Summary
इस एल्गोरिथ्म का उद्देश्य लगातार दो 2 आयामी धारावाहिक छवि फैलाव और pathfinding का उपयोग किनारों के बीच की दूरी को मापने के लिए है । इस एल्गोरिथ्म ऐसे कार्डिएक संरचनात्मक जीवविज्ञान, संवहनी जीव विज्ञान, और सिविल इंजीनियरिंग के रूप में खेतों की एक किस्म के लिए लागू किया जा सकता है ।
Abstract
हाल ही में वर्णित extracellular nanodomain, perinexus, ephaptic युग्मन, जो cardiomyocytes के बीच विद्युत चालन के लिए एक वैकल्पिक व्यवस्था है में फंसा दिया गया है । मैंयुअल विभाजन द्वारा इस स्थान को बढ़ाता है के लिए वर्तमान पद्धति धीमी है और कम स्थानिक समाधान है । हम एक एल्गोरिथ्म है कि एक द्विआधारी रूपरेखा के धारावाहिक छवि फैलाव का उपयोग करता है दो आयामी किनारों का विरोध कर के बीच पिक्सल की संख्या की गणना विकसित की है । इस एल्गोरिथ्म कम आदमी घंटे की आवश्यकता है और मैनुअल प्रक्रिया के reproducibility के संरक्षण के दौरान एक उच्च स्थानिक संकल्प मैनुअल विधि से है । वास्तव में, अनुभवी और नौसिखिया जांचकर्ताओं के लिए इस नए एल्गोरिथ्म के साथ एक पिछले अध्ययन के परिणाम दोहराऊंगा कर रहे थे । एल्गोरिथ्म को मैन्युअल रूप से एक पूर्व मौजूदा pathfinding एल्गोरिथ्म द्वारा मुख्य रूप से भारग्रस्त perinexus और गणना शक्ति को रेखांकित करने के लिए आवश्यक मानव इनपुट द्वारा सीमित है. हालांकि, एल्गोरिथ्म के उच्च प्रवाह क्षमताओं, उच्च स्थानिक संकल्प और reproducibility यह किसी भी 2-आयामी के बीच की दूरी की माप की आवश्यकता होती है आवेदनों की एक किस्म भर में उपयोग के लिए एक बहुमुखी और मजबूत माप उपकरण बनाने के लिए (2d किनारों.
Introduction
निंनलिखित एल्गोरिथ्म दो संरचनात्मक cardiomyocytes बिंदु वे एक nanodomain में एक अंतर जंक्शन पट्टिका के किनारे पर एक दूसरे से अलग perinexus1है, जो है बुलाया पर के बीच की झिल्ली की दूरी को मापने के लिए विकसित किया गया था ephaptic युग्मन2,3,4,5में फंसाया गया है । perinexi के सैकड़ों संचरण इलेक्ट्रॉन माइक्रोस्कोपी (उनि) छवियों का विश्लेषण करने की प्रक्रिया में एक पिछले अध्ययन6में एक मैनुअल विभाजन पद्धति का उपयोग कर, जरूरत एक उच्च प्रवाह विधि है कि उच्च में perinexal चौड़ाई नमूना के लिए पहचान की गई थी मैनुअल विभाजन के दौरान पिछले मैनुअल विभाजन प्रक्रिया की सटीकता के संरक्षण के दौरान स्थानिक संकल्प, लाइनों 15 एनएम के अंतराल पर तैयार कर रहे हैं, लगभग ओर्थोगोनल centerline के लिए, perinexal चौड़ाई को मापने के क्रम में । नई एल्गोरिथ्म दो समानांतर लाइनों की एक पिक्सेल मोटी बाइनरी रूपरेखा लेता है और धारावाहिक छवि फैलाव का उपयोग करता है दो झिल्ली के बीच पिक्सल की संख्या की गणना करने के लिए । जबकि छवि फैलाव सामांयतः छवि प्रसंस्करण अनुप्रयोगों के असंख्य में इस्तेमाल किया गया है, समोच्च या बढ़त का पता लगाने7,8सहित, इस एल्गोरिथ्म एक गिनती तंत्र के रूप में फैलाव का उपयोग करता है । centerline तो एक pathfinding एल्गोरिथ्म9 और perinexal चौड़ाई का उपयोग कर अलग है तो छवि के संकल्प के बराबर perinexus की लंबाई के साथ एक संकल्प पर मापा जाता है । इस मामले में संकल्प में अंतर मैनुअल विभाजन और नए एल्गोरिथ्म, स्थानिक नमूना आवृत्ति में एक ४४ गुना वृद्धि के साथ ०.३४ एनएम प्रति 1 माप के लिए 15 एनएम प्रति 1 माप है । इसके अलावा, इस वृद्धि की नमूना आवृत्ति लगभग 1/5वें मैनुअल विभाजन के लिए आवश्यक समय में निपुण है ।
यह एल्गोरिथ्म अपने वर्तमान रूप में इस्तेमाल किया जाएगा एक अंतर जंक्शन पट्टिका5 (GJ) के रूप में अच्छी तरह के रूप में ब्याज की एक निर्दिष्ट क्षेत्र के भीतर से पारंपरिक 0-150 एनएम पर perinexal चौड़ाई मापने के लिए, जहां perinexus पठारों के बीच 30 और १०५ एनएम2 , 3 , 10. वृद्धि की नमूना आवृत्ति मैनुअल विभाजन की तुलना में अलग perinexus माप में परिवर्तनशीलता को कम कर देता है और काफी विश्लेषण समय को छोटा करता है, बड़े डेटा सेट के कुशल प्रसंस्करण के लिए अनुमति देता है. हालांकि, इस कार्यक्रम को कार्डियक intercalated डिस्क के नेनो उनि छवियों तक ही सीमित नहीं है । एक ही दृष्टिकोण संवहनी व्यास, वेंट्रिकुलर इंजेक्शन अंश, या यहां तक कि गैर-जैविक घटनाएं जैसे नदी के कटाव या बाढ़ के लिए इस्तेमाल किया जा सकता है । यह एल्गोरिथ्म किसी भी दो अर्ध समानांतर किनारों के बीच की दूरी को बढ़ाता है के लिए उपयुक्त है ।
Protocol
नोट: आवश्यक सॉफ़्टवेयर ImageJ (या समान छवि-संशोधन सॉफ़्टवेयर) और Matlab R2015 हैं । उपयोगकर्ता Matlab के अन्य संस्करणों के साथ संगतता समस्याएँ आ सकती है ।
1. पूर्व प्रसंस्करण छवियां
- किसी भी ग्रेस्केल छवि के लिए, किसी भी दिए गए पिक्सेल की अधिकतम तीव्रता मान सुनिश्चित करें < 255 है । यह आमतौर पर कस्टम Matlab कार्यक्रम "ImageSub. m" में छवि से 1 का एक मूल्य घटाकर द्वारा किया जाता है, पूरक फ़ाइल में शामिल है ।
2. Perinexus को रेखांकित करना
- ImageJ या अन्य छवि-संसाधन सॉफ़्टवेयर में perinexus को बाह्यरेखांकित करना.
