Name: quantifying intermembrane distances with serial image dilations
Uploaded: 2018-09-28T13:30:00
Duration: 7 min 45 s
Description: Watch this Scientific Journal Video about Quantifying Intermembrane Distances with Serial Image Dilations at JoVE.com

Les auteurs tiennent à remercier Kathy Lowe à la Virginie-Maryland College of Veterinary Medicine pour le traitement et la coloration des échantillons TEM. Financement : National Institutes of Health R01-HL102298 National Institutes of Health F31-HL140873-01

Remarque : Le logiciel requis sont ImageJ (ou un logiciel similaire-modification d’image) et Matlab R2015. L’utilisateur peut rencontrer des problèmes de compatibilité avec d’autres versions de Matlab.
1. prétraitement d’Images
<ol><li>Pour n’importe quelle image en niveaux de gris, assurez-vous que la valeur de l’intensité maximale d’un pixel donné est < 255. Cela est généralement fait en soustrayant la valeur 1 de l’image dans le programme personnalisé de Matlab « ImageSub.m », inclus dans le fichier supplémentaire S1.</li>
</ol>2. soulignant la Perinexus
<ol><li>Un aperçu du perinexus dans ImageJ ou autre logiciel de traitement d’image.</li>
	<li>Veiller à ce que l’esquisse est un pixel d’épaisseur et est définie sur la valeur d’intensité plus élevée dans une image (255 dans une image en niveaux de gris, de 0 à 255).</li>
	<li>Identifier le GJ par ses pentalaminar structure11,12et définir le début de le perinexus comme le point auquel les deux s’opposant à membrane cellulaire bicouches divergent, comme illustré dans la Figure 1A. BEGIN ~ 200 nm entre le bord de la GJ, retraçant le long de la membrane interne de la première cellule et retour le long de la membrane interne de la deuxième cellule. Dans ImageJ, relâcher le stylet pour fermer automatiquement le contour. Cette clôture artificielle sera tronquée plus tard. Remarque : Il est crucial d’esquisser la perinexus avec beaucoup de soin au plus haut un grossissement que possible, car même de petites applications erronées du contour peuvent entraîner quelques nanomètres d’erreur dans l’évaluation finale.</li>
</ol>3. mise en place d’algorithme et de sélection des Perinexus d’intérêt
Remarque : L’algorithme de pathfinding nécessite l’autographe, bord, graphe, nœud et Pathfinding fonctions9 pour être dans le même répertoire que le fichier MembraneSepDist m. Tous les fichiers se trouvent dans le fichier supplémentaire S1.
<ol><li>Sélectionnez Enregistrer les emplacements de données et de chiffres. Ce sont actuellement codée en dur dans le fichier m. Remarque : La première ligne du programme est une fonction pour effacer toutes les variables, fermez toutes les fenêtres et effacer la fenêtre de commande. Sauver des variables souhaitées ou figures avant d’exécuter le fichier m. NOTE : Captures d’écran du logiciel sont incluses dans toutes les valeurs codées en dur dans le fichier complémentaire S2.</li>
	<li>Exécutez le programme « MembraneSepDist.m ».</li>
	<li>Définir les paramètres. Remarque : Une interface graphique s’affiche avec les paramètres par défaut pour le seuil de gradient, l’échelle, la région d’intérêt et démarrage manuel. Les valeurs par défaut peuvent être modifiés dans le fichier m, ou ils peuvent être modifiés pour chaque image.<ol>
<li>Spatiale dérivée gradient seuil fixé. Remarque : Des valeurs plus élevées donne plus de points choisis dans l’isolement de la ligne médiane. Les valeurs qui sont trop haut ou trop bas (en dehors d’une plage d’environ 3,0-7,9) peuvent entraîner calcul inefficacité ou une sélection imprécise des points axe rendement isolation imprécis d’axe (voir Figure 2A-C).</li>
		<li>Définissez l’échelle en unités de pixels/échelle.</li>
		<li>Définir les limites inférieures et supérieures spatiales pour la région d’intérêt. Remarque : Par convention de notre laboratoire, la région définie d’intérêt est entre 30 et 105 nm du bord de la GJ2,3,10.</li>
		<li>Régler la mise en marche automatique/manuel. Dans la majorité des cas, l’algorithme détecte avec précision le point de départ où le gap junction finit et la perinexus commence. Toutefois, dans certains cas de perinexi de forme irrégulière, l’utilisateur doit identifier le point de démarrer manuellement. Définissez cette valeur sur 0 pour automatique, 1 pour le manuel.</li>
	</ol>
</li>
	<li>Choisissez l’image désirée. Remarque : Le dossier Sélectionner fichier peut être modifié dans le fichier m.</li>
	<li>Recadrer l’image pour sélectionner les perinexus d’intérêt.<ol>
<li>Lorsque l’image s’affiche, le curseur passe automatiquement à une croix. Recadrer l’image en faisant glisser un cadre autour de la perinexus d’intérêts (voir Figure 3). La boîte de culture peut être ajustée en utilisant les carrés sur les côtés et les coins pour le rendre plus grand ou plus petit.</li>
		<li>Lors de l’emblavage, assure la fin « ouverte » de le perinexus (plus éloigné de la GJ, voir Figure 3) est recadrée afin que les contours de deux membranes atteignent le bord de l’image recadrée. Remarque : Il est recommandé de faire l’image plein écran à plus facilement voir le perinexus d’intérêt et recadrer correctement.</li>
	</ol>
</li>
	<li>Sélectionnez la récolte finale en double-cliquant avec le curseur entre les bords opposés doivent être mesurés. Remarque : Il est essentiel que le double-clic se dérouleront à l’intérieur de la perinexus. Si le programme ne parvient pas à identifier un axe central, redémarrez le programme et veillez à ce que le déclic se produit au sein de la perinexus.</li>
	<li>Observez l’axe final après toutes les dilatations et les érosions pop pour une évaluation finale de l’efficacité du programme. Remarque : Une boîte de dialogue s’affiche sur l’écran pendant que le programme fonctionne pour informer l’utilisateur que Matlab ne pourra pas traiter les commandes supplémentaires jusqu'à ce que le programme est terminé. Combien de temps ce processus prend dépend de la taille du tableau (image) et la puissance de traitement informatique.</li>
	<li>Si le point de démarrage manuel est activé, observer l’image de l’axe central sautent vers le haut sur l’image anatomique originale, avec un curseur de croix (voir Figure 2E). Sélectionner un point en dehors de la perinexus près du point de début souhaité. NOTE : Le programme va trouver le point de l’axe le plus près possible à pixel sélectionné et l’utiliser comme point de départ.</li>
	<li>Enregistrer des données. Remarque : Une fois le programme terminé, le programme retourne un axe mappé, terrain de perinexal largeur en fonction de la distance entre le bord de la GJ. En outre, le programme renvoie la largeur moyenne perinexal jusqu'à 150 nm du bord de la GJ ainsi que la moyenne à partir de la région définie d’intérêt à la ligne de commande Matlab. Les valeurs dep W et distances de la GJ sont stockés dans la variable « WpList » ou l’utilisateur peut enregistrer manuellement les séparément.</li>
</ol>4. algorithme dépannage
<ol><li>Si l’axe n’est pas correctement identifié (Figure 2A), ouvrir le chiffre « Gmag » et utiliser l’Index pour identifier un seuil approprié de gradient (Figure 2C).</li>
	<li>Si le point de départ n’est pas correctement identifié, définir le point de démarrer manuellement (voir protocole 3.8).</li>
</ol>

