Summary

Seri görüntü Dilations ile Intermembrane mesafeler miktarının

Published: September 28, 2018
doi:

Summary

Bu algoritma sürekli seri görüntü dilations ve kılavuz kullanarak iki 2-boyutlu kenarları arasındaki mesafeyi ölçmek için amaçtır. Bu algoritma kardiyak yapısal biyoloji, vasküler biyoloji ve İnşaat Mühendisliği gibi alanlarda çeşitli uygulanabilir.

Abstract

Perinexus olarak adlandırdığı bir son zamanlarda açıklanan ekstraselüler nanodomain kaplin, ephaptic hangi cardiomyocytes arasında elektrik iletim için alternatif bir mekanizmadır karıştığı olmuştur. Bu alanı el ile bölümleme tarafından miktarının için geçerli yöntem yavaş ve düşük uzamsal frekansa sahiptir. Biz iki karşıt 2 boyutlu kenarları arasındaki piksel sayısını saymak için seri görüntü dilations ikili bir anahat kullanır bir algoritma geliştirdi. Bu algoritma daha az adam saat gerektirir ve el ile işlem tekrarlanabilirlik koruyarak yüksek uzaysal çözünürlük elle yapılan yöntem daha vardır. Aslında, deneyimli ve acemi Müfettişler bu yeni algoritma ile bir önceki çalışmanın sonuçlarını özetlemek başardık. Algoritma perinexus anahatlarını el ile belirlemeniz gereken insan girişini ve esas olarak önceden varolan bir kılavuz algoritması tarafından ipotekli bir işlem gücü ile sınırlıdır. Ancak, algoritma’nın yüksek üretilen iş özellikleri, yüksek uzaysal çözünürlük ve tekrarlanabilirlik bu çok yönlü ve güçlü ölçü aracı kullanmak için herhangi bir 2-boyutlu (2D arasındaki mesafe ölçümü gerektiren uygulamalar çeşitli genelinde olun ) kenarları.

Introduction

Aşağıdaki algoritmayı onlar vardır perinexus1adında bir nanodomain a gap junction plaket kenarında birbirinden ayrı noktada iki yapısal olarak eşleşmiş cardiomyocytes arasındaki intermembrane mesafeyi ölçmek için geliştirilmiştir 2,3,4,5kaplin ephaptic karıştığı olmuştur. İletim manuel segmentasyon yöntemi kullanarak bir önceki çalışmada6‘ perinexi elektron mikroskobu (TEM) görüntülerini yüzlerce analiz sürecinde, ihtiyaç perinexal genişliği daha yüksek örneklenmiş bir akışı sağlayarak daha yüksek yöntemi için tespit edildi uzaysal çözünürlüğü önceki el ile segment oluşturma işleminin doğruluğunu sırasında el ile segmentasyon koruyarak, çizgileri 15 nm aralıklarla, merkez için yaklaşık ortogonal perinexal genişliğini ölçmek için çizilir. Yeni algoritma bir bir piksel kalın ikili anahat iki paralel çizgiler alır ve iki zarı arasındaki piksel sayısını saymak için seri görüntü dilations kullanır. Görüntü dilations çok sayıda görüntü işleme uygulamaları yaygın olarak kullanılmış olan, kontur veya kenar algılama7,8, bu algoritma da dahil olmak üzere dilations bir sayım mekanizması olarak kullanır. Merkez o zaman izole bir kılavuz algoritması genişliği9 ve perinexal sonra perinexus resmin çözünürlüğünü eşit uzunluğu boyunca bir çözünürlükte ölçülür. Çözünürlük farkı bu durumda 1 15 başına ölçümdür nm manuel segmentasyon ve 0,34 başına 1 ölçümü için nm yeni algoritması ile kayma örnek sık sık oluş 44-fold bir artış. Ayrıca, bu artan örnek sık sık oluş içinde yaklaşıkth 1/5 el ile bölümleme için gereken süreyi gerçekleştirilir.

Bu algoritma mevcut haliyle geleneksel 0-150 perinexal genişlikte ölçmek için kullanılacak bir gap junction plak5 (GJ) yanı sıra nerede perinexus yaylalar arasında 30 ve 105 nm2 faiz, belirtilen bölge içinde kenarından nm , 3 , 10. yüksek örnekleme frekansı bireysel perinexus el ile bölümleme için karşılaştırmalı ölçümler değişkenliği azaltır ve verimli büyük veri kümeleri için işleme izin analiz süresini önemli ölçüde kısaltır. Ancak, bu programı kardiyak ara diskleri nano TEM resimlere sınırlı değildir. Aynı yaklaşım damar çapı, ventrikül ejeksiyon fraksiyonu veya hatta biyolojik olmayan olayları nehir erozyon veya sel gibi ölçmek için kullanılabilir. Bu algoritma her iki yarı paralel kenar arasındaki mesafe miktarının için uygundur.

