שיטה זו יכולה לעזור לענות על שאלות מפתח בתחום האלקטרופיזיולוגי הלבבי, על מבנה המרחב החוץ-תאי ומנגנוני התקשורת התאית. היתרונות העיקריים של טכניקה זו הם שיש לה יכולות תפוקה גבוהות, ותדירות דגימה מרחבית משופרת. בעיקרו של דבר, אנו יכולים להשיג מדידות מהר יותר עם ביטחון גבוה יותר מאשר בעבר.
זיהוי Perinexus ופתרון בעיות תוכנית קשה ללמוד ללא הדגמה חזותית, כי perinexus הוא מבנה חדש יחסית מוגדר, פתרון בעיות לא יכול להיות אינטואיטיבי עבור חוקרים שאינם מכירים את MATLAB. לתמונות בגווני אפור, השתמשו בתוכנת מחשוב מספרית כדי להבטיח שלאף פיקסל לא תהיה עוצמה הגדולה מ- 255. לאחר מכן, פתחו את התמונה הזוגית שלנו בתוכנה לעיבוד תמונה, והגדילו את התצוגה של ה-perinexus.
זה קריטי כדי לזהות כראוי את perinexus. השלב הראשון הוא לזהות לוחית צומת פער, אשר יש מראה פסים. לאחר מכן, אנו מחפשים שני ממברנות מנוגדות, במטוס, החוצה על 200 ננומטר.
זהה את לוחית צומת הפער ממבנה הפנטלמידר שלו. תחילתו של פרינקסוס, היא הנקודה שבה שני bilayers קרום התא הנגדי לסטות. הצג סרגל קנה מידה בננומטרים.
נקודות ההתחלה והסיום של קווי המתאר של פרינקסוס יהיו 200 ננומטר מתחילת פרינקסוס. לאחר מכן, בחרו בכלי הבחירה ביד חופשית. לחץ וגרור, או להשתמש עט אלקטרוני כדי לעקוב בזהירות לאורך הממברנה הפנימית של תא אחד, לתחילת perinexus, ובחזרה לאורך הממברנה הפנימית של התא השני.
סגור את האזור הנבחר על-ידי שחרור לחצן העכבר או הרמת העט. לאחר מכן, הגדר את רוחב הקו לפיקסל אחד ואת צבע הקידמה לערך העוצמה הגבוה ביותר עבור סוג התמונה. כגון לבן, לתמונה בגווני אפור.
צור חלוקה לרמות עם מעקב מהבחירה ושמור את התמונה המתקבלת כסוג קובץ התואם לתוכנה לניתוח, כגון JPEG או TIFF. במידת הצורך, פתח את תוכנת ניתוח מרחק ההפרדה של הממברנה ושנה את מיקומי השמירה כדי שהנתונים והמספרים ייווצרו. שמור את הקובץ וסגור אותו.
לאחר מכן, הפעל את התוכנית. הגדר את סף מעבר הצבע הנגזר המרחבי כראוי לזיהוי קו מרכז. הגדר את קנה המידה והפיקסלים לכל אורך יחידה.
הגדר את הגבולות התחתונים והגבוהים המרחביים לאזור העניין, ביחס לקצה צומת הפער. בחר זיהוי אוטומטי או ידני של נקודת התחלה. זיהוי נקודת התחלה ידני עשוי להיות נחוץ עבור פרקיקסי בצורה לא סדירה.
לאחר מכן, פתחו את התמונה בעזרת פרינקסוס עם קווי המתאר. לחץ וגרור כדי לצייר תיבה מסביב ל- perinexus, למעט הקצה הסגור. לחצו פעמיים בתוך קו המיתאר של חיץ הדרך למעקב כדי לחתוך את התמונה ולזהות את הקו המרכזי.
אם יש לבחור את נקודת ההתחלה באופן ידני, יופיעו סמן הצלבות וקו מרכזי מעל התמונה המקורית. בחר נקודה מחוץ לנקודת ההתחלה הרצויה כדי להמשיך בתהליך. לאחר סיום התהליך, ודא כי קו המרכז נשאר בתוך ה- perinexus, וגם מצטלב כראוי עם נקודת ההתחלה.
