Summary

Patient-specifik modellering av hjärta: Uppskattning av riktlinjer Ventrikulära Fiber

Published: January 08, 2013
doi:

Summary

En metod för att uppskatta riktlinjer ventrikulära fiber från in vivo bilder av patientens hjärta geometrier för personlig modellering beskrivs. Validering av metoden med användning av normala och inte hund hjärtan visar att det inte finns några signifikanta skillnader mellan beräknade och förvärvade fiberorienteringar på en kliniskt observerbar nivå.

Abstract

Patientspecifika simuleringar av hjärtat (dys) funktion som syftar till att anpassa hjärt terapi hindras av avsaknaden av in vivo-bildteknik för kliniskt förvärva myokardiella fiberorienteringar. Syftet med detta projekt var att utveckla en metod för att uppskatta hjärt fiberorienteringar från in vivo bilder av patientens hjärta geometrier. En korrekt bild av ventrikulär geometri och riktlinjer fiber rekonstruerades respektive från högupplösta ex vivo strukturell magnetisk resonans (MR) och diffusion tensor (DT) MR-bilder av en vanlig människas hjärta, kallad Atlas. Ventrikulär geometri av en patients hjärta extraherades via halvautomatisk segmentering, från en in vivo-datortomografi (CT) bilden. Använda algoritmer bildtransformering var atlas ventrikulär geometri deformeras så att de matchar patienten. Slutligen deformationen fältet appliceras på atlas fiberns orientatjoner för att få en uppskattning av patientens fiberorienteringar. Noggrannheten hos fibern beräkningar bedömdes med sex normala och tre sviktande hund hjärtan. Den genomsnittliga absoluta skillnaden mellan lutningsvinklar av förvärvade och uppskattade fiberorienteringar var 15,4 °. Computational simuleringar av kartor ventrikulära aktivering och pseudo-EKG i sinusrytm och ventrikulär takykardi visade att det inte finns några signifikanta skillnader mellan beräknade och förvärvade fiberorienteringar på en kliniskt observerbara level.The nya insikter som erhållits från projektet kommer att bana väg för utvecklingen av patientspecifika modeller av hjärtat som kan hjälpa läkare i personlig diagnos och beslut om elektrofysiologiska åtgärder.

Introduction

Den beräkningsmässiga angreppssätt blir centrala för att främja förståelsen av funktionen av hjärtat i hälsa och sjukdom. State-of-the-art hela-hjärta modeller av elektrofysiologi och elektromekanik närvarande används för att studera ett brett spektrum av fenomen, till exempel normal ventrikulär förökning, arytmi, defibrillering, elektromekanisk koppling och hjärt omsynkronisering 1. Men för beräkningsmässig strategi att vara direkt tillämplig i den kliniska miljön, är det viktigt att modellerna är patientspecifika, dvs modellerna skall baseras på den specifika arkitekturen och elektrofysiologiska eller elektromekaniska egenskaper patientens sjuka hjärta. Simulering med sådana modeller kommer att hjälpa läkare att komma fram till mycket personliga beslut för elektrofysiologiska insatser liksom profylax, vilket dramatiskt förbättrar hjärt vård 2-4.

innehåll "> Skapande av realistiska hjärt modeller kräver förvärvet av geometri och fiberstrukturen hos en patient hjärta. fiberorienteringar bestämmer riktningar av elektrisk utbredning och fördelningar stam i hjärtat, och därför förvärva dem är avgörande för hjärt modellering 5, 6. Med senaste framstegen inom medicinsk bildbehandling, är det nu möjligt att få geometrin hos en patient hjärta includingstructural ombyggnad som infarkt, in vivo med hög upplösning med magnetisk resonanstomografi (MRT) och datortomografi (CT) teknik. Men det finns ingen praktisk metod för att förvärva fiberstruktur av en patients hjärta in vivo. diffusion tensor (DT) MRT 7, 8, den enda teknik att förvärva fiberorienteringarna av den intakta hjärtat, är inte allmänt tillgängliga in vivo på grund av vissa begränsningar 9. En kort beskrivning av de tidigare insatserna för att översätta DTMRI till den kliniska miljön kan hittas Elseere 2. Även metoder som regelbaserad tilldelning av fiberorienteringar erbjuder alternativ till DTMRI, dessa metoder har vissa allvarliga begränsningar 2, 10. Således svårigheter att skaffa hjärt fiberstruktur in vivo hindra närvarande tillämpningen av elektrofysiologiska och elektromekaniska hjärt simuleringar i klinisk miljö. Syftet med denna forskning var att direkt ta itu med detta behov.