Protocol

Not: Yazılım gerekli ImageJ (ya da benzer yazılım görüntü değiştirme) ve Matlab R2015. Kullanıcı-ebilmek karşılaşmak Matlab diğer sürümleri ile uyumluluk sorunları. 1. ön işleme görüntüleri Herhangi bir gri tonlamalı görüntü için verilen her pikselin maksimum yoğunluk değeri sağlamak < 255. Bu genellikle görüntü tamamlayıcı dosyasına S1 dahil özel Matlab programında "ImageSub.m", 1 değeri çıkararak yapılır. 2. Perinexus anahat oluşturma Perinexus ImageJ veya diğer görüntü işleme yazılımı anahat. Anahat bir piksel kalın ve görüntüdeki (gri tonlamalı bir görüntüde 0 ile 255 255) en yüksek yoğunluk değeri ayarlanır emin olun. GJ onun pentalaminar yapısı11,12′ tanımlamak ve perinexus başında, hücre zarının bilayers karşı iki sapmak, noktası olarak Şekil 1Agösterildiği gibi tanımlayın. Başlangıç ~ 200 nm ilk hücrenin iç membran boyunca ve ikinci hücre iç membran boyunca geri izleme GJ, kenarından. ImageJ, kalem anahat otomatik olarak kapatmaya yayın. Bu yapay kapanış daha sonra kesilir.Not: Anahattın bile küçük yanlış uygulamaları birkaç nanometre son ölçüm hatası neden olabilir gibi bir büyütme mümkün olduğunca yüksek olarak büyük bir dikkatle perinexus anahat çok önemlidir. 3. algoritma ve vade farkı Perinexus seçerek ayarlama Not: Bunun algoritması MembraneSepDist m dosyasıyla aynı dizinde olması için imza, kenar, grafik, düğüm ve kılavuz işlevleri9 gerektirir. Tüm dosyaları ek dosya S1 bulunabilir. Veri ve rakamlar konumları Kaydet seçeneðini belirleyin. Bunlar şu anda m dosyanın kodlanmış.Not: Programın ilk satırı tüm değişkenleri temizlemek, tüm pencereleri kapatın ve command window temizlemek için bir işlevdir. Herhangi bir istenen değişkenler veya rakamlar m-dosyayı çalıştırmadan önce kaydedin.Not: Yazılım ekran görüntüleri tüm sabit kodlanmış değerleri için ek dosyasındaki S2 eklenmiştir. “MembraneSepDist.m” programını çalıştırın. Parametreleri ayarlayın.Not: Bir GUI degrade eşik, ölçek, faiz ve el ile başlatma için varsayılan parametreleri ile açılır. Varsayılan değerler m dosyasında değiştirilebilir veya bireysel her görüntü için değiştirilebilir. Set kayma türev degrade eşik.Not: Daha yüksek değerler daha fazla puan merkeze göre yalıtım modunda seçilen neden. Çok yüksek veya çok düşük (dışında yaklaşık 3.0-7,9 aralığı) değerler Hesaplamalı verimsizlik veya imprecise merkeze göre yalıtım (bkz: Şekil 2A-C) verimli merkeze göre puan imprecise bir seçim neden olabilir. Ölçek piksel/ölçek birimleri cinsinden ayarlayın. Bölgenin ilgi kayma alt ve üst sınırlarını ayarlayın.Not: bizim laboratuvar ‘s geleneksel olarak, tanımlanmış ilgi GJ2,3,10kenarından 30 ve 105 nm arasındaki bölgedir. Otomatik/manuel Başlat ayarlayın. Çoğu durumda, algoritma gap junction bitip perinexus başladığı başlangıç noktası doğru bir şekilde algılar. Ancak, düzensiz şekilli perinexi bazı durumlarda, Kullanıcı başlangıç noktasını el ile tanımlamanız gerekir. Otomatik için 0, 1 el kitabı için bu değeri ayarlayın. İstediğiniz görüntüyü seçin.Not: Dosya klasörü seçin m dosyasında değiştirilebilir. Faiz perinexus seçmek için görüntüyü kırpmak. Görüntü çıktığı zaman, imleç bir crosshair için otomatik olarak değişecektir. (Bkz: Şekil 3) ilgi perinexus çevresinde bir kutu sürükleyerek Görüntüyü kırpmak. Kırpma kutusu kareler köşelerinde ve yanlarında daha büyük veya daha küçük yapmak için kullanarak ayarlanabilir. Kırparken, “açık” sonuna kadar perinexus emin olun (GJ uzak bkz: Şekil 3) böylece iki zarı anahatları kırpılmış görüntü kenarına ulaşmak kırpılır.Not: Bu daha kolay perinexus ilgi görmek ve uygun şekilde kırpma görüntü tam-ekran yapmak için tavsiye edilir. Son kırpma ölçülecek karşı kenarları arasında curser ile çift tıklatarak seçin.Not: Çift tıklatın perinexus içinde yapılması önemlidir. Program bir merkeze göre tanımlamakta başarısız olursa, programı yeniden başlatın ve perinexus içinde belgili tanımlık tıkırtı oluşur emin olun. Son merkeze göre tüm dilations ve erozyonlar sonra programın etkinliği Son Kullanıcı değerlendirilmesi için pop gözlemlemek.Not: program Matlab programı bitinceye kadar ek komutlar işleyemedi kullanıcıyı bilgilendirmek için çalıştığı sırada bir iletişim kutusu ekranda görüntülenir. Ne kadar bu işlem sürer dizi (İmaj) boyutu ve bilgisayarın işlemci gücü bağlıdır. El ile başlatma noktası etkinse, Merkez görüntüsünü açılır bir haç biçimli imleç ile birlikte orijinal anatomik görüntü üzerinde gözlemlemek ( Şekil 2Ebakınız). İstenen başlangıç noktası yakınındaki perinexus dışında bir nokta seçin.Not: Programın Merkez noktasına en yakın seçilen piksel bulmak ve bu başlangıç noktası olarak kullanın. Kayıt veri.Not: program tamamlandıktan sonra program eşlenen bir merkeze göre dönecektir perinexal genişliği GJ kenara uzaklığı bir fonksiyonu olarak arsa. Ayrıca, program ortalama perinexal genişliği en fazla 150 dönecektir nm ortalama faiz Matlab komut satırında tanımlanmış bölge içinde yanı sıra GJ kenarından. Wp değerleri ve GJ mesafeler “WpList” değişkeninde saklanır veya Kullanıcı bunları el ile ayrı olarak kaydedebilirsiniz. 4. algoritması sorun giderme Merkez düzgün değilse tespit (Şekil 2A), “Gmag” şekil açın ve uygun bir degrade eşik (Şekil 2C) tanımlamak için dizini kullanın. Başlangıç noktasını düzgün tanımlanmamış, başlangıç noktasını el ile ayarlayın (bkz: protokol 3.8).