- सुनिश्चित करें कि बाह्यरेखा एक पिक्सेल मोटी है और एक छवि में उच्चतम तीव्रता मान (२५५ में 0 से २५५ तक ग्रेस्केल छवि) पर सेट है ।
- अपनी pentalaminar संरचना11,12द्वारा GJ की पहचान करें, और perinexus की शुरुआत को उस बिंदु के रूप में परिभाषित करे, जिस पर दो विरोध कक्ष झिल्ली bilayers हट जाए, जैसा कि चित्र 1Aमें दिखाया गया है । GJ के किनारे से ~ २०० एनएम शुरू, पहली सेल की भीतरी झिल्ली के साथ अनुरेखण और वापस दूसरी कोशिका के भीतरी झिल्ली के साथ । ImageJ में, बाह्यरेखा को स्वचालित रूप से बंद करने के लिए पेन छोड़ें । इस कृत्रिम समापन बाद में काट दिया जाएगा ।
नोट: यह बहुत ध्यान के साथ perinexus रूपरेखा के रूप में संभव के रूप में उच्च एक इज़ाफ़ा महत्वपूर्ण है, के रूप में भी छोटे गलत रूपरेखा के अनुप्रयोगों के अंतिम माप में त्रुटि के कई nanometers में परिणाम कर सकते हैं ।
3. एल्गोरिथ्म की स्थापना और ब्याज की Perinexus चयन
नोट: pathfinding एल्गोरिथ्म ऑटोग्राफ, एज, ग्राफ, नोड, और pathfinding9 MembraneSepDist एम फ़ाइल के रूप में एक ही निर्देशिका में होने के लिए कार्य की आवश्यकता है । सभी फाइलों में पाया जा सकता है पूरक फ़ाइल s.
- डेटा और आंकड़ों के लिए स्थान सहेजें चुनें. ये वर्तमान में हार्ड-एम फ़ाइल में कोडित रहे हैं ।
नोट: प्रोग्राम की पहली पंक्ति सभी चर साफ़ करने के लिए एक फ़ंक्शन है, सभी विंडोज़ को बंद करें और आदेश विंडो साफ़ करें । एम-फाइल चलाने से पहले किसी भी वांछित चर या आंकड़े को सहेजें ।
नोट: सॉफ्टवेयर स्क्रीनशॉट सभी हार्ड कोडित मूल्यों के लिए पूरक फ़ाइल S2 में शामिल किए गए हैं । - प्रोग्राम "MembraneSepDist. m" चलाएँ ।
- पैरामीटर्स सेट करें ।
नोट: एक जीयूआई ढाल दहलीज, स्केल, ब्याज के क्षेत्र, और मैनुअल शुरू करने के लिए डिफ़ॉल्ट मापदंडों के साथ पॉप जाएगा । डिफ़ॉल्ट मान एम-फ़ाइल में परिवर्तित किया जा सकता है, या वे प्रत्येक व्यक्तिगत छवि के लिए परिवर्तित किया जा सकता है ।- स्थानिक व्युत्पन्न ग्रेडिएंट थ्रेशोल्ड सेट करें.
नोट: उच्च मूल्यों centerline अलगाव में चयनित अधिक अंक में परिणाम. मान भी उच्च या बहुत कम है (लगभग 3.0-7.9 की एक श्रेणी के बाहर) गणना अक्षमता में परिणाम हो सकता है या गलत centerline अलगाव ( चित्र 2a-Cदेखें) centerline अंक की एक गलत चयन । - पिक्सेल/स्केल इकाइयों में स्केल सेट करें ।
- हित के क्षेत्र के लिए स्थानिक निचली और ऊपरी सीमाएं निर्धारित करें ।
नोट: हमारी प्रयोगशाला के कंवेंशन के द्वारा, ब्याज की परिभाषित क्षेत्र GJ2,3,10के किनारे से 30 और १०५ एनएम के बीच है । - स्वचालित/मैंयुअल प्रारंभ सेट करें । मामलों के बहुमत में, एल्गोरिथ्म सही अंतर जंक्शन समाप्त होता है और perinexus शुरू होता है, जहां शुरू बिंदु का पता लगाता है । हालांकि, अनियमित आकार perinexi के कुछ मामलों में, उपयोगकर्ता मैन्युअल रूप से प्रारंभ बिंदु की पहचान करना चाहिए । इस मान को 0 के लिए स्वचालित, 1 के लिए मैंयुअल के लिए सेट करें ।
- स्थानिक व्युत्पन्न ग्रेडिएंट थ्रेशोल्ड सेट करें.
- इच्छित छवि का चयन करें ।
नोट: फ़ाइल का चयन करें फ़ोल्डर एम-फाइल में बदला जा सकता है । - छवि की फसल के लिए ब्याज की perinexus का चयन करें ।
- जब छवि ऊपर आता है, कर्सर स्वचालित रूप से एक क्रॉसहेयर टेप के लिए बदल जाएगा । ब्याज की perinexus के आसपास एक बॉक्स खींचकर छवि फसल ( चित्रा 3देखें) । क्रॉप बॉक्स को बड़े या छोटे बनाने के लिए कोनों और किनारों पर चौकोरों का उपयोग करके समायोजित किया जा सकता है ।
- जब फसल, perinexus की "खुला" अंत सुनिश्चित करें (GJ से दूर, चित्रा 3देखें) इतनी है कि दो झिल्ली रूपरेखा फसली छवि के किनारे तक पहुंचने की फसली है ।
नोट: यह छवि पूर्ण स्क्रीन बनाने के लिए और अधिक आसानी से ब्याज और फसल के perinexus उचित रूप से देखने के लिए सिफारिश की है ।
- विरोध किनारों के बीच में कोस के साथ डबल क्लिक करके अंतिम फसल का चयन करें मापा जाएगा ।
नोट: यह महत्वपूर्ण है कि डबल-क्लिक करें perinexus के अंदर किया जा सकता है । प्रोग्राम एक centerline की पहचान करने के लिए विफल रहता है, तो प्रोग्राम को पुनरारंभ करें और सुनिश्चित perinexus के भीतर क्लिक होता है । - सभी फैलाव और कटाव कार्यक्रम की प्रभावकारिता के एक अंतिम उपयोगकर्ता के मूल्यांकन के लिए पॉप अप के बाद अंतिम centerline का निरीक्षण करें ।
नोट: Matlab प्रोग्राम समाप्त होने तक किसी भी अतिरिक्त आदेश को संसाधित करने में असमर्थ हो जाएगा जो उपयोगकर्ता को सूचित करने के लिए प्रोग्राम चल रहा है, जबकि एक संवाद बॉक्स स्क्रीन पर दिखाई देगा । कब तक इस प्रक्रिया लेता सरणी (छवि) आकार और कंप्यूटर प्रसंस्करण शक्ति पर निर्भर करता है । - मैनुअल शुरू बिंदु सक्षम है, तो मूल संरचनात्मक छवि पर centerline पॉप की छवि का पालन, एक पार बाल कर्सर के साथ साथ ( चित्रा 2ईदेखें). इच्छित प्रारंभ बिंदु के पास perinexus के बाहर किसी बिंदु का चयन करें ।
नोट: यह प्रोग्राम चयनित पिक्सेल के निकटतम centerline बिंदु को ढूंढता है और इसका उपयोग प्रारंभ बिंदु के रूप में करेगा । - रिकॉर्ड डेटा ।
