Summary

Ultraschall-Bewertung der myokarddialen Mikrostruktur

Published: January 14, 2014
doi:

Summary

Echokardiographie wird häufig verwendet, um Veränderungen der Herzstruktur und -funktion nicht invasiv zu charakterisieren und zu quantifizieren. Wir beschreiben einen Ultraschall-basierten Bildgebungsalgorithmus, der ein verbessertes Ersatzmaß für die Myokardmikrostruktur bietet und mit open-access Bildanalysesoftware durchgeführt werden kann.

Abstract

Echokardiographie ist eine weithin zugängliche bildgebende Modalität, die häufig verwendet wird, um Veränderungen der Herzstruktur und -funktion nicht invasiv zu charakterisieren und zu quantifizieren. Ultraschallbewertungen von Herzgewebe können Analysen der Signalintensität der Rückstreuung innerhalb eines bestimmten Bereichs von Interesse umfassen. Bisher etablierte Techniken stützten sich vorwiegend auf den integrierten oder mittleren Wert von Backscatter-Signalintensitäten, die anfällig für Variabilität von Aliasdaten durch niedrige Bildraten und Zeitverzögerungen bei Algorithmen auf der Grundlage zyklischer Variationen sein können. Dabei beschreiben wir einen Ultraschall-basierten Bildgebungsalgorithmus, der sich von früheren Methoden aus erstreckt, auf einen einzelnen Bildrahmen angewendet werden kann und die vollständige Verteilung der Signalintensitätswerte berücksichtigt, die aus einer gegebenen Myokardprobe abgeleitet werden. Bei Anwendung auf repräsentative Maus- und menschliche Bildgebungsdaten unterscheidet der Algorithmus zwischen Probanden mit und ohne Exposition gegenüber chronischem Nachlastwiderstand. Der Algorithmus bietet ein verbessertes Ersatzmaß für die myokardische Mikrostruktur und kann mit Open-Access-Bildanalyse-Software durchgeführt werden.

Introduction

Echokardiographie ist eine weithin zugängliche bildgebende Modalität, die häufig verwendet wird, um Veränderungen der Herzstruktur und -funktion nicht invasiv zu charakterisieren und zu quantifizieren. Ultraschallbewertungen von Herzgewebe können Analysen der Rückstreusignalintensität innerhalb eines bestimmten Bereichs von Interesse zu einem bestimmten Zeitpunkt sowie im Laufe des Herzzyklus umfassen. Frühere Studien haben vorgeschlagen, dass Messungen der sonographischen Signalintensität das zugrunde liegende Vorhandensein von Myokardfaser-Disarray, lebensfähig im Vergleich zu nicht lebensfähigen Myokardgewebe, und interstitielle Fibrose1-3identifizieren können. Wir bezeichnen myokardische “Mikrostruktur” als die Gewebearchitektur, die mit Hilfe sonographischer Analysen über lineare Messungen von Bruttogröße und Morphologie hinaus charakterisiert werden kann. Dementsprechend wurden Analysen der sonographischen Signalintensität verwendet, um mikrostrukturelle Veränderungen des Myokardgewebes bei der Einstellung der hypertrophen und erweiterten Kardiomyopathie4,5, der chronischen koronaren Herzkrankheit6,7und der hypertensiven Herzkrankheit8,9zu bewerten. Bisher etablierte Techniken stützten sich jedoch hauptsächlich auf den integrierten oder mittleren Wert von Backscatter-Signalintensitäten, die anfällig für Variabilität von zufälligem Rauschen5, aliasierte Daten aus niedrigen Bildraten10und Zeitverzögerungen für Algorithmen auf der Grundlage zyklischer Variation11.

Hierin beschreiben wir die Methode der Verwendung eines Ultraschall-basierten Bildanalysealgorithmus, der sich von früheren Methoden erstreckt; Dieser Algorithmus konzentriert sich auf einen einzelnen enddiastolischen Rahmen für die Bildanalyse und berücksichtigt die vollständige Verteilung der Signalintensitätswerte, die aus einer gegebenen Myokardprobe abgeleitet werden. Durch die Verwendung des Perikards als Inframe-Referenz12,13quantifiziert der Algorithmus reproduzierbar Variationen in sonographischen Signalintensitätsverteilungen und bietet ein verbessertes Ersatzmaß für die Myokardmikrostruktur. In einem Schritt-für-Schritt-Protokoll beschreiben wir Methoden zum Vorbereiten von Bildern für die Verwendung, zur Stichprobenerhebung von Interessenbereichen und zur Verarbeitung von Daten in ausgewählten Interessensgebieten. Wir zeigen auch repräsentative Ergebnisse aus der Anwendung des Algorithmus auf echokardiographische Bilder von Mäusen und Menschen mit variabler Exposition gegenüber Nachbelastung der linken Herzkammer.