Representative Results

İstatistiksel yöntemler: Öğrenci t-testleri kullanarak deneysel grupları arasında karşılaştırmalar yapıldı. Bir p-değeri < 0,05 önemli olarak kabul edilir ve tüm değerleri ortalama ± standart sapma temsil edilir. Manuel segmentasyon. GJ-bitişik perinexus nanodomain Genişlik (Wp) miktar genellikle el ile bölümleme tarafından gerçekleştirilir. Bu el ile segment oluşturma işlemi resim 1içindeA gösterdi ve oldu daha önce açıklanan6. Gözlemci GJ (Şekil 1, kırmızı nokta) kenarını tanımlar, 5nm perinexus ortasına boyunca ölçer ve membranlar bu noktada arasındaki uzaklığı ölçer. İşleminin ardından 10, 15, 30 ve her 15 tekrarlanan nm kadar 150 nm. Bu teknik, etkili, süre perinexus uzunluğu boyunca kayma altında örnekleme ve zaman sınırlamalar vardır. Wp ölçümleri önceki çalışmalar değişir yaklaşık 10 ile 20 nm2,3,10ve 3 demek nm gibi görünüyor oldukça üzerinde olan istatistiksel anlamlılık, algılamak için gereken ortalama fark kayma Nyquist frekansı 0.7 nm her ölçüm 0,34 interpixel bir çözünürlüğe dayalı nm. Manuel segmentasyon zaman alıcı olmakla birlikte, bu nedenle, bir müdahale veya hastalık durumu ile ilişkili Wp farklılıkları ölçmek için yeterli yöntemdir. Seri görüntü Dilations. Perinexus uygun uzaysal çözünürlük ile tekrarlanabilir daha hızlı bir şekilde ölçmek için biz iki el ile takip membranlar Şekil 1′ deB görülebilir arasındaki piksel sayısı için seri görüntü dilations göre bir program geliştirdi . Seri genişleme süreci Şekil 4′ te gösterilmiştir. İkili resim büyümüş gibi (genişleme sonra ters ve bir çalışma görüntüsü – özgün anahat (Şekil 4E-4 H) ikili olmayan şeklinde eklendiŞekil 4A-4D),. Anahat (Şekil 4D) tamamen doldurulana kadar işlem yinelenir. Bu noktada, son çalışma görüntü (Şekil 4H) bir kaç kez bir pikselin un dilate kalmıştır sayısıdır. Merkezi değerlerinde en yüksek olsa da bu nedenle, hücre zarlarında anahat yakınındaki çok düşük değerlerdir. Dilations, her bir noktada alanı doldurmak için sayısını sayarak, membran kenarları arasındaki mesafe hesaplanabilir. Sonraki sorun tanımlamak ve Merkez perinexal genişliği ilk kayma bir türev son çalışma yansımasına uygulayarak yapılır GJ, uzaktan bir fonksiyonu olarak ölçmek için izole etmektir (Şekil 2-son görüntü ve Şekil 5 A). Daha düzensiz şekilli perinexus ikinci bir örneği ek dosya S3 bulunabilir. Merkeze göre kimlik. Son çalışma görüntü degrade bir kayma türev tarafından genişleme sayısı (Şekil 5A soldan sağa) için düşük yüksek yüksek tekrar gelen kenarına kenar değerleri değiştirmek olarak sayısal. Sadece kayma türev (Şekil 5B) büyüklüğü göz önüne alındığında, anahat ve Beyaz oklarla vurgulanan merkeze göre hemen süreksizlik bölgeleri olarak tanınır. Bu yerlerde, azalan veya tersi artan Gradyan yönünü değiştirir. Bir eşik (Şekil 5C) uygulayarak bir ikili görüntü merkeze göre ve anahat oluşturur ve özgün anahat çıkarma izole Merkez (Şekil 5D) verir. Merkez izole bu yöntem hesaplama açısından etkili olmakla birlikte, kayma türev uygulanan eşik elde edilen Merkez boşluklar oluşturur. Bu boşluklar (Şekil 5D, Ekle) GJ mesafe doğru bir ölçüm sağlamak ve perinexus tam olarak ölçülür emin olmak için doldurulması zorunludur. İlk olarak, herhangi bir boşluk (Şekil 5E), ardından bir erozyon (Şekil 5F) ve “bwmorph” işlevi doldurmak için merkez açıldı (operasyon ‘içmek’, n = INF =) bırakarak mümkün olduğunca fazla puan olarak ortadan kaldırmak için bir sürekli merkeze göre böylece bir sonraki kılavuz algoritma buna Limprasert tarafından geliştirilen ve MATLAB Merkezi9üzerinde kullanılabilir Hesaplamalı verimliliğini artırma. Bu genişleme-erozyon işlevi son çalışma görüntü (Şekil 5G) ile birlikte tamamlanmış Merkez üretir. Ancak, bu merkeze göre genellikle birden fazla piksel kalın olduğunu ve bu nedenle Merkez kesin bir yalıtım değildir. Buna Limprasert kılavuz algoritması perinexus merkeze göre belirlemek için kullanılır. Kılavuz algoritması en yüksek değerleri – bu durumda en (Şekil 5G, Ekle) Merkez çizgisi boyunca yineleme aracılığıyla un dilate kaldı merkezine en yakın değerleri takip edebileceksiniz. Merkez, otomatik bir iz Şekil 6′ da gösterildiği gibi sonucudur. Merkez izole ederek, perinexal genişlik mesafe Şekil 6’B (üst) gösterildiği gibi GJ sonundan itibaren bir fonksiyonu olarak veya belirtilen bölge ilgi Ortalama genişliği olarak sunulabilir. Çekirdek analizi. Sayısallaştırılmış görüntüler kare diziler üzerinde temel alan ve genişleme çekirdekleri aynı şekilde kare matrisler üzerinde temel alan unutmamak gerekir. Bu genişleme mesafe çapraz karşısında dik daha büyük olduğu anlamına gelir. Bu