नोट: एक बार कार्यक्रम समाप्त हो गया है, कार्यक्रम एक मैप centerline, GJ के किनारे से दूरी के एक समारोह के रूप में perinexal चौड़ाई के भूखंड वापस आ जाएगी । इसके अतिरिक्त, इस कार्यक्रम के औसत perinexal चौड़ाई GJ के किनारे से १५० एनएम के रूप में के रूप में अच्छी तरह से Matlab कमांड लाइन पर ब्याज की परिभाषित क्षेत्र के भीतर से औसत वापस आ जाएगी । डब्ल्यूपी मूल्यों और GJ से दूरी चर "WpList" में जमा हो जाती है या उपयोगकर्ता मैंयुअल रूप से उंहें अलग से रिकॉर्ड कर सकते हैं ।
4. एल्गोरिथ्म समस्या निवारण
- यदि centerline ठीक से पहचाना नहीं गया है (चित्रा 2A), चित्रा "Gmag" खुला और एक उपयुक्त ढाल दहलीज (चित्रा 2सी) की पहचान करने के लिए सूचकांक का उपयोग करें ।
- यदि प्रारंभ बिंदु ठीक से पहचाना नहीं गया है, तो प्रारंभ बिंदु को मैंयुअल रूप से सेट करें (देखें प्रोटोकॉल ३.८) ।
Representative Results
सांख्यिकीय तरीके: तुलना प्रायोगिक समूहों के बीच किया गया है छात्र टी परीक्षण का उपयोग कर । p-मान < ०.०५ महत्वपूर्ण माना जाता है और सभी मान माध्य ± मानक विचलन के रूप में प्रस्तुत किए जाते हैं ।
मैनुअल विभाजन। GJ-निकटवर्ती perinexus nanodomain चौड़ाई (डब्ल्यूपी) का ठहराव आम तौर पर मैनुअल फॉल्ट द्वारा पूरा किया जाता है । इस मैनुअल विभाजन प्रक्रिया चित्रा 1A में प्रदर्शित किया जाता है और पहले6बताया गया था । प्रेक्षक GJ के किनारे की पहचान करता है (चित्रा 1, लाल डॉट), perinexus के केंद्र के साथ 5nm उपाय, और उस बिंदु पर झिल्ली के बीच दूरी के उपाय । प्रक्रिया तो 10, 15, 30 पर दोहराया है, और हर 15 १५० एनएम तक एनएम । इस तकनीक, जबकि प्रभावी, समय और स्थानिक के तहत perinexus की लंबाई के साथ नमूना की सीमाएं हैं ।
पिछले अध्ययनों से डब्ल्यूपी माप मतलब लगभग 10 से 20 एनएम2,3,10, और 3 एनएम से भिंन हो सकते है मतलब के लिए सांख्यिकीय महत्व है, जो अच्छी तरह से ऊपर है पता लगाने की जरूरत अंतर प्रतीत होता है ०.३४ एनएम के एक पिक्सेल संकल्प आधारित माप प्रति ०.७ एनएम के स्थानिक Nyquist आवृत्ति । इसलिए, जबकि मैनुअल विभाजन समय लगता है, विधि एक हस्तक्षेप या रोग राज्य के साथ जुड़े डब्ल्यूपी में मतभेदों को मापने के लिए पर्याप्त है ।
धारावाहिक छवि फैलाव । उचित स्थानिक संकल्प के साथ एक तेजी से, reproducible तरीके में perinexus को मापने के लिए, हम दो मैन्युअल रूप से पता लगाया झिल्ली, जो चित्रा 1ख में देखा जा सकता है के बीच पिक्सल की गणना करने के लिए धारावाहिक छवि फैलाव के आधार पर एक कार्यक्रम विकसित .
धारावाहिक फैलाव प्रक्रिया चित्रा 4में सचित्र है । बाइनरी छवि के रूप में फैली हुई है (चित्रा 4a-4d), कि फैलाव तो औंधा है और एक काम कर छवि को जोड़ा-मूल रूपरेखा के गैर द्विआधारी रूप (चित्रा 4E-4H) । जब तक रूपरेखा पूरी तरह से (चित्रा 4डी) में भरा है प्रक्रिया दोहराया है । इस बिंदु पर, अंतिम कार्य छवि (चित्रा 4H) एक विशेष पिक्सेल संयुक्त राष्ट्र के फैलाव के समय की संख्या की एक गिनती है । जैसे, कोशिका झिल्ली की रूपरेखा के पास मान बहुत कम हैं, जबकि केंद्र में मान सबसे अधिक हैं. प्रत्येक बिंदु पर क्षेत्र को भरने के लिए फैलाव की संख्या की गिनती करके, झिल्ली किनारों के बीच की दूरी की गणना की जा सकती है । अगली चुनौती की पहचान करने के लिए और centerline को अलग करने के क्रम में GJ है, जो पहले एक स्थानिक अंतिम कार्य छवि (चित्रा 2-पिछले छवि को व्युत्पंन आवेदन द्वारा किया जाता है से दूरी के एक समारोह के रूप में perinexal चौड़ाई मात्रा के रूप में है, और 5 चित्रा क). एक और अधिक अनियमित आकार perinexus का एक दूसरा उदाहरण पूरक फ़ाइल S3 में पाया जा सकता है ।
Centerline शिनाख्त की । अंतिम काम कर छवि के ढाल एक स्थानिक व्युत्पंन द्वारा quantified जा सकता है, फैलाव के रूप में बढ़त से उच्च से उच्च करने के लिए कम से बढ़त बदलने के मूल्यों की गिनती फिर से (चित्रा 5एक सही करने के लिए छोड़ दिया) । केवल स्थानिक व्युत्पंन की भयावहता पर विचार (चित्रा 5बी), रूपरेखा और centerline, सफेद तीर के साथ प्रकाश डाला, विच्छेदन के क्षेत्रों के रूप में तुरंत पहचाने जाने योग्य हैं । इन स्थानों पर, ग्रेडिएंट दिशा घटते हुए या इसके विपरीत बढ़ने से बदलती है । एक थ्रेशोल्ड लागू (चित्रा 5सी) centerline और रूपरेखा के एक द्विआधारी छवि का उत्पादन, और मूल रूपरेखा पैदावार अलग centerline (चित्रा 5डी) घटा । जबकि centerline को अलग करने की इस विधि गणना कुशल है, सीमा स्थानिक व्युत्पंन के लिए लागू परिणामस्वरूप centerline में अंतराल बनाता है । इन अंतराल (चित्रा 5डी, डालने) GJ से दूरी का एक सटीक माप प्रदान करने के लिए और perinexus अपनी संपूर्णता में मापा जाता है सुनिश्चित करने के लिए भरा जाना चाहिए. सबसे पहले, centerline किसी भी अंतराल में भरने के लिए फैली हुई है (चित्रा 5ई), एक कटाव के बाद (चित्रा 5एफ) और एक "bwmorph" समारोह (ऑपरेशन = ' skel ', n = inf) संभव के रूप में कई बिंदुओं के रूप में समाप्त करने के लिए छोड़ जबकि एक सतत centerline, जिससे वासित Limprasert द्वारा विकसित एक अनुवर्ती pathfinding एल्गोरिथ्म की गणनात्मक दक्षता में वृद्धि और MATLAB मध्य9पर उपलब्ध है. इस फैलाव-कटाव समारोह पूरा centerline, जो अंतिम कार्य छवि (चित्रा 5जी) के साथ संयुक्त है पैदा करता है । हालांकि, इस centerline अक्सर एक से अधिक पिक्सेल मोटी है और इसलिए centerline की एक सटीक अलगाव नहीं है ।
