Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Bioengineering
Click here for the English version

Bioengineering

Optisk koherenstomografibasert biomekanisk væskestrukturinteraksjonsanalyse av koronar ateroskleroseprogresjon

Published: January 15, 2022 doi: 10.3791/62933
Automatic Translation
1, 1, 1, 2, 3, 4, 3,5,6
1School of Mechanical Engineering, University of Adelaide, 2South Australian Health and Medical Research Institute (SAHMRI), 3Vascular Research Centre, Lifelong Health Theme, South Australian Health and Medical Research Institute (SAHMRI), 4Monash Cardiovascular Research Centre, 5Adelaide Medical School, University of Adelaide, 6Department of Cardiology, Central Adelaide Local Health Network

Summary

Det er behov for å bestemme hvilke aterosklerotiske lesjoner som vil utvikle seg i koronarvaskulaturen for å veilede intervensjon før hjerteinfarkt oppstår. Denne artikkelen skisserer biomekanisk modellering av arterier fra optisk koherenstomografi ved hjelp av væskestrukturinteraksjonsteknikker i en kommersiell elementløser for å bidra til å forutsi denne progresjonen.

Abstract

I dette dokumentet presenterer vi en komplett arbeidsflyt for biomekanisk analyse av aterosklerotisk plakk i koronarvaskulaturen. Med aterosklerose som en av de ledende årsakene til global død, sykelighet og økonomisk byrde, er det nødvendig med nye måter å analysere og forutsi progresjonen på. En slik beregningsmetode er bruk av væskestrukturinteraksjon (FSI) for å analysere samspillet mellom blodstrømmen og arterien / plakkdomenene. Kombinert med in vivo-avbildning, kan denne tilnærmingen skreddersys til hver pasient, og hjelpe til med å skille mellom stabile og ustabile plakk. Vi skisserer den tredimensjonale rekonstruksjonsprosessen, og benytter oss av intravaskulær optisk koherenstomografi (OCT) og invasiv koronarangiografi (ICA). Utvinning av grensebetingelser for simuleringen, inkludert replikering av arteriens tredimensjonale bevegelse, diskuteres før oppsettet og analysen utføres i en kommersiell elementløser. Prosedyren for å beskrive de svært ikke-lineære hyperelastiske egenskapene til arterieveggen og pulsatile blodhastighet / trykk er skissert sammen med å sette opp systemkoblingen mellom de to domenene. Vi demonstrerer prosedyren ved å analysere en ikke-skyldig, mildt stenotisk, lipidrik plakk hos en pasient etter hjerteinfarkt. Etablerte og fremvoksende markører relatert til aterosklerotisk plakkprogresjon, som veggskjærspenning og lokal normalisert helikitet, diskuteres og er relatert til den strukturelle responsen i arterieveggen og plakk. Til slutt oversetter vi resultatene til potensiell klinisk relevans, diskuterer begrensninger og skisserer områder for videre utvikling. Metoden beskrevet i dette dokumentet viser løfte om å hjelpe til med å bestemme steder med risiko for aterosklerotisk progresjon og dermed kunne bidra til å håndtere den betydelige død, sykelighet og økonomisk byrde av aterosklerose.

Introduction

Koronararteriesykdom (CAD) er den vanligste typen hjertesykdom og en av de ledende årsakene til død og økonomisk byrde globalt1,2. I USA tilskrives omtrent en av åtte dødsfall CAD3,4, mens de fleste globale dødsfall fra CAD nå ses i lav- og mellominntektsland5. Aterosklerose er den dominerende driveren for disse dødsfallene, med plakkbrudd eller erosjon som fører til koronar arterie okklusjon og akutt hjerteinfarkt (AMI)6. Selv etter revaskularisering av skyldige koronarskader, pasienter har betydelig risiko for tilbakevendende store negative kardiovaskulære hendelser (MACE) etter AMI, hovedsakelig på grunn av samtidig tilstedeværelse av andre ikke-skyldige plakk som også er sårbare for brudd7. Intrakoronisk avbildning gir en mulighet til å oppdage disse høyrisikoplakkene8. Selv om intravaskulær ultralyd (IVUS) er gullstandarden for evaluering av plakkvolum, har den begrenset oppløsning for å identifisere mikrostrukturelle egenskaper ved sårbar plakk i motsetning til høy oppløsning (10-20 μm) optisk koherenstomografi (OCT). En tynn og betent fibrøst hette som overbefolker et stort lipidbasseng har vist seg å være den viktigste signaturen til en sårbar plakk9 og er best identifisert og målt ved OCT blant dagens tilgjengelige intrakoronære bildemodaliteter10. Viktigst, OCT er også i stand til å vurdere andre høyrisiko plakk funksjoner, inkludert: lipid bue; makrofag infiltrasjon; Tilstedeværelse av tynn cap fibroatheroma (TCFA), som er definert som lipidrik kjerne med overlying tynn fibrøs hette (<65 μm); spottete forkalkning; og plakkmikrokanaler. OCT-deteksjon av disse høyrisikofunksjonene i ikke-skyldige plakk etter AMI har vært forbundet med opptil en 6 ganger økt risiko for fremtidig MACE11. Til tross for dette er imidlertid angiografiens og OCT-bildets evne til å forutsi hvilke koronarplakk som vil utvikle seg og til slutt briste eller erodere begrenset, med positive prediktive verdier på bare 20% -30%8. Denne begrensede prediktive evnen hindrer klinisk beslutningstaking rundt hvilke ikke-skyldige plakk å behandle (f.eks. ved stenting)7,12.

I tillegg til pasientfaktorer og de biologiske egenskapene til plakk, er biomekaniske krefter i koronararteriene også viktige determinanter for plakkprogresjon og ustabilitet13. En teknikk som viser løfte om å bidra til å evaluere disse kreftene grundig, er væskestrukturinteraksjon (FSI)14 simulering. Veggskjær stress (WSS), også kalt endotelial skjærspenning, har vært et tradisjonelt fokuspunkt for koronar biomekanikk forskning15, med en generell forståelse av at WSS spiller en etiologiske rolle i aterosklerosedannelse16. Overveiende simulert ved hjelp av beregningsvæskedynamikk (CFD) teknikker, har lave WSS-regioner vært forbundet med intim fortykning17, vaskulær ombygging18 og prediksjon av lesjonsprogresjon19 og fremtidig MACE20. Nylige fremskritt i disse analysene antyder den underliggende WSS-vektorfelttopologien21, og dens flerveisegenskaper22, som en bedre prediktor for ateroskleroserisiko enn WSS-størrelse alene. WSS fanger imidlertid bare et glimt av det generelle biomekaniske systemet på lumenveggen, og i likhet med bildemodaliteter kan ingen biomekanisk metrikk på en pålitelig måte skjelne høyrisiko aterosklerotiske egenskaper.

Ytterligere beregninger fremstår som potensielt viktige i aterosklerosedannelse. Intraluminale strømningsegenskaper23 er et slikt eksempel, med spiralformet strømning, kvantifisert gjennom ulike indekser24, foreslått som å spille en aterobeskyttende rolle ved å undertrykke forstyrrede strømningsmønstre25,26. Mens CFD-teknikker kan analysere disse strømningsegenskapene og presentere et bredt spekter av nyttige resultater, vurderer de ikke de underliggende interaksjonene mellom blodstrømmen, arteriestrukturen og generell hjertebevegelse. Denne forenklingen av det dynamiske systemet til en stiv vegg savner potensielt kritiske resultater som fibrøst cap stress. Mens debatten både for og mot behovet for FSI over CFD fortsetter27,28,29, forsømmer mange sammenligninger å inkludere virkningen av ventrikelfunksjon. Denne begrensningen kan overvinnes med FSI, som har vist at dynamisk bøyning og kompresjon som utøves på arterien gjennom påvirkning av ventrikelfunksjonen, kan påvirke plakk og arteriestrukturelt stress betydelig, samt strømningsmålinger som WSS30,31,32. Dette er viktig ettersom strukturelle påkjenninger også er en viktig beregning for å analysere og forutsi plakkbrudd33,34 og har blitt foreslått å samlokalisere med områder med plakkøkning14,35. Å fange disse interaksjonene gir en mer realistisk representasjon av koronarmiljøet og de potensielle mekanismene for sykdomsprogresjon.

Når vi adresserer dette, skisserer vi prosessen med å utvikle en pasientspesifikk geometri fra OCT-avbildning36 og oppsett og kjøring av en arterie FSI-simulering ved hjelp av en kommersiell elementløser. Prosessen for å manuelt trekke ut lumen, lipid og ytre arterievegg er detaljert før den tredimensjonale beregningsrekonstruksjonen av pasientens arterie. Vi skisserer simuleringsoppsettet, koblingen og prosessen med å sammenligne baseline, og oppfølging av OCT-bildeparametere for å bestemme lesjonsprogresjon. Til slutt diskuterer vi etterbehandling av numeriske resultater og hvordan disse dataene kan ha klinisk relevans ved å sammenligne de biomekaniske resultatene med lesjonsprogresjon/regresjon. Den generelle metoden er demonstrert på ikke-skyldige, mildt stenotiske, lipidrike plakk i høyre koronararterie (RCA) av en 58 år gammel kaukasisk mannlig pasient som presenterte en akutt ikke-ST-høyde myokardinfarkt i innstillingen av hypertensjon, type 2 diabetes mellitus, fedme (BMI 32,6) og en familiehistorie med for tidlig CAD. Coronary angiografi og OCT-avbildning ble utført under hans første opptak, innleggelse, og deretter 12 måneder senere som en del av en pågående klinisk studie (COCOMO-ACS studie ACTRN12618000809235). Vi forventer at denne teknikken kan videreutvikles og brukes til å identifisere koronarplakk som har høy risiko for fremgang.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Følgende deidentifiserte data ble analysert fra en pasient rekruttert til den pågående COCOMO-ACS randomiserte kontrollerte studien (ACTRN12618000809235; Royal Adelaide Hospital HREC referansenummer: HREC/17/RAH/366), med ytterligere etikkgodkjenning gitt av Central Adelaide Local Health Network (CALHN) Research Services med det formål å biomekanisk simulering (CALHN Referansenummer 14179). Figur 1 oppsummerer den fullstendige arbeidsflyten som er beskrevet i følgende protokoll, som kan brukes på all programvare eller koder som støtter FSI.

