이 방법은 세포 외 공간 및 세포 통신 메커니즘의 구조에 대한 심장 전기 생리학적 분야의 주요 질문에 대답하는 데 도움이 될 수 있습니다. 이 기술의 주요 장점은 처리량이 높고 공간 샘플링 빈도가 향상된다는 것입니다. 본질적으로, 우리는 이전보다 더 빠르고 높은 신뢰로 측정을 얻을 수 있습니다.
페리넥서스는 비교적 새로 정의된 구조이기 때문에 시각적 인 데모없이 배우기 어렵고 MATLAB에 익숙하지 않은 수사관에게 문제 해결이 직관적이지 않을 수 있습니다. 회색 크기 이미지의 경우 숫자 컴퓨팅 소프트웨어를 사용하여 픽셀의 강도가 255보다 큰지 확인합니다. 그런 다음 이미지 프로세싱 소프트웨어에서 페어링된 이미지를 열고 회공증을 확대합니다.
회공증을 제대로 식별하는 것이 중요합니다. 첫 번째 단계는 줄무늬 모양이있는 간격 접합 플라크를 식별하는 것입니다. 그런 다음, 우리는 약 200 나노 미터에, 평면에서 두 개의 반대 멤브레인을 찾습니다.
펜틀라미너 구조의 갭 접합 플라크를 식별합니다. 회린의 시작은 두 개의 상대 세포막 이층이 갈라지는 지점입니다. 나노미터에 스케일 바를 표시합니다.
회린공 윤곽선의 시작 점과 끝점은 회공의 시작부터 200 나노미터가 될 것입니다. 다음으로 프리핸드 선택 도구를 선택합니다. 클릭 앤 드래그, 또는 스타일러스를 사용하여 한 세포의 내부 막을 따라 조심스럽게 추적하고, 회음증의 시작 부분으로, 그리고 두 번째 세포의 내부 막을 따라 다시 추적합니다.
마우스 버튼을 놓거나 스타일러스를 들어 올려 선택한 영역을 닫습니다. 그런 다음 선 너비를 1픽셀로 설정하고 전경 색상을 이미지 유형에 대한 가장 높은 강도 값으로 설정합니다. 회색 스케일 이미지의 경우 흰색과 같은 것입니다.
선택 에서 추적된 윤곽선을 만들고 결과 이미지를 JPEG 또는 TIFF와 같은 분석 소프트웨어와 호환되는 파일 유형으로 저장합니다. 필요한 경우 멤브레인 분리 거리 분석 소프트웨어를 열고 생성될 데이터 및 수치에 대한 저장 위치를 변경합니다. 파일을 저장하고 닫습니다.
그런 다음 프로그램을 실행합니다. 중심선 식별을 위해 공간 파생 그라데이션 임계값을 적절하게 설정합니다. 단위 길이당 배율과 픽셀을 설정합니다.
갭 접합의 모서리에 대해 관심 영역에 대한 공간 하부 및 상한을 설정합니다. 자동 또는 수동 시작점 감지를 선택합니다. 불규칙한 모양의 페리넥시에는 수동 시작점 감지가 필요할 수 있습니다.
그런 다음 설명된 회린증으로 이미지를 엽니다. 닫은 끝을 제외하고 회공 주위에 상자를 그리려면 클릭하고 드래그합니다. 추적된 회공 윤곽선 내부를 두 번 클릭하여 이미지를 자르고 중심선을 식별합니다.
시작점을 수동으로 선택하려면 십자선 커서와 중심선이 원본 이미지 위에 나타납니다. 프로세스를 계속하려면 원하는 시작점 가까이에 있는 회린공 외부의 점을 선택합니다. 프로세스가 완료되면 중심선이 회공 내에 남아 있는지 확인하고 시작점을 적절히 교차합니다.