perinexus centerline को निर्धारित करने के लिए वासित Limprasert pathfinding एल्गोरिथ्म का उपयोग किया जाता है । pathfinding एल्गोरिथ्म उच्चतम मूल्यों को ट्रैक करने में सक्षम है-इस मामले में केंद्र है जो centerline (चित्रा 5जी, डालने) के साथ संयुक्त राष्ट्र के सबसे पुनरावृत्ति के माध्यम से फैली बनी के निकटतम मूल्यों । परिणाम centerline का एक स्वचालित ट्रेस है, जैसा आरेख 6में दिखाया गया है. centerline को अलग करके, perinexal चौड़ाई GJ के अंत से दूरी के एक समारोह के रूप में प्रस्तुत किया जा सकता है, जैसा कि चित्रा 6बी (ऊपर), या ब्याज की एक निर्दिष्ट क्षेत्र की औसत चौड़ाई के रूप में दिखाया गया है ।
कर्नेल विश्लेषण । यह ध्यान दें कि डिजीटल छवियों वर्ग arrays और फैलाव गुठली पर आधारित है इसी तरह वर्ग मैट्रिक्स पर आधारित है महत्वपूर्ण है । इसका मतलब यह है कि विकर्ण भर में फैलाव दूरी ओर्थोगोनल से अधिक है । इसलिए, हम अगले कि कर्नेल एल्गोरिथ्म के परिणाम प्रभावित निर्धारित करने के लिए मांगी । आदेश में कर्नेल-विशिष्ट परिवर्तनशीलता, पांच अलग कर्नेल आकार का विश्लेषण किया गया: "प्लस" (ऊपर विश्लेषण में प्रयुक्त आकार), "X", "बॉक्स", और "रेखा", के रूप में चित्रा 7एमें वर्णित है । कर्नेल एक द्विआधारी छवि के प्रत्येक गैर शूंय बिंदु पर लागू किया जाता है । चित्रा 7के प्रत्येक कर्नेल में स्टारएक केंद्र का प्रतिनिधित्व करता है, जहां सफेद 1 का एक मूल्य है, और काले फैलाव कर्नेल के लिए 0 का एक मूल्य है ।
एक ही लगभग क्षैतिज perinexal छवि (चित्रा 7बी, ऊपर), एक अनुभवी उपयोगकर्ता द्वारा quantified के मतलब डब्ल्यूपी माप पर प्रत्येक कर्नेल का प्रभाव है, Matlab "घुमाएँ" आदेश के साथ छवि घूर्णन द्वारा निर्धारित किया गया था और कंप्यूटिंग डब्ल्यू 10 ° के चरणों मेंपी । डब्ल्यूपी माप मूल्यों (चित्रा 7बी, नीचे) एक प्लस आकार कर्नेल के साथ एक सुधारा sinusoidal फैशन में छवि अभिविन्यास के साथ उतार चढ़ाव । एक अपेक्षाकृत सीधे perinexus खड़ी या क्षैतिज उन्मुख है जब सबसे कम मूल्यों हो. न तो एक्स, बॉक्स, और न ही लाइन गुठली प्लस आकार कर्नेल पर कोई लाभ प्रदान की । एक्स और बॉक्स गुठली समान परिणाम का उत्पादन किया, लेकिन मतलब डब्ल्यूपी के मूल्यों ४५ डिग्री से गुई प्लस कर्नेल के साथ चरण से बाहर थे । लाइन कर्नेल के रूप में कुछ कोणों पर छवि को पूरी तरह से चौड़ा करने में विफल के रूप में छवियों के लिए हरी ट्रेस में डेटा के अभाव से देखा जा सकता है 30 या अधिक से अधिक १४५ ° घुमाया गया । इस प्रकार, ओर्थोगोनल प्लस फैलाव कर्नेल का अनुमान लगाया झिल्ली जुदाई जब एक अक्ष के साथ एक perinexus के फैलाव लगभग ४५ डिग्री पर उदाहरण के लिए तिरछे उंमुख, और एक्स और डिब्बा गुठली मतलब आंका डब्ल्यूपी जब perinexus की लंबी धुरी भी ४५ डिग्री पर था । इस विश्लेषण के आधार पर, हम एक सुधार कारक प्लस आकार कर्नेल के साथ फैली से उत्पंन मूल्यों के लिए लागू विकसित की है । छवि अभिविंयास के साथ जुड़े झिल्ली जुदाई के अधिक आकलन के लिए खाते में, इस सुधार कारक छवि (समीकरण 1) के उंमुखीकरण के आधार पर मापा चौड़ाई मूल्य से गुणा ।
यदि θ < 45 °
wp सही किया गया = cosd(θ) * wp मापा
यदि θ ≥ ४५ °
wp सही = cosd(θ) * wp मापा (समीकरण 1)
इस समीकरण में, wp मापा मूल wp मान ऊपर एल्गोरिथ्म द्वारा जनरेट किया गया है और θ क्षैतिज से परिकलित कोण, अंश में है । θ perinexal centerline की अनुलंब दिशा में कुल परिवर्तन द्वारा विभाजित क्षैतिज दिशा में कुल परिवर्तन का प्रतिलोम स्पर्श लेने के द्वारा परिकलित की जाती है । उपरोक्त सुधार औसत कोण, क्षैतिज के सापेक्ष, perinexus (चित्रा 8ए, बाएँ शीर्ष) और एक माप में परिणाम के रूप में अगर एक क्षैतिज perinexus (चित्रा 8एक, बाएँ नीचे) से प्राप्त की अनुमानित. इस समीकरण के पीछे तर्क तथ्य यह है कि प्लस के आकार का कर्नेल (आंकड़ा 7ए) अनिवार्य रूप से दो लाइन के आकार गुठली एक दूसरे के लिए orthogonally की व्यवस्था से आता है । इस तरह के रूप में, नीचे ४५ ° (क्षैतिज के करीब), फैलाव खड़ी होती है और इसलिए कोण के कोज्या द्वारा गुणा सही माप देता है । इसके विपरीत, ४५ ° से ऊपर कोण के लिए (खड़ी करने के लिए करीब), फैलाव क्षैतिज होते हैं और ज्या सही माप का निर्धारण करने के लिए उपयोग किया जाता है । ठीक ४५ ° पर, ज्या और कोज्या बराबर हैं । पूरक फ़ाइल S4 इस अवधारणा का चित्रण प्रदान करता है. ध्यान दें कि इस सुधार औसत कोण पर आधारित है और सावधानी से इस्तेमाल किया जाना चाहिए जब काफी गैर रेखीय आकृतियों का विश्लेषण । यह प्रक्रिया 20 बेतरतीब ढंग से चयनित perinexi पर दोहराया गया था और सही माप मैन्युअल घूर्णन और फिर से छवियों का विश्लेषण द्वारा प्राप्त माप के साथ दृढ़ता से संबंधित (8 चित्राएक, सही). छवि अभिविन्यास के लिए सही सुधार की पुष्टि करने के लिए, प्रेत किनारों के दो सेट उत्पन्न किए गए थे (चित्रा 8बी, बाएँ) और घुमाया १८० °. त्रिकोणमिति सुधार के साथ, एल्गोरिथम सही रूप से प्रत्येक ओरिएंटेशन पर सही मान लौटाता है, चाहे स्थानिक रिज़ॉल्यूशन या छवि आकार (चित्र 8B, दाएँ).