Protocol

1. Erstellung von Bildern für Analysen Erhalten Sie murine oder menschliche echokardiographische B-Modus-Bilder in der parasternalen Langachsenansicht. Passen Sie die Zeit-Gewinn-Kompensationseinstellungen und die Platzierung des Sendefokus an, um die Visualisierung des LV und anderer Herzstrukturen in der parasternalen Ansicht nach gängiger Praxis zu optimieren. Stellen Sie sicher, dass alle Bilder im DICOM-Dateiformat gespeichert werden. Standardisierte Bildansichten platzieren die inferolaterale linke vent…

Representative Results

Die Signalintensitätsanalyse wird in 4 Hauptschritten durchgeführt (Abbildung 1), einschließlich: 1) Bildauswahl und -formatierung, 2) Stichproben-ROI und Referenzbereiche, 3) Algorithmusanwendung und 4) Verarbeitung von Endwerten, um Myokard-zu-Perikard-Intensitätsverhältnisse zu ergeben. Die Auswahl und Größe des ROI ist standardisiert, um die Interuser- sowie die Intrauser-Variabilität zu begrenzen (Abbildung 2). Die Positionierung jedes ROI ist auch in Bezug auf die anatomisc…

Discussion

Wir beschreiben das Protokoll für einen Bildanalysealgorithmus, der die sonographische Signalintensitätsverteilung quantifiziert und wiederum ein Ersatzmaß für die myokardische Mikrostruktur bietet. Standardisierte Funktionen des Protokolls, einschließlich Auswahl, Dimensionierung und Positionierung des ROI- und Referenzbereichs, dienen der Minimierung der benutzer- und fachbasierten Variabilität. Wir zeigen, dass der Algorithmus bei anwendung auf enddiastolische Echokardiographenbilder mit einem einzigen Frame ang…

Divulgations

The authors have nothing to disclose.

Acknowledgements

Wir sind dankbar für die Ressourcen, die von der Harvard Medical School/Brigham and Women es Hospital Cardiovascular Physiology Core Laboratory zur Verfügung gestellt wurden. Diese Arbeit wurde teilweise durch Fördermittel der National Institutes of Health Grants HL088533, HL071775, HL093148 und HL099073 (RL) unterstützt. MB erhielt einen American Heart Association-Gründungs-Postdoktoranden-Stipendiumspreis. KU ist Empfänger eines American Heart Association-Gründungs-Postdoktoranden-Stipendiumspreises. SC wurde durch eine Auszeichnung der Ellison Foundation unterstützt.

Materials

ImageJ v 1.46 NIH (Bethesda, MD) open access software
Power ShowCase Trillium Technology (Ann Arbor, MI) commercial software

References

  1. Yamada, S., Komuro, K. Integrated backscatter for the assessment of myocardial viability. Curr. Opin. Cardiol. 21, 433-437 (2006).
  2. Mimbs, J. W., O’Donnell, M., Bauwens, D., Miller, J. W., Sobel, B. E. The dependence of ultrasonic attenuation and backscatter on collagen content in dog and rabbit hearts. Circ. Res. 47, 49-58 (1980).
  3. Picano, E., et al. In vivo quantitative ultrasonic evaluation of myocardial fibrosis in humans. Circulation. 81, 58-64 (1990).
  4. Mizuno, R., et al. Myocardial ultrasonic tissue characterization for estimating histological abnormalities in hypertrophic cardiomyopathy: comparison with endomyocardial biopsy findings. Cardiology. 96, 16-23 (2001).
  5. Mizuno, R., Fujimoto, S., Saito, Y., Nakamura, S. Non-invasive quantitation of myocardial fibrosis using combined tissue harmonic imaging and integrated backscatter analysis in dilated cardiomyopathy. Cardiology. 108, 11-17 (2007).
  6. Marini, C., et al. Cyclic variation in myocardial gray level as a marker of viability in man. A videodensitometric study. Eur. Heart. J. 17, 472-479 (1996).
  7. Komuro, K., et al. Sensitive detection of myocardial viability in chronic coronary artery disease by ultrasonic integrated backscatter analysis. J. Am. Soc. Echocardiogr. 18, 26-31 (2005).
  8. Ciulla, M., et al. Echocardiographic patterns of myocardial fibrosis in hypertensive patients: endomyocardial biopsy versus ultrasonic tissue characterization. J. Am. Soc. Echocardiogr. 10, 657-664 (1997).
  9. Maceira, A. M., Barba, J., Varo, N., Beloqui, O., Diez, J. Ultrasonic backscatter and serum marker of cardiac fibrosis in hypertensives. Hypertension. 39, 923-928 (2002).
  10. D’Hooge, J., et al. High frame rate myocardial integrated backscatter. Does this change our understanding of this acoustic parameter. Eur. J. Echocardiogr. 1, 32-41 (2000).
  11. Finch-Johnston, A. E., et al. Cyclic variation of integrated backscatter: dependence of time delay on the echocardiographic view used and the myocardial segment analyzed. J. Am. Soc. Echocardiogr. 13, 9-17 (2000).
  12. Di Bello, V., et al. Increased echodensity of myocardial wall in the diabetic heart: an ultrasound tissue characterization study. J. Am. Coll. Cardiol. 25, 1408-1415 (1995).
  13. Takiuchi, S., et al. Quantitative ultrasonic tissue characterization can identify high-risk atherosclerotic alteration in human carotid arteries. Circulation. 102, 766-770 (2000).
  14. Querejeta, R., et al. Serum carboxy-terminal propeptide of procollagen type I is a marker of myocardial fibrosis in hypertensive heart disease. Circulation. 101, 1729-1735 (2000).
check_url/fr/50850?article_type=t

Play Video

Citer Cet Article
Hiremath, P., Bauer, M., Cheng, H., Unno, K., Liao, R., Cheng, S. Ultrasonic Assessment of Myocardial Microstructure. J. Vis. Exp. (83), e50850, doi:10.3791/50850 (2014).

View Video