Vi antog att ventrikulära fiberorienteringar av ett hjärta noggrant kan förutsägas eftersom geometrin hos hjärtat och en atlas, där Atlas är ett hjärta vars geometri och fiber orienteringar är tillgängliga. Därför använde vi toppmoderna tekniker för att utveckla en metod för uppskattning av hjärt fiberorienteringar in vivo, och testade hypotesen i normal och inte hund ventriklarna 2. Den centrala idén i vår fibrer uppskattning metod är att utnyttja similaritiesi fiberorienteringar i förhållande till geometrin, mellan olika hjärtan, för att approximera fiberstrukturen av en (mål) hjärta som bara geometrin information finns tillgänglig. I hjärtat av vår uppskattning metodik är registreringen av Atlas geometri med målet geometri med stor deformation diffeomorphic metriska kartläggning (LDDMM) 11, och morphing Atlas fiberorienteringar med bevarandet av huvudkomponenter (PPD) 2, 12. Den diffeomorphicproperty av LDDMM garanterar att atlas inte "Foldover" sig under deformation och därmed bevara de integrityof anatomiska strukturer. Figur 1 illustrerar bearbetning pipeline vår metodik. Protokollet textavsnitt § 1 beskriver de olika komponenterna i rörledningen genom att visa hur uppskattning kan göras för ett exempel patienten. Siffrorna inom några av blocken i figur 1 hänvisar till motsvarandeunderavdelningar i avsnitt § 1 i protokollet text.

Vi utvärderade prestandan hos föreslagna metoden genom att kvantifiera uppskattning fel, och mäta effekten av detta fel onsimulations av hjärtats elektrofysiologi, genom beräkningsmässigt simulera lokala elektriska aktivering kartor samt pseudo-EKG (pseudo-EKG). På grund av avsaknad av människors hjärtan, har utvärderingen av prestanda utförs med hund hjärtan tillgängliga från tidigare studier 13-15. Uppskattningen fel beräknades med hjälp av lutningsvinklar 16, followingthe tradition av histologi, där kantiga mätningar performedon vävnadssnitt som skärs parallellt med epicardialsurface. Eftersom anglebetween fiberriktningen och epikardiella tangentplan är generallysmall 17, 18, ​​förlust av information för att beskriva en fiberdirection helt med sin lutningsvinkeln är obetydlig. För computtiva simuleringar, bild-baserade modeller byggdes som tidigare rapporterats 19, 20 och hjärtvävnad i modellerna var representerad utifrån fastställda matematiska tekniker och experimentella data 21-25. Sinusrytm simulerades genom replikerande aktivering härrör från Purkinje nätverket 26, och ventrikulär takykardi, genom en S1-S2 stimulering protokoll 27. Pseudo-EKG beräknades 28 och jämfördes med den genomsnittliga absoluta avvikelsen (MAD) metriskt 29.