विश्लेषणात्मक आवेदन और अभिविन्यास सुधार के साथ Reproducibility. याद दिलाना है कि पिछले अध्ययन मैनुअल फॉल्ट रिपोर्ट का उपयोग सांख्यिकीय महत्वपूर्ण Wp मतभेद से अधिक या बराबर 3 एनएम के लिए, यह निर्धारित करने के लिए महत्वपूर्ण था कि क्या एल्गोरिथ्म को पिछले निष्कर्षों का उपयोग कर दोहराऊंगा के लिए इस्तेमाल किया जा सकता है पूरा डेटासेट । नए एल्गोरिथ्म का उपयोग करना, दो पर्यवेक्षकों-एक अनुभवी और एक perinexal विश्लेषण के साथ अनुभवहीन (Obs .1 और Obs .2, क्रमशः)-एक पिछले अध्ययन6 कि 12 रोगियों जो अलिंद के साथ का निदान किया गया शामिल से एक ही चित्र का विश्लेषण अलिंद (वायुसेना) से पहले ऊतक संग्रह और 29 रोगियों कि पूर्व मौजूदा वायुसेना (नहीं वायुसेना) नहीं था । अनुभवी उपयोगकर्ता ने पाया कि डब्ल्यूपी वायुसेना के साथ रोगियों में काफी व्यापक था (21.9 ± 2.5 और 18.4 ± 2.0 एनएम, क्रमशः आंकड़ा 9A) । सुधार के साथ ये मान लागू कारक उन पहले रिपोर्ट (24.4 ± 2.2 एनएम और 20.7 ± 2.4 एनएम, क्रमशः)6के समान हैं । महत्वपूर्ण बात, अनुभवहीन उपयोगकर्ता एक ही महत्वपूर्ण अंतर पाया (22.1 ± 2.8 एनएम और 20.1 ± 2.6 एनएम, क्रमशः) स्वचालित कार्यक्रम के साथ रोग राज्यों के बीच । इसके अतिरिक्त, Wp मान के मानक विचलन सुधार कारक के साथ परिवर्तित नहीं हुआ, 2-3 एनएम के मानक विचलन का संकेत एल्गोरिथ्म का एक विरूपण साक्ष्य नहीं है, लेकिन संरचना स्वयं और ऊतक प्रसंस्करण । ये परिणाम दर्शाते हैं कि प्रस्तावित स्वचालित पद्धति पिछले अध्ययनों के परिणामों को recapitulating करने में सक्षम है.
महत्वपूर्ण बात, perinexus एक हाल ही में परिभाषित संरचना है और कोई आम सहमति GJ2,3से सटे झिल्ली जुदाई के निरपेक्ष मूल्यों की सीमा पर पहुंच गया है । बाहरी-झिल्ली से बाहरी झिल्ली GJ चौड़ाई पहले 20 एनएम13पर अनुमान लगाया गया है के बाद से, हम भी GJ चौड़ाई को मापने के द्वारा एल्गोरिथ्म प्रभावकारिता का निर्धारण करने की मांग की । दोनों पर्यवेक्षकों के साथ या पूर्व मौजूदा वायुसेना (9बी) के बिना रोगियों के गैप जंक्शन चौड़ाई (GJW) के बीच कोई महत्वपूर्ण अंतर नहीं मिला । वायुसेना और गैर वायुसेना रोगियों के लिए निरपेक्ष GJW मूल्यों २०.५ ± २.५ एनएम और २०.३ ± १.९ एनएम थे, क्रमशः, अनुभवी पर्यवेक्षक और २१.० ± ३.१ एनएम के लिए और २०.० ± २.२ एनएम अनुभवहीन पर्यवेक्षक, क्या पहले रिपोर्ट किया गया है के लिए इसी तरह के लिए ।
स्वचालित एल्गोरिथ्म मैन्युअल विभाजन से डेटा का विश्लेषण करने के लिए कम समय की आवश्यकता है कि क्या यह निर्धारित करने के लिए, दोनों अनुभवी और अनुभवहीन उपयोगकर्ता एक 10-छवि प्रशिक्षण सेट (पूरक फ़ाइल S5) यों तो समय की जरूरत दर्ज की गई. तालिका 1 प्रदर्शित करता है कि अनुभवी और अनुभवहीन उपयोगकर्ता ४.७ द्वारा विश्लेषण समय में कमी आई-और ८.३ गुना क्रमशः स्वचालित एल्गोरिथ्म मैनुअल विभाजन दृष्टिकोण के सापेक्ष का उपयोग करते हुए, स्थानिक में एक लगभग ४३ गुना वृद्धि के साथ perinexus के साथ संकल्प ।
एल्गोरिथ्म समस्या निवारण। अंतिम centerline छवि के किनारे पर समाप्त नहीं होता है जब एल्गोरिथ्म चलाते समय सबसे सामान्य त्रुटि तब होती है जब । इस तरह के मामलों में, नहीं पर्याप्त अंक स्थानिक व्युत्पंन नक्शे से चयन किया गया, कार्यक्रम के लिए असफल हो और एक त्रुटि संदेश के उत्पादन के लिए एक बड़ा फसल क्षेत्र का चयन करें या स्थानिक व्युत्पंन सीमा बढ़ाने के उपयोगकर्ता सलाह दे । एक बड़ी फसल बॉक्स ड्राइंग कुछ मामलों में इस कार्यक्रम की विश्वसनीयता में सुधार होगा के रूप में स्थानिक व्युत्पंन आंकड़ा है, जो pathfinding या एज का पता लगाने एल्गोरिदम बाधित कर सकते है के किनारों के पास काफी परिवर्तन ।
यह भी संभव है pathfinding एल्गोरिथ्म के लिए ठीक से centerline की पहचान करने में विफल, भले ही centerline छवि के किनारे तक पहुंचता है, विशेष रूप से अगर ढाल दहलीज बहुत कम है (चित्रा 2ए) । यदि ग्रेडिएंट थ्रेशोल्ड बहुत अधिक सेट है, तो pathfinding एल्गोरिथ्म (आरेख 2B) में शामिल अधिक अनावश्यक पॉइंट्स होंगे, जो गणनात्मक दक्षता को कम करते हैं. यदि उपयोगकर्ता कोई उपयुक्त थ्रेशोल्ड निर्धारित करने में असमर्थ है, तो छवि सरणी "GMag" (आरेख 2C), जो प्रोग्राम द्वारा जनरेट किया गया है और कार्यस्थान में पाया जा सकता है, उपयोगकर्ता थ्रेशोल्ड निर्धारित करने में मदद कर सकते हैं । centerline के साथ अंक ढूंढें और इन बिंदुओं को सुनिश्चित करने के लिए अपने अनुक्रमणिका मान से थोड़ा ऊपर सेट करें । दिए गए उदाहरण में, एक उचित सीमा ~ ५.१ (चित्रा 2सी, डालने) के ऊपर हो जाएगा ।
प्रारंभ बिंदु भी perinexus (चित्रा 2डी) के आरंभ तक पहुंचने में विफल हो सकता है । इस स्थिति में, प्रोग्राम को पुन: चलाएं और मैंयुअल प्रारंभ मान को 1 पर सेट करें । centerline अलग किया गया है के बाद, उपयोगकर्ता perinexus के बाहर एक बिंदु का चयन करता है और चयनित पिक्सेल के निकटतम centerline बिंदु (चित्रा 2ई, लाल वर्ग) शुरू बिंदु के रूप में स्थापित किया जाएगा. परिणाम पूर्ण centerline (चित्रा 2एफ) है ।
