Summary
Цель этого алгоритма является непрерывно измерять расстояние между двумя 2-мерной края, используя последовательный образ дилатацию и пути. Этот алгоритм может применяться в различных областях, например сердца структурной биологии, сосудистая биология и гражданского строительства.
Abstract
Недавно описал внеклеточные nanodomain, называется perinexus, был вовлечен в ephaptic муфты, который является альтернативным механизмом для электрической проводимости между кардиомиоцитов. Текущий метод количественной оценки этого пространства путем ручной сегментации медленно и имеет низкий пространственным разрешением. Мы разработали алгоритм, который использует последовательные изображения Диатермический двоичного набросков подсчитать количество пикселов между двух противоположных 2 мерных края. Этот алгоритм требует меньшего числа человеко-часов и имеет высокое пространственное разрешение, чем ручной метод при сохранении воспроизводимость ручного процесса. В самом деле, опытные и начинающие исследователи смогли повторить результаты предыдущего исследования с этот новый алгоритм. Алгоритм ограничивается человека ввода, необходимо вручную создать структуры perinexus и вычислительной мощности, главным образом обременены существующего алгоритма поиска пути. Однако возможности высокопроизводительного алгоритма, высокое пространственное разрешение и воспроизводимость сделать его измерения универсальный и надежный инструмент для использования в различных приложениях, требующих измерения расстояния между любой двухмерный (2D ) края.
Introduction
Следующий алгоритм был разработан для измерения межмембранное расстояние между двумя структурно спаренных кардиомиоцитов в точке, которую они отделяются друг от друга на краю разрыв соединения налета в nanodomain под названием perinexus1, которая имеет был замешан в ephaptic муфта2,3,4,5. В процессе анализа сотни передачи электронной микроскопии (ТЕА) изображений с помощью метода ручная сегментация в предыдущем исследовании6perinexi, была выявлена необходимость для метода более высокую пропускную способность, отведать perinexal ширина в выше пространственное разрешение при сохранении точности предыдущего процесса ручной сегментации во время ручной сегментации, линии рисуются интервалами 15 Нм, приблизительно ортогонально к осевой линии, для того чтобы измерить ширину perinexal. Новый алгоритм принимает одну точку толщиной двоичные наброски двух параллельных линий и использует последовательные изображения Диатермический подсчитать количество пикселов между двумя мембраны. В то время как дилатацию изображения обычно были использованы в множество приложений по обработке изображений, включая контур или край обнаружения7,8, этот алгоритм использует Диатермический как механизм подсчета. Осевой линии, то затем изолированы с помощью алгоритм поиска пути9 и perinexal Ширина измеряется в резолюции по длине perinexus равным разрешение изображения. В резолюции в этом случае разница 1 измерение за 15 Нм для ручной сегментации и 1 измерения на 0,34 нм с новым алгоритмом, продажи увеличение пространственная частота дискретизации. Кроме того это увеличение частота дискретизации осуществляется примерно 1/5th время, необходимое для ручной сегментации.
В его нынешнем виде будет использоваться этот алгоритм для измерения ширины perinexal в обычных 0-150 Нм от края разрыва соединения налета5 (ГДЖ), а также в пределах указанной области интереса, где perinexus плато между 30 и 105 Нм2 , 3 , 10. увеличение частоты дискретизации снижает изменчивость в отдельных perinexus измерений по сравнению с ручной сегментации и значительно сокращает время анализа, позволяя для эффективной обработки больших наборов данных. Однако эта программа не ограничивается наноразмерных ТЕА изображения сердца вставными дисков. Такой же подход может использоваться для количественной оценки сосудистой диаметр, фракция выброса желудочка или даже-биологические явления, как речной эрозии или наводнения. Этот алгоритм подходит для количественного определения расстояния между любые два квази-параллельных краям.
Protocol
Примечание: Программное обеспечение, необходимое ImageJ (или аналогичного программного обеспечения, изменение изображения) и Matlab R2015. Пользователя могут возникнуть проблемы совместимости с другими версиями Matlab.
1. предварительной обработки изображений
- Для любого изображения в оттенках серого, обеспечить максимальную интенсивность любого данного пикселя значение < 255. Обычно это делается путем вычитания значение 1 из изображения в пользовательской программе Matlab «ImageSub.m», включены в дополнительный файл S1.
2. Излагая Perinexus
- Наброски perinexus в ImageJ или другого программного обеспечения обработки изображений.
- Убедитесь, что контур толщиной в один пиксель и присваивается значение высокой интенсивности в изображении (255 в изображение в градациях серого от 0 до 255).