Protocol

1. Fiberorienteringar Uppskattning Förvärva strukturell MR och DTMRI bilder av en normal vuxen människa hjärta i diastole, med en upplösning på 1 mm 3. Med hjälp av ImageJ, extrahera ventrikulära hjärtmuskeln från Atlas strukturella bilden av montering för varje kort axel skiva, stängda splines genom en uppsättning landmärke punkter placerade längs epikardiella och endokardiella gränser i segmentet (Figur 2A och figur 2B). Utför placeringen av land…

Representative Results

Figur 11 visar AC strömlinjeformade visualiseringar av beräknade samt DTMRI-härledda fiberorienteringar i normala och misslyckas hjärtan. Kvalitativ undersökning visar att beräknade fiberorienteringar anpassa väl med DTMRI-härledda sådana. Panel D visar, överlagras på geometri hjärtats 1, fördelningen av fel i normala hjärtan "lutningsvinklar i genomsnitt över alla fem uppskattningar. Panel E visar den genomsnittliga fördelningen av fel i att inte hjärtan "lutningsvinklar, put…

Discussion

Denna forskning visar kvantitativt att, i avsaknad av DTMRI, kan myokardiala fiberorienteringar av normala och sviktande ventriklarna uppskattas från in vivo bilder av deras geometrier för användning i simuleringar av hjärtats elektrofysiologi. Den föreslagna metoden demonstreras med in vivo CT-data, men det är lika tillämplig på in vivo MR bilder av ventrikulär geometri, behandlar bristande förmåga att direkt skaffa patientens fiberorienteringar. Det är därför ett viktigt steg m…

Divulgations

The authors have nothing to disclose.

Acknowledgements

Vi tackar Dr. Raimond Winslow, Elliot McVeigh, och Patrick Helm vid Johns Hopkins University för att ge ex vivo datauppsättningar online.This forskning stöddes av National Institutes of Health bidrag R01-HL082729 och National Science Foundation CBET-0.933.029.

Materials

LDDMM Johns Hopkins University http://cis.jhu.edu/software/lddmm-volume/index.php
MATLAB Mathworks, Inc. R2011b http://www.mathworks.com/products/matlab/
ImageJ National Institutes of Health http://rsbweb.nih.gov/ij/
Tarantula CAE Software Solutions http://www.meshing.at/Spiderhome/Tarantula.html
CARP CardioSolv http://cardiosolv.com/
Canine images Johns Hopkins University http://www.ccbm.jhu.edu/research/DTMRIDS.php