1. Bildeevaluering

  1. Match baseline og OCT oppfølgingsbilder ved hjelp av anatomiske landemerker som bifurkasjoner og bruk av bilder umiddelbart proksimalt til distal bifurkasjon og distal til den mest proksimale bifurkasjonen. De samsvarende bildene mellom disse landemerkene skal analyseres, som beskrevet i Figur 2A.
  2. OKT lumen tverrsnitt
    1. Legg hvert OCT-bilde inn i bilde digitaliseringsenheten, og klikk for å markere punkter ved kateterets midtpunkt og grensene for skalaen (Figur 2B). Eksporter disse punktene som skal brukes senere.
    2. Merk lumens kant manuelt, og start på samme sted i hvert bilde, og sørg for å fange lumens kurver så nøyaktig som mulig. Legg igjen et gap ved kateterartefakten, da rekonstruksjonsprosessen vil interpolere over denne regionen på et senere tidspunkt. Eksporter disse filene i .dat format og gjenta dette for hvert bilde.
  3. OCT yttervegg og lipider
    1. I DICOM-programvaren trekker du ut ytterveggen i områder med høy demping ved å bruke synlige deler av den ytre elastiske membranen til å montere en ellipse manuelt for å beregne plasseringen av ytterveggen, som beskrevet i figur 3. Klikk og dra venstre museknapp for å definere ellipsen og plasseringen på riktig måte.
    2. Definer lipidbuen manuelt, beregnet til lumen centroid og fibrøst hettetykkelse, som beskrevet i figur 3, ved å klikke og dra henholdsvis vinkel- og avstandsmål. Disse vil bli brukt til å analysere lesjonsprogresjon sammen med lumenområdet.
    3. Importer disse overlagte bildene til bilde digitaliseringsenheten og velg manuelt de ytre veggpunktene, ved hjelp av den monterte ellipsen som en guide i områder med høy demping der den ytre elastiske membranen ikke er synlig. Gjenta trinn 1.2.2 for å velge og eksportere punktene til et .dat format.
    4. På samme måte for lipidene, velg lipidoverflaten manuelt, fra samme ende av lipiden i alle tilfeller. Bruk den ytre vegg ellipsoidal guide (trinn 1.3.1) for en konsistent baksidebue. Eksport peker til en .dat fil og gjentas for alle bilder med lipider til stede, slik at det blir et gap over ledetrådartefakten som beskrevet i trinn 1.2.2.
      MERK: Lesjonsprogresjon analyseres ved å sammenligne tre beregninger, nemlig lumenområde, lipidbue og fibrøst hettetykkelse, som kan vurderes direkte fra DICOM-seeren. Teknikken for å trekke ut ytterveggen og lipidryggen er nødvendig på grunn av OCT's begrensede penetrasjonsdybde. OCT ble brukt i denne undersøkelsen på grunn av fokuset på forholdet mellom plakksammensetning og biomekaniske krefter.
  4. Angiografibasert midtlinje
    1. Last inn det første angiografiske bildet i bilde digitaliseringsenheten37. Velg kantene på kateteret for å skalere bildet i senere trinn, og merk deretter kateterets midtlinje manuelt som begynner med den proksimale markøren og beveger seg distalt, med jevnt fordelte punkter, som vist i figur 4A. Eksporter dataene til .dat format, og gjenta dem for det andre angiografiske planet.
      MERK: Vanligvis forbedrer plan med en større vinkel at 20° mellom dem den tredimensjonale midtlinjerekonstruksjonen robusthet. Kateteret og OCT ledetråden skal være synlige i hvert bilde.

2. Tredimensjonal rekonstruksjon

  1. Angiografiprojeksjoner
    1. Last inn datafilene som ble eksportert i trinn 1.4. Bruk de to første punktene til å skalere dataene til millimeter (de to første punktene brukes med de kjente kateterspesifikasjonene, 6F i dette tilfellet). Trekk det proksimale datapunktet fra de gjenværende punktene i hvert datasett, slik at kurven begynner ved koordinatsystemets utgangspunkt.
    2. Generer rotasjonsmatriser for hver angiografisk visning, der θ og Φ representerer henholdsvis RAO/LAO- og CAU/CRA-vinklene. Vi bruker LAO- og CRA-vinkler som negative. De to rotasjonsmatrisene i henholdsvis x ( Rotx) og y ( Roty) er:
      Equation 1(1)
    3. Multipliser rotasjonsmatrisene sammen, og multipliser dem deretter med koordinatene for hvert punkt fra trinn 2.1.1. Den resulterende ligningen:
      Equation 2(2)
      gir den tredimensjonale plasseringen av kateteret punkt på sitt respektive angiogramplan (Pt3D) ved å rotere de todimensjonale punktene som ble spesifisert fra hvert angiografisk bilde.
    4. Beregn den normale vektoren til hvert angiografisk plan ved å multiplisere x- og y-rotasjonsmatrisene med enhetsvektoren i z-retningen. Fra proksimal til distal plassering, prosjekt hvert punkt normalt til det respektive planet og beregn midtpunktet for den korteste avstanden mellom projeksjonene. Dette resulterer i det tredimensjonale punktet på OCT-ledetråden i rommet.
    5. Ved hjelp av interparc-funksjonen, som er tilgjengelig fra MATLAB central file exchange38, deler du den tredimensjonale midtlinjen inn i punkter med lik avstand. Avstanden mellom punktene må være lik avstanden mellom OKT-bilder, som bestemmes av tilbaketrekkshastigheten. Dette er stedene der OCT-tverrsnittene vil bli plassert.
  2. OKT krysssnittrotasjon
    1. Bruk datafilen som inneholder kateterets senter og skala, og konverter hvert tverrsnitt fra piksler til mm ved hjelp av andre og tredje punkt i skaleringsfilen. Hvis du vil midtstille tverrsnittet om kateterets plassering, trekker du det første punktet i skaleringsfilen (kateterets senter) fra alle tverrsnittspunkter. Beregn den normale vektoren til tverrsnittet (parallelt med kateteret i arterien) ved å trekke det tredimensjonale midtlinjepunktet fra neste distale punkt langs kateterkurven.
    2. Roter OKT-tverrsnittet for å justere vinkelrett på kateterets midtlinje ved å multiplisere de skalerte datapunktene med rotasjonsmatrisen:
      Equation 3(3)
      hvor
      Equation 4(4)
      og NX, N Yog NZ er henholdsvis x -, y- og z-komponentene i den vanlige vektoren som er beregnet i del 2.1. Legg til det tredimensjonale midtlinjepunktet i alle de roterte punktene i tverrsnittet, noe som resulterer i tverrsnittsplasseringen i tredimensjonalt område (Figur 4B).
    3. Gjenta trinn 2.2.1-2.2.2 for hvert tverrsnitt (lumen, arterie og lipid). Eksporter tverrsnittene til en tekstfil, som kan importeres til CAD-programvaren (Computer Aided Design) for endelig oppretting av heldekkende kropp.
  3. 3D solid modelloppretting
    1. I en 3D-modelleringsprogramvare importerer og genererer du tverrsnittene én fil om gangen. Importer tekstfilene som inneholder tverrsnittene, til 3D-modelleringsprogramvaren ved å klikke på rullegardinmenyen for konsept (Figur 5A-1) og velge 3D-kurve (Figur 5A-2). Klikk Generer.
    2. Hvis du vil opprette en heldekkende komponent, merker du alle kurvene i rekkefølge og hever dem sammen (Figur 5A-3), og sikrer at du legger til frosset for å generere et nytt heldekkende tall. Utfør disse trinnene for lumen, lipider og yttervegg for å lage separate faste stoffer, noe som sikrer å muliggjøre sammenslåing av topologi.
      MERK: Det kan være nødvendig å hoppe over en kurve hvis problematisk geometri oppstår. I denne rekonstruksjonen utelater du en liten mellomseksjon lipid på grunn av størrelsen og den ekstra beregningskostnaden og numeriske kompleksiteten forbundet med inkluderingen.
    3. Hvis du vil trekke lumen og lipider fra arterieveggen, oppretter du en boolsk operasjon fra rullegardinlisten opprett og velger målkroppen som vegg og lipider/lumen som verktøylegemer for å trekke lumen og lipidene fra arterieveggen (Figur 5A-4).
    4. Del topologi mellom veggen og lipidene for å sikre at nettingnoder deles i fremtidige trinn. Dette gjør du ved å markere veggen og lipidene manuelt og høyreklikke for å danne en ny del (Figur 5A-5).
      MERK: Dette trinnet sikrer at nettingnoder deles mellom overflatene, noe som forhindrer feil kontaktområder eller nettinntrengning mellom de to lagene, noe som i stor grad hjelper i løsningsfasen. Den endelige geometrien til kateterets midtlinje, lipider, lumen og arterievegg visualiseres i figur 5B.
  4. Forhåndsbehandling: Grensebetingelser
    MERK: Før du setter opp simuleringen, er det nødvendig med pasientspesifikke grensebetingelser (BC). Her ble forskyvning hentet fra angiografien brukt, som brukes på innløp og utløp av simulering og blodstrømningshastighet / trykk målt fra menneskelige pasienter og beskrevet i litteraturen39.
    1. Forskyvning
      1. Gjenta trinn 1.4 og 2.1, men velg bare de distale og proksimale markørene, som begynner med det angiografiske bildet rett før end-diastole. Gjør dette for alle angiografiske bilder over en hjertesyklus.
      2. Tilpass utjevningssplines til koordinatene x, yog z for de to settene med punkt. Dette resulterer i forskyvning av innløps- og utløpsområdene. Representative resultater for pasientforskyvningene er vist i figur 6A.
        MERK: Forskyvningsanalysen ble påbegynt på bildet før sluttdiastolen for best å matche faser mellom den ekstraherte forskyvningen og de påførte trykk- og hastighetsprofilene som finnes i avsnitt 3.1.2, hvis systoliske fase begynner på 0,1 s (tilsvarer avstanden mellom angiografiske bilder). Når du trekker ut bevegelse, må du kontrollere at det ikke er noen tabellpanorering / bildebevegelse i hele bildesettet.
    2. Blodhastighet/trykk
      1. Opprett profiler som beskriver pulsatile blodhastighet og trykk ved å kompilere brukerdefinerte funksjoner (UDF). Her ble forbigående profiler målt fra menneskelige pasienter i litteraturen anvendt 39, modellert som en Fourier-serie, matematisk beskrevet av:
        Equation 5,     (5)
        hvor t er tiden, w0 er frekvensen, T er signalperioden, n er antall termer, og en0-11, b1-11 er koeffisienter tilpasset profiler beskrevet i litteraturen. I dette tilfellet bruker vi de første 11 vilkårene.
      2. MERK: Disse profilene er beskrevet i figur 6B og bør skrives til i en C-formatert fil i et integrert utviklingsmiljø, for eksempel Microsoft Visual Studio. Utløpstrykk er en flat profil og innløpshastighet brukes som en fullt utviklet, parabolsk profil, beskrevet som tilstrekkelig til å reprodusere realistiske forhold40. Videreutvikling av denne prosedyren kan omfatte måling av pasientens blodhastighet (for eksempel ved doppler-ekkokardiografi41) og trykk (ved hjelp av trykkledninger) som mer realistiske grensebetingelser. Videre vil samtidig måling av forskyvning, blodhastighet og trykk sikre at fasene deres er nøyaktig tilpasset.

