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.
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.
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.
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:
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.
The authors have nothing to disclose.
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
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 |