- Идентифицировать ГДЖ, ее структура pentalaminar11,12и определить начало perinexus как точки, в которой два противоположных бислоев мембраны клетки расходятся, как показано на рисунке 1A. Begin ~ 200 Нм от края ГДЖ, трассировка по внутренней мембраны первой ячейки и обратно вдоль внутренней мембраны второй ячейки. В ImageJ отпустите перо, чтобы автоматически закрыть контур. Это искусственное закрытие будет обрезана позже.
Примечание: Важно наметить perinexus с большой осторожностью в качестве высокого увеличения как возможно, как даже небольшие неправильного применения плана может привести к несколько нанометров ошибки в окончательный расчет.
3. Настройка алгоритма и выбрав Perinexus интерес
Примечание: Алгоритм поиска пути требует автограф, Edge, граф, узел и Pathfinding функции9 быть в том же каталоге, что MembraneSepDist m файл. Все файлы можно найти в дополнительном файле S1.
- Выберите сохранить места для данных и данные. Это, в настоящее время жестко в m файл.
Примечание: Первая строка программы — это функция для снимите все переменные, закройте все окна и окно команд. Сохранение любой желаемой переменные или цифры перед запуском м файла.
Примечание: Скриншоты программного обеспечения включены в дополнительный файл S2 для всех жестко закодированные значения. - Запустите программу «MembraneSepDist.m».
- Задать параметры.
Примечание: GUI хлопнет вверх с параметрами по умолчанию для градиента порог, масштаб, региона интерес и ручной запуск. Значения по умолчанию можно изменить в файле м, или они могут быть изменены для каждого отдельного изображения.- Пространственные производные градиента порога.
Примечание: Более высокие значения приведет больше очков, выбранной в осевой изоляции. Значения, которые являются слишком высокими или слишком низкими (вне диапазона примерно 3,0-7,9) может привести к вычислительной неэффективность или неточный выбор точек осевой линии, уступая неточные осевой изоляции (см. рис. 2A-C). - Задать масштаб в единицах точек/масштаб.
- Установите пространственных нижнего и верхнего пределов для региона интерес.
Примечание: Конвенцией нашей лаборатории, определенную область интересов — от 30 до 105 Нм от края GJ2,3,10. - Установить автоматическое/ручное начало. В большинстве случаев алгоритм точно обнаруживает отправной точкой, где разрыв соединения заканчивается и perinexus начинается. Однако в некоторых случаях неправильной формы perinexi, пользователь должен вручную определить начальную точку. Установите значение 0 для автоматического, 1 для руководства.
- Пространственные производные градиента порога.
- Выберите нужное изображение.
Примечание: Выберите папку файл можно изменить в файле м. - Обрежьте изображение для выбора perinexus интерес.
- Когда образ приходит, курсор автоматически изменится на перекрестие. Обрежьте изображение, перетащив рамку вокруг perinexus интерес (см. рис. 3). Поле урожай может быть отрегулирован с помощью квадратов на углах и на сторонах, чтобы сделать его больше или меньше.
- При обрезке, чтобы «открыть» конец perinexus (витков ГДЖ, см. рис. 3) обрезается таким образом, чтобы контуры двух мембраны достигают края обрезанного изображения.
Примечание: Рекомендуется сделать полный экран изображение более легко увидеть perinexus интерес и обрезать надлежащим образом.
- Выберите последний урожай, дважды щелкнув с курсор между краями противоположных измеряется.
Примечание: Очень важно, что дважды щелкните выполняться внутри perinexus. Если программе не удалось определить осевой линии, перезапустите программу и убедитесь, что щелчок происходит в течение perinexus. - Соблюдайте окончательное осевой линии после всех дилатацию и эрозий поп вверх для конечного пользователя оценки эффективности программы.
Примечание: Диалоговое окно появится на экране в то время как программа запущена сообщить пользователю, что Matlab будет не в состоянии обработать любые дополнительные команды, до завершения программы. Сколько времени занимает этот процесс зависит от размера массива (изображение) и мощности компьютерной обработки. - Если включена точка ручной запуск, наблюдать изображение осевой всплывал над оригинальной анатомического изображения, наряду с курсор-перекрестие (см. Рисунок 2E). Выберите точку за пределами perinexus недалеко от точки старта таймера.
Примечание: Программа будет найти точку осевой линии ближе к выбранного пикселя и использовать его в качестве начальной точки. - Запись данных.