<ol>
	<li>Rhett, J. M., Gourdie, R. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+perinexus:+a+new+feature+of+Cx43+gap+junction+organization.">The perinexus: a new feature of Cx43 gap junction organization.</a> Heart Rhythm. 9 (4), 619-623 (2012).</li><li>Veeraraghavan, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Sodium+channels+in+the+Cx43+gap+junction+perinexus+may+constitute+a+cardiac+ephapse:+an+experimental+and+modeling+study.">Sodium channels in the Cx43 gap junction perinexus may constitute a cardiac ephapse: an experimental and modeling study.</a> Pflugers Archiv: European Journal of Physiology. , (2015).</li><li>George, S. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Extracellular+sodium+dependence+of+the+conduction+velocity-calcium+relationship:+evidence+of+ephaptic+self-attenuation.">Extracellular sodium dependence of the conduction velocity-calcium relationship: evidence of ephaptic self-attenuation.</a> American Journal of Physiology - Heart and Circulatory Physiology. 310 (9), 1129-1139 (2016).</li><li>Veeraraghavan, R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Potassium+channels+in+the+Cx43+gap+junction+perinexus+modulate+ephaptic+coupling:+an+experimental+and+modeling+study.">Potassium channels in the Cx43 gap junction perinexus modulate ephaptic coupling: an experimental and modeling study.</a> Pflugers Archiv: European Journal of Physiology. , (2016).</li><li>Rhett, J. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cx43+associates+with+Na(v)1.5+in+the+cardiomyocyte+perinexus.">Cx43 associates with Na(v)1.5 in the cardiomyocyte perinexus.</a> Journal of Membrane Biology. 245 (7), 411-422 (2012).</li><li>Raisch, T. B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Intercalated+Disc+Extracellular+Nanodomain+Expansion+in+Patients+with+Atrial+Fibrillation.">Intercalated Disc Extracellular Nanodomain Expansion in Patients with Atrial Fibrillation.</a> Frontiers in Physiology. , (2018).</li><li>Yan, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Novel+methods+of+automated+quantification+of+gap+junction+distribution+and+interstitial+collagen+quantity+from+animal+and+human+atrial+tissue+sections.">Novel methods of automated quantification of gap junction distribution and interstitial collagen quantity from animal and human atrial tissue sections.</a> PLoS One. 9 (8), 104357 (2014).</li><li>Papari, G., Petkov, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Adaptive+pseudo+dilation+for+gestalt+edge+grouping+and+contour+detection.">Adaptive pseudo dilation for gestalt edge grouping and contour detection.</a> IEEE Transactions on Image Processing. 17 (10), 1950-1962 (2008).</li><li>George, S. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Extracellular+sodium+and+potassium+levels+modulate+cardiac+conduction+in+mice+heterozygous+null+for+the+Connexin43+gene.">Extracellular sodium and potassium levels modulate cardiac conduction in mice heterozygous null for the Connexin43 gene.</a> Pflugers Archiv: European Journal of Physiology. , (2015).</li><li>Revel, J. P., Karnovsky, M. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Hexagonal+array+of+subunits+in+intercellular+junctions+of+the+mouse+heart+and+liver.">Hexagonal array of subunits in intercellular junctions of the mouse heart and liver.</a> Journal of Cell Biology. 33 (3), 7-12 (1967).</li><li>Huttner, I., Boutet, M., More, R. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Gap+junctions+in+arterial+endothelium.">Gap junctions in arterial endothelium.</a> Journal of Cell Biology. 57 (1), 247-252 (1973).</li><li>Makowski, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Gap+junction+structures.+II.+Analysis+of+the+x-ray+diffraction+data.">Gap junction structures. II. Analysis of the x-ray diffraction data.</a> Journal of Cell Biology. 74 (2), 629-645 (1977).</li><li>Entz, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Heart+Rate+and+Extracellular+Sodium+and+Potassium+Modulation+of+Gap+Junction+Mediated+Conduction+in+Guinea+Pigs.">Heart Rate and Extracellular Sodium and Potassium Modulation of Gap Junction Mediated Conduction in Guinea Pigs.</a> Frontiers in Physiology. 7, 16 (2016).</li><li>Sild, M., Chatelain, R. P., Ruthazer, E. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Improved+method+for+the+quantification+of+motility+in+glia+and+other+morphologically+complex+cells.">Improved method for the quantification of motility in glia and other morphologically complex cells.</a> Neural Plasticity. 2013, 853727 (2013).</li><li>Rhett, J. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+perinexus:+Sign-post+on+the+path+to+a+new+model+of+cardiac+conduction.">The perinexus: Sign-post on the path to a new model of cardiac conduction.</a> Trends in Cardiovascular Medicine. , (2013).</li><li>Lang, R. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Recommendations+for+cardiac+chamber+quantification+by+echocardiography+in+adults:+an+update+from+the+American+Society+of+Echocardiography+and+the+European+Association+of+Cardiovascular+Imaging.">Recommendations for cardiac chamber quantification by echocardiography in adults: an update from the American Society of Echocardiography and the European Association of Cardiovascular Imaging.</a> Journal of the American Society of Echocardiography. 28 (1), 1-39 (2015).</li><li>Kawai, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Left+ventricular+volume+and+ejection+fraction+by+the+axius+auto+ejection+fraction+method:+comparison+with+manual+trace+method+and+visual+assessment+of+ejection+fraction.">Left ventricular volume and ejection fraction by the axius auto ejection fraction method: comparison with manual trace method and visual assessment of ejection fraction.</a> Journal of Cardiology. 49 (3), 125-134 (2007).</li><li>Frederiksen, C. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Clinical+utility+of+semi-automated+estimation+of+ejection+fraction+at+the+point-of-care.">Clinical utility of semi-automated estimation of ejection fraction at the point-of-care.</a> Heart, Lung and Vessels. 7 (3), 208-216 (2015).</li><li>Foster, F. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+new+ultrasound+instrument+for+in+vivo+microimaging+of+mice.">A new ultrasound instrument for in vivo microimaging of mice.</a> Ultrasound in Medicine and Biology. 28 (9), 1165-1172 (2002).</li><li>Moran, C. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+comparison+of+the+imaging+performance+of+high+resolution+ultrasound+scanners+for+preclinical+imaging.">A comparison of the imaging performance of high resolution ultrasound scanners for preclinical imaging.</a> Ultrasound in Medicine and Biology. 37 (3), 493-501 (2011).</li><li>Papademetris, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Estimation+of+3D+left+ventricular+deformation+from+echocardiography.">Estimation of 3D left ventricular deformation from echocardiography.</a> Medical Image Analysis. 5 (1), 17-28 (2001).</li><li>Hosny, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Unlocking+vendor-specific+tags:+Three-dimensional+printing+of+echocardiographic+data+sets.">Unlocking vendor-specific tags: Three-dimensional printing of echocardiographic data sets.</a> Journal of Thoracic Cardiovascular Surgery. 155 (1), 143-145 (2018).</li><li>Cretoiu, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Human+cardiac+telocytes:+3D+imaging+by+FIB-SEM+tomography.">Human cardiac telocytes: 3D imaging by FIB-SEM tomography.</a> Journal of Cellular and Molecular Medicine. 18 (11), 2157-2164 (2014).</li><li>Risi, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Ca(2+)-induced+movement+of+tropomyosin+on+native+cardiac+thin+filaments+revealed+by+cryoelectron+microscopy.">Ca(2+)-induced movement of tropomyosin on native cardiac thin filaments revealed by cryoelectron microscopy.</a> Proceedings of the National Academy of Sciences of the United States of America. 114 (26), 6782-6787 (2017).</li><li>Dhindwal, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+cryo-EM-based+model+of+phosphorylation-+and+FKBP12.6-mediated+allosterism+of+the+cardiac+ryanodine+receptor.">A cryo-EM-based model of phosphorylation- and FKBP12.6-mediated allosterism of the cardiac ryanodine receptor.</a> Science Signaling. 10 (480), (2017).</li><li>Reddy, V. Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=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.">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.</a> Journal of the American College of Cardiology. 44 (11), 2202-2213 (2004).</li><li>van Heeswijk, R. B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Three-Dimensional+Self-Navigated+T2+Mapping+for+the+Detection+of+Acute+Cellular+Rejection+After+Orthotopic+Heart+Transplantation.">Three-Dimensional Self-Navigated T2 Mapping for the Detection of Acute Cellular Rejection After Orthotopic Heart Transplantation.</a> Transplant Direct. 3 (4), 149 (2017).</li><li>Valinoti, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=3D+patient-specific+models+for+left+atrium+characterization+to+support+ablation+in+atrial+fibrillation+patients.">3D patient-specific models for left atrium characterization to support ablation in atrial fibrillation patients.</a> Magnetic Resonance Imaging. 45, 51-57 (2018).</li></ol>