चित्रा 1 : ठहराव प्रक्रियाओं के साथ उनि छवियों। मैनुअल विभाजन प्रक्रिया (A) centerline का आकलन करते समय 12 व्यक्तिगत झिल्ली माप प्रदर्शन करने के लिए उपयोगकर्ता की आवश्यकता है. स्वचालित प्रक्रिया (ख) एक मैनुअल, perinexus की रूपरेखा के निरंतर ट्रेस की आवश्यकता है । प्रत्येक छवि में लाल बिंदु GJ और perinexus की शुरुआत के उपयोगकर्ता की पहचान अंत का प्रतिनिधित्व करता है । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।
चित्रा 2 : Centerline समस्या निवारण । centerline पहचान और उनके समाधान के लिए विफलता के दो प्राथमिक मोड: प्रत्येक छवि Matlab में सरणी नाम के साथ लेबल है । यदि ग्रेडिएंट थ्रेशोल्ड बहुत कम है (A, थ्रेशोल्ड ०.२) centerline एल्गोरिथ्म विफल हो सकता है । थ्रेशोल्ड बहुत उच्च (B, थ्रेशोल्ड ७०) सेट कर रहा है pathfinding एल्गोरिथ्म की गणना क्षमता को कम कर सकते हैं । एक उपयुक्त ग्रेडिएंट थ्रेशोल्ड GMag सरणी से निर्धारित किया जा सकता है (C, संमिलित करें) । यदि centerline perinexus (D) की शुरुआत किनारे तक पहुंचने में विफल रहता है, तो उपयोगकर्ता को मैन्युअल रूप से प्रारंभ बिंदु का चयन करने के लिए ऑप्ट कर सकते हैं । "प्रारंभ बिंदु" विकल्प खोलने के GUI में 1 के लिए सेट है के बाद, उपयोगकर्ता तो perinexus ब्याज के बाहर एक बिंदु का चयन करता है (E). अंतिम परिणाम एक centerline है कि सही perinexus (एफ) की पूर्णरूप से चित्रित किया जाना चाहिए । कोटेशन में सभी लेबल (A-F) Matlab में चर नामों के अनुरूप हैं । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।
चित्रा 3 : Perinexus चयन । perinexus को क्रॉप करने के लिए, इसके चारों ओर एक बॉक्स को ड्रैग करने के लिए क्लिक-और-होल्ड करें (क्रॉप टूल को स्वचालित रूप से चुना जाता है) नीला तीर द्वारा दिखाया गया है. यह बॉक्स किनारों और कोनों पर चौकोरों का उपयोग करके इसे बड़ा या छोटा बनाने के लिए समायोजित किया जा सकता है । हरे तीर perinexus के अंत का प्रतिनिधित्व करता है, जो उपयोगकर्ता सुनिश्चित करना चाहिए रहता है "खुला." कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।
चित्र 4 : धारावाहिक छवि फैलाव । बाइनरी बाह्यरेखा एक-पिक्सेल वेतन वृद्धि (A-D) में बार-बार फैली हुई है और प्रत्येक फैलाव के बाद कार्यशील छवि (छवि का गैर-बाइनरी रूप, ई-एच) में जोड़ी जाती है. कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।
चित्रा 5: Centerline अलगाव और pathfinding। एक स्थानिक व्युत्पंन अंतिम कार्य छवि (क) और है कि स्थानिक व्युत्पंन (ख) के परिमाण से गणना की रूपरेखा और centerline (सफेद तीर) अलग किया जाता है । कोई यूज़र-डिफ़ाइंड थ्रेशोल्ड बाह्यरेखा और centerline की पहचान करता है और मूल बाह्यरेखा की पैदावार को घटाकर centerline (D) कर देता है । हालांकि, centerline में थ्रेशोल्ड (D-insert) के परिणाम के रूप में अंतराल दिखाई देते हैं । आदेश में एक सतत centerline का उत्पादन करने के लिए, एक माध्यमिक फैलाव अलग centerline (ई) पर किया जाता है, एक माध्यमिक कटाव के बाद एक क्रमिक pathfinding एल्गोरिथ्म की गणना क्षमता बढ़ाने के लिए । इस घिस छवि (F) तो अंतिम कार्य छवि के साथ संयुक्त है, एक सतत, एक पिक्सेल मोटी centerline की पहचान के लिए अनुमति (जी डालने) । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।
चित्रा 6 : अंतिम डेटा प्रस्तुति । कार्यक्रम मूल उनि छवि (एक) के शीर्ष पर अंतिम रूपरेखा outputs । लाइन 0-150 एनएम के लिए रंग कोडित हरा है, उपयोगकर्ता के लिए ब्लू ब्याज के क्षेत्र परिभाषित और १५० एनएम से परे क्षेत्र के लिए लाल । इसके अतिरिक्त, कार्यक्रम एक इसी तरह रंग कोडित चार्ट perinexus के शुरू से दूरी के एक समारोह के रूप में डब्ल्यूपी का प्रतिनिधित्व करने और ब्याज के क्षेत्र के लिए (ख), के रूप में के रूप में अच्छी तरह से औसत डब्ल्यूपी (संबंधित ग्राफ में इनसेट) । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।
चित्र 7 : फैलाव कर्नेल आकार विश्लेषण । फैलाव गुठली (A) के लिए आकृतियाँ: बीच में सितारा फैली हुई पिक्सेल का प्रतिनिधित्व करता है. सफेद बक्से के फैलाव से प्रभावित पिक्सल, एक प्लस, एक्स, बॉक्स या लाइन के आकार में हैं । एक लगभग क्षैतिज perinexus (बी, ऊपर, एक लाल 0 ° का संकेत रेखा के साथ) 10 डिग्री के चरणों में 0 से १८० ° से दक्षिणावर्त घुमाया गया था और बार अलग कर्नेल आकार (बी, नीचे) का उपयोग कर फैली हुई । प्लस-और लाइन के आकार की गुठली समान परिणाम का उत्पादन, हालांकि कुछ झुकाव पर लाइन कर्नेल विफल रहता है, जबकि बॉक्स और एक्स के आकार का गुठली चरण से ४५ डिग्री से बाहर हैं । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।