생성된 데이터를 검토하고 회공 너비를 플롯합니다. 중심선이 제대로 식별되고 격리되지 않은 경우 g-mag 이미지 배열을 열어 적절한 그라데이션 임계값을 결정합니다. 인덱스 도구를 사용하여 중심선을 클릭하고 g-mag 배열을 사용하여 중심선 찾기 알고리즘을 선택할 픽셀에 대한 아이디어를 얻을 수 있습니다.
그런 다음 그라데이션 임계값을 해당 픽셀의 강도 값 바로 위에 설정해야 합니다. 인덱스 도구를 선택하고 중심선을 클릭하여 선택해야 하는 픽셀의 인덱스 값을 표시합니다. 공간 파생 그라데이션 임계값을 인덱스 값 바로 이상으로 설정하고 프로세스를 다시 실행합니다.
자동화된 프로세스에서 시작점이 올바르게 감지되지 않은 경우 수동 시작점 감지를 사용하여 프로그램을 다시 실행합니다. 이 과정에서 수동 윤곽선이 한 픽셀 단위로 확장되어 두 모서리 사이의 픽셀 수를 계산합니다. 각 증분은 공간 유도체를 생성하기 위해 작업 이미지에 추가됩니다.
원래 윤곽선과 중심선은 그 크기가 불연속적입니다. 중심선을 격리한 후 팽창, 침식 및 경로 찾기 알고리즘에 의해 정제됩니다. 회음 폭은 회음증의 시작또는 관심 영역 내에서, 그리고 두 함수의 평균으로 거리의 함수로 제시된다.
회음방향이 변경됨에 따라 팽창 패턴에 따라 회음부 폭의 과소 평가가 관찰되었다. 삼각 보정생성 결과는 회린증을 수평으로 방향을 돌리기 위해 회전된 이미지와 강하게 상관관계가 있습니다. 알고리즘은 다양한 공간 해상도, 참조 단위 및 이미지 크기에 대해 유효성을 검사했습니다.
경험이 많고 경험이 부족한 사용자 모두 이미지를 수동으로 분할하는 것보다 더 빠르게 윤곽선을 추적했습니다. 그리고 자동화된 프로세스는 공간 해상도가 훨씬 더 컸습니다. 경험이 풍부하고 경험이 부족한 관찰자는 기존의 심방 세동 환자 및 없이 회음 폭의 중요한 차이를 정확하게 확인했습니다.
이러한 관찰자는 또한 동일한 집단의 절대 간격 접합 폭 간에 큰 차이가 없음을 정확하게 확인했습니다. 회공 및 갭 접합 폭은 이전 보고서와 일치했습니다. 이 절차를 시도하는 동안 멤브레인의 작은 편차조차도이 척도에서 상당한 오류를 생성 할 수 있으므로 윤곽선으로 시간을 내어 시간을 내어야합니다.
일반적으로 이 방법을 새로 사용하는 개인은 측정하는 구조에 익숙하지 않거나 포인트 식별 또는 중심선 편차를 시작하기 위해 문제를 해결하는 방법을 확신하지 못해 어려움을 겪습니다. 이 이미지 처리 방법을 수행하는 것을 보는 것은 매우 중요합니다. 회공 식별 및 알고리즘 문제 해결은 그것없이 배우기 어렵기 때문에.
그리고 우리는 우리가 측정하는 것을 정량화하고 있는지 확인하고 싶습니다. 이 기술은 심장 기능의 많은 수준의 고해상도 정량화를 탐구하는 심장 건강의 필드에 있는 연구원을 위한 도로를 포장합니다. 나노 스케일에서 세포 외 공간에서 심실 효율 또는 기능 장애의 임상 적 결정에 이르기까지.
이 방법은 전자 현미경 심상을 통해 입증되었지만 심장의 기계적 기능을 보다 정확하게 정량화하기 위해 심장 심초음파와 같은 다른 이미징 기술에도 적용될 수 있습니다. 이 메서드는 프로그램이 두 개의 정의된 모서리 사이의 공간을 측정할 수 있고, 축척이 적절하게 설정되고 가장자리가 거의 평행한 경우 모든 이미징 필드에서 응용 프로그램을 찾을 수 있습니다.