Примечание: После завершения программы, программа возвращает сопоставленный осевой линии, участок perinexal ширины в зависимости от расстояния от края GJ. Кроме того, программа вернет среднее perinexal ширину до 150 Нм от края ГДЖ, а также в среднем от в пределах определенного региона интерес в командной строке Matlab. Wp значения и расстояния от GJ хранятся в переменной «WpList», или пользователь может вручную записывать их отдельно.
4. алгоритм устранения неполадок
- Если осевой линии не должным образом идентифицированных (рисA), открыть рисунок «Gmag» и используют индекс для идентификации соответствующего порогового значения градиента (рис. 2C).
- Если начальная точка не определены надлежащим образом, задайте начальную точку вручную (см. Протокол 3.8).
Representative Results
Статистические методы: Сравнения были сделаны между экспериментальной группами с помощью студента t тесты. P значение < 0,05 считается значительным и все значения представляются как среднее ± стандартное отклонение.
Ручной сегментации. Количественная оценка GJ-рядом perinexus nanodomain ширина (Wp) обычно осуществляется путем ручной сегментации. Этот процесс ручной сегментации это показано в рисунке 1A и было описано ранее6. Наблюдатель определяет край ГДЖ (рис. 1, красная точка), меры 5 Нм вдоль по центру perinexus и измеряет расстояние между мембраны на тот момент. Затем процесс повторяется на 10, 15, 30 и 15 Нм до 150 Нм. Эта техника, а эффективных, имеет ограничения времени и пространственной недостаточной выборки по длине perinexus.
Значит, Wp измерения из предыдущих исследований может варьироваться от примерно 10 до 20 Нм2,3,10и 3 Нм, по-видимому, средняя разность, необходимые для обнаружения статистической значимости, что значительно выше пространственная частота Найквиста 0,7 Нм на измерения на основе interpixel резолюции 0,34 нм. Таким образом в то время как ручная сегментация отнимает много времени, метод достаточно для оценки различий в Wp связанные с вмешательства или болезни государства.
Последовательный образ Диатермический. Для того чтобы измерить perinexus образом быстрее, воспроизводимых с соответствующим пространственным разрешением, мы разработали программу, основанную на последовательный образ Диатермический для подсчета пикселей между двумя вручную обогревом мембраны, которые можно увидеть в рисунке 1B .
Дилатация последовательный процесс проиллюстрирован на рисунке 4. Как двоичное изображение расширены (рис. 4Aсостав), что дилатация затем перевернутый и добавлены в образ рабочих - не двоичных формы первоначального наброска (Рисунок 4E-4 H). Этот процесс повторяется до тех пор, пока план полностью заполнены в (рис. 4D). На данный момент окончательное изображение рабочей (рис. 4H) представляет собой число количество раз, определенной точки остался не расширены. Таким образом значения вблизи контура мембран клеток являются очень низкими, в то время как самые высокие значения в центре. Подсчитывая количество Диатермический для заполнения области каждой точке, можно рассчитать расстояние между краями мембраны. Следующая задача заключается в том, чтобы идентифицировать и изолировать центровых линий с целью количественного определения ширины perinexal как функция расстояния от GJ, которая осуществляется путем применения пространственных производных на окончательное изображение рабочей (Рисунок 2-последний изображение и Рисунок 5 A). Второй пример более неправильной формы perinexus можно найти в дополнительном файле S3.
Идентификация осевой. Градиент рабочей изображения могут быть количественно пространственная производная, как граф дилатация, изменяются значения от края до края от высокой к низкой до высокой снова (рис. 5A слева направо). Принимая во внимание только масштабы пространственная производная (рис. 5B) наброски и осевой линии, с белыми стрелками, немедленно идентифицировать как области разрыва. В этих местах направление градиента изменяется от увеличения, уменьшения или наоборот. Применение порога (рис. 5C) производит двоичный образ осевой линии и наброски, и вычитания оригинальные наброски дает изолированных осевой линии (рис. 5D). Хотя этот метод изоляции осевой вычислительно эффективна, порог, применяется к пространственная производная создает пробелы в результате осевой линии. Эти пробелы (рис. 5D, вставить) должны быть заполнены для обеспечения точного измерения расстояния от GJ и чтобы убедиться, что perinexus измеряется во всей его полноте. Во-первых, осевой расширены для заполнения любых пробелов (Рисунок 5E), а затем эрозии (Рисунок 5F) и функцию «bwmorph» (операция = «skel», n = inf) ликвидировать как можно больше очков, как можно оставляя непрерывной осевой линии, тем самым увеличивая вычислительной эффективности последующих pathfinding алгоритма разработанных Васит Limprasert и доступна на MATLAB Центральной9. Эта функция дилатация эрозии производит завершенных осевой линии, который в сочетании с рабочей изображения (рис. 5G). Однако этот осевой линии часто является более чем одну точку толщиной и поэтому не точные изоляции осевой линии.