3. Arterie/strukturell

  1. For å angi materialegenskapene for arterien og lipiden, skriv inn tekniske data og legg til et nytt materiale som heter arterie. Dra tettheten og 5-parameteren Mooney-Rivlin-modellen til det nye materialet og angi parametrene deres. Angi en tetthet på 1000 kg/m3 og de hyperelastiske koeffisientene som er beskrevet i tabell 1, basert på skremsel42 og lipid43 egenskaper i litteraturen. Gjenta dette for lipiden.
    MERK: Mooney-Rivlin-modellen er beskrevet av44:
    Equation 6(6)
    Der c10, c01, c20, c11og c02 er materialkonstanter og d er inkompressibility parameteren (null for inkompressibelt materiale i dette tilfellet). Her er jeg x th invariant av stammen tensor og J er elastisk deformasjon gradient determinant.
  2. Angi modellkomponenten, undertrykk lumen/væskekomponenten ved å høyreklikke lumen/væsken og velge Undertrykk (Figur 7A). Tilordne de tidligere definerte materialene til arterien og lipidstoffene ved å velge dem fra rullegardinlisten for materialer, og kontroller om enhetene er riktige.
  3. Geometrien må nå maskeres. Klikk på mesh (Figur 7B), sett fysikkpreferansen til ikke-lineær mekanisk og spesifiser maskestørrelse. Her ble adaptiv netting med en målstørrelse på 0,14 mm brukt. Juster maskepreferansene etter behov for å oppnå rimelige maskespydverdier og sikte på minst to til tre maskeelementer på tvers av hull som den fibrøse hetten. Det kan ta litt tid å generere nettet på grunn av den komplekse geometrien.
    MERK: En maskeuavhengighetsstudie må gjennomføres for å sikre at resultatene ikke påvirkes av maskeegenskaper. Reduser maskestørrelsen gradvis og sammenlign resultatene til variasjonen er mindre enn en angitt grense. I dette tilfellet bruker vi 2%45 (målt ved fibrøs hette på den tredje plakk). Videre, for å sikre maskekvalitet, sjekk maskeskjevhet; høy maskeforskyvning vil resultere i numeriske vanskeligheter under konvergens eller unøyaktige resultater. Hvis du vil redusere skjevheten, kan du prøve å redusere maskestørrelsen eller justere veksthastigheten, maksimumsstørrelsen og/eller krumningsvinkelen. Resultatene for vår maskeuavhengighetstest er skissert i tabell 2, med prosentvis variasjon i resultatene sammenlignet med middels maskestørrelse, som ble brukt gjennom denne analysen.
  4. Klikk på Analyseinnstillinger (Figur 7C). For FSI-simuleringer, slå av automatisk tid og sett antall deltrinn til ett (systemkobling vil kontrollere deltrinn), angi simuleringens sluttid, i dette tilfellet 0,8 s (pasienthjertefrekvens på 75 bpm). Systemkoblingen styrer tiden og deltrinnene.
  5. I rullegardinlisten problemløseren kontrollerer du problemløsertypen til programkontrollert for å bruke enten den direkte eller iterative metoden. Direkte metoder er mer robuste, men bruker mye mer minne. Sett Newton-Raphson-metoden til full. (På grunn av kompleksiteten i geometrien og ikke-lineæriteten i simuleringen, kan den direkte metoden og den fullstendige Newton-Raphson iterative metoden være nødvendig; men disse øker beregningskostnadene betydelig.)
  6. Angi systemkoblingsdomenet som arteriens indre vegg ved å sette inn et flytende grensesnitt. Gjør dette ved å høyreklikke og innse et heldekkende grensesnitt i kategorien Midlertidig (Figur 7D). Velg innsiden av arterieveggen for grensesnittet. Dette vil sende data mellom strukturen og væsken på dette stedet.
  7. Grensebetingelsene for forskyvning kan angis som en forskyvningsfunksjon i x-, y- og z -retningen som brukes ved innløps- og utløpsåpningene. Gjør dette ved å høyreklikke under kategorien Midlertidig og sette inn forskyvninger (Figur 7E). Dupliser forskyvningen for veibeskrivelsene x, yog z . I rullegardinlisten for retning velger du funksjon og kopierer forskyvningene som er trukket ut i trinn 2.4.1.
    MERK: Forskyvning kan legges inn som en funksjon eller som en tabell med punkter, avhengig av preferanser.
  8. For å hjelpe til med feilsøkingsfeil, sett inn fire Newton-Raphson-rester under Løsning-fanen. Disse kan vises hvis det oppstår feil for å finne den plagsomme geometrien eller maskeplasseringene.
    MERK: Hvis du vil sette inn alternativer for etterbehandling, for eksempel maksimal belastning, høyreklikker du kategorien Løsning og setter inn de riktige resultatene (Figur 7F).

4. Blod/væske

  1. Gå inn i Modell-fanen, kontroller enhetene og undertrykk arterien og lipiddelen, og la væskedomenet være på samme måte som trinn 3.2.
  2. Spesifiser maskemålingene og generer nettet, kontroller skjevhet og justering om nødvendig (vi brukte en maskestørrelse på 0,14 mm med en maksimal veggstørrelse på 0,12 mm). Det er god praksis å bruke lignende maskestørrelse og form, som gjort i strukturdelen, på områdene der den væskefaste interaksjonen forekommer.
    MERK: Som med trinn 3.3, bør det gjennomføres en maskeuavhengighetstest for å sikre at resultatene er uavhengige av maskeegenskaper, som vist i tabell 2. Kontroller kvaliteten på nettet og juster elementstørrelsen, vekstraten, raffinementet eller krumningen etter behov for å sikre at skjevheten forblir lav og at maskeuavhengigheten nås.
  3. Opprett navngitte valg for innløp, utløp og vegg før du går inn i væskeoppsettet, ved å høyreklikke på den respektive overflaten og velge sett inn navngitt utvalg.
  4. Angi kategorien Oppsett , og kontroller at dobbel presisjon er aktivert. Sett problemløsertypen til Trykkbasert , og kontroller at Tiden er satt til Forbigående ved å merke av i de respektive avmerkingsboksene (Figur 8A).
  5. Aktiver k-omega Viscous Turbulens-modellen og aktiver Shear Stress Transport og Low Reynolds Corrections ved å gå inn i kategorien Viskøs-modeller (Figur 8B) og merke av i de respektive avmerkingsboksene.
  6. Hvis du vil aktivere ikke-lineære viskositetsmodeller med turbulens, skriver du inn kommandoen /define/models/viscous/turbulence-expert/turb-non-newtonian?' i kommandokonsollen (figur 8C) og skriver inn 'ja' når du blir bedt om det.
  7. Under Materialer (Figur 8D) definerer du blodegenskapene ved å angi tetthet og velge ikke-newtonsk strømlovgivning i rullegardinlisten viskositet . Gjør dette ved å gi nytt navn til væsken som blod, angi en tetthet på 1 050 kg/m3, og sett power-law ikke-newtonsk konsistensindeks, k, til 0,035, kraftlovindeksen, n, til 0,6.
    MERK: Power Law ikke-newtonsk viskositetsmodell ble valgt basert på litteratur for å beskrive den ikke-lineære blodviskositeten46, η, når det gjelder væskestammehastigheten, Equation 7 som:
    Equation 8(7)
    Ulike ikke-newtonske blodviskositetsmodeller eksisterer for å fange blodets skjærfortynnende natur. Flere publikasjoner46,47,48,49 har undersøkt effekten av ulike viskositetsmodeller og deres koeffisienter, som bør konsulteres for ytterligere informasjon når du velger riktig modell.
  8. Kompiler vår brukerdefinerte funksjon, tidligere beskrevet i trinn 2.4.2, som inneholder den forbigående blodhastigheten og trykket, og kontroller kommandolinjene for eventuelle feil (Figur 8C). Last nå inn UDF ved å gå inn i kategorien Brukerdefinert (Figur 8E), velge Kompilert og navigere til katalogen til UDF før du importerer den og klikker Bygg, og deretter ved Last inn.
    MERK: Teksten vises i konsollen (Figur 8C). Kontroller dette nøye for å sikre at det ikke vises feil eller advarsler. Hvis UDF lastes inn riktig, vises UDF-navnene i konsollen (uthevet i figur 8C).
  9. Disse kan påføres innløpet og uttaket. Dette gjør du ved å velge kategorien Grensebetingelser . Dobbeltklikk Inlet (Figur 8F) og velg innløps-UDF fra rullegardinlisten profil. Gjenta dette trinnet for også å definere utløpstrykket.
  10. Aktiver det dynamiske nettet (ved å merke av i avmerkingsboksen under dynamisk nett -fanen som vises i figur 8G), inkludert utjevning, omsmelting og 6° frihetsløser, sette diffusjonsparameteren til 1,5 og de riktige maksimums- og minimumsskalaene for nettet.
  11. Kontroller at maksimums- og minimumsskalaen for netting er innenfor grensene for maskesonen, og at målforskyvningen er satt til 0,7. Nettegenskapene kan vises ved å klikke kategorien Egenskaper for netting .
  12. Opprett en ny dynamisk nettsone ved å klikke Opprett -knappen, angi lumenveggen i rullegardinlisten Region og velg Systemkobling. Dette er grensesnittet for å sende data til arteriekomponenten i simuleringen.
  13. Opprett deformerende nettsoner for innløps-, utløps- og innvendig lumen med passende verdier for maskeskalaen. Gjør dette ved å klikke Opprett i kategorien Dynamisk nett og velge Deformering. Aktiver omseing og utjevning og angi maskeskalaene basert på grensene for hver sone. Ofte er negative cellevolumfeil knyttet til dette dynamiske nettet, så kontroller nøye og juster maskeskalaene om nødvendig for hver region.
  14. Kontroller at trykkhastighetskoblingen er satt til koblet og sett de forbigående formulerings- og romlige diskretiseringsordningene i andre rekkefølge ved å gå inn i kategorien Metoder (Figur 8H) og foreta valg fra de respektive rullegardinlistene.
  15. I kontroller (Figur 8H) angir du et frakoblingsnummer på to, og angir kriteriene for restkonvergens i kategorien Skjermer (Figur 8I). Vi har brukt en verdi på 1e-5 for kontinuitet og 1e-6 for resten.
    MERK: Courant-nummeret kan estimeres basert på maskestørrelse, dx, tidstrinnstørrelse, dtog hastighet på blodet, v, ved hjelp av:
    Equation 9(8)
    Skriv inn dette tallet under frakoblingsnummer i kategorien Kontroller (Figur 8H). Her bruker vi et Courant nummer to. Courant-nummeret er vanligvis mindre enn ett; Men ettersom koblet trykkhastighetsløser med implisitte løsningsmetoder brukes, er resultatet iboende mer stabilt og mindre følsomt for denne verdien; Derfor anses to som akseptabelt.
  16. Hvis du vil definere en egendefinert funksjon for resultater som lokal normalisert helikitet (LNH), velger du egendefinerte feltfunksjoner i kategorien Parametere og tilpassing ( Figur8J) og setter inn en ny funksjon ved å høyreklikke og velge Ny. Bruk popup-vinduet til å definere etter behov. Skriv inn formelen ved hjelp av rullegardinlisten over problemløservariabler. Som et representativt resultat bruker vi LNH50,51, et mål på justeringen mellom hastighet, og Equation 11 vorticity, ω, vektorer, som en tilpasset funksjon beskrevet av:
    Equation 10(9)
    MERK: Andre egendefinerte variabler bør defineres på dette trinnet, for eksempel oscillatorisk skråstillingsindeks (OSI)52,53, et mål på flyttilbakeføring.
  17. I kategorien Kjør beregning (Figur 8K) angir du antall tidstrinn til 160 (en trinnstørrelse på 0,005 s og sluttidspunkt på 0,8 s), tidstrinnstørrelse på 5 ms og antall gjentakelser til 300 for å sikre at resultatet er tidsuavhengig.
    MERK: Avhengig av kompleksiteten i simuleringen, kan det være nødvendig med større gjentakelser per trinn. Flere hjertesykluser kan være nødvendig for fullstendig numerisk konvergens, noe vi merker som en begrensning; Dette brukes imidlertid ofte i koronar biomekanikksimuleringer på grunn av beregningskostnadene forbundet med disse simuleringene.
  18. Kontroller om det er merket av for Dataprøvetaking for tidsstatistikk , og kontroller at det er merket av for Veggstatistikk og Strømnings skråstilling, i tillegg til den tidligere definerte egendefinerte funksjonen.
  19. Opprett dataeksporten i kategorien Beregningsaktiviteter og Automatisk lagring (Figur 8L), og velg cfd-postkompatibelt alternativ for etterbehandling. Hvis man ønsker å behandle resulterer i en egen programvare, justerer du eksporttypen etter behov. Velg alle regioner (vegg, innvendig nett, innløp, utløp) og resultatene som skal eksporteres.
  20. Til slutt initialiserer du simuleringen med hybridskjemaet ved å gå inn i kategorien Initialisering (Figur 8M), velge Hybrid -oppsettet, klikke Innstillingerog øke antall gjentakelser til 20. Klikk Initialiser.