References

  1. Trayanova, N. Whole Heart Modeling: Applications to Cardiac Electrophysiology and Electromechanics. Circulation Research. 108, 113-128 .
  2. Vadakkumpadan, F., Arevalo, H., Ceritoglu, C., Miller, M., Trayanova, N. Image-Based Estimation of Ventricular Fiber Orientations for Personalized Modeling of Cardiac Electrophysiology. IEEE Transactions on Medical Imaging. 31 (5), 1051-1060 .
  3. Vadakkumpadan, F., Gurev, V., Constantino, J., Arevalo, H., Trayanova, N., Kerckhoffs, R. Modeling of Whole-Heart Electrophysiology and Mechanics: Towards Patient-Specific Simulations. Patient-Specific Modeling of the Cardiovascular System: Technology-Driven Personalized Medicine. , 145-165 (2010).
  4. Buxton, A. E., Lee, K. L., DiCarlo, L., Gold, M. R., Greer, G. S., Prystowsky, E. N., O’Toole, M. F., Tang, A., Fisher, J. D., Coromilas, J., Talajic, M., Hafley, G. Electrophysiologic testing to identify patients with coronary artery disease who are at risk for sudden death. Multicenter Unsustained Tachycardia Trial Investigators. The New England Journal of Medicine. 342 (26), 1937-1945 (2000).
  5. Wei, D., Okazaki, O., Harumi, K., Harasawa, E., Hosaka, H. Comparative simulation of excitation and body surface electrocardiogram with isotropic and anisotropic computer heart models. IEEE Transactions on Biomedical Engineering. 42 (4), 343-357 (1995).
  6. Leon, L. J., Horacek, B. M. Computer model of excitation and recovery in the anisotropic myocardium. II. Excitation in the simplified left ventricle. Journal of Electrocardiology. 24 (1), 17-31 (1991).
  7. Rohmer, D., Sitek, A., Gullberg, G. T. Reconstruction and Visualization of Fiber and Laminar Structure in the Normal Human Heart from Ex Vivo Diffusion Tensor Magnetic Resonance Imaging (DTMRI) Data. Investigative Radiology. 42 (11), 777-789 (2007).
  8. Daubert, J. P., Zareba, W., Hall, W. J., Schuger, C., Corsello, A., Leon, A. R., Andrews, M. L., McNitt, S., Huang, D. T., Moss, A. J., Investigators, M. I. S. Predictive value of ventricular arrhythmia inducibility for subsequent ventricular tachycardia or ventricular fibrillation in Multicenter Automatic Defibrillator Implantation Trial (MADIT) II patients. Journal of Americal College of Cardiology. 47 (1), 98-107 (2006).
  9. Sosnovik, D. E., Wang, R., Dai, G., Reese, T. G., Wedeen, V. J. Diffusion MR tractography of the heart. Journal of Cardiovascular Magnetic Resonance. 11 (1), 47-61 (2009).
  10. Sundar, H., Shen, D., Biros, G., Litt, H., Davatzikos, C. Estimating myocardial fiber orientations by template warping. Proc. IEEE International Symposium on Biomedical Imaging. , 73-76 (2006).
  11. Beg, M. F., Helm, P. A., McVeigh, E., Miller, M. I., Winslow, R. L. Computational Cardiac Anatomy Using MRI. Magnetic Resonance in Medicine. 52 (5), 1167-1174 (2004).
  12. Alexander, D. C., Pierpaoli, C., Basser, P. J., Gee, J. C. Spatial Transformations of Diffusion Tensor Magnetic Resonance Images. IEEE Transactions on Medical Imaging. 20, 1131-1139 (2001).
  13. Helm, P. A., Younes, L., Beg, M. F., Ennis, D. B., Leclercq, C., Faris, O. P., McVeigh, E., Kass, D., Miller, M. I., Winslow, R. L. Evidence of Structural Remodeling in the Dyssynchronous Failing Heart. Circulation Research. 98, 125-132 (2006).
  14. Helm, P., Beg, M. F., Miller, M., Winslow, R. Measuring and mapping cardiac fiber and laminar architecture using diffusion tensor MR imaging. Annals of the New York Academy of Sciences. 1047, 296-307 (2005).
  15. Helm, P. A., Tseng, H. -. J., Younes, L., McVeigh, E. R., Winslow, R. L. Ex vivo 3D diffusion tensor imaging and quantification of cardiac laminar structure. Magnetic Resonance in Imaging. 54, 850-859 (2005).
  16. Scollan, D. F., Holmes, A., Winslow, R., Forder, J. Histological validation of myocardial microstructure obtained from diffusion tensor magnetic resonance imaging. American Journal of Physiology – Heart and Circulatory Physiology. 275 (6), H2308-H2318 (1998).