Алгоритм поиска пути Васит Limprasert используется для определения perinexus осевой линии. Алгоритм поиска пути имеет возможность отслеживать высших ценностей - в данном случае значения ближе к центру, который оставался ООН расширены через наиболее итераций вдоль осевой линии (рис. 5G, вставить). Результатом является Автоматическая трассировка осевой линии, как показано на рисунке 6. Изолируя осевой линии, perinexal ширина может быть представлена как функция расстояния от конца ГДЖ, как показано на рисунке 6B (вверху), или как среднюю ширину указанной области интереса.
Анализ ядра. Важно отметить, что оцифрованных изображений основаны на площади массивы и дилатация ядра также основаны на площади матрицы. Это означает, что больше, чем ортогональных дилатация расстояние по диагонали. Таким образом мы далее стремилась определить, влияет ли ядро результаты алгоритма. В целях количественной оценки изменчивости специфичные для ядра, были проанализированы пять различных ядра формы: «плюс» (форму, используемую в выше анализа), «X», «поле» и «линия», как описано в Рисунок 7A. Ядро применяется в каждой точке ненулевое бинарного образа. Звезда в каждом ядре Рисунок 7A представляет собой центр, где белый значение 1 и черный значение 0 для дилатации ядра.
Влияние каждого ядра на среднее Wp измерения одного около горизонтальных perinexal изображения (рис. 7Б, топ), количественно, опытный пользователь, определяется вращением изображения с помощью команды Matlab в «imrotate» и вычислительные Wp в шаги 10 °. Wp измерений (рис. 7Б, внизу) колебаться с ориентацией изображения в выпрямленный синусоидальный моды с плюс сформировал ядро. Наименьшие значения происходят, когда относительно прямой perinexus ориентирован вертикально или горизонтально. Ни X, Box, ни линия ядер предоставляется любое преимущество над плюс образный ядра. X и поле ядра производятся идентичные результаты, но значения означает Wp были из фазы с the плюс ядра на 45 °. Линия ядра не полностью расширяются изображение под определенным углом, как можно увидеть, отсутствие данных в зеленой трассировки для поворота изображения менее чем за 30 или более чем 145 °. Таким образом ортогональные ядра дилатация плюс переоценили мембранного разделения при расширяя perinexus с осью ориентированные по диагонали к примеру на примерно 45 °, и X и поле ядра недооценивать означает Wp когда длинная ось perinexus был также под углом 45°. Основываясь на этом анализе, мы разработали поправочный коэффициент применяется к значениям, созданным из расширяя с ядром плюс образный. Для учета завышения мембранного разделения, связанные с ориентацию изображения, этот поправочный коэффициент умножается на значение измерения ширины в зависимости от ориентации изображения (уравнение 1).
Если θ < 45°
W,исправлены p = cosd(θ) * W,p измеряется
Если θ ≥45 °
W,исправлены p = cosd(θ) * Wp измеряется (уравнение 1)
В этом уравнении Wp измеряется является исходное значениеp W, порожденные выше алгоритм и θ расчетный угол горизонтальной, в градусах. Θ вычисляется арктангенс общее изменение в горизонтальном направлении, деленное на общее изменение в вертикальном направлении осевой линии perinexal. Выше коррекции приближается средний угол по отношению к горизонтали, из perinexus (Рисунок 8A, слева сверху) и результаты измерения как если полученные из горизонтальных perinexus (Рисунок 8A, слева внизу). Обоснованием этого уравнения происходит из того факта, что ядро плюс образный (рисA) является по существу две линии образный ядра расположены ортогонально друг к другу. Таким образом, ниже 45° (ближе к горизонтальной), растяжений происходит вертикально и поэтому умножения на косинус угла дает точных измерений. И наоборот, для углов выше 45° (ближе к вертикали), дилатацию происходят по горизонтали и синус используется для определения правильного измерения. Именно 45 ° синус и косинус равны. Дополнительный файл S4 обеспечивает изображение этой концепции. Обратите внимание, что эта поправка основывается на средний угол и осторожностью следует применять при анализе существенно линейный фигур. Этот процесс был повторен на 20 случайно выбранных perinexi и исправленные размеры сильно коррелирует с измерения, полученные вручную вращающихся и повторного анализа изображения (рис. 8A, право). Чтобы подтвердить точную коррекцию для ориентации изображения, два комплекта Фантом края были сгенерированный (рис. 8B, слева) и повернуть 180 °. С тригонометрическими коррекции алгоритм точно возвращается правильное значение в каждом ориентации, независимо от того, пространственное разрешение или размер изображения (рис. 8B, право).