5. Systemkobling

  1. Kontroller at både struktur- og væskeoppsettene er koblet til systemkobling og oppdatert. Gjør dette ved å klikke og dra strukturoppsettet og det dynamiske oppsettet til systemkoblingen for å koble dem sammen, som vist i Figur 9A, slik at begge oppsettene oppdateres ved å høyreklikke og velge Oppdater.
  2. I Systemkoblingsetter du sluttidspunktet til 0,8 s og tidstrinnet til 0,005 s. Gjør dette ved å velge Analyseinnstillinger (Figur 9B-1) og angi sluttidspunkt og tidstrinnstørrelse. Sett de maksimale gjentakelsene til 10.
    MERK: Vanligvis er mellom 10 og 15 gjentakelser tilstrekkelig hvis både struktur- og væskekomponentene konvergerer godt.
  3. Velg henholdsvis veggen og det faste grensesnittet fra de flytende og strukturelle komponentene, og legg til en dataoverføring ved å holde Ctrl og velge de to grensesnittene for væskestruktur (Figur 9B-2); høyreklikk og opprett en dataoverføring mellom væske- og strukturkomponentene (Figur 9B-3). Juster underavslappingen eller rampingen av kraften som overføres fra væske til struktur for å hjelpe til med konvergens.
    MERK: Avhengig av modellens kompleksitet, grensebetingelser og materialegenskaper, kan det være nødvendig med dataoverføringsrampe eller underavslapping for numerisk konvergens. Disse kan påføres væskedataoverføringen (dvs. kraften som overføres fra væskekomponenten til arterieveggen). Disse alternativene er tilgjengelige i de opprettede dataoverføringene (Figur 9B-2).
  4. Når du er klar til å kjøre, klikker du Oppdater. Simuleringsdata som strukturell og væskekonvergens og deres respektive dataoverføringskonvergens skrives ut i konsollen.
    MERK: Vær oppmerksom på at FSI-simuleringer er beregningsmessig dyre, med denne simuleringen som tar 11 dager på en 16-kjerners maskin (2,6 GHz Intel Xeon Gold ved hjelp av 180 Gb fysisk minne (RAM)), med ytterligere variasjon i simuleringstider avhengig av maskinvareoppsett og modellkompleksitet. Representative dataoverføringsrester vises i diagrammet (Figur 9B-4) og løsningsdata skrives ut i konsollen (Figur 9B-5). I løpet av de første gjentakelsene kan konvergens av dataoverføringsrester ikke oppnås helt før en likevektstilstand er nådd. Dette er beskrevet mer detaljert i bildeteksten for figur 9B.
  5. Når simuleringen er fullført, kan resultatene etterbehandles i den kommersielle programvaren eller i en egen programvare, avhengig av dataeksporttypen som er beskrevet i trinn 4.19.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Representative resultater presenteres for både etablerte og fremvoksende biomekaniske markører av ateroskleroseprogresjon. Etablerte beregninger som WSS- og WSS-avledede resultater (inkludert tidsgjennomsnittet vegg skråstillingsspenning (TAWSS) og oscillatorisk skjærindeks (OSI)) visualiseres i figur 10. Veggskjærspenningen over hjertesyklusen er i stor grad drevet av blodhastigheten, men arteriegeometri og dens bevegelse / sammentrekning spiller en betydelig rolle i den romlige fordelingen. Dette kan ses i TAWSS- og OSI-konturene, med OSI, et mål på strømningssirkulasjon, etter å ha vært knyttet til aterosklerosedannelse. Slike variasjoner er representative for innsnevring/bøyninger og arteriegeometriens komplekse natur. Resultater nær innløp og utløp bør ses bort fra, da de vil bli betydelig påvirket av grensebetingelser. Mens WSS som skalarverdi er godt studert, har det underliggende vektorfeltet, som presenterer både en skalarverdi og retning, fått langt mindre oppmerksomhet. Her er veggskjæret stressvektorfelt vist i figur 11, med områder uthevet for å vise attraksjons- og ekspansjonsregioner, noe som kan påvirke nær veggtransportprosesser. Spesielt den distale regionen viser en betydelig attraksjonsregion, representativ for plutselige endringer i lumenområdet, noe som kan tyde på et risikosted for aterogenese. Attraksjons- og ekspansjonsregionene har blitt visuelt vurdert her; Dette resultatet kan imidlertid utvides gjennom videre etterbehandling for å trekke ut den underliggende topologiske strukturen og faste punkter54 numerisk. Slike attraksjons-/ekspansjonsregioner er representative for endringer i lumenområde og bifurkasjonsregioner.

Intraluminale strømningsegenskaper (vekk fra lumenveggen) kan også spille en viktig rolle i ateroskleroseprogresjon. Lokal normalisert helikitet (LNH), et mål på justering mellom blodhastighet og elfenbensvektorer, er nyttig for å visualisere motroterende intraluminale strømningsegenskaper26 og vises i figur 12. En tydelig forskjell kan ses mellom de proksimale og distale arteriedelene. Hvis den utviklede simuleringen var sub-optimal (dvs. grensebetingelser var svært nær regionen som ble analysert eller proksimal geometri som bøyninger er utelatt for å fokusere på en bestemt lesjon), kan dette resultatet bli betydelig påvirket, og dermed påvirke sammenhengen med endringer i plakkmorfologi. Dette er uthevet inset i figur 12. Til slutt analyseres belastningene i arterieveggen ved hjelp av Von Mises effektiv stress og presenteres i figur 13. Legg merke til det høye stressområdet ved utløpet (distal) på grunn av grensebetingelsen, som bør ignoreres. Von Mises stress (VMS) påvirkes av en kombinasjon av fibrøst hettetykkelse, arteriegeometri, materialegenskaper, blodhastighet/trykk og arteriebevegelse/sammentrekning. På grunn av dette er biomekanisk simulering nødvendig for å bestemme belastningene i veggen som følge av den ikke-lineære interaksjonen mellom disse faktorene. Den tynne fibrøse hetten i den proksimale regionen resulterer i det største stresset, med den forbigående fordelingen over hjertesyklusen drevet av arteriebevegelse. Dette er representativt for den tynne naturen til den fibrøse hetten. Omvendt, i den distale regionen, er VMS som resulterer i fibrøs hette overveiende drevet av blodtrykk. Å fange disse resultatene er bare mulig gjennom fullt koblede FSI-simuleringer på grunn av den iboende ikke-lineæriteten i simuleringen. Disse variasjonene kan spille en ennå udefinert rolle i ateroskleroseprogresjon.