Les auteurs n’ont rien à divulguer.

L’algorithme utilise des dilatations image serial pour compter le nombre de pixels entre les deux bords opposés de 2D dans une image binaire, qui est dans ce cas la séparation par inter-membrane de le perinexus2,3,14. Un dérivé spatial et un algorithme de pathfinding sont ensuite utilisés pour isoler la ligne médiane, suivie d’une séquence de dilatation et d’érosion secondaire pour combler les lacunes dans l’axe central, semblable à ce qui a été fait avant le15. L’axe central est ensuite combiné avec l’image de dilatation-décompte final pour représenter perinexal largeur en fonction de la distance depuis le début de la séparation du bord, dans ce cas, la fin de la GJ et le début de l' perinexus16.
Quatre paramètres primaires sont définies par l’utilisateur dans une interface graphique au début du programme :
<ol><li>Seuil de gradient</li>
	<li>Échelle</li>
	<li>Région de gamme de l’intérêt</li>
	<li>Commencer la méthode de sélection de point (automatique ou manuel)</li>
</ol>Le mécanisme plus courant d’échec de l’algorithme est l’échec de la ligne médiane pour atteindre le bord de l’image, qui est la façon dont le point de terminaison est déterminée pour l’algorithme de pathfinding. Afin de résoudre un tel problème, l’utilisateur peut augmenter le seuil de gradient décrit à l’étape 3.3.1, qui entraînera le programme sélectionner plusieurs points sur l’image dérivée spatiale, ce qui augmentera le temps de calcul requis par l’algorithme de pathfinding. Cet algorithme exige donc un compromis entre l’intégrité vitesse et axe de calcul. Il est important de noter que tant que tous les points de l’axe central sont identifiés de la dérivée spatiale, ainsi que d’un point de départ approprié, le seuil de dérivés spatial aura aucun effet sur la mesure de séparation de bord.
Orientation de l’image semble affecter les valeurs de dilatation, parce que le noyau se dilate en incréments de 90 degrés, qui peut introduire une erreur si la majorité de la région d’intérêt est à un angle de 45° pour les axes des matrices de dilatation. Par conséquent, le comte de dilatation peut être pas toujours une représentation exacte de l’espace entre les bords. Cette limitation a été traitée par un facteur de correction trigonométriques, mais pourrait potentiellement être ignorée si toutes les images dans un groupe de données sont alignés dans la même orientation. En outre, prudence dans l’interprétation des résultats, qu’il est possible que les plans de coupe ne sont pas parfaitement perpendiculaires aux deux membranes. Dans la Figure 9B, nous utilisons GJW de suggérer que nos images perinexus sont dans le plan. Pourtant, il est impératif que les tailles d’échantillon soit suffisamment grand pour tenir compte des variantes de sectionnement entre les images. En outre, nos mesures de largeur de perinexal ne doivent pas être interprétées pour refléter dans vivo les espaces, mais cette approche est utilisée pour mesurer les différences moyennes de perinexal large par rapport à un état de l’intervention ou d’une maladie.
L’algorithme actuel exige également une esquisse tracée manuellement des bords en tant qu’entrée. Il est important de noter que tant que l’échelle est définie correctement, résolution spatiale est sans effet sur les mesures de l’algorithme, comme en témoignent les résolutions variables d’images dans la Figure 6 et une image basse résolution supplémentaire en supplémentaire fichier S6. La prochaine étape dans l’amélioration de l’algorithme est la suppression de génération de schéma avec un outil qui peut sélectionner la zone d’intérêt l’intervention humaine. Ces caractéristiques seraient probablement améliorer la précision de la mesure et réduire le biais de l’utilisateur.
Cet algorithme de calcul efficace fournit une méthode plus rapide, nécessitant environ un cinquième les heures de travail, de quantifier la perinexus sans pénalité détectable à la reproductibilité par rapport au processus de segmentation manuelle. En outre, le processus de segmentation manuelle utilise une mesure chaque 15 nanomètres pour mesurer la largeur de perinexal, ce qui peut entraîner sous échantillonnage que la séparation par membrane de la perinexus peut changer considérablement dans cette plage nm 15. En revanche, le programme automatisé a une résolution spatiale égale à celle de la modalité d’imagerie, en l’occurrence 2,9 pixels par nanomètre le long de la perinexus, offrant par conséquent une moyenne plus finement réglée de largeur perinexal.
Tandis que les applications dans le domaine de la biologie structurale cardiaque sont prometteurs et passionnant, utilisations de cet algorithme ne se limitent pas aux images TEM. N’importe quel champ nécessitant une mesure précise, à haute résolution des deux bords 2D quasi parallèles peut rendre l’utilisation de cet algorithme. L’algorithme pourrait servir à quoi que ce soit suivre des modèles l’érosion et les inondations berge d’images satellitaires au développement vasculaire avec fond clair ou fluorescentes de la microscopie. Une des applications potentielles plus prometteuses est dans le domaine de la cardiologie et de mesurer la fraction d’éjection ventriculaire (EF) avec point-of-care échocardiographie cardiaque. Actuellement, la technique standard est la méthode de biplan de disques17, si un algorithme plus récent, AutoEF, est actuellement le tranchant EF-quantification méthode18,19. Pour la méthode de biplan de disques, la chambre en question est tracée manuellement et quantifiées à l’aide de la méthode de Simpson a mis à jour le, par lequel volume global est calculé automatiquement par la sommation des disques elliptiques empilés. La principale limitation de cette méthode est qu’elle ne peut renvoyer à la section transversale totale de la chambre souhaitée, avec aucune résolution pour identifier des régions spécifiques d’intérêt et aussi requiert un savoir-faire et un apport humain substantiel. La nouvelle méthode, AutoEF, identifie et décrit le bord du ventricule en utilisant un algorithme mouchetÃ 2D et puis calcule l’aire transversale ventriculaire. Ce processus, bien que précis et efficace pour mesurer la surface ventriculaire brute, a également une limitation intrinsèque semblable seulement mesurer la superficie transversale totale. Cet inconvénient principal limite les capacités de diagnostic et de traitement des cliniciens. En revanche, l’algorithme présenté dans ce manuscrit peut identifier une ligne médiane et a une résolution égale à la résolution de la modalité d’imagerie pour identifier des régions spécifiques d’intérêt. Ceci est important car les échographes avec une résolution spatiale micromètre sont disponibles dans le commerce20,21, ce qui implique que cet algorithme pourrait détecter des anomalies de mouvement mur localisée à la résolution de micromètres au lieu de centimètres. Alors que cette application doit être validé expérimentalement, c’est une des applications plus prometteuses de cet algorithme. En fait, il pourrait facilement être combiné avec le chatoiement suivi des capacités de AutoEF ou les traces de manuels utilisé en planimétrie manuelle de fournir des renseignements de haute résolution en parallèle avec les données conventionnelles de EF.
Aussi polyvalent et il y a lieu, comme c’est l’algorithme en cours, il a été développé pour les images 2D. Cependant, comme les technologies d’imagerie continueront à améliorer, il y a une demande croissante pour les technologies de quantification D 3 et 4. Par conséquent, la prochaine itération de l’algorithme est d’adapter la même approche, dilatation en série une image binaire, à un objet 3D, définir automatiquement un axe où est actuellement au-delà des capacités des programmes d’imagerie actuels. Un tel algorithme aurait des applications larges tant sur le plan clinique et expérimentale dans le domaine cardiaque seul, y compris une échocardiographie cardiaque 3D22,23, microscopie 3D24,25, 26et la résonance magnétique 3D imagerie27,28,29.