Аналитических приложений и воспроизводимость с коррекцией ориентации. Напоминая, что предыдущие исследования с использованием ручной сегментации доклад статистически означает Wp различия больше или равен 3 Нм, важно определить ли алгоритм может использоваться для пилки предыдущих результатов с помощью полный набор данных. Использование нового алгоритма, двух наблюдателей - один опытный и один неопытный с perinexal анализа (набл 1 и 2 набл, соответственно)-проанализированы те же изображения от предыдущего исследования6 , которая включала 12 пациентов, которые были диагностированы с мерцательной предсердий (AF) до коллекции тканей и 29 пациентов, которые не имеют уже существующие AF (No-AF). Опытный пользователь обнаружил, что Wp был значительно шире в больных с AF чем без AF (21.9±2.5 и 18.4±2.0 Нм, соответственно, рис. 9А). Эти значения с применяется поправочный коэффициент похожи на те сообщалось ранее (24.4±2.2 Нм и 20.7±2.4 Нм, соответственно)6. Важно отметить, что неопытный пользователь нашел же существенное различие (22.1±2.8 Нм и 20.1±2.6 Нм, соответственно) между государствами болезни с автоматизированной программы. Кроме того стандартное отклонение значенийp W не меняются с поправочный коэффициент, о том, что стандартное отклонение 2-3 Нм не является артефактом алгоритма, но структуры самой и обработки ткани. Эти результаты показывают, что предложенный автоматизированный метод способен резюмируя результаты предыдущих исследований.
Важно отметить, что perinexus является недавно определены структура и консенсуса не было достигнуто по всему спектру абсолютных значений мембранного разделения, прилегающих к GJ2,3. Поскольку ширина внешней мембраны к внешний мембраны GJ ранее оценкам 20 Нм13, мы стремились определить эффективность алгоритма также измерения ширины GJ. Обе наблюдатели обнаружили никакого существенного различия между разрыв соединения ширины (GJW) пациентов с или без предварительного существующих AF (Рисунок 9B). Абсолютные значения GJW для AF и -AF пациентов были 20,5 Нм ± 2,5 и 20,3 Нм ± 1,9, соответственно, для опытных наблюдателей и 21,0 Нм ± 3,1 и 20.0 Нм ± 2,2 для неопытных наблюдателей, похож на то, что уже сообщалось ранее.
Чтобы определить ли алгоритм автоматизированного требуется меньше времени для анализа данных, чем ручной сегментации, как опытных и неопытных пользователей записан время необходимое для количественной оценки профессиональной подготовки 10-изображения набор (дополнительный файл S5). Таблица 1 показывает, что опытных и неопытных пользователей уменьшилось время анализа, 4,7 - и 8.3 раза соответственно с помощью автоматизированных алгоритма по сравнению с ручной сегментации подход, с приблизительно 43-fold увеличением пространственного резолюция вдоль perinexus.
Устранение неполадок алгоритм. Наиболее распространенные ошибки при выполнении алгоритма происходит, когда окончательный осевой линии не заканчивается на краю изображения. В таких случаях не достаточно очков были отобраны из пространственных производных карты, вызывая программу на неудачу и производят консультирование пользователю выбрать большую площадь сельскохозяйственных культур или увеличить порог пространственные производные сообщение об ошибке. Рисование более кадрирования улучшит надежность программы в некоторых случаях как пространственные производные изменения резко по краям на рисунке, который может нарушить алгоритмы обнаружения пути или edge.
Это также возможно для алгоритма поиска пути не правильно идентифицировать осевой линии, даже если осевой линии достигает края изображения, особенно если градиента порог является слишком низко (рисA). Если градиента порог установлен слишком высокий, там будет больше ненужные точки, включены в алгоритм поиска пути (рис. 2B), снижения вычислительной эффективности. Если пользователь не может определить соответствующий предел, массива изображения «GMag» (рис. 2C), которая генерируется программой и можно найти в рабочей области, может помочь пользователю определить порог. Найти точки вдоль осевой линии и задайте порог чуть выше их значение индекса, чтобы убедиться, что выбраны эти точки. В данном примере соответствующий предел будет выше ~5.1 (рис. 2C, вставить).