Til slutt ble lumenareal, total lipidbue og minimum fibrøst hettetykkelse sammenlignet mellom baseline og oppfølging av OCT-avbildning. Disse resultatene vises i figur 14, med BILDER av bestemte områder som vises for visualisering av endringene. Resultatene generaliseres i de uthevede områdene for å forstå hvilken rolle WSS, intraluminal strømning og strukturelle påkjenninger har på lesjonsprogresjon; Videre etterbehandling kan imidlertid utføres for å kvantitativt sammenligne biomekaniske resultater ved hvert OKT-tverrsnittssted med endringer i plakksammensetning. Progresjonen av midtpulsåren lesjon var forbundet med i utgangspunktet lav TAWSS og VMS, forstyrret LNH mønstre, og så en sterk WSS attraksjon region (WSSat) og OSI. Legg merke til at denne lesjonen ikke var inkludert i den første geometrien på grunn av den lille størrelsen og den ekstra beregningsutgiften og kompleksiteten forbundet med inkluderingen. Dette står i direkte kontrast til den proksimale regionen, som så mer konsistente LNH-mønstre, høye TAWSS og VMS og svakere WSS-utvidelsesområde og OSI forbundet med lipidbuereduksjon og en tynnere fibrøst hette. Den distale lesjonen så den viktigste progresjonen og var forbundet med en moderat VMS som var drevet av blodtrykk, ikke arteriebevegelse, i motsetning til oppstrømsområdene. Samlet sett kan denne metodikken og resultatene brukes til å utvikle et mer komplett bilde av pasientens potensielle risiko, forutsatt at et større antall simuleringer kan produseres for å bedre forstå den statistiske betydningen av resultatene.

C10 (MPa) C01 (MPa) C20 (MPa) C11 (MPa) C02 (MPa) d (Pa-1)
Arterie -0.19 2.03 11.3 -0.19 20.1 1.00E-05
Lipid -0.17 0.21 5.02 -1.88 13.5 1.00E-05

Tabell 1: Materialegenskaper for arterieveggen og lipiden ved hjelp av en femparameter Mooney-Rivlin-modell.

Strukturell
Gjennomsnittlig maskestørrelse (mm) Målelementer over mellomrom Gjennomsnittlig maskeforskyvning Antall elementer Maksimal variasjon av hovedspenning (%)
Grov 0.17 2 0.25 1,266,029 4.7
Middels 0.14 3 0.25 1,657,589 -
Bot 0.11 4 0.24 3,382,733 1.28
Væske
Gjennomsnittlig maskestørrelse (mm) Maksimal ansiktsstørrelse (mm) Gjennomsnittlig maskeforskyvning Antall elementer Variasjon av veggsaksens stress (%)
Grov 0.17 0.15 0.23 527,103 6.42
Middels 0.14 0.12 0.22 772,767 -
Bot 0.11 0.09 0.22 1,392,534 1.85

Tabell 2: Resultater av maskeuavhengighet for tre forskjellige maskestørrelser testet.

Figure 1
Figur 1: Arbeidsflyt for gjennomføring av væskestrukturinteraksjonsanalyser fra pasientavbildning. Klikk her for å se en større versjon av denne figuren.

Figure 2
Figur 2: Omrisset av prosessen for å justere OCT-bilder mellom grunnlinje og oppfølging før du trekker ut lumenkanten. (A) Skjematisk for OKT-tverrsnittsjustering basert på landemerker som den proksimale bifurkasjonen (*) og den distale sidegrenen (^) for å velge tilsvarende bilder fra samme arteriesegment ved både grunnlinje og oppfølging. (B) Visualisering av prosessen for valg av punkter for kateterets senter og skala (røde kryss) samt lumenstartpunktet basert på tverrsnittslinjen (hvit stiplet) og lumenkonturen (hvite prikker). Klikk her for å se en større versjon av denne figuren.

Figure 3
Figur 3: Omriss av prosessen for rekonstruering av baksiden av lipider og ytterkanten av arterieveggen i områder med høy demping. Manuelt utvalg av synlige punkter på ytre elastisk membran (røde kryss); projeksjon av en ellipse montert på de valgte punktene for å danne det ytre arteriet tverrsnittsestimat (hvit stiplet linje); manuelt utvalg av indre lipidoverflate (blå prikker); projeksjon av lipidens bakside (gule prikker) ved å krympe det ytre veggestimatet for å nå ønsket baksidetykkelse. Oversikt over målinger som brukes til lesjonssammenligninger er også notert (lumenområde, fibrøst hettetykkelse og lipidbue). Klikk her for å se en større versjon av denne figuren.

Figure 4
Figur 4: Omriss av valg av biplan angiogramkateterpunkt og tredimensjonal rekonstruksjon. (A) Angiogram med skaleringspunkter og kateterkurve uthevet. (B) OKTbaserte tverrsnitt av lumen (blå) rotert og plassert langs den tredimensjonale kateterets midtlinje (røde punkter). Klikk her for å se en større versjon av denne figuren.

Figure 5
Figur 5: Programvareoppsett for generering av tredimensjonal geometri. (A) 3D solid modelloppretting: (1) Rullegardinmenyer for operasjoner; (2) Importerte 3D-tverrsnitt trukket ut fra OCT; (3) Loft mellom tverrsnitt for å skape solid; (4) Boolsk operasjon for å forene/ trekke fra faste legemer; (5) Delt topologi ved å skape en del med arterie og lipider. (B) De endelige 3D-komponentene for heldekkende geometri, inkludert de tre lipidene, kateterets midtlinje, lumen og arterievegg. Legg merke til at en liten lipid i midtseksjonen ikke ble vurdert i rekonstruksjonen på grunn av sin lille størrelse og de ekstra beregningskostnadene forbundet med inkluderingen. Klikk her for å se en større versjon av denne figuren.

Figure 6
Figur 6: Grensebetingelser som brukes på simuleringen. (A) Plott av forskyvning i x-, y- og z-retningene for de proksimale (innløps) og distale (utløp) delene av arterien hentet fra angiografi. (B) Hastighets- og trykkgrensebetingelser for henholdsvis innløp og utløp fra litteraturen. Klikk her for å se en større versjon av denne figuren.

Figure 7
Figur 7: Programvareoppsett for strukturoppsettet. (A) Faste kropper og deres materialegenskapsdefinisjoner; (B) Innstillinger for netting; (C) Innstillinger for problemløser/analyse. (D) Væskefast grensesnitt påført arterieens indre vegg; (E) Grensebetingelser for forskyvning som brukes på innløpet og utløpet. (F) Løsning etter behandling. Klikk her for å se en større versjon av denne figuren.

Figure 8
Figur 8: Programvareoppsett for væskeoppsettet. (A) Generelle problemløserinnstillinger; (B) Innstillinger for turbulensmodell; (C) Brukergrensesnitt for konsoll/tekst for innskrevne kommandoer. (D) Oppsett av fluidegenskap; (E) Brukerdefinert funksjonskompilator; (F) Innstillinger for grensebetingelser for angitte navngitte valg. (G) Dynamiske nettinnstillinger og oppsett av samspillssone for væskestruktur; (H) Problemløseren innstillinger og kontroller; (I) Spesifikasjon av gjenværende konvergenskriterier; (J) Region for å definere egendefinerte funksjoner som LNH; (K) Beregningsoppsett for tidstrinn og gjentakelser. (L) Innstillinger for dataeksportformat. (M) Initialisering av løsning. Klikk her for å se en større versjon av denne figuren.

Figure 9
Figur 9: Omriss av grensesnittet for systemkobling. (A) Endelig oppsett for samhandlingsarbeidsflyten for koblet væskestruktur. (B) Programvareoppsett for systemkoblingsoppsett og simulering løser: (1) Analyseinnstillinger; (2) Fluidstruktur grensesnitt for strukturelle og flytende komponenter; (3) Dataoverføringer; (4) Systemkobling rester monitor; (5) Løsningsinformasjon. Selv om konvergens av struktur- og væskekomponentene kan oppnås i hvert trinn, kan det hende at dataoverføringsrester ikke konvergerer sammen i løpet av de første trinnene. Ved det syvende trinnet sporer dataoverføringsrester innen 10 prosent av hverandre, og viser god konvergens. For fullstendig konvergens må dataoverføringer også nå målkriteriene, med standarden satt til minus to (logaritmisk skala), vist i den grønne pilen. Starten på hvert nye tidstrinn skisseres av de blå pilene. I dette tilfellet kan økning av antall systemkoblings iterasjoner tillate dataoverføringene å konvergere tidligere, men legger til beregningskostnader i simuleringen. Simuleringskonvergens ble nådd fra trinn 11 og utover. Klikk her for å se en større versjon av denne figuren.

Figure 10
Figur 10: Representative resultater av veggskjærstress. (A) Tidsgjennomsnittet veggskjærspenning, (B) oscillatorisk skjærindeks og (C) veggskjærspenning over hjertesyklusen på de fire stedene som er definert på kontur (A). Veggskjærets stressresultatvariasjoner er drevet av en kombinasjon av lumenformen, bevegelsen / bøyningen og blodhastigheten, noe som resulterer i en topp i skjærspenning over den distale lipiden (punkt fire). Svingningene sett i løpet av de første tidstrinnene er et resultat av at simuleringen finner likevekt og bør ikke vurderes nærmere ved tolkning av resultater. Klikk her for å se en større versjon av denne figuren.

Figure 11
Figur 11: Veggskjær stress vektorfelt farget av størrelsesorden (omvendt skala). Analyser av det underliggende vektorfeltet viser løfter om bedre forståelse nær veggtransportprosesser, med tiltreknings- og ekspansjonsregioner (uthevet innfelt) som antyder henholdsvis ateropron og aterobeskyttende nær veggstrømningsforhold. Attraksjonsregioner ses mer signifikant i de distale regionene som antyder potensiell risiko for lesjonsprogresjon. Klikk her for å se en større versjon av denne figuren.

Figure 12
Figur 12: Syklusgjennomsnittet av lokale normaliserte helikitetsverdier for høyre (positiv) og venstre (negativ) roterende strømningsstrukturer. De distale stedene ser større forstyrrelser i de motroterende strømningsstrukturene sammenlignet med den proksimale regionen. En suboptimal simulering (vist innsett) fokusert på den distale plakk med for lite av den proksimale geometrien inkludert resulterte i varierte spiralformede strømningsstrukturer som endrer assosiasjonene sett mellom biomekaniske resultater og plakkprogresjon. Klikk her for å se en større versjon av denne figuren.