L’algorithme suivant a été développé pour mesurer la distance intermembranaire entre deux cardiomyocytes structurellement couplés au point qu'ils se séparent les uns des autres au bord d’une plaque de jonction gap dans un nanodomain appelé le perinexus1, qui a incriminé dans ephaptic raccord de2,3,4,5. Analyse des centaines d’images de microscopie électronique (met) de transmission de perinexi selon une méthode de segmentation manuelle dans une précédente étude6, actuellement le besoin a été identifié une méthode un débit plus élevé qu’échantillonnés perinexal largeur en plus résolution spatiale tout en préservant la fidélité du processus de segmentation manuelle précédente au cours de la segmentation manuelle, les lignes sont tracées à intervalles de 15 nm, environ orthogonales à l’axe central, afin de mesurer la largeur de la perinexal. Le nouvel algorithme prend un contour épais binaire d’un pixel de deux lignes parallèles et utilise des dilatations image serial pour compter le nombre de pixels entre les deux membranes. Alors que les dilatations de l’image ont été utilisées dans une myriade d’applications de traitement d’image, y compris le contour ou détection de bord7,8, cet algorithme utilise des dilatations comme un mécanisme de comptage. L’axe est alors isolé à l’aide d’un algorithme de pathfinding9 et perinexal largeur est alors mesurée à une résolution sur la longueur du perinexus égale à la résolution de l’image. La différence de résolution dans ce cas est 1 mesure par tranche de 15 nm pour segmentation manuelle et 1 mesure / 0,34 nm avec le nouvel algorithme, une augmentation de la fréquence d’échantillonnage spatiale 44-fold. En outre, cette augmentation de la fréquence d’échantillonnage s’effectue à environ 1/5ème le temps nécessaire pour segmentation manuelle.
Cet algorithme sera utilisé sous sa forme actuelle pour mesurer la largeur de la perinexal à la classique 0-150 nm du bord d’une gap junction plaque5 (GJ), ainsi que dans une région déterminée d’intérêt, où le perinexus des plateaux entre 30 et 105 nm2 , 3 , 10. l’augmentation de la fréquence d’échantillonnage réduit la variabilité individuelle perinexus par rapport à la segmentation manuelle et raccourcissent considérablement les temps d’analyse, permettant un traitement efficace des grands ensembles de données. Toutefois, ce programme n’est pas limité aux images TEM nanométriques de disques intercalés cardiaques. La même approche pourrait être utilisée pour quantifier le diamètre vasculaire, la fraction d’éjection ventriculaire ou même non biologiques des phénomènes tels que l’érosion fluviale ou les inondations. Cet algorithme est approprié pour quantifier la distance entre les deux bords quasi parallèles.