סקור את הנתונים שנוצרו והתוות את הרוחב המזנון. אם קו המרכז לא זוהה כראוי ובודד, פתח את מערך התמונות g-mag כדי לקבוע סף מעבר צבע מתאים. אנו משתמשים בכלי האינדקס כדי ללחוץ מסביב לקו המרכז, ובמערך g-mag כדי לקבל מושג איזה פיקסל אנחנו רוצים שאלגוריתם חיפוש קו המרכז יבחר.
לאחר מכן יש להגדיר את סף מעבר הצבע מעט מעל ערך העוצמה של פיקסלים אלה. בחרו בכלי האינדקס ולחצו על קו המרכז שסביבו כדי להציג את ערך האינדקס של הפיקסלים שיש לבחור. הגדר את סף מעבר הצבע הנגזר המרחבי ממש מעל ערך האינדקס והפעל שוב את התהליך.
אם נקודת ההתחלה לא זוהתה כראוי בתהליך האוטומטי, הפעל שוב את התוכנית באמצעות זיהוי ידני של נקודת התחלה. בתהליך זה, קווי מתאר ידניים גדלים במרווחי פיקסל אחד כדי לספור את מספר הפיקסלים בין שני הקצוות. כל תוספת קבועה נוספת לתמונה עובדת כדי ליצור נגזרת מרחבית.
קווי המתאר המקוריים והקו המרכזי הם אי-רציפות בסדר גודלו. לאחר בידוד קו המרכז, הוא מעודן על ידי תלילות, שחיקה ואלגוריתם לסיום נתיב. רוחב perinexal מוצג כפונקציה של מרחק מתחילת perinexus, או בתוך אזור של עניין, וכממוצע של שתי פונקציות אלה.
כאשר כיוון perinexus השתנה, מעל או ממעיט ברוחב perinexus נצפו, בהתאם לתבנית תליל. תיקון טריגונומטרי הניב תוצאות מתואמות היטב עם תמונות מסובבים כדי לכוון את perinexus אופקית. האלגוריתם אומת עבור רזולוציות מרחביות שונות, יחידות ייחוס וגדלי תמונה שונים.
הן משתמשים מנוסים והן משתמשים לא מנוסים עקבו אחר החלוקה לרמות מהר יותר מאשר הם פילחו את התמונה באופן ידני. ולתהליך האוטומטי הייתה רזולוציה מרחבית גדולה יותר באופן משמעותי. משקיפים מנוסים ולא מנוסים זיהו במדויק הבדלים משמעותיים ברוחב הקדם-לידתי בין מטופלים עם ובלי פרפור פרוזדורים קיים.
משקיפים אלה גם לא זיהו במדויק הבדל משמעותי בין רוחב צומת הפער המוחלט באותה אוכלוסייה. רוחב צומת פרינקסל והפער תאם את הדוחות הקודמים. בעת ניסיון הליך זה, זכור לקחת את הזמן שלך עם קווי המתאר, כמו אפילו סטיות קטנות מן הממברנה יכול לייצר שגיאות משמעותיות בקנה מידה זה.
באופן כללי, אנשים חדשים בשיטה זו נאבקים מכיוון שהם אינם מכירים את המבנה שהם מודדים, או שאינם בטוחים כיצד לפתור בעיות כדי להתחיל בזיהוי נקודתי או בסטיית קו מרכזי. לראות את שיטת עיבוד התמונה הזו מבוצעת היא קריטית. כמו זיהוי perinexus ופתרון בעיות אלגוריתם קשה ללמוד בלעדיו.
ואנחנו רוצים לוודא שאנחנו מכמתים את מה שאנחנו אומרים שאנחנו מודדים. טכניקה זו סוללת את הדרך לחוקרים בתחום בריאות הלב, לחקור כימות ברזולוציה גבוהה יותר של רמות רבות של תפקוד הלב. החל ממרחבים ננומטריים, חוץ-תאיים, לקביעה קלינית של יעילות חדרית או חוסר תפוקה.
למרות שיטה זו הודגם עם תמונות electromicroscopy, זה יכול להיות מיושם גם על טכניקות הדמיה אחרות, כגון אקו קרדיוגרפיה לב כדי לכמת בצורה מדויקת יותר את הפונקציה המכנית של הלב. שיטה זו עשויה למצוא יישומים בכל שדה דימות מכיוון שהתוכנית יכולה למדוד את הרווח בין שני קצוות מוגדרים, אם קנה המידה מוגדר כראוי והקצוות כמעט מקבילים.