Figure 13
Figur 13: Representative von Mises stressfordelingsresultater. (A) Von Mises stressfordeling i arterieveggen. Områdene med høy stress ligger på minimum fibrøse cap tykkelsessteder. Plakk skuldre produserer stress forsterkere. (B) Plot of Von Mises stress over tid for en hjertesyklus, med den forbigående fordelingen påvirket av en kombinasjon av plakkmorfologi, blodtrykk, blodhastighet / momentum, og arteriebevegelsen (syklisk bøyning og kompresjon). Nummererte punkt i (B) tilsvarer de som vises i (A). Legg merke til forskjellen mellom punkt én og fire. begge resulterer på en fibrøst hette; Stress ved første plassering er imidlertid drevet av arteriebevegelse/bøyning, mens det fjerde punktet domineres av blodtrykket. Klikk her for å se en større versjon av denne figuren.

Figure 14
Figur 14: Representativ endring i målte plakk- og karegenskaper sammenlignet med biomekaniske resultater. (A) Lumen-området, (B) totalsum av lipidbuevinkel og (C) minimum fibrøse cap tykkelse sammenligninger mellom baseline og oppfølging bildebehandling. Grunnlinje- og oppfølgingsbilder vises tilsvarende den aksiale avstanden som er merket med de grønne pilene. Generell atferd for tid gjennomsnittet vegg skjær stress (TAWSS), oscillatorisk skjær indeks (OSI), vegg skjær stress attraksjon region (WSSat), lokal normalisert helicity (LNH) og Von Mises stress (VMS) vises i de uthevede regionene. Indikatorer representerer henholdsvis økte, reduserte og nøytrale verdier for henholdsvis den røde pilen, den grønne pilen og den svarte linjen. Klikk her for å se en større versjon av denne figuren.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Bruk av FSI-metoder for å analysere koronarbiomekanikk er fortsatt et utviklingsfelt fra både numerisk modellering og kliniske resultataspekter. Her har vi beskrevet omrisset av å sette opp en pasientspesifikk FSI-analyse, basert på det endelige elementet /begrensede volummetoder, ved hjelp av OCT og angiografisk avbildning. Mens metoden vi beskriver her bruker en kommersiell elementløser, kan prosedyren brukes på hvilken som helst FSI-kompatibel programvare. Det er fortsatt flere begrensninger å forbedre i metodikken. For det første erkjenner vi begrensningen av bare å presentere representative resultater for en enkelt pasient; Vi presenterer imidlertid den nåværende protokollen for bedre å skissere prosessen med biomekanisk FSI-simulering av arterier i håp om at den presenterte metodikken kan videreutvikles og brukes på større kohorter i fremtiden. Videre er mye av prosessen som er beskrevet i bildeanalysefasen manuell, og introduserer potensiell interobservervariabilitet når du segmenterer lumen, lipider og yttervegg. Videre utvikling kan gjøres for å automatisere disse prosessene55 eller inkludere flere ekspertanalyser som vil være spesielt nyttige for å gi en mer robust sammenligning mellom basislinje- og oppfølgingsbilder. OCT-avbildningen som ble brukt i denne prosedyren var heller ikke EKG-inngjerdet, noe som resulterte i en liten feiljustering av tverrsnitt på grunn av hjertebevegelse/sammentrekning. Tatt i betraktning dette i fremtiden kan også øke sammenligningsnøyaktigheten.

Ettersom fokuset i studien var på forholdet mellom biomekaniske krefter og plakksammensetning, ble det tatt en OCT-sentrert tilnærming for å utnytte OCT's høye nøyaktighet (10-20 μm). Dette gir imidlertid utfordringer på grunn av den betydelige dempingen som skyldes OKTs begrensede vevsinntrengningsdybde8. I motsetning til rent CFD-teknikker, som bare krever detaljering av lumenformen fra OCT-bilder for væskeanalyser, krever FSI også detaljert informasjon om lipider og arterieveggen. For å overvinne denne begrensningen ble det presentert en estimeringsteknikk i denne metodikken, da det under normal klinisk praksis bare brukes en intravaskulær avbildningsmodalitet. Fremtidig forskning bør utføres for å validere nøyaktigheten av denne teknikken og dens innvirkning på biomekaniske resultater gjennom samregistrering av IVUS og OCT. For denne prosedyren har vi antatt at denne effekten er ubetydelig, da lumenform og fibrøst hettetykkelse56,57 generelt er mer dominerende drivere av stress resulterer i veggen. Kombinere OCT og Intravascular Ultralyd (IVUS) kan overvinne denne vanskeligheten58; overlegen vev penetrasjon av IVUS tillater analyse av plakk egenskaper og en nesten 10 ganger økning i romlig oppløsning av OCT fører til svært nøyaktig lumen representasjon59. Utviklingen i multimodale katetre gir en betydelig mulighet til å løse dette i fremtiden58. På samme måte, for angiografiske midtlinjer, kan ytterligere automatisering for mer nøyaktig redegjørelse for bordpanning, arteriekompresjon / avslapning og foreshortening gjøres ved å bygge på denne metoden60.

Den numeriske simuleringen kan forbedres ytterligere ved å inkludere den anisotrope naturen til koronarvev. Det isotrope hyperelastiske vevet som er beskrevet i metodikken, vurderer ikke virkningen av arteriemikrostruktur. Dette har vist seg å være viktig for stressstørrelse og fordeling i arterieveggen31. Vevsanisotropi kan inkluderes i fremtiden ved å lage brukerdefinerte materialmodeller. Alternative elementløsere har også innebygde anisotrope hyperelastiske modeller utviklet spesielt for biologisk vevsadferd, for eksempel Holzapfel-Gasser-Odgen modell61. Dagens simuleringer begrenses også ved først og fremst å bruke data fra litteraturen42 utskilt fra og mekanisk testet utenfor det fysiologiske miljøet. Etter hvert som intravaskulære avbildningsteknikker forbedres, ser vi også muligheten for å definere vevsegenskaper skreddersydd for hver enkelt pasient. På samme måte ble intima, media og adventitia forenklet til en enkelt lagdelt struktur, da det å skille disse lagene fra OCT byr på utfordringer, spesielt når det ikke oppstår overlapping i gjenoppbyggingsprosessen. Den ekstra numeriske kostnaden er også betydelig, noe som krever videre undersøkelse for å finne balansen mellom kostnad / tid og nøyaktighet ettersom flere lag spiller en rolle i den totale stressresponsen62,63.

Videre, fra et intravaskulært strømningsperspektiv, mens vi bare presenterer representative resultater av LNH, er det utviklet flere spiralformede strømningsindekser i litteraturen, med resultater som h2-indeksen, som kvantifiserer helicity intensitet, foreslått å være ateroprotektive. Disse indeksene kan legges til protokollen ved å definere dem i egendefinerte feltfunksjoner (trinn 4.16) på samme måte som LNH, og vi dirigerer interesserte lesere til sitert litteratur24,25,51 for ytterligere informasjon.

Til slutt er vår metodikk begrenset til å anvende hastighets- og trykkgrensebetingelser målt i litteraturen, i stedet for målte pasientspesifikke. Dette kan forbedres ved å trekke ut blodtrykks- og trykkgrensebetingelser som er spesifikke for hver pasient ved hjelp av doppler-ekkokardiografi64 og kvantitative / fraksjonelle strømningsreservemålinger65 i fremtiden. Slike forbedringer vil være spesielt nyttige for å sikre at arterieforskyvningen kan tilpasses nøyaktig blodhastighets- og trykkfaser (spesielt start/ sluttsystol), noe vi gir et estimat for i denne analysen. Videre, mens det har blitt antydet at flytende grensebetingelser bare påvirker den svært nærliggende regionen av grensen, bør interesseområdet for vurdering av plakkvekst / regresjon av ombygging settes rundt midtdelen av simuleringsgeometrien for å minimere enhver innvirkning av disse innløps- og utløpsforholdene. Virkningen av å simulere en sub-optimal arterieseksjon som er for kort, er fremhevet i figur 12, der innløps- og utløpsforholdene i stor grad påvirker de presenterte resultatene, i stedet for arteriegeometrien og dynamikken. Dette vil få direkte konsekvenser for prediktiv evne hvis det ikke er tilstrekkelig gjort rede for. Videre, mens vi presenterer en simulering ved hjelp av Power Law ikke-newtonsk viskositetsmodell basert på forslag i litteraturen46,48, nyere undersøkelser47 har foreslått Carreau-modellen som en mer passende viskositetsmodell. Ulike viskositetsmodeller kan velges i trinn 4.7 i protokollen. Ved å bygge direkte fra denne metodikken, kan innlemmelse av disse fremskrittene i stor grad øke resultat spesifisiteten og nøyaktigheten i fremtiden.

Under utviklingen av den faste modellen er det viktig å ta skritt for å forbedre sannsynligheten for et høykvalitetsnett og redusere feilutsatte regioner. Deling av topologi mellom lipid- og arterieveggen er et viktig første skritt, slik at mesh-noder kan deles mellom de faste overflatene når nettingtrinnet utføres. Ved å dele noder reduseres muligheten for feil forbundet med ufullkommen maskejustering og nettinntrengning, en ikke ubetydelig risiko på grunn av modellens komplekse geometri. Etter oppsett av både faste og flytende analysekomponenter, er det også viktig å se etter maskeuavhengighet. Dette sikrer at alle resultatene ikke påvirkes av størrelsen på det genererte nettet. For mesh uavhengighet bør resultatene forbli stabile til tross for endringer i maskestørrelse. For effektive beregninger, velg det største mulige nettet (minst antall elementer) som sikrer denne uavhengigheten. Videre er det et kritisk skritt å sikre at både fluentbaserte rester konvergerer og systemkoblingsdataoverføringene konvergerer. Generelt er det god praksis for strukturelle og flytende dataoverføringsrester å konvergere til innen 10% av hverandre på slutten av hvert tidstrinn. Ettersom simuleringen finner en likevektstilstand, vil de første gjentakelsene av en FSI-simulering noen ganger ikke helt konvergere, som tidligere beskrevet i figur 7. Vanligvis, etter at de første 5% -10% av simuleringstiden er fullført, bør konvergens nås for hvert trinn. Selv om vi også demonstrerer metodikken her over en hjertesyklus, en forenkling som ofte gjøres i koronarbiomekanikk, er det ofte nødvendig med flere hjertesykluser for numerisk konvergens. På grunn av beregningskostnadene forbundet med koronar biomekanikk simuleringer, men flere hjertesykluser er ofte ikke mulig. Dette er en begrensning som garanterer videre utvikling.