nedenle, sonraki çekirdek algoritma sonuçları etkilenir olup olmadığını belirlemek için çalıştı. Çekirdek özgü değişkenlik ölçmek için beş farklı çekirdek şekil analiz edildi: “artı” (yukarıdaki analizleri kullanılan şekilde), “X”, “kutu” ve ” Şekil 7içindeAaçıklandığı gibiçizgi”,. Çekirdek ikili görüntü her sıfır noktada uygulanır. Şekil 7A her çekirdek yıldızı nerede beyaz 1 değeri ise genişleme çekirdek için 0 değeri siyah Merkezi temsil eder. Ortalama Wp ölçüm (Şekil 7B, top) tek bir yaklaşık yatay perinexal görüntünün etkisi her çekirdek’ın deneyimli bir kullanıcı tarafından sayılabilir, Matlab’ın “imrotate” komutu ile görüntünün dönen tarafından tespit edildi ve bilgi işlem Wp 10 ° adımlarla. Wp ölçüm değerleri (Şekil 7B, alt) görüntü yönü bir doğrultucu sinüsoidal moda ile çekirdek şeklinde bir artı ile dalgalanma. Nispeten düz perinexus dikey veya yatay olarak yönlendirilmiş olan en alt değerler meydana gelir. Ne X, kutusu, ne çizgi çekirdekleri artı şeklindeki çekirdek üzerinde herhangi bir avantaj sağladı. Ama X ve kutusunu çekirdekleri aynı sonucu üretilen değerlerini Wp dışına the artı işareti çekirdek tarafından 45 ° alınmıştınız. Hat çekirdek tam olarak belli açılardan görüntü döndürülmüş resimler daha az 30 veya daha fazla 145 ° yeşil izleme veri yokluğu tarafından görüldüğü gibi genişletmek başarısız oldu. Böylece, ortogonal artı dilatasyon çekirdek membran ayırma bir perinexus bir eksen ile genişliyor çapraz olarak örneğin yaklaşık 45 ° odaklı ve X ve kutusunu çekirdekleri demek Whafife p fazla hesaplamış perinexus uzun ekseninin ayrıca 45 ° ne zamandı. Bu çözümleme bağlı olarak, biz artı şeklindeki çekirdeği ile genişliyor oluşturulmuş değerleri uygulanan bir düzeltme faktörü geliştirilmiştir. Görüntü yönü, ölçülen genişliği değerine bağlı olarak resim (denklem 1) yönünü çarpımı Bu düzeltme faktörü ile ilişkili membran ayırma tahmindi hesaba katan. Eğer θ < 45°      Wp düzeltilmiş cosd(θ) = * Wp ile ölçülür Eğer θ ≥45 °      Wp düzeltilmiş cosd(θ) = * Wp ölçülen (denklem 1) Bu denklemde yukarıdaki algoritma ve θ tarafından üretilen orijinal Wp değeri hesaplanan yatay, derece cinsinden açıdır ölçülen Wp var. Θ perinexal merkeze göre dikey yönde toplam değişim bölü yatay yöndeki toplam değişikliği ters tanjantını alarak hesaplanır. Yukarıdaki düzeltme yatay, perinexus göre ortalama açı yaklasik (Şekil 8A, sol-üst) ve sanki bir yatay perinexus elde bir ölçüm sonuçları (Şekil 8A, sol-alt). Bu denklem arkasındaki mantığı artı şeklindeki çekirdek (Şekil 7A) birbirine uygun düzenlenmiş aslında iki çizgi şeklinde çekirdekleri olması geliyor. Bu nedenle, aşağıda 45° (yatay yakın), dikey olarak dilations oluşur ve bu nedenle açının kosinüsünü tarafından çarparak doğru ölçüm verir. Bunun tersi olarak, yatay olarak için açı 45° (yakın dikey), dilations yukarıda ortaya ve sinüs doğru ölçüm belirlemek için kullanılır. Tam 45 ° sinüs ve kosinüs eşittir. Ek dosya S4 bu kavram bir tasviri sağlar. Not Bu düzeltme ortalama akıntıya çapraz dayanmaktadır ve önemli ölçüde doğrusal olmayan şekiller analiz ederken dikkatli kullanılmalıdır. Bu işlem 20 rasgele seçilmiş perinexi üzerinde tekrarlandı ve düzeltilmiş ölçümleri güçlü el ile döndürme ve yeniden görüntüler (Şekil 8A, sağ) analiz elde edilen ölçümler ile ilişkili. Görüntü yönü için doğru düzeltmeyi onaylamak için hayalet kenarları iki kümesi oluşturulan (Şekil 8B, sol) ve döndürülmüş 180 ° idi. Trigonometrik düzeltme ile algoritma doğru uzaysal çözünürlük veya görüntü boyutu (Şekil 8B, sağ) ne olursa olsun, her yönüne doğru değer döndürdü. Analitik uygulama ve tekrarlanabilirlik yönlendirme düzeltme. Önceki çalışmalarda kullanarak el ile segmentasyon rapor istatistiksel olarak anlamlı Wp farklılıklar büyüktür demek veya 3’e eşit hatırlatarak nm, algoritma için önceki bulgular kullanarak özetlemek için kullanılabilir olup olmadığını belirlemek önemli bir tam veri kümesi. Yeni algoritmasıyla iki gözlemci – bir deneyimli ve bir perinexal analizi ile unexperienced (Obs. 1 ve Obs. 2, sırasıyla)-12 hasta ile atriyal tanısı önceki bir çalışma6 aynı görüntüleri analiz fibrilasyon (AF) doku toplama ve önceden var olan AF (No-AF) yoktu 29 hastalar önce. Deneyimli Kullanıcı Wp önemli ölçüde daha geniş AF AF olmadan olan hastalarda bulunmuştur (21.9±2.5 ve 18.4±2.0 nm, sırasıyla, Şekil 9A). Bu değerleri uygulanan düzeltme faktörü ile daha önce bildirilen bu benzer (24.4±2.2 nm ve 20.7±2.4 nm, sırasıyla)6. Önemlisi, deneyimsiz kullanıcı aynı anlamlı fark bulundu (22.1±2.8 nm ve 20.1±2.6 nm, sırasıyla) hastalık durumlarında otomatik program