Начальная точка также могут не достичь в начале perinexus (рис. 2D). В этом случае повторно запустить программу и установите Ручной старт значение 1. После того, как осевой линии был изолирован, пользователь выбирает точку вне perinexus и осевой точки ближе к выбранный пиксель (Рисунок 2E, Красная площадь) будет установлен в качестве начальной точки. Результатом является полной осевой линии (Рисунок 2F).
Рисунок 1 : ТЕА изображения с количественной оценки процессов. Процесс ручной сегментации (A) требует от пользователя выполнения 12 отдельных межмембранное измерений при оценке осевой линии. Автоматический процесс (B) требует ручной, непрерывный след набросок perinexus. Красная точка в каждом изображении является определяемым пользователем конца GJ и начало perinexus. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
Рисунок 2 : Устранение неполадок осевой. Два основных режима отказа для идентификации осевой линии и их решения: каждое изображение маркировку с именем массива в Matlab. Если градиента порог является слишком низким (A, порог 0,2) осевой алгоритм может потерпеть неудачу. Установка слишком высокий порог (B, порог 70) может уменьшить вычислительную эффективность алгоритма поиска пути. Соответствующего градиента порог может быть определено из массива GMag (C, вставить). Если осевой линии не удается добраться до начала края perinexus (D), пользователь может выбрать вручную выбрать начальную точку. После «Начать точка» параметр имеет значение 1 в открытии GUI, пользователь затем выбирает точку за пределами perinexus интерес (E). Осевой линии, которая точно изображает полностью perinexus (F) должен быть конечный результат. Все метки в котировок (A-F) соответствуют именам переменных в Matlab. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
Рисунок 3 : Выбор Perinexus. Чтобы обрезать perinexus, нажмите и удерживайте для перетащите рамку вокруг него (автоматически выбран инструмент «Рамка») как показано на синюю стрелку. Это поле может быть отрегулирован с помощью квадратов на углах или сторонах, чтобы сделать его больше или меньше. Зеленая стрелка представляет конец perinexus, который пользователь должен обеспечить остается «открыть». Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
Рисунок 4 : Последовательный образ Диатермический. Наброски двоичные неоднократно расширены с шагом в один пиксель (A-D) и добавлены в образ рабочих (не двоичных форма изображения, E-H) после каждого дилатация. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
Рисунок 5: осевой изоляции и пути. Пространственная производная рассчитывается из итогового образа рабочей (A) и масштабы этого пространственная производная (B) используется для изоляции наброски и осевой линии (белые стрелки). Определяемые пользователем порога определяет контур и осевой линии и вычитания оригинальные наброски дает осевой линии (D). Однако, появляются пробелы в осевой линии результате порог (D - вставить). Для того чтобы произвести непрерывной осевой линии, вторичные дилатация выполняется на изолированные осевой линии (E), следуют вторичных эрозии для увеличения вычислительной эффективности последующих pathfinding алгоритма. Это эродированных изображение (F) затем сочетается с окончательное изображение работы, позволяя для идентификации непрерывный, одно пиксель толщиной осевой линии (G - вставить). Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
Рисунок 6 : Представление окончательных данных. Программа выводит окончательный набросок поверх исходного изображения ТЕА (A). Линия является зеленым цветом для 0-150 Нм, синий для определяемых пользователем региона интерес и красный для района за пределами 150 Нм. Кроме того программа выводит аналогичным цветных диаграмм, представляющих Wp как функция расстояния от начала perinexus и для региона интерес (B), а также средний Wp (врезные в соответствующей графе). Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
Рисунок 7 : Анализ формы ядра дилатация. Формы для дилатации ядер (A): звезда в середине представляет расширенные пикселей. Белые поля являются пикселей, пострадавших от дилатация, в форме плюс, X, коробки или линии. Около горизонтальных perinexus (Б, сверху, с красной линией, указывающее 0°) был повернут по часовой стрелке от 0 до 180° с шагом 10° и неоднократно расширены с помощью фигур различных ядра (B, внизу). Плюс - и линии образные ядра производить аналогичные результаты, хотя линии ядра не на определенные ориентиры, в то время как окно - и Х-образный ядра находятся вне фазы на 45 °. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
Рисунок 8 : Изображения коррекции ориентации. Для правильной ориентации изображения, средний угол perinexus рассчитывается с позиций из начала - и конечного - points (A, слева, начало и конец черная линия). Арктангенс изменения в направлении y (, слева, зеленая линия) делится на изменения в x направлении (, слева, красная линия) урожайность коррекции угла θ (, слева, желтый). Цель заключается в затем исправить среднее значениеp W дать минимальное расстояние между краями, как если бы perinexus было imaged приблизительно горизонтально (ниже, слева). Применение коэффициента коррекции, описал уравнение 1 был по сравнению с вручную вращающихся каждого из 15 случайно выбранных изображений, рассчитанные θ перед анализом. Скорректированные значения сильно коррелирует с значения поворота изображения (R2 = 0.991, A, право), указывающее уравнение 1 является действительным поправочный коэффициент для ориентации изображения. Чтобы подтвердить, что поправочный коэффициент подходит, были созданы два фантомы края совершенно параллельно с известным расстоянием между ними (B, слева). Призрак 1 и Phantom 2 имеют пространственным разрешением 2.833 пикселей / мм и 71,6 пикселей/дюйм, соответственно. Как свидетельствуют Голубые бриллианты и красных квадратов в B право, алгоритм точно вычисляет их ширины через 180 градусов поворот изображения. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
Рисунок 9 : Алгоритм воспроизводимость. При использовании автоматический процесс коррекции ориентации изображения, опытных и неопытных наблюдателем обнаружили значительные различия между AF и No-AF группами (A), в соответствии с предыдущего исследования, обнаружения минимальная разница 2.6 Нм. Кроме того ни наблюдателей нашли существенное различие в GJW (B). Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.
