该方法有助于回答心脏电生理学领域有关细胞外空间结构和细胞通信机制的关键问题。该技术的主要优点是具有高吞吐量能力，并且提高了空间采样频率。从本质上讲，我们可以以更快、更有信心获得测量结果。
没有可视化演示，Perinexus 的识别和程序故障排除很难学习，因为 perinexus 是一个相对较新的定义结构，对于不熟悉 MATLAB 的调查人员来说，故障排除可能并不直观。对于灰度图像，请使用数值计算软件来确保没有像素的强度大于 255。然后，在图像处理软件中打开配对图像，并放大 perinexus。
正确识别看内克斯至关重要。第一步是确定具有条纹外观的间隙结斑块。然后，我们寻找两个对立的膜，在平面上，约200纳米。
从五角菌结构中识别间隙结斑块。围膜的开始，是两个对立的细胞膜双层分离的点。以纳米表示比例杆。
佩里纳克斯轮廓的起点和终点将是200纳米从佩里纳克斯的开始。接下来，选择徒手选择工具。单击并拖动，或使用手写笔沿着一个细胞的内膜仔细跟踪，到周围膜的开始，然后沿着第二个细胞的内膜进行跟踪。
通过松开鼠标按钮或抬起手写笔关闭所选区域。然后，将线宽设置为一个像素，将前景颜色设置为图像类型的最高强度值。如白色，用于灰度图像。
从所选内容创建跟踪轮廓，并保存生成的图像为与分析软件（如 JPEG 或 TIFF）兼容的文件类型。如果需要，打开膜分离距离分析软件，并更改要生成的数据和数字的保存位置。保存文件并关闭它。
然后，运行程序。为中心线标识适当设置空间导数梯度阈值。设置每单位长度的刻度和像素。
设置感兴趣区域的空间下限和上限，以及间隙交汇点的边缘。选择自动或手动起点检测。对于不规则形状的近周，可能需要手动起点检测。
然后，使用轮廓的内形图打开图像。单击并拖动以绘制一个框围绕看内克斯，不包括关闭的端。双击跟踪的看内轮廓内，裁剪图像并识别中心线。
如果要手动选择起点，则十字线光标和中心线将显示在原始图像上。选择接近所需起点的看点外的点以继续此过程。过程完成后，确认中心线保持在近间线内，并正确相交起点。
查看生成的数据并绘制上周宽。如果中心线未正确识别和隔离，请打开 g-mag 图像数组以确定适当的梯度阈值。我们使用索引工具单击中心线和 g-mag 数组，了解我们希望选择中心线查找算法的像素。
然后，渐变阈值应设置在略高于这些像素的强度值。选择索引工具，然后单击中心线并围绕中心线显示应选择的像素的索引值。将空间导数梯度阈值设置为略高于索引值，然后再次运行该过程。
如果在自动进程中未正确检测到起点，则使用手动起点检测再次运行程序。在此过程中，手动轮廓以一个像素增量进行扩张，以计算两条边之间的像素数。每个增量都添加到工作图像中以生成空间导数。
原始轮廓和中心线的大小不连续。隔离中心线后，通过扩张、侵蚀和路径查找算法进行细化。perinexal 宽度表示为从看内克斯开始的距离的函数，或在感兴趣的区域内，以及这两个函数的平均值。
随着近视线方向的变化，根据扩张模式，观察到近视克斯宽度的过或低估。三角校正产生与旋转以水平定向看周化的图像密切相关的结果。该算法已验证了不同的空间分辨率、参考单位和图像大小。
有经验的和缺乏经验的用户跟踪轮廓的速度比手动分割图像的要快。自动化过程具有显著更高的空间分辨率。经验丰富和缺乏经验的观察者准确识别了有或没有预先存在的心房颤动的患者之间的内面宽度显著差异。
这些观察者还准确地识别了同一总体中绝对间隙交汇点宽度之间的显著差异。内面和间隙交汇点宽度与以前的报告一致。尝试此过程时，请记住花时间使用轮廓，因为即使与膜的少量偏差也会产生此比例的大量错误。
通常，不熟悉此方法的个人会因为不熟悉所测量的结构而挣扎，或者他们不确定如何排除问题以启动点识别或中心线偏差。查看执行此图像处理方法至关重要。由于 perinexus 识别和算法故障排除是很难学习没有它。
我们希望确保我们量化我们说的我们正在测量的。这项技术为心脏健康领域的研究人员探索许多心脏功能水平的更高分辨率定量铺平了道路。从纳米尺度、细胞外空间到心室效率或功能障碍的临床测定。
虽然这种方法用电显微镜图像演示，但它也可以应用于其他成像技术，如心脏超声心动图，以更精确地量化心脏的机械功能。此方法可以在任何成像字段中找到应用程序，因为如果比例设置得当且边缘几乎平行，则程序可以测量两个定义边之间的空间。
