowanych neuronów hipokampa szczura i mikroskopii iluminacyjnej o strukturze 3D (3D-SIM).

Pomiar właściwości okresowego szkieletu błonowego początkowego segmentu aksonu przy użyciu mikroskopii oświetlenia strukturalnego 3D (3D-SIM)

Prosty i wszechstronny protokół do pozyskiwania trójwymiarowych szczegółów miejsc kontaktu błony między organellami w hepatocytach z wątroby lub komórek w innych tkankach.

Trójwymiarowa charakterystyka miejsc kontaktu między organellami w hepatocytach przy użyciu mikroskopii elektronowej o przekroju szeregowym

Przedstawiamy protokół do implementacji mikroskopii interferencyjno-refleksyjnej i mikroskopii totalno-wewnętrznej-refleksyjno-fluorescencyjnej do jednoczesnego obrazowania dynamicznych mikrotubul i fluorescencyjnie znakowanych białek związanych z mikrotubulami.

Mikroskopia fluorescencyjna z jednoczesnym odbiciem interferencyjnym i całkowitym odbiciem wewnętrznym do obrazowania dynamicznych mikrotubul i powiązanych białek

Obecne protokoły opisują nowatorskie obrazowanie całego mocowania do wizualizacji struktur peryferyjnych w soczewce oka z metodami kwantyfikacji obrazu. Protokoły te mogą być wykorzystywane w badaniach w celu lepszego zrozumienia związku między strukturami mikroskali soczewek a rozwojem/funkcją soczewki.

Obrazowanie całego mocowania w celu wizualizacji i ilościowego określenia struktury soczewek obwodowych, morfologii i organizacji komórek

Tutaj prezentujemy wszechstronne urządzenie do rozciągania równoosiowego, które jest uruchamiane pneumatycznie i kompatybilne z mikroskopią o wysokiej rozdzielczości.

Równoosiowe urządzenie rozciągające do konfokalnej mikroskopii fluorescencyjnej żywych komórek o dużym powiększeniu

Poznaj algorytm kwantyfikacji odległości międzybłonowych w elektrofizjologii serca. Wykorzystuje szeregowe dylatacje obrazu i techniki przeszukiwania ścieżek do pomiaru szerokości perineksu z wysoką rozdzielczością przestrzenną.

Kwantyfikacja odległości międzybłonowych za pomocą szeregowych dylatacji obrazu

Przeglądaj więcej filmów