<table border="0" cellpadding="0" cellspacing="0" style="width:867px;" width="866">
	<colgroup>
		<col />
		<col />
		<col />
		<col />
	</colgroup>
	<tbody>
		<tr height="21">
			<td height="21" style="height:21px;width:216px;">Touchscreen Monitor</td>
			<td style="width:79px;">Dell</td>
			<td style="width:119px;">S2240T</td>
			<td style="width:453px;">Needs soft-tipped stylus</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:216px;">Desktop</td>
			<td style="width:79px;">Dell</td>
			<td style="width:119px;">Precision T1650</td>
			<td>8GB RAM</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:216px;">Operating System</td>
			<td style="width:79px;">Microsoft</td>
			<td style="width:119px;">Windows 7 Enterprise</td>
			<td>64-bit OS</td>
		</tr>
		<tr height="21">
			<td height="21" style="height:21px;width:216px;">Program platform</td>
			<td style="width:79px;">Mathworks</td>
			<td style="width:119px;">Matlab R2015b</td>
			<td>Program may be incompatible with newer/older versions of Matlab</td>
		</tr>
	</tbody>
</table>

quantifying intermembrane distances with serial image dilations

Un nanodomain extracellulaire récemment décrits, appelé le perinexus, a été impliqué dans ephaptic de couplage, qui est un autre mécanisme de conduction électrique entre les cardiomyocytes. La méthode actuelle pour quantifier cet espace par segmentation manuelle est lente et a faible résolution spatiale. Nous avons développé un algorithme qui utilise les dilatations série image d’un schéma binaire pour compter le nombre de pixels entre deux opposés 2 bords dimensionnelles. Cet algorithme requiert moins d’heures et a une résolution spatiale supérieure à la méthode manuelle tout en préservant la reproductibilité du processus manuel. En fait, expérimentés et débutants les enquêteurs ont pu récapituler les résultats d’une étude antérieure avec ce nouvel algorithme. L’algorithme est limitée par la contribution humaine nécessaire pour définir manuellement la perinexus et la puissance de calcul principalement occupés par un algorithme de pathfinding préexistant. Cependant, les capacités haut débit, haute résolution spatiale et la reproductibilité de l’algorithme rendent un outil de mesure souple et robuste pour une utilisation dans un éventail d’applications nécessitant la mesure de la distance entre les 2 Dimensions (2D ) bords.

Watch this Scientific Journal Video about Quantifying Intermembrane Distances with Serial Image Dilations at JoVE.com

Quantifying Intermembrane Distances with Serial Image Dilations

Quantification des Distances intermembranaire avec Serial Image dilatations

Le but de cet algorithme consiste à mesurer en continu la distance entre deux arêtes 2 dimensions à l’aide de pathfinding et dilatations de la série d’image. Cet algorithme peut être appliqué à une variété de domaines tels que la biologie structurale cardiaque, biologie vasculaire et génie civil.

A recently-described extracellular nanodomain, termed the perinexus, has been implicated in ephaptic coupling, which is an alternative mechanism for ...