| Вручную | Автоматически | |
| Время - набл 1 (s) | 205±11 | 44±14 |
| Время - набл 2 (s) | 248±18 | 30±5 |
| Пространственное разрешение (измерения/Нм) | 0,08 | 3.45 |
Таблица 1: сравнение ручных и автоматических процессов. Обе наблюдателей требуется меньше времени на изображение для трассировки наброски чем чтобы выполнить процесс ручной сегментации для набора обучения 10-изображения. Кроме того, автоматический процесс имеет более высокую частоту дискретизации, запись 3.45 измерений в Нм, по сравнению с в среднем по 1 измерение каждые 12,5 Нм для ручного процесса. Обучение набор изображений можно найти в дополнительный файл S5, наряду с набросков и измерения как выполняемая опытным пользователем.
Discussion
Алгоритм использует последовательные изображения Диатермический подсчитать количество пикселов между двумя противостоящими 2D краями в двоичный образ, который в данном случае является разделение между мембраны perinexus2,3,14. Пространственная производная и алгоритм поиска пути затем используются для изоляции осевой, вторичные дилатация и эрозии последовательность для заполнения пробелов в осевой, похож на то, что было сделано до15. Осевой линии затем сочетается с окончательный дилатация граф изображения для представления perinexal ширина как функция расстояния от начала разделения края, в данном случае в конце GJ и начало perinexus16.
Четыре основных параметров, определяемых пользователем в GUI при старте программы:
- Градиент порог
- Шкала
- Область интереса диапазона
- Запустите метод выбора точки (автоматическая или ручная)
Наиболее распространенным механизмом отказа для алгоритма является осевой неспособность достичь края изображения, которое является как конечной точки определяется для алгоритма поиска пути. Для того чтобы исправить такой вопрос, пользователь может увеличить градиент порог, описанный в шаге 3.3.1, который заставит программу выбрать больше очков из пространственных производных изображения, который увеличит время вычисления, необходимые алгоритму поиска пути. Таким образом этот алгоритм требует компромисса между вычисление скорости и осевой целостности. Важно отметить, что до тех пор, как все точки осевой линии определены от пространственная производная, наряду с соответствующей начальной точки, пространственные производные порог будет иметь никакого эффекта на краю разделение измерения.
Ориентация изображения, как представляется, влияют на значения дилатация, потому, что ядро расширяет в 90 градусов шагов, которые может привести к ошибке, если большинство региона интерес под углом 45° к оси дилатация матриц. Таким образом дилатация граф не всегда возможно точное представление пространства между краями. Это ограничение рассматривался тригонометрических поправочный коэффициент, но потенциально могут игнорироваться, если все изображения в наборе данных выравниваются на ту же ориентацию. Кроме того, необходимо с осторожностью подходить при интерпретации результатов, как это возможно, что секущих плоскостей совершенно не перпендикулярны к 2 мембраны. В рисунке 9Bмы используем GJW предположить, что наша perinexus изображения были в плоскости. Тем не менее важно, что размеры выборки быть достаточно большим, для учета любых секущей вариации между изображениями. Кроме того наши perinexal ширина измерения не следует толковать отразить в vivo запрещено, но этот подход используется для измерения среднего различия в perinexal ширина относительно некоторых вмешательства или болезни государства.