Flere mulige feil kan også oppstå under simulering. De vanligste av disse er elementforvrengning/deformasjon fra struktursiden og negativt cellevolum fra væskesiden. Elementforvrengning kan skyldes stressforsterkere som klemmepunkter / områder med dårlig elementkvalitet eller fra den påførte kraften som overskrider materialstyrken. For å finne stedene der det oppstår feil, sett inn Newton-Raphson-rester (fra under Løsning-fanen i forbigående strukturelle). Newton-Raphson rester vil vise regionene i geometrien med den største gjenværende feilen. Hvis maskekvaliteten er lav i denne regionen, kan det hjelpe å finjustere nettet. Hvis du viser konvergensen for fremtvinging/forskyvning fra rullegardinlisten i kategorien Løsning , kan det også bidra til å feilsøke denne feilen. Fra væskeperspektivet er negativt cellevolum vanligvis knyttet til innstillingene for dynamisk netting. Se nøye gjennom disse innstillingene, og prøv å øke margen mellom maksimums-/minimumsstørrelsene for maskesonen og den manuelt angitte maxima/minima. Grunne/dårlige kvalitetselementer i grenseområdet kan også påvirke denne feilen på grunn av deformasjonen som oppstår under systemkoblingen. Gjennomgang av maskekvalitet i grenseområdet kan også hjelpe til med feilsøking. Ved feilsøking kan løsning av strukturelle komponenter og væskekomponenter separat redusere tiden det tar å løse feil.

Fremover viser FSI-basert simulering betydelig potensial for koronar lesjonsanalyser da den overvinner begrensningene i rent strukturelle eller væskebaserte tilnærminger(CFD). Den presenterte metodikken har også ytterligere anvendelser i koronarstenting66, ventrikelfunksjon67, og spontan koronararterie disseksjon68 analyse. Det er imidlertid fortsatt utfordringen med å korrelere biomekaniske resultater med kliniske resultater. Dette er fortsatt vanskelig på grunn av beregningskostnadene forbundet med FSI-teknikker, noe som begrenser antall analyser som kan utføres innenfor realistiske tidsrammer. Dette betyr at resultatene i dag ikke kan brukes i nær sanntid (for eksempel i kateteriseringslaboratoriet) for å direkte bistå perkutan koronarintervensjon (PCI), men heller er retrospektive analyser som fører til forsinkelser i datatilgangen. Denne tidsrammen kan fortsatt være nyttig for å veilede iscenesatte PCI-prosedyrer eller individualisere mer aggressiv farmakoterapi eller overvåking for ikke-skyldige koronarskader som er identifisert som å ha høy risiko for progresjon eller destabilisering på grunn av deres biomekaniske profil. Med flere biomekaniske markører som dukker opp med potensielle koblinger til CAD, vil en multifaktoriell tilnærming som er i stand til å simulere og sammenligne resultater gi et klarere bilde av forholdet mellom arteriebiomekanikk og ateroprone steder, en mulighet for at FSI-simuleringer er unikt plassert for å fullføre. Muligheten for denne FSI-simuleringen til å integrere og informere maskinlæringsalgoritmer ytterligere kan også overvinne begrensningene knyttet til hver separate tilnærming69. Samlet sett kan denne metodikken bidra til å forutsi koronar ateroskleroseprogresjon, og med videre utvikling kan bli en integrert del av høyrisiko pasientbehandling.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har ingen konflikter å erklære angående utarbeidelsen av denne artikkelen. S.J.N. har fått forskningsstøtte fra AstraZeneca, Amgen, Anthera, Eli Lilly, Esperion, Novartis, Cerenis, The Medicines Company, Resverlogix, InfraReDx, Roche, Sanofi-Regeneron og Liposcience og er konsulent for AstraZeneca, Akcea, Eli Lilly, Anthera, Kowa, Omthera, Merck, Takeda, Resverlogix, Sanofi-Regeneron, CSL Behring, Esperion og Boeh. P.J.P. har mottatt forskningsstøtte fra Abbott Vascular, konsulenthonorarer fra Amgen og Esperion og foredragsholder æresbevisning fra AstraZeneca, Bayer, Boehringer Ingelheim, Merck Schering-Plough og Pfizer.

Acknowledgments

Forfatterne ønsker å anerkjenne støtten fra University of Adelaide, Royal Adelaide Hospital (RAH) og South Australian Health and Medical Research Institute (SAHMRI). COCOMO-ACS-studien er en etterforskerinitiert studie finansiert av prosjektstipend fra National Health and Medical Research Council (NHMRC) i Australia (ID1127159) og National Heart Foundation of Australia (ID101370). H.J.C. støttes av et stipend fra Westpac Scholars Trust (Future Leaders Scholarship) og anerkjenner støtte fra University of Adelaide, School of Mechanical Engineering og Department of Education, Skills and Employment Research Training Program (RTP) stipend. S.J.N. mottar et hovedstipend fra NHMRC (ID1111630). P.J.P. mottar et level 2 Future Leader Fellowship fra National Heart Foundation of Australia (FLF102056) og Level 2 Career Development Fellowship fra NHMRC (CDF1161506).

Materials

Name Company Catalog Number Comments
ANSYS Workbench (version 19.0) ANSYS Commercial finite element solver
MATLAB (version 2019b) Mathworks Commercial programming platform
MicroDicom/ImageJ MicroDicom/ImageJ Open Source DICOM reader
Visual Studio (version 2019) Microsoft Commercial Integrated Development Environment