Cette méthode peut aider à répondre aux questions clés dans le domaine électrophysiologique cardiaque, sur la structure de l’espace extracellulaire et les mécanismes de communication cellulaire. Les principaux avantages de cette technique sont qu’elle a des capacités de débit élevées et une fréquence d’échantillonnage spatiale améliorée. Essentiellement, nous pouvons obtenir des mesures plus rapidement et avec plus de confiance qu’auparavant.L’identification du périnée et le dépannage du programme sont difficiles à apprendre sans démonstration visuelle, parce que le périnée est une structure relativement nouvellement définie, et le dépannage peut ne pas être intuitif pour les chercheurs qui ne connaissent pas matlab. Pour les images à échelle grise, utilisez un logiciel informatique numérique pour vous assurer qu’aucun pixel n’a une intensité supérieure à 255. Ensuite, ouvrez notre image jumelée dans un logiciel de traitement d’image, et zoomez sur le périnée.Il est essentiel d’identifier correctement le périnée. La première étape consiste à identifier une plaque de jonction d’écart, qui a une apparence rayée. Ensuite, nous sommes à la recherche de deux membranes opposées, en plan, à environ 200 nanomètres.Identifiez la plaque de jonction d’écart de sa structure de pentylaminer. Le début du périnée, est le point où les deux bicouches de membrane cellulaire opposée divergent. Affichez une barre d’échelle en nanomètres.Les points de départ et de fin du contour du périnée seront de 200 nanomètres à partir du début du périnée. Ensuite, sélectionnez l’outil de sélection à main levée. Cliquez et faites glisser, ou utilisez un stylet pour tracer soigneusement le long de la membrane interne d’une cellule, jusqu’au début du périnée, et remonter le long de la membrane interne de la deuxième cellule.Fermez la zone sélectionnée en libérant le bouton de la souris ou en soulevant le stylet. Ensuite, réglez la largeur de la ligne à un pixel, et la couleur de premier plan à la valeur d’intensité la plus élevée pour le type d’image. Comme le blanc, pour l’image à échelle grise.Créez un contour tracé à partir de la sélection et enregistrez l’image résultante en tant que type de fichier compatible avec le logiciel d’analyse, comme JPEG ou TIFF. Si nécessaire, ouvrez le logiciel d’analyse de distance de séparation membranaire et modifiez les emplacements d’sauvegarde pour les données et les chiffres à générer. Enregistrez le fichier et fermez-le.Ensuite, exécutez le programme. Définissez le seuil de gradient dérivé spatial de façon appropriée pour l’identification de la ligne centrale. Définissez l’échelle et les pixels par unité de longueur.Fixez les limites spatiales inférieures et supérieures pour la région d’intérêt, en ce qui concerne le bord de la jonction de l’écart. Sélectionnez la détection automatique ou manuelle du point de départ. La détection manuelle des points de départ peut être nécessaire pour le périnéexi de forme irrégulière.Ensuite, ouvrez l’image avec le périnée décrit. Cliquez et faites glisser pour dessiner une boîte autour du périnée, à l’exclusion de l’extrémité fermée. Double clic à l’intérieur du contour du périnée tracé pour recadrer l’image et identifier la ligne centrale.Si le point de départ doit être sélectionné manuellement, un curseur en réticule et une ligne centrale apparaîtront sur l’image d’origine. Sélectionnez un point en dehors du périnée près du point de départ souhaité pour poursuivre le processus. Une fois le processus terminé, confirmez que la ligne centrale reste dans le périnée et croise correctement le point de départ.Examinez les données générées et tracez la largeur périnée. Si la ligne centrale n’a pas été correctement identifiée et isolée, ouvrez le tableau d’images g-mag pour déterminer un seuil de gradient approprié. Nous utilisons l’outil d’index pour cliquer autour de la ligne centrale, et le tableau g-mag pour avoir une idée du pixel que nous voulons que l’algorithme de recherche de la ligne centrale sélectionne.Le seuil de gradient doit alors être fixé juste au-dessus de la valeur d’intensité de ces pixels. Sélectionnez l’outil index, et cliquez sur et autour de la ligne centrale pour afficher la valeur d’index des pixels qui doivent être sélectionnés. Définissez le seuil de gradient dérivé spatial juste au-dessus de la valeur de l’indice et exécutez à nouveau le processus.Si le point de départ n’a pas été détecté correctement dans le processus automatisé, exécutez à nouveau le programme à l’aide de la détection manuelle des points de départ. Dans ce processus, les contours manuels sont dilatés en un pixel par incréments pour compter le nombre de pixels entre les deux bords. Chaque incrément est ajouté à une image de travail pour générer un dérivé spatial.Le contour d’origine et la ligne centrale sont des discontinuités dans son ampleur. Après avoir isolé la ligne centrale, elle est affinée par la dilatation, l’érosion et un algorithme d’éclairage. La largeur périnéexale est présentée en fonction de la distance depuis le début du périnée, ou dans une région d’intérêt, et comme une moyenne de ces deux fonctions.Au fur et à mesure que l’orientation du périnée changeait, des surestimations ou des sous-estimations de la largeur du périnée ont été observées, selon le modèle de dilatation. La correction trigonométrique a produit des résultats fortement corrélés avec des images tournées pour orienter le perinexus horizontalement. L’algorithme a été validé pour différentes résolutions spatiales, unités de référence et tailles d’images.Les utilisateurs expérimentés et inexpérimentés ont tracé le contour plus rapidement qu’ils n’ont segmenté manuellement l’image. Et le processus automatisé avait une résolution spatiale significativement plus grande. Les observateurs expérimentés et inexpérimentés ont identifié avec précision des différences significatives dans la largeur périinexal entre les patients présentant et sans préexistant fibrillation auriculaire.Ces observateurs n’ont également identifié avec précision aucune différence significative entre les largeurs absolues des jonctions d’écart dans la même population. Les largeurs de jonction périnéexal et gap étaient compatibles avec les rapports précédents. Tout en essayant cette procédure, n’oubliez pas de prendre votre temps avec le contour, car même de petites déviations de la membrane peuvent produire des erreurs substantielles à cette échelle.En général, les personnes nouvelles à cette méthode luttent parce qu’ils ne sont pas familiers avec la structure qu’ils mesurent, ou ils ne savent pas comment résoudre les problèmes pour démarrer l’identification des points ou la déviation de la ligne centrale. Il est essentiel de voir cette méthode de traitement d’image effectuée. Comme l’identification du périnée et le dépannage des algorithmes sont difficiles à apprendre sans elle.Et nous voulons nous assurer que nous quantifions ce que nous disons mesurer. Cette technique ouvre la voie aux chercheurs dans le domaine de la santé cardiaque, afin d’explorer la quantification à résolution plus élevée de nombreux niveaux de fonction cardiaque. Des espaces extracellulaires à l’échelle nanométrique à la détermination clinique de l’efficacité ventriculaire ou de la disfonction.Bien que cette méthode ait été démontrée avec des images d’électromicroscopie, elle peut également être appliquée à d’autres techniques d’imagerie, telles que l’échocardiographie cardiaque pour quantifier plus précisément la fonction mécanique du coeur. Cette méthode peut trouver des applications dans n’importe quel domaine d’imagerie parce que le programme peut mesurer l’espace entre deux bords définis, si l’échelle est définie de manière appropriée, et les bords sont presque parallèles.