चित्र 8 : छवि अभिविन्यास सुधार. छवि के अभिविंयास के लिए सही करने के लिए, perinexus के औसत कोण शुरू के पदों से गणना की है-और अंत अंक (एक, छोड़ दिया, शुरुआत और काली रेखा के अंत) । y-दिशा में परिवर्तन का प्रतिलोम स्पर्श (एक, बाएँ, हरे रंग की रेखा) x-दिशा में परिवर्तन द्वारा विभाजित (एक, बाएँ, लाल रेखा) सुधार कोण पैदावार, θ (एक, बाएँ, पीले). लक्ष्य के लिए तो औसत डब्ल्यूपी मूल्य सही करने के लिए किनारों के बीच ंयूनतम दूरी दे रहा है, जैसे कि perinexus गया था लगभग क्षैतिज छवि (एक, नीचे छोड़ दिया) । समीकरण 1 द्वारा वर्णित सुधार कारक के अनुप्रयोग विश्लेषण से पहले परिकलित θ द्वारा मैन्युअल रूप से 15 के प्रत्येक चयनित छवियों को घूर्णन करने के लिए तुलना की गई थी । सही मूल्यों जोरदार घुमाया छवि मूल्यों (R2 = ०.९९१, एक, सही) के साथ संबंधित है, समीकरण 1 का संकेत छवि अभिविन्यास के लिए एक वैध सुधार कारक है । सुधार कारक की पुष्टि करने के लिए उपयुक्त है, दो प्रेतों के बीच एक ज्ञात दूरी के साथ पूरी तरह से समानांतर किनारों के उत्पन्न थे (बी, बाएँ). प्रेत 1 और प्रेत 2 २.८३३ पिक्सल के स्थानिक संकल्प है/mm. and ७१.६ पिक्सल/ के रूप में नीले हीरे और बी में लाल चौकों, सही द्वारा दिखाया गया है, एल्गोरिथ्म सही छवि रोटेशन के १८० डिग्री के पार उनकी चौड़ाई की गणना करता है । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।
चित्र 9 : एल्गोरिथ्म reproducibility । छवि अभिविन्यास सुधार के साथ स्वत: प्रक्रिया का उपयोग करना, दोनों एक अनुभवी और अनुभवहीन पर्यवेक्षक वायुसेना और नो-वायुसेना समूहों के बीच महत्वपूर्ण मतभेद पाया (क), पिछले एक अध्ययन के अनुरूप, २.६ एनएम के एक न्यूनतम अंतर का पता लगाने. इसके अतिरिक्त, न तो प्रेक्षक GJW (ख) में एक महत्वपूर्ण अंतर पाया । कृपया यहां क्लिक करें इस आंकड़े का एक बड़ा संस्करण को देखने के लिए ।
| मैनुअल | स्वचालित | |
| समय-Obs .1 (s) | 205 ± 11 | 44 ± 14 |
| समय-Obs .2 (s) | 248 ± 18 | 30 ± 5 |
| स्थानिक संकल्प (माप/ | ०.०८ | ३.४५ |
तालिका 1: मैन्युअल और स्वचालित प्रक्रियाओं की तुलना. दोनों पर्यवेक्षकों छवि प्रति कम समय की आवश्यकता के लिए एक 10-छवि प्रशिक्षण सेट के लिए मैनुअल विभाजन प्रक्रिया करने की तुलना में रूपरेखा का पता लगाने । इसके अतिरिक्त, स्वचालित प्रक्रिया एक उच्च नमूना आवृत्ति है, रिकॉर्डिंग ३.४५ मापन प्रति एनएम, मैनुअल प्रक्रिया के लिए 1 माप हर १२.५ एनएम के एक औसत की तुलना में. प्रशिक्षण सेट छवियों पूरक फ़ाइल S5 में पाया जा सकता है, रूपरेखा और माप के रूप में एक अनुभवी उपयोगकर्ता द्वारा प्रदर्शन के साथ ।
Discussion
एल्गोरिथ्म धारावाहिक छवि फैलाव का उपयोग करता है एक द्विआधारी छवि है, जो इस मामले में अंतर-perinexus2,3,14की झिल्ली जुदाई में दो 2d किनारों के बीच पिक्सल की संख्या गिनती । एक स्थानिक व्युत्पंन और एक pathfinding एल्गोरिथ्म तो centerline, एक माध्यमिक फैलाव और कटाव के लिए centerline, क्या15से पहले किया गया है के समान में अंतराल को भरने के अनुक्रम के बाद अलग किया जाता है । centerline तो अंतिम फैलाव के साथ संयुक्त है-गणना छवि एज जुदाई की शुरुआत से दूरी के एक समारोह के रूप में perinexal चौड़ाई का प्रतिनिधित्व करते हैं, इस मामले में GJ के अंत और perinexus16की शुरुआत ।
चार प्राथमिक पैरामीटर उपयोगकर्ता-प्रोग्राम के प्रारंभ में एक GUI में परिभाषित कर रहे हैं:
- ग्रेडिएंट थ्रेशोल्ड
- स्केल
- ब्याज श्रेणी का क्षेत्र
- प्रारंभ बिंदु चयन विधि (स्वचालित या मैनुअल)
सबसे सामांय प्रणाली एल्गोरिथ्म के लिए विफलता के centerline छवि, जो कि समापन बिंदु pathfinding एल्गोरिथ्म के लिए निर्धारित किया जाता है के किनारे तक पहुंचने के लिए है । आदेश में इस तरह के एक मुद्दे को ठीक करने के लिए, उपयोगकर्ता ग्रैडिएंट चरण में वर्णित सीमा को बढ़ा सकते है 3.3.1, जो कार्यक्रम के कारण से अधिक अंक का चयन करने के लिए स्थानिक व्युत्पंन छवि है, जो गणना pathfinding एल्गोरिथ्म द्वारा आवश्यक समय बढ़ जाएगा । इसलिए, इस एल्गोरिथ्म गणना गति और centerline अक्षतता के बीच एक समझौता की आवश्यकता है । यह महत्वपूर्ण है कि इतने लंबे समय के रूप में centerline के सभी बिंदुओं के रूप में स्थानिक व्युत्पंन से पहचाने जाते हैं, एक उपयुक्त शुरुआत बिंदु के साथ, स्थानिक व्युत्पंन दहलीज किनारे जुदाई माप पर कोई प्रभाव नहीं पड़ेगा ।
छवि अभिविंयास के फैलाव मूल्यों को प्रभावित प्रतीत होता है, क्योंकि कर्नेल ९० डिग्री कदम है, जो एक त्रुटि अगर ब्याज के क्षेत्र के बहुमत एक कोण ४५ डिग्री पर है फैलाव मैट्रिक्स के अक्ष को लागू कर सकते है में फैली हुई है । इसलिए, फैलाव गिनती हमेशा किनारों के बीच अंतरिक्ष का एक सटीक प्रतिनिधित्व नहीं हो सकता है । इस सीमा को एक त्रिकोणमिति सुधार कारक द्वारा संबोधित किया गया है, लेकिन संभवतः इस पर ध्यान नहीं दिया जा सकता यदि किसी डेटासेट में सभी छवियाँ समान ओरिएंटेशन पर संरेखित की गई हों. इसके अलावा, सावधानी परिणाम की व्याख्या में इस्तेमाल किया जाना चाहिए, क्योंकि यह संभव है कि धारा विमानों पूरी तरह से दो झिल्ली को सीधा नहीं कर रहे हैं । चित्रा 9बीमें, हम GJW का उपयोग करने के लिए सुझाव है कि हमारे perinexus छवियों में विमान थे । फिर भी, यह आवश्यक है कि नमूना आकारों छवियों के बीच किसी भी अनुभाग के रूपांतरों के लिए पर्याप्त खाते के लिए बड़े हो । इसके अतिरिक्त, हमारे perinexal चौड़ाई माप vivo रिक्त स्थान में प्रतिबिंबित करने के लिए व्याख्या नहीं किया जाना चाहिए, लेकिन इस दृष्टिकोण कुछ हस्तक्षेप या रोग राज्य के सापेक्ष perinexal चौड़ाई में मतलब अंतर को मापने के लिए प्रयोग किया जाता है ।