ile arasında. Ayrıca, Wp değerleri standart sapması 2-3 nm standart sapması algoritma ama yapısının bir obje değil gösteren düzeltme faktörü ile kendisi ve doku işleme değişmedi. Bu sonuçlar otomatik olarak önerilen yöntemi önceki çalışmaların sonuçları recapitulating kapasitesine sahip olduğunu göstermektedir. Önemlisi, perinexus ve son zamanlarda tanımlı yapı oybirliği membran ayırma GJ2,3′ e bitişik mutlak değerler dizi ulaşıldı. Dış-membran-için-dış-membran GJ genişliği 20 nm13, önceden tahmin edilmektedir beri aynı zamanda GJ genişliğini ölçerek algoritması’nın etkinliğini belirlemek istedi. Her iki gözlemci veya önceden varolan AF (Şekil 9B) olmadan hastaların gap junction genişlikleri (GJW) arasında anlamlı bir fark bulunamadı. AF ve AF hastalar için mutlak GJW değerleri 20,5 ± 2.5 nm ve 20,3 ± 1.9 nm, sırasıyla, deneyimli gözlemci ve 21,0 ± 3.1 nm ve deneyimsiz Observegazetesinin ne daha önce bildirilen için benzer 20.0 ± 2.2 nm için idi. Otomatik algoritma daha el ile bölümleme verileri çözümlemek için daha az zaman gerekli olup olmadığını belirlemek için hem deneyimli ve deneyimsiz kullanıcı süre 10-görüntü eğitim ölçmek için set (ek dosya S5) kaydedildi. Tablo 1 deneyimli ve deneyimsiz kullanıcı analiz süresini tarafından 4.7 – ve 8.3 – sırasıyla Otomatik manuel segmentasyon yaklaşım göre kayma yaklaşık 43-fold bir artış ile algoritmasıyla kat azalma olduğunu gösterir perinexus boyunca çözünürlüğünü. Algoritma sorun giderme. En yaygın hata algoritma çalışıyor son Merkez görüntünün kenarı bitmiyor oluşur. Bu gibi durumlarda, yeterli puan başarısız ve daha büyük bir kırpma alanı seçin veya kayma türev eşik artırmak için Kullanıcı danışmanlık hata iletisi üretmek programın neden kayma türev haritadan seçildi. Daha büyük bir kırpma kutusunu çizim programı bazı durumlarda güvenilirlik büyük ölçüde kılavuz veya kenar algılama algoritmaları bozabilir Şekil kenarlarının yakınındaki kayma türev değiştikçe artıracaktır. Merkez görüntünün kenarı ulaşırsa bile düzgün Merkez, tanımlamak başarısız, özellikle degrade eşik ise (Şekil 2A) çok düşük için kılavuz algoritma için mümkündür. Degrade eşik çok yüksek ayarlı ise, hesaplama verimliliği azalan kılavuz algoritması (Şekil 2B), dahil daha fazla gereksiz noktaları olacak. Kullanıcının uygun bir eşik değeri görüntü dizi belirleyemiyor olup olmadığını “GMag” (Şekil 2C), hangi program tarafından oluşturulur ve -ebilmek bulunmak çalışma alanında Yardım Kullanıcı eşik belirleyebilir. Merkez boyunca noktaları bulmak ve bu noktalar seçilir emin olmak için biraz kendi dizin değeri eşik ayarlayın. Verilen örnekte, uygun bir eşik değeri (Şekil 2C, Ekle) ~5.1 olurdu. Başlangıç noktasını da perinexus (resim 2D) başında ulaşmak başarısız olabilir. Bu durumda, programı yeniden çalıştırın ve El ile başlangıç değerini 1 olarak ayarlayın. Merkez izole edildikten sonra Kullanıcı bir noktaya perinexus dışında seçer ve seçilen piksel (Şekil 2E, Kızıl Meydan) en yakın merkez noktası başlangıç noktası olarak ayarlanır. Tam merkeze göre (Şekil 2F) sonucudur. Resim 1 : Miktar işlemleri görüntülerle TEM. El ile segment oluşturma işlemi (A) Merkez tahmin ederken 12 bireysel intermembrane ölçümleri gerçekleştirmek Kullanıcı gerektirir. Otomatik işlem (B) perinexus taslağını el ile sürekli iz gerektirir. Her resimde kırmızı nokta GJ Kullanıcı tanımlanan sonu ve perinexus başlangıcı temsil eder. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız.  Resim 2 : Merkeze göre sorun giderme. İki birincil modu hata merkeze göre kimlik ve çözümleri için: her resim Matlab dizi adı ile etiketlenmiş. Degrade eşik de ise düşük (A, eşik 0,2) merkeze göre algoritması başarısız olabilir. Ayarlama eşiği çok yüksek (B, eşik 70) kılavuz algoritması Hesaplamalı verimliliğini azaltabilirsiniz. Uygun bir degrade eşik GMag diziden belirlenebilir (C, Ekle). Merkez perinexus (D) başlangıç kenarına ulaşmak başarısız olursa, Kullanıcı el ile başlangıç noktasını seçmek için devre dışı bırakabilirsiniz. Sonra başlatmak “nokta” seçeneği 1 açılış GUI, Kullanıcı olarak ayarlanır sonra bir nokta dışında ilgi (E) perinexus seçer. Sonuçta doğru perinexus (F) tamamı gösteriyor bir merkeze göre olmalıdır. (A-F) tekliflerdeki tüm etiketleri Matlab değişken adlarını karşılık gelir. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız. Şekil 3 : Perinexus seçim. Perinexus, tıklayın-ve-(kırpma aracı otomatik olarak seçilmesi) çevresinde bir kutu mavi okla gösterildiği gibi sürükleyin için basılı tutun kırpmak için. Bu kutu kareler kenarları ve köşeleri daha büyük veya daha küçük yapmak için kullanarak ayarlanabilir. Yeşil ok Kullanıcı “açık” kalır emin olmalısınız perinexus sonu temsil eder. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız. Şekil 4 : Seri görüntü dilations. İkili anahat art arda bir piksellik artış aralıklarında (A-D) büyümüş ve çalışma görüntü (resim, E-H ikili olmayan formu) her genişleme sonra eklendi. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız. Şekil 5: merkeze göre yalıtım ve kılavuz. Kayma bir türev son çalışma görüntü hesaplanır (A) ve bu kayma türev büyüklüğü anahat ve Merkez (beyaz ok) izole etmek için kullanılır (B). Bir Kullanıcı tanımlı eşik anahat tanımlar ve Merkez çizgisi ve özgün anahat çıkarma verimleri Merkez (D). Ancak, boşluklar merkeze göre eşik bir sonucu olarak görüntülenir (D – Ekle). Sürekli bir merkeze göre üretmek için ikincil bir genişleme izole Merkez (E), bir sonraki kılavuz algoritması Hesaplamalı verimliliğini artırmak için ikincil bir erozyon tarafından takip gerçekleştirilir. Erozyona uğramış bu görüntü (F) sonra sürekli, bir piksel kalınlığında merkeze göre tanımlanması için izin son çalışma görüntü ile birlikte (G – Ekle). Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız. Şekil 6 : Son veri sunumunu. Programın son anahat orijinal TEM görüntü (A) üstüne çıkarır. 0-150 için renk kodlu yeşil çizgidir nm, faiz ve kırmızı 150 olarak alanı için Kullanıcı tanımlı bölge için mavi nm. Ayrıca, programın yanı sıra ortalama Wp (gömme ilgili grafikte) Wp perinexus ve ilgi (B), bölge için uzaktan bir fonksiyonu olarak temsil eden bir benzer şekilde renk kodlu grafik çıkarır. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız. Şekil 7 : Genişleme çekirdek şekli analiz. Dilatasyon çekirdekler (A) için şekiller: yıldız orta dilate pikselleri temsil eder. Artı, X, kutu veya çizgi şeklinde genişleme etkilenen piksel beyaz kutularıdır. Yaklaşık yatay bir perinexus (B, 0 ° gösteren kırmızı bir çizgi ile en iyi) saat yönünde 0 ile 10 ° ve art arda dilate (B, alt) farklı çekirdek şekilleri kullanarak adımlarla 180 ° döndürülmüş. Kutu ve X şeklinde çekirdekleri tarafından 45 ° faz dışı olmakla birlikte bazı yönleri, hat çekirdek başarısız olsa da artı ve çizgi şeklinde çekirdekleri benzer sonuçlar üretir. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız. Şekil 8 : Resim yönlendirmesini düzeltme. İçin resmin, yönünü için doğru perinexus ortalama açı konumları, Başlat – ve uç – points (A, solda, başında ve sonunda siyah çizgi) hesaplanır. Y yönü (A, solda, yeşil hat) değişikliği ters tanjantını değiştir x-Yön (A, solda, kırmızı hat) verimleri düzeltme açısı θ (A, solda, sarı) bölünür. Perinexus yaklaşık yatay yansıması sanki kenarları arasındaki en kısa uzaklığı vermek için Ortalama Wp değeri düzeltmek için hedeftir (A, solda aşağıda). Denklem 1 tarafından açıklanan düzeltme faktörü uygulama el ile her biri 15 rastgele seçilen resim döndürme için analiz daha önce hesaplanan θ tarafından karşılaştırıldı. Düzeltilmiş değerleri güçlü döndürülmüş görüntü değerleri ile korelasyon (R2 0.991, A, sağ =), denklem 1 geçerli düzeltme faktörü görüntü yönü için oluşur. Düzeltme faktörü uygun olduğunu onaylamak için iki hayaletler onları (B, sol) arasında bilinen bir mesafe ile mükemmel paralel kenarlarının üretildi. Hayalet 1 ve Phantom 2 var 2.833 piksel uzamsal çözünürlük / mm. ve 71.6 piksel/inç, anılan sıraya göre. Mavi elmas ve b kırmızı kareler olarak görüntülenir, algoritma doğru bir şekilde onların genişlikleri görüntüyü döndürme 180 derece arasında hesaplar. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız. Şekil 9 : Algoritma tekrarlanabilirlik. Otomatik işlem ile görüntü yönünü düzeltme kullanarak, bir deneyimli ve deneyimsiz gözlemci buldum 2. 6 en az bir fark tespit AF ve No-AF grupları (A), bir önceki çalışma ile tutarlı arasında önemli farklılıklar nm. Ayrıca, ben de gözlemci önemli bir fark GJW (B) bulundu. Bu rakam daha büyük bir versiyonunu görüntülemek için buraya tıklayınız. El ile Otomatik Zaman – Obs. 1 (s) 205±11 44±14 Zaman – Obs. 2 (s) 248±18 30±5 Uzaysal Çözünürlük (ölçümleri/nm) 0,08 3,45 Tablo 1: el ile ve otomatik işlemler karşılaştırılması. Her iki gözlemci resim 10-görüntü eğitim kümesi için el ile segment oluşturma işlemi gerçekleştirmek daha hatlarını çıkartıyor başına daha az zaman gerekli. Ayrıca, otomatik işlemi daha yüksek olan örnekleme frekansı, nm, başına 3.45 ölçümleri kayıt kıyasla ortalama 1 ölçü her 12,5 nm el ile işlem için. Eğitim set görüntüleri ek dosya S5 içinde özetliyor ve ölçümleri ile birlikte deneyimli bir kullanıcı tarafından gerçekleştirilen bulunabilir.