Research

JoVE Journal

Bioengineering

Preparation of Complaint Matrices for Quantifying Cellular Contraction

Préparation des matrices plainte pour quantifier la contraction cellulaire

The regulation of cellular adhesion to the extracellular matrix (ECM) is essential for cell migration and ECM remodeling.  Focal adhesions are ...

Recherche

Bio-ingénierie

Quantifying the Mechanical Properties of the Endothelial Glycocalyx with Atomic Force Microscopy

Quantification des propriétés mécaniques de la Glycocalyx endothéliale par microscopie à force atomique

Our  understanding of the interaction of leukocytes and the vessel wall during  leukocyte capture is limited by an incomplete understanding of the ...

Observing and Quantifying Fibroblast-mediated Fibrin Gel Compaction

Observation et quantification du compactage du gel de fibrine médié par les fibroblastes

Cells embedded in collagen and fibrin gels attach and exert traction forces on the fibers of the gel. These forces can lead to local and global ...

Manufacture of Concentrated, Lipid-based Oxygen Microbubble Emulsions by High Shear Homogenization and Serial Concentration

Fabrication de concentré, de l&#39;oxygène à base de lipides microbulles émulsions par cisaillement élevé homogénéisation et la concentration de série

Gas-filled microbubbles have been developed as ultrasound contrast and drug delivery agents. Microbubbles can be produced by processing surfactants using ...

Hybrid &#181;CT-FMT imaging and image analysis

Hybrid Ãƒâ€šÃ‚ÂµCT-FMT imaging and image analysis

Imagerie hybride μCT-FMT et l&#39;analyse d&#39;image

Fluorescence-mediated tomography (FMT) enables longitudinal and quantitative determination of the fluorescence distribution in vivo and can be used to ...

Custom-designed Laser-based Heating Apparatus for Triggered Release of Cisplatin from Thermosensitive Liposomes with Magnetic Resonance Image Guidance

Spécialement conçu à base de laser appareils de chauffage à libération déclenchée de cisplatine de thermosensible liposomes avec guidage par l&#39;image par résonance magnétique

Liposomes have been employed as drug delivery systems to target solid tumors through exploitation of the enhanced permeability and retention (EPR) effect ...

Image-guided, Laser-based Fabrication of Vascular-derived Microfluidic Networks

, Fabrication de réseaux microfluidiques vasculaire dérivés à base de laser guidée par l&#39;image

This detailed protocol outlines the implementation of image-guided, laser-based hydrogel degradation for the fabrication of vascular-derived microfluidic ...

Quantifying Microorganisms at Low Concentrations Using Digital Holographic Microscopy (DHM)

Quantifying Microorganisms at Low Concentrations Using Digital Holographic Microscopy DHM

Quantification des microorganismes à des Concentrations faibles en utilisant la microscopie holographique numérique (DHM)

Accurately detecting and counting sparse bacterial samples has many applications in the food, beverage, and pharmaceutical processing industries, in ...

A Rapid Image-based Bacterial Virulence Assay Using Amoeba

Un dosage de la Virulence bactérienne rapide basé sur une Image à l’aide d’amibe

Traditional bacterial virulence assays involve prolonged exposure of bacteria over the course of several hours to host cells. During this time, bacteria ...

Meso-Scale Particle Image Velocimetry Studies of Neurovascular Flows In Vitro

Meso-Scale Particle Image Velocimetry Studies of Neurovascular Flows In Vitro

Méso-échelle Particle Image Velocimetry études de neurovasculaire Flows In Vitro

Particle image velocimetry (PIV) is used in a wide variety of fields, due to the opportunity it provides for precisely visualizing and quantifying flows ...