वर्तमान एल्गोरिथ्म भी एक इनपुट के रूप में किनारों की एक मैंयुअल रूप से पता लगाया रूपरेखा की आवश्यकता है । यह महत्वपूर्ण है कि इतने लंबे समय के रूप में पैमाने पर सही ढंग से सेट है, स्थानिक संकल्प एल्गोरिथ्म माप पर कोई प्रभाव नहीं है, चित्र 6 में छवियों के अलग संकल्प और पूरक में एक अतिरिक्त कम संकल्प छवि द्वारा प्रदर्शन के रूप में फ़ाइल S6. एल्गोरिथ्म में सुधार के अगले कदम के लिए एक उपकरण है कि ब्याज के क्षेत्र का चयन कर सकते है के साथ साथ रूपरेखा पीढ़ी से मानवीय हस्तक्षेप को दूर है । इन सुविधाओं की संभावना माप की परिशुद्धता बढ़ाने के लिए और उपयोगकर्ता पूर्वाग्रह को कम करेगा ।
इस गणना कुशल एल्गोरिथ्म एक तेजी से विधि प्रदान करता है, लगभग एक पांचवें आदमी घंटे की आवश्यकता होती है, जब मैनुअल विभाजन की प्रक्रिया की तुलना में reproducibility के लिए कोई जासूसी दंड के साथ perinexus को बढ़ाता है । इसके अतिरिक्त, मैनुअल विभाजन प्रक्रिया एक माप हर 15 nanometers का इस्तेमाल करता है perinexal चौड़ाई, जो perinexus की झिल्ली जुदाई के रूप में नमूना के तहत करने के लिए नेतृत्व कर सकते है कि 15 एनएम रेंज के भीतर काफी बदल सकते हैं । इसके विपरीत, स्वचालित प्रोग्राम एक स्थानिक इमेजिंग रूपरेखा के बराबर संकल्प है, इस मामले में perinexus की लंबाई के साथ नैनोमीटर प्रति २.९ पिक्सेल, इसलिए perinexal चौड़ाई का एक और पतले हल औसत देने ।
जबकि कार्डिएक संरचनात्मक जीवविज्ञान के क्षेत्र में आवेदन होनहार और रोमांचक हैं, इस एल्गोरिथ्म का उपयोग करता है उनि छवियों तक ही सीमित नहीं हैं । किसी भी क्षेत्र में दो अर्ध समानांतर 2d किनारों के एक सटीक, उच्च संकल्प माप की आवश्यकता इस एल्गोरिथ्म का उपयोग कर सकते हैं । एल्गोरिथ्म रीवरबैंक कटाव और brightfield या फ्लोरोसेंट माइक्रोस्कोपी के साथ संवहनी विकास के लिए उपग्रह छवियों से बाढ़ पैटर्न से कुछ भी ट्रैक करने के लिए इस्तेमाल किया जा सकता है । सबसे होनहार संभावित आवेदनों में से एक कार्डियोलोजी के क्षेत्र में है और बिंदु की देखभाल कार्डियक इकोकार्डियोग्राफी के साथ वेंट्रिकुलर इंजेक्शन अंश (EF) को मापने । वर्तमान में, मानक तकनीक है बीप्लैन विधि की डिस्क17, हालांकि एक नए एल्गोरिथ्म, AutoEF, वर्तमान में अत्याधुनिक EF-बढ़ाता विधि18,19है । डिस्क के बीप्लैन विधि के लिए, प्रश्न में कक्ष मैंयुअल रूप से पता लगाया है और quantified एक संशोधित है सिंपसन विधि का उपयोग कर, जिससे समग्र मात्रा स्वचालित रूप से खड़ी अंडाकार डिस्क के योग द्वारा गणना की है । इस विधि के साथ मुख्य सीमा यह है कि यह केवल वांछित चैंबर के कुल पार अनुभागीय क्षेत्र वापसी कर सकते हैं, कोई समाधान के लिए ब्याज की विशिष्ट क्षेत्रों की पहचान के साथ, और भी पर्याप्त मानव इनपुट और विशेषज्ञता की आवश्यकता है । नई विधि, AutoEF, की पहचान करता है और एक 2d speckling एल्गोरिथ्म का उपयोग कर निलय के किनारे की रूपरेखा और फिर वेंट्रिकुलर पार अनुभागीय क्षेत्र की गणना. इस प्रक्रिया है, जबकि सटीक और सकल वेंट्रिकुलर क्षेत्र को मापने के लिए कुशल, यह भी केवल कुल पार अनुभागीय क्षेत्र को मापने के एक समान अंतर्निहित सीमा है । इस प्राथमिक खामी सीमा ' चिकित्सकों नैदानिक और उपचार क्षमताओं । इसके विपरीत, इस पांडुलिपि में प्रस्तुत एल्गोरिथ्म एक midline की पहचान कर सकते है और एक संकल्प के बराबर है इमेजिंग रूपरेखा के लिए ब्याज की विशिष्ट क्षेत्रों तुच्छ । यह महत्वपूर्ण है क्योंकि माइक्रोमीटर स्थानिक संकल्प के साथ अल्ट्रासाउंड स्कैनर वाणिज्यिक उपलब्ध20,21, जिसका अर्थ है कि इस एल्गोरिथ्म micrometers के समाधान में स्थानीयकृत दीवार गति विषमताओं का पता लगा सकता है सेंटीमीटर के बजाय । इस आवेदन को प्रयोगात्मक सत्यापन की जरूरत है, यह इस एल्गोरिथ्म के सबसे तुरंत होनहार अनुप्रयोगों में से एक है । वास्तव में, यह आसानी से AutoEF की बिंदु ट्रैकिंग क्षमताओं या मैनुअल planimetry में उपयोग के लिए पारंपरिक EF डेटा के साथ समानांतर में उच्च संकल्प जानकारी प्रदान करने के लिए के साथ संयुक्त किया जा सकता है ।
के रूप में बहुमुखी और वर्तमान एल्गोरिथ्म के रूप में लागू है, यह 2d छवियों के लिए विकसित किया गया था । हालांकि, के रूप में इमेजिंग प्रौद्योगिकियों में सुधार जारी, वहां 3 और 4d ठहराव प्रौद्योगिकियों के लिए एक बढ़ती मांग है । इसलिए, एल्गोरिथ्म का अगला चलना है एक ही दृष्टिकोण, एक 3-आयामी वस्तु है, जहां स्वचालित रूप से एक centerline परिभाषित वर्तमान इमेजिंग कार्यक्रमों की क्षमताओं से परे है एक द्विआधारी छवि, प्रश्नपत्र को चौड़ा करने के लिए अनुकूल है । इस तरह के एक एल्गोरिथ्म विस्तृत अनुप्रयोगों के दोनों नैदानिक और प्रयोग कार्डियक फील्ड में अकेले, 3 डी कार्डियक echocardiograms22,23, 3 डी इलेक्ट्रॉन माइक्रोस्कोपी24,25 सहित, 26, और 3 डी चुंबकीय अनुनाद इमेजिंग27,28,29।
Disclosures
लेखकों का खुलासा करने के लिए कुछ नहीं है ।
Acknowledgments
लेखकों के लिए वर्जीनिया में कैथी लोव शुक्रिया अदा करना चाहूंगा-मैरीलैंड पशु चिकित्सा के प्रसंस्करण और दाग उनि नमूनों के लिए कॉलेज ।
धन:
राष्ट्रीय स्वास्थ्य संस्थान R01-HL102298
राष्ट्रीय स्वास्थ्य संस्थान F31-HL140873-01
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).