Discussion

Bu durumda perinexus2,3,14arası membran ayırma bir ikili resim iki karşıt 2D kenarları arasındaki piksel sayısını saymak için seri görüntü dilations algoritmasını kullanır. Kayma bir türev ve kılavuz algoritma daha sonra Merkez,15önce yapılmıştır için benzer boşlukları doldurmak için ikincil bir genişleme ve erozyon sıra ardından Merkez, izole etmek için kullanılır. Merkez, sonra GJ sonunda ve başında perinexus16, perinexal genişlik kenar ayırma, bu durumda başlangıcından itibaren mesafe bir fonksiyonu olarak temsil etmek için son genişleme-rakam görüntü birleştirilmiştir.

Kullanıcı tanımlı bir GUI programın başında dört birincil parametreler şunlardır:

  1. Degrade eşik
  2. Ölçek
  3. Bölge faiz aralığının
  4. Başlangıç noktası seçimi Yöntem (otomatik veya el ile)

En yaygın hata algoritması için bitiş noktası için kılavuz algoritma nasıl belirlenir olan görüntünün kenarı ulaşmak için Merkez başarısızlığın mekanizmadır. Böyle bir sorunu gidermek için kullanıcının 3.3.1, daha fazla puan üzerinden kılavuz algoritması tarafından gerek duyulan hesaplama süreyi uzatmış olursunuz kayma türev görüntü seçmek program neden olacak adım açıklanan degrade eşik artırabilirsiniz. Bu nedenle, bu algoritma hesaplama hızı ve merkeze göre bütünlüğü arasında bir uzlaşma gerektirir. Merkez tüm noktaları üzerinden kayma türevi bir uygun başlangıç noktası ile birlikte tanımlanır sürece kayma türev eşik kenar ayrılık ölçüm üzerinde hiçbir etkisi olmayacaktır unutmamak gerekir.

Görüntü yönü dilatasyon değerleri, etkilemeye görünür çekirdek bölgenin ilgi çoğunluğu bir açıyla 45 ° dilatasyon matrisler eksenleri ise hangi bir hata tanıtabilirsiniz 90 derece adımda genişletir. Bu nedenle, genişleme sayısı kenarları arasındaki boşluğu bir doğru bir şekilde temsil her zaman olmayabilir. Bu sınırlama bir trigonometrik düzeltme faktörü tarafından ele almıştır ama bir veri kümesindeki tüm görüntüleri aynı yönlendirme hizalanırsa potansiyel olarak göz ardı. Bölüm uçaklar için iki membran mükemmel dik değildir mümkün olduğu gibi Ayrıca, uyarı sonuçları, yorumlanmasında kullanılmalıdır. Şekil 9B, bizim perinexus görüntüleri uçak-önermek için GJW kullanın. Yine de, bu örneklerin boyutu olacak kadar büyük görüntü arasında parça değişiklikleri hesaba zorunludur. Ayrıca, bizim perinexal genişliği ölçümleri vivo içinde boşluklar, ancak bu yaklaşım bazı müdahale veya hastalık durumuna göre perinexal genişliği ortalama farklılıkları ölçmek için kullanılan yansıtacak şekilde yorumlanmalıdır değil.

Geçerli algoritması da girdi olarak el ile takip anahat kenarlarının gerektirir. Ölçeğin doğru ayarlandığından sürece, uzaysal çözünürlük algoritması’nın ölçümleri, Şekil 6 Albümdeki ve bir ek düşük çözünürlüklü görüntü tamamlayıcı değişen çözünürlükleri tarafından gösterildiği gibi etkilemez olduğunu unutmamak önemlidir S6 dosya. Algoritma geliştirmek sonraki adım insan müdahalesi ilgi alanı seçebilirsiniz bir araç ile birlikte anahat kuşaktan kaldırıyor. Bu özellikler büyük olasılıkla ölçüm doğruluğunu geliştirmek ve Kullanıcı önyargı azaltmak.

Bu hesaplama açısından verimli algoritması perinexus ile el ile segment oluşturma işleminin karşılaştırıldığında tekrarlanabilirlik için algılanabilir hiçbir ceza miktarının, yaklaşık beşte biri kaybettiğimiz, gerektiren daha hızlı bir yöntem sağlar. Ayrıca, el ile segment oluşturma işlemi bir ölçü perinexus membran ayrılması önemli ölçüde bu 15 nm mesafedeki değiştirebilirsiniz olarak hangi örnekleme altında yol açabilir perinexal genişliğini ölçmek için her 15 nanometre kullanır. Buna ek olarak, otomatik program Uzaysal Çözünürlük görüntüleme yöntemi, bu durumda 2.9 piksel / nanometre bu nedenle perinexal genişliği daha iyi çözülmüş bir ortalama teslim perinexus, uzunluğu boyunca eşit vardır.