  17. Lombaert, H., Peyrat, J., Croisille, P., Rapacchi, S., Fanton, L., Cheriet, F., Clarysse, P., Magnin, I., Delingette, H., Ayache, N. Human Atlas of the Cardiac Fiber Architecture: Study on a Healthy Population. IEEE Transactions on Medical Imaging. 31 (7), 1436-1447 (2012).
  18. Streeter, D. D. . Gross morphology and fiber geometry of the heart. , (1979).
  19. Vadakkumpadan, F., Rantner, L. J., Tice, B., Boyle, P., Prassl, A. J., Vigmond, E., Plank, G., Trayanova, N. Image-Based Models of Cardiac Structure with Applications in Arrhythmia and Defibrillation Studies. Journal of Electrocardiology. 42, 151.e1-151.e10 (2009).
  20. Plank, G., Zhou, L., Greenstein, J. L., Plank, G., Zhou, L., Greenstein, J. L., Cortassa, S., Winslow, R. L., O’Rourke, B., Trayanova, N. A. From mitochondrial ion channels to arrhythmias in the heart: computational techniques to bridge the spatio-temporal scales. Philosophical Transactions Series A, Mathematical, Physical, and Engineering Sciences. 366 (1879), 3381-3409 (2008).
  21. Roberts, D. E., Scher, A. M. Effect of tissue anisotropy on extracellular potential fields in canine myocardium in situ. Circulation Research. 50, 342-351 (1982).
  22. Greenstein, J., Wu, R., Po, S., Tomaselli, G. F., Winslow, R. L. Role of the Calcium-Independent Transient Outward Current I(to1) in Shaping Action Potential Morphology and Duration. Circulation Research. 87, 1026-1033 (2000).
  23. Winslow, R., Rice, J., Jafri, S., Marbán, E., O’Rourke, B. Mechanisms of altered excitation-contraction coupling in canine tachycardia-induced heart failure, II: model studies. Circulation Research. 84 (5), 571-586 (1999).
  24. Akar, F., Nass, R., Hahn, S., Cingolani, E., Shah, M., Hesketh, G., DiSilvestre, D., Tunin, R., Kass, D., Tomaselli, G. Dynamic Changes in Conduction Velocity and Gap Junction Properties During Development of Pacing-Induced Heart Failure. American Journal of Physiology – Heart and Circulatory Physiology. 293 (2), H1223-H1230 (2007).
  25. Gurev, V., Constantino, J., Rice, J. J., Trayanova, N. Distribution of Electromechanical Delay in the Ventricles:Insights from a 3D Electromechanical Model of the Heart. Biophysical Journal. 99 (3), 745-754 .
  26. Ten Tusscher, K. H. W. J., Hren, R., Panfilov, A. V. Organization of Ventricular Fibrillation in the Human Heart. Circulation Research. 100 (12), e87-e101 (2007).
  27. Gima, K., Rudy, Y. Ionic Current Basis of Electrocardiographic Waveforms. Circulation Research. 90, 889-896 (2002).
  28. Gerstenfeld, E., Dixit, S., Callans, D., Rajawat, Y., Rho, R., Marchlinski, F. Quantitative comparison of spontaneous and paced 12-lead electrocardiogram during right ventricular outflow tract ventricular tachycardia. Journal of Americal College of Cardiology. 41 (11), 2046-2053 (2003).
  29. Potse, M., Dube, B., Richer, J., Vinet, A., Gulrajani, R. M. A comparison of monodomain and bidomain reaction-diffusion models for action potential propagation in the human heart. IEEE Transactions on Biomedical Engineering. 53 (12), 2425-2435 (2006).
  30. Peyrat, J. -. M., Sermesant, M., Pennec, X., Delingette, H., Chenyang, X., McVeigh, E. R., Ayache, N. A Computational Framework for the Statistical Analysis of Cardiac Diffusion Tensors: Application to a Small Database of Canine Hearts. IEEE Transactions on Medical Imaging. 26, 1500-1514 (2007).
  31. Chen, J., Song, S. -. K., Liu, W., McLean, M., Allen, S. J., Tan, J., Wickline, S. A., Yu, X. Remodeling of cardiac fiber structure after infarction in rats quantified with diffusion tensor MRI. American Journal of Physiology – Heart and Circulatory Physiology. 285 (3), H946-H954 (2003).
  32. Stecker, E. C., Chugh, S. S. Prediction of sudden cardiac death: next steps in pursuit of effective methodology. Journal of Interventional Cardiac Electrophysiolog. 31 (2), 101-107 (2011).
check_url/fr/50125?article_type=t

Play Video

Citer Cet Article
Vadakkumpadan, F., Arevalo, H., Trayanova, N. A. Patient-specific Modeling of the Heart: Estimation of Ventricular Fiber Orientations. J. Vis. Exp. (71), e50125, doi:10.3791/50125 (2013).

View Video