Текущий алгоритм также требует вручную отслеживать изложение края как входной. Важно отметить, что до тех пор, пока шкала установлены правильно, пространственное разрешение не влияет на алгоритм измерения, как показано в различных резолюциях изображений на рисунке 6 и дополнительные изображения с низким разрешением в дополнительном файл S6. Следующий шаг в улучшении алгоритм является устранение вмешательства человека из набросков поколения вместе с инструментом, который можно выбрать область интересов. Эти особенности скорее всего повысит точность измерения и уменьшить пользователя предвзятости.
Этот вычислительно эффективный алгоритм обеспечивает более быстрым методом, требующих примерно одна пятая человеко-часов, количественного определения perinexus с штраф обнаруживаемыми для воспроизводимости результатов, когда по сравнению с процессом ручного сегментации. Кроме того процесс ручной сегментации использует одно измерение каждые 15 нанометров поддается perinexal ширина, которая может привести к под выборки как мембранного разделения perinexus может существенно изменить в пределах диапазона 15 Нм. В противоположность этому автоматизированная программа имеет пространственное разрешение равно механизма визуализации, в данном случае 2.9 пикселей на нанометров по длине perinexus, таким образом обеспечивая более мелко решена среднем perinexal ширины.
В то время как приложения в области сердечной структурной биологии являются перспективными и захватывающие, этот алгоритм использует не ограничиваются изображений ТЕА. Любое поле требующих точно, с высоким разрешением измерения два квази-параллельных 2D кромок может сделать использование этого алгоритма. Алгоритм может использоваться для отслеживания ничего от эрозии и наводнений шаблонов берега от спутниковых изображений сосудистой развития с brightfield или люминесцентной микроскопии. Одним из наиболее перспективных потенциальных приложений находится в области кардиологии и измерения фракция выброса желудочка (EF) с эхокардиография сердца точки обслуживания. В настоящее время стандартным методом является метод биплан диски17, хотя новые алгоритм, AutoEF, в настоящее время является передний край, EF-количественного метода18,19. Для метода биплан дисков Камера в вопросе вручную прослеживается и количественно с помощью метода модифицированных Симпсон, whereby общий объем автоматически рассчитывается путем суммирования сложены эллиптической дисков. Основное ограничение с помощью этого метода является, что он может возвращать только общая площадь поперечного сечения желаемого камеры, не разрешением для выявления конкретных областей интереса, а также требует существенного человеческого фактора и опыта. Новый метод, AutoEF, идентифицирует и излагаются край желудочка, используя алгоритм 2D speckling и затем вычисляет желудочков площадь поперечного сечения. Этот процесс, в то время как точные и эффективные для измерения валового Вентрикулярная зона, также имеет аналогичный ограничение, свойственное только измерения общего площадь поперечного сечения. Это основной недостаток ограничивает возможности диагностики и лечения клиницистов. В противоположность этому алгоритм, представленный в этой рукописи можно определить срединной и имеет разрешение равным резолюции механизму визуализации для точного определения конкретных областей интереса. Это важно, потому что ультразвуковые сканеры с пространственным разрешением микрометра являются коммерчески доступных20,21, подразумевая, что этот алгоритм может обнаружить локализованные стены движения аномалии в резолюции микрометры вместо сантиметров. Хотя это приложение должно быть экспериментально проверен, это один из наиболее перспективных приложений этого алгоритма. В самом деле он может легко сочетаться с спекл, возможности AutoEF отслеживания или ручной трассировки используются в ручной Планиметрия предоставлять информацию более высоким разрешением параллельно с обычными данными EF.
Как универсальный и применимым как текущий алгоритм, он был разработан для 2D-изображений. Однако как технологии визуализации продолжать совершенствовать, существует растущий спрос на 3 и 4 D количественная оценка технологий. Таким образом в следующей итерации алгоритма заключается в адаптации тот же подход, последовательно расширяя бинарного образа, для 3-мерного объекта, где автоматически определение осевой линии в настоящее время за пределами возможностей визуализации текущих программ. Такой алгоритм будет иметь широкое применение как клинически, так и экспериментально в области сердца только, включая 3D Эхокардиограммы сердца22,23, 3D электронной микроскопии24,25, 26и 3D магнитно-резонансной томографии27,,2829.
Disclosures
Авторы не имеют ничего сообщать.
Acknowledgments
Авторы хотели бы поблагодарить Kathy Lowe в Вирджиния-Мэриленд Колледжа ветеринарной медицины для обработки и окрашивания образцов ТЕА.
Финансирование:
Национальные институты здравоохранения R01-HL102298
Национальные институты здравоохранения 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. Gap junctions in arterial endothelium. Journal of Cell Biology. 57 (1), 247-252 (1973).
- 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).