Kardiyak yapısal biyoloji alanındaki uygulamaları umut verici ve heyecan verici olmakla birlikte, bu algoritma’nın kullandığı TEM görüntüleri için sınırlı değildir. İki yarı paralel 2D kenarları kesin, yüksek çözünürlüklü ölçümü yapabilirsiniz gerektiren herhangi bir alan bu algoritması kullanın. Algoritma bir şey riverbank erozyon ve sel desenlerini uydu görüntüleri aydınlık alan veya floresan mikroskobu ile vasküler gelişmeye üzerinden izlemek için kullanılabilir. Kardiyoloji ve ventrikül ejeksiyon fraksiyonu (EF) bakım noktası kardiyak ekokardiyografi ile ölçüm alanında biri en umut verici potansiyel uygulamalar. Daha yeni bir algoritma, AutoEF, şu anda kesme kenarı EF miktarının yöntemi18,19olmasına rağmen Şu anda, standart tekniği çift kanatlı diskleri17, yöntemidir. Çift kanatlı yöntemi disklerin için söz konusu odası el ile takip ve mademki genel birim otomatik olarak yığılmış eliptik disklerin toplamı hesaplanır bir modifiye Simpson’ın yöntemini kullanarak sayılabilir. Bu yöntemle ana fark yalnızca toplam kesit alanı ilgi belirli bölgeleri tanımlamak için herhangi bir çözüm ile istenen odasının döndürebilir ve ayrıca önemli insan girdi ve uzmanlık gerektirir kısıtlamadır. Daha yeni yöntemi, AutoEF, tanımlar ve 2D speckling algoritmasıyla ventrikül kenarına özetliyor ve ventrikül kesit alanı hesaplar. Bu işlem, hassas ve verimli brüt ventrikül alan ölçmek için de sadece toplam kesit alanı ölçüm bir benzer doğal sınırlama sahipken. Bu birincil dezavantajı klinisyenler teşhis ve tedavi yetenekleri sınırlar. Buna ek olarak, bu el yazması sunulan algoritması bir orta hat belirleyebilir ve ilgi belirli bölgeleri kesin olarak belirlemek için görüntüleme yöntemi çözüm eşit çözünürlüğe sahip. Ultrason tarayıcılar mikrometre uzaysal çözünürlük ile piyasada bulunan20,21Bu algoritma yerelleştirilmiş Duvar anomalisi mikrometre çözünürlükte tespit olabilir ima, çünkü bu önemlidir santimetre yerine. Bu uygulama deneysel olarak doğrulanması gerekir iken, bu algoritmanın en hemen umut verici uygulamalar biridir. Aslında, kolayca AutoEF yeteneklerini izleme benek ile kombine veya daha yüksek çözünürlükte bilgi paralelinde geleneksel EF veri sağlamak için el ile planimetry el ile izlemeler kullanılan.

Kadar çok yönlü ve ilgili geçerli algoritması olduğundan, 2D görüntüler için geliştirilmiştir. Ancak, görüntüleme teknolojileri geliştirmeye devam ettikçe, 3 ve 4 D miktar teknolojileri için artan bir talep olduğunu. Bu nedenle, algoritma bir sonraki yineleme aynı yaklaşımı seri olarak bir merkeze göre otomatik olarak tanımlama Şu anda geçerli görüntüleme programları yeteneklerini nerede 3 boyutlu bir nesne için bir ikili görüntü genişliyor, adapte etmektir. Böyle bir algoritma geniş klinik ve deneysel olarak kardiyak alanında 3D kardiyak echocardiograms22,23, 3D elektron mikroskobu24,25, de dahil olmak üzere yalnız olurdu 26ve 3D manyetik rezonans görüntüleme27,28,29.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Yazarlar Kathy Lowe, Virginia-Maryland veteriner işleme ve TEM örnekleri boyama için Tıp Fakültesi teşekkür etmek istiyorum.
Fonlama:
Ulusal Sağlık R01-HL102298 Enstitüleri
Ulusal Sağlık F31-HL140873-01 Enstitüleri

Materials

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

  1. Rhett, J. M., Gourdie, R. G. The perinexus: a new feature of Cx43 gap junction organization. Heart Rhythm. 9 (4), 619-623 (2012).
  2. 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).
  3. 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).
  4. 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).
  5. 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).
  6. Raisch, T. B., et al. Intercalated Disc Extracellular Nanodomain Expansion in Patients with Atrial Fibrillation. Frontiers in Physiology. , (2018).
  7. 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).
  8. Papari, G., Petkov, N. Adaptive pseudo dilation for gestalt edge grouping and contour detection. IEEE Transactions on Image Processing. 17 (10), 1950-1962 (2008).
  9. 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).
  10. 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).
  11. Huttner, I., Boutet, M., More, R. H. Gap junctions in arterial endothelium. Journal of Cell Biology. 57 (1), 247-252 (1973).
  12. Makowski, L., et al. Gap junction structures. II. Analysis of the x-ray diffraction data. Journal of Cell Biology. 74 (2), 629-645 (1977).
  13. 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).
  14. 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).
  15. Rhett, J. M., et al. The perinexus: Sign-post on the path to a new model of cardiac conduction. Trends in Cardiovascular Medicine. , (2013).
  16. 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).
  17. 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).
  18. 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).
  19. 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).
  20. 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).
  21. Papademetris, X., et al. Estimation of 3D left ventricular deformation from echocardiography. Medical Image Analysis. 5 (1), 17-28 (2001).
  22. 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).
  23. Cretoiu, D., et al. Human cardiac telocytes: 3D imaging by FIB-SEM tomography. Journal of Cellular and Molecular Medicine. 18 (11), 2157-2164 (2014).
  24. 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).
  25. 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).
  26. 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).
  27. 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).
  28. 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).

Play Video

Cite This Article
Raisch, T., Khan, M., Poelzing, S. Quantifying Intermembrane Distances with Serial Image Dilations. J. Vis. Exp. (139), e58311, doi:10.3791/58311 (2018).

View Video