DOWNLOAD MATERIALS LIST

References

  1. American Heart Association. Cardiovascular disease: A costly burden for America projections through 2035. American Heart Association. , (2017).
  2. Gheorghe, A., et al. The economic burden of cardiovascular disease and hypertension in low-and middle-income countries: A systematic review. BMC Public Health. 18 (1), 975 (2018).
  3. Virani, S. S., et al. Heart disease and stroke statistics-2020 update: A report from the American Heart Association. Circulation. 141 (9), 139 (2020).
  4. Benjamin, E. J., et al. Heart disease and stroke statistics-2019 update: A report from the American Heart Association. Circulation. 139 (10), 56 (2019).
  5. Cardiovascular diseases (CVDs). World Health Organisation. , Available from: https://www.who.int/news-room/fact-sheets/detail/cardiovascular-diseases-(cvds) (2017).
  6. Calvert, J. W. Cellular and Molecular Pathobiology of Cardiovascular Disease. Willis, M. S., Homeister, J. W., Stone, J. R. , Academic Press. 79-100 (2014).
  7. Baumann, A. A. W., Mishra, A., Worthley, M. I., Nelson, A. J., Psaltis, P. J. Management of multivessel coronary artery disease in patients with non-ST-elevation myocardial infarction: a complex path to precision medicine. Therapeutic Advances in Chronic Disease. 11, 1-23 (2020).
  8. Montarello, N. J., Nelson, A. J., Verjans, J., Nicholls, S. J., Psaltis, P. J. The role of intracoronary imaging in translational research. Cardiovascular Diagnosis and Therapy. 10 (5), 1480-1507 (2020).
  9. Narula, J., et al. Histopathologic characteristics of atherosclerotic coronary disease and implications of the findings for the invasive and noninvasive detection of vulnerable plaques. Journal of the American College of Cardiology. 61 (10), 1041-1051 (2013).
  10. Kim, S. -J., et al. Reproducibility of in vivo measurements for fibrous cap thickness and lipid arc by OCT. JACC: Cardiovascular Imaging. 5 (10), 1072-1074 (2012).
  11. Prati, F., et al. Relationship between coronary plaque morphology of the left anterior descending artery and 12 months clinical outcome: the CLIMA study. European Heart Journal. 41 (3), 383-391 (2019).
  12. Nelson, A. J., Ardissino, M., Psaltis, P. Current approach to the diagnosis of atherosclerotic coronary artery disease: more questions than answers. Therapeutic Advances in Chronic Disease. 10, 1-20 (2019).
  13. Carpenter, H. J., Gholipour, A., Ghayesh, M. H., Zander, A. C., Psaltis, P. J. A review on the biomechanics of coronary arteries. International Journal of Engineering Science. 147, (2020).
  14. Wang, L., et al. Fluid-structure interaction models based on patient-specific IVUS at baseline and follow-up for prediction of coronary plaque progression by morphological and biomechanical factors: A preliminary study. Journal of Biomechanics. 68, 43-50 (2018).
  15. Shishikura, D., et al. The relationship between segmental wall shear stress and lipid core plaque derived from near-infrared spectroscopy. Atherosclerosis. 275, 68-73 (2018).
  16. Cameron, J. N., et al. Exploring the relationship between biomechanical stresses and coronary atherosclerosis. Atherosclerosis. 302, 43-51 (2020).
  17. Giannoglou, G. D., Soulis, J. V., Farmakis, T. M., Farmakis, D. M., Louridas, G. E. Haemodynamic factors and the important role of local low static pressure in coronary wall thickening. International Journal of Cardiology. 86 (1), 27-40 (2002).
  18. Stone, P. H., et al. Effect of endothelial shear stress on the progression of coronary artery disease, vascular remodeling, and in-stent restenosis in humans: In vivo 6-month follow-up study. Circulation. 108 (4), 438-444 (2003).
  19. Bourantas Christos, V., et al. Shear stress estimated by quantitative coronary angiography predicts plaques prone to progress and cause events. JACC: Cardiovascular Imaging. 13 (10), 2206-2219 (2020).
  20. Stone, P. H., et al. Role of low endothelial shear stress and plaque characteristics in the prediction of nonculprit major adverse cardiac events: The PROSPECT study. JACC: Cardiovascular Imaging. 11 (3), 462-471 (2018).
  21. Arzani, A., Gambaruto, A. M., Chen, G., Shadden, S. C. Wall shear stress exposure time: a Lagrangian measure of near-wall stagnation and concentration in cardiovascular flows. Biomechanics and Modeling in Mechanobiology. 16 (3), 787-803 (2017).
  22. Hoogendoorn, A., et al. Multidirectional wall shear stress promotes advanced coronary plaque development: comparing five shear stress metrics. Cardiovascular Research. 116 (6), 1136-1146 (2020).
  23. Chiastra, C., et al. Healthy and diseased coronary bifurcation geometries influence near-wall and intravascular flow: A computational exploration of the hemodynamic risk. Journal of Biomechanics. 58, 79-88 (2017).
  24. Gallo, D., Steinman, D. A., Bijari, P. B., Morbiducci, U. Helical flow in carotid bifurcation as surrogate marker of exposure to disturbed shear. Journal of Biomechanics. 45 (14), 2398-2404 (2012).
  25. De Nisco, G., et al. The atheroprotective nature of helical flow in coronary arteries. Annals of Biomedical Engineering. 47 (2), 425-438 (2019).
  26. De Nisco, G., et al. The impact of helical flow on coronary atherosclerotic plaque development. Atherosclerosis. 300, 39-46 (2020).
  27. Eslami, P., et al. Effect of wall elasticity on hemodynamics and wall shear stress in patient-specific simulations in the coronary arteries. Journal of Biomechanical Engineering. 142 (2), (2019).
  28. Malvè, M., García, A., Ohayon, J., Martínez, M. A. Unsteady blood flow and mass transfer of a human left coronary artery bifurcation: FSI vs. CFD. International Communications in Heat and Mass Transfer. 39 (6), 745-751 (2012).
  29. Chiastra, C., Migliavacca, F., Martínez, M. Á, Malvè, M. On the necessity of modelling fluid-structure interaction for stented coronary arteries. Journal of the Mechanical Behavior of Biomedical Materials. 34, 217-230 (2014).
  30. Carpenter, H., Gholipour, A., Ghayesh, M., Zander, A. C., Psaltis, P. In vivo based fluid-structure interaction biomechanics of the left anterior descending coronary artery. Journal of Biomechanical Engineering. 143 (8), (2021).
  31. Tang, D., et al. 3D MRI-based anisotropic FSI models with cyclic bending for human coronary atherosclerotic plaque mechanical analysis. Journal of Biomechanical Engineering. 131 (6), (2009).
  32. Gholipour, A., Ghayesh, M. H., Zander, A. C., Psaltis, P. J. In vivo based biomechanics of right and left coronary arteries. International Journal of Engineering Science. 154, (2020).
  33. Pei, X., Wu, B., Li, Z. -Y. Fatigue crack propagation analysis of plaque rupture. Journal of Biomechanical Engineering. 135 (10), (2013).
  34. Wang, L., et al. IVUS-based FSI models for human coronary plaque progression study: components, correlation and predictive analysis. Annals of Biomedical Engineering. 43 (1), 107-121 (2015).
  35. Fan, R., et al. Human coronary plaque wall thickness correlated positively with flow shear stress and negatively with plaque wall stress: an IVUS-based fluid-structure interaction multi-patient study. BioMedical Engineering OnLine. 13 (1), 32 (2014).
  36. Migliori, S., et al. Application of an OCT-based 3D reconstruction framework to the hemodynamic assessment of an ulcerated coronary artery plaque. Medical Engineering & Physics. 78, 74-81 (2020).
  37. Pataky, T. DIGITIZE07. MATLAB Central File Exchange. , Available from: https://www.mathworks.com/matlabcentral/fileexchange/14703-digitize07 (2021).
  38. D'Errico, J. interparc. MATLAB Central File Exchange. , Available from: https://www.mathworks.com/matlabcentral/fileexchange/34874-interparc (2021).
  39. Davies Justin, E., et al. Evidence of a dominant backward-propagating "suction" wave responsible for diastolic coronary filling in humans, attenuated in left ventricular hypertrophy. Circulation. 113 (14), 1768-1778 (2006).
  40. Campbell, I. C., et al. Effect of inlet velocity profiles on patient-specific computational fluid dynamics simulations of the carotid bifurcation. Journal of Biomechanical Engineering. 134 (5), (2012).
  41. Chang, W. -T., et al. Ultrasound based assessment of coronary artery flow and coronary flow reserve using the pressure overload model in mice. Journal of Visualized Experiments: JoVE. (98), (2015).
  42. Holzapfel, G. A., Sommer, G., Gasser, C. T., Regitnig, P. Determination of layer-specific mechanical properties of human coronary arteries with nonatherosclerotic intimal thickening and related constitutive modeling. American Journal of Physiology-Heart and Circulatory Physiology. 289 (5), 2048-2058 (2005).
  43. Versluis, A., Bank, A. J., Douglas, W. H. Fatigue and plaque rupture in myocardial infarction. Journal of Biomechanics. 39 (2), 339-347 (2006).
  44. ANSYS Inc. ANSYS Academic Research Mechanical, Release 19.0, Mechanical APDL Theory Reference, Structures with Material Nonlinearities, Hyperelasticity, Mooney-Rivlin. ANSYS Inc. , (2019).
  45. Dong, J., Sun, Z., Inthavong, K., Tu, J. Fluid-structure interaction analysis of the left coronary artery with variable angulation. Computer Methods in Biomechanics and Biomedical Engineering. 18 (14), 1500-1508 (2015).
  46. Johnston, B. M., Johnston, P. R., Corney, S., Kilpatrick, D. Non-Newtonian blood flow in human right coronary arteries: Steady state simulations. Journal of Biomechanics. 37 (5), 709-720 (2004).
  47. Abbasian, M., et al. Effects of different non-Newtonian models on unsteady blood flow hemodynamics in patient-specific arterial models with in-vivo validation. Computer Methods and Programs in Biomedicine. 186, (2020).
  48. Soulis, J. V., et al. Non-Newtonian models for molecular viscosity and wall shear stress in a 3D reconstructed human left coronary artery. Medical Engineering & Physics. 30 (1), 9-19 (2008).
  49. Liu, B., Tang, D. Influence of non-Newtonian properties of blood on the wall shear stress in human atherosclerotic right coronary arteries. Molecular & Cellular Biomechanics: MCB. 8 (1), (2011).
  50. Morbiducci, U., Ponzini, R., Grigioni, M., Redaelli, A. Helical flow as fluid dynamic signature for atherogenesis risk in aortocoronary bypass. A numeric study. Journal of Biomechanics. 40 (3), 519-534 (2007).
  51. Morbiducci, U., et al. In vivo quantification of helical blood flow in human aorta by time-resolved three-dimensional cine phase contrast magnetic resonance imaging. Annals of Biomedical Engineering. 37 (3), (2009).
  52. Sughimoto, K., et al. Effects of arterial blood flow on walls of the abdominal aorta: Distributions of wall shear stress and oscillatory shear index determined by phase-contrast magnetic resonance imaging. Heart and Vessels. 31 (7), 1168-1175 (2016).
  53. Ku, D. N., Giddens, D. P., Zarins, C. K., Glagov, S. Pulsatile flow and atherosclerosis in the human carotid bifurcation. Positive correlation between plaque location and low oscillating shear stress. Arteriosclerosis. 5 (3), 293-302 (1985).
  54. Mazzi, V., et al. Wall shear stress topological skeleton analysis in cardiovascular flows: Methods and applications. Mathematics. 9 (7), 720 (2021).
  55. Moraes, M. C., Cardenas, D. A. C., Furuie, S. S. Automatic lumen segmentation in IVOCT images using binary morphological reconstruction. BioMedical Engineering OnLine. 12 (1), 78 (2013).
  56. Akyildiz, A. C., et al. The effects of plaque morphology and material properties on peak cap stress in human coronary arteries. Computer Methods in Biomechanics and Biomedical Engineering. 19 (7), 771-779 (2016).
  57. Tang, D., et al. Quantifying effects of plaque structure and material properties on stress distributions in human atherosclerotic plaques using 3D FSI models. Journal of Biomechanical Engineering. 127 (7), 1185-1194 (2005).
  58. Li, J., et al. Multimodality intravascular imaging of high-risk coronary plaque. JACC: Cardiovascular Imaging. , (2021).
  59. Bourantas Christos, V., et al. Utility of multimodality intravascular imaging and the local hemodynamic forces to predict atherosclerotic disease progression. JACC: Cardiovascular Imaging. 13 (4), 1021-1032 (2020).
  60. Liao, R., Luc, D., Sun, Y., Kirchberg, K. 3-D reconstruction of the coronary artery tree from multiple views of a rotational X-ray angiography. The International Journal of Cardiovascular Imaging. 26 (7), 733-749 (2010).
  61. Holzapfel, G. A., Gasser, T. C., Ogden, R. W. A new constitutive framework for arterial wall mechanics and a comparative study of material models. Journal of Elasticity and the Physical Science of Solids. 61 (1), 1-48 (2000).
  62. Gholipour, A., Ghayesh, M. H., Zander, A., Mahajan, R. Three-dimensional biomechanics of coronary arteries. International Journal of Engineering Science. 130, 93-114 (2018).
  63. Akyildiz, A. C., et al. Effects of intima stiffness and plaque morphology on peak cap stress. BioMedical Engineering OnLine. 10 (1), 25 (2011).
  64. Baranger, J., Mertens, L., Villemain, O. Blood flow imaging with ultrafast doppler. Journal of Visualized Experiments: JoVE. (164), (2020).
  65. Westra, J., et al. Diagnostic performance of in-procedure angiography-derived quantitative flow reserve compared to pressure-derived fractional flow feserve: The FAVOR II Europe-Japan study. Journal of the American Heart Association. 7 (14), (2018).
  66. Torii, R., et al. The impact of plaque type on strut embedment/protrusion and shear stress distribution in bioresorbable scaffold. European Heart Journal - Cardiovascular Imaging. 21 (4), 454-462 (2020).
  67. Peirlinck, M., et al. Precision medicine in human heart modeling. Biomechanics and Modeling in Mechanobiology. , 1-29 (2021).
  68. Franke, K. B., et al. Current state-of-play in spontaneous coronary artery dissection. Cardiovascular Diagnosis and Therapy. 9 (3), 281 (2019).
  69. Alber, M., et al. Integrating machine learning and multiscale modeling-perspectives, challenges, and opportunities in the biological, biomedical, and behavioral sciences. NPJ Digital Medicine. 2 (1), 115 (2019).

Tags

Bioengineering Utgave 179 Aterosklerose biomekanikk lesjonsprogresjon væskestrukturinteraksjon veggskjærspenning koronararterie optisk koherenstomografi
Optisk koherenstomografibasert biomekanisk væskestrukturinteraksjonsanalyse av koronar ateroskleroseprogresjon
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Carpenter, H. J., Ghayesh, M. H.,… More

Carpenter, H. J., Ghayesh, M. H., Zander, A. C., Ottaway, J. L., Di Giovanni, G., Nicholls, S. J., Psaltis, P. J. Optical Coherence Tomography Based Biomechanical Fluid-Structure Interaction Analysis of Coronary Atherosclerosis Progression. J. Vis. Exp. (179), e62933, doi:10.3791/62933 (2022).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter