Waiting
Traitement de la connexion…

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

Bioengineering

Optisk sammenhæng Tomografi Baseret Biomekanisk Fluid-Struktur Interaktion Analyse af Koronar åreforkalkning Progression

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

Der er behov for at afgøre, hvilke aterosklerotiske læsioner vil udvikle sig i koronar vaskulatur til at guide intervention, før myokardieinfarkt opstår. Denne artikel skitserer den biomekaniske modellering af arterier fra optisk sammenhæng tomografi ved hjælp af væske-struktur interaktion teknikker i en kommerciel finite element solver til at hjælpe med at forudsige denne progression.

Abstract

I dette papir præsenterer vi en komplet arbejdsgang for den biomekaniske analyse af aterosklerotisk plak i koronar vaskulatur. Med åreforkalkning som en af de førende årsager til global død, sygelighed og økonomisk byrde er der behov for nye måder at analysere og forudsige dens progression på. En sådan beregningsmetode er brugen af væskestrukturinteraktion (FSI) til at analysere samspillet mellem blodgennemstrømningen og arterie / plak domæner. Kombineret med in vivo imaging, denne tilgang kunne skræddersys til hver patient, bistå med at skelne mellem stabile og ustabile plaques. Vi skitserer den tredimensionelle rekonstruktionsproces, der gør brug af intravaskulær optisk sammenhæng tomografi (OCT) og invasiv koronar angiografi (ICA). Udvindingen af grænsebetingelser for simuleringen, herunder replikering af arteriens tredimensionelle bevægelse, diskuteres, før opsætningen og analysen udføres i en kommerciel finite elementløser. Proceduren for beskrivelse af de meget ikke-lineære hyperelastiske egenskaber af arterievæggen og pulsatile blod hastighed / tryk er skitseret sammen med opsætning af systemet kobling mellem de to domæner. Vi demonstrerer proceduren ved at analysere en ikke-synder, mildt stenotisk, lipid-rige plak i en patient efter myokardieinfarkt. Etablerede og nye markører relateret til aterosklerotisk plak progression, såsom væg forskydning stress og lokale normaliserede helicity, henholdsvis diskuteres og relateret til den strukturelle respons i arterievæggen og plak. Endelig oversætter vi resultaterne til potentiel klinisk relevans, diskuterer begrænsninger og skitserer områder for yderligere udvikling. Den metode, der er beskrevet i dette papir viser lovende for medvirken til bestemmelse af steder i fare for aterosklerotisk progression og dermed kunne bidrage til at styre den betydelige død, sygelighed, og økonomiske byrde åreforkalkning.

Introduction

Koronararteriesygdom (CAD) er den mest almindelige type hjertesygdom og en af de førende dødsårsager og økonomiske byrder globalt1,2. I USA tilskrives omkring hvert ottende dødsfald CAD3,4, mens de fleste globale dødsfald som følge af CAD nu ses i lav- og mellemindkomstlande5. Åreforkalkning er den fremherskende drivkraft for disse dødsfald, med plaque brud eller erosion, der fører til koronararterie okklusion og akut myokardieinfarkt (AMI)6. Selv efter revascularization af synderen koronar læsioner, patienter har betydelig risiko for tilbagevendende store bivirkninger hjerte-kar-hændelser (MACE) efter AMI, hovedsagelig på grund af den samtidige tilstedeværelse af andre ikke-skyldige plaques, der også er sårbare over for brud7. Intracoronary imaging giver mulighed for at opdage disse højrisiko plaques8. Selvom intravaskulær ultralyd (IVUS) er guldstandarden til evaluering af plakvolumen, har den begrænset opløsning til at identificere mikrostrukturelle træk ved sårbar plak i modsætning til den høje opløsning (10-20 μm) af optisk sammenhæng tomografi (OCT). En tynd og betændt fibrøst hætte overlying en stor lipid pool har vist sig at være den vigtigste signatur for en sårbar plak9 og er bedst identificeret og målt ved OLT blandt øjeblikket tilgængelige intrakoronære billeddannelse modaliteter10. Det er vigtigt, at OCT også er i stand til at vurdere andre højrisikopladefunktioner, herunder: lipidbue; infiltration af makrofag; tilstedeværelsen af tynd cap fibroatheroma (TCFA), som er defineret som lipid-rige kerne med overlydende tynd fibrøst hætte (<65 μm); plettet forkalkning; og plak mikrokanaler. OCT-påvisning af disse højrisikofunktioner i ikke-syndere plaques post-AMI har været forbundet med op til en 6-dobling af øget risiko for fremtidig MACE11. På trods af dette er angiografiens og OLT-billeddannelsesevnen til at forudsige, hvilke koronar plaques der vil udvikle sig, og i sidste ende er brud eller eroderer begrænset, med positive prædiktive værdier på kun 20% -30%8. Denne begrænsede prædiktive evne hindrer klinisk beslutningstagning, hvor ikke-skyldige plaques til behandling (f.eks. ved stenting)7,12.

Ud over patientfaktorer og de biologiske egenskaber ved plak er biomekaniske kræfter i kranspulsårerne også vigtige determinanter for plaque progression og ustabilitet13. En teknik, der viser lovende for at hjælpe med at omfattende evaluere disse kræfter er væske-struktur interaktion (FSI)14 simulering. Wall shear stress (WSS), også kaldet endotel forskydning stress, har været et traditionelt omdrejningspunkt for koronar biomekanik forskning15, med en generel forståelse af, at WSS spiller en ætiologisk rolle i åreforkalkning dannelse16. Overvejende simuleret ved hjælp af computational fluid dynamics (CFD) teknikker, lav WSS regioner har været forbundet med intimal fortykkelse17, vaskulær remodeling18 og forudsigelse af læsion progression19 og fremtidige MACE20. Nylige fremskridt i disse analyser tyder på den underliggende WSS vektor felt topologi21, og dens multidirectional egenskaber22, som en bedre prædiktor for åreforkalkning risiko end WSS størrelsesorden alene. WSS fanger dog kun et glimt af det samlede biomekaniske system ved lumenvæggen, og meget gerne billeddannelsesmetoder kan ingen biomekanisk metrik pålideligt skelne højrisiko atherosklerotiske træk.

Yderligere målinger er ved at opstå som potentielt vigtige i åreforkalkning dannelse. Intraluminale flowegenskaber23 er et sådant eksempel, med spiralformet flow, kvantificeret gennem forskellige indeks24, foreslået som at spille en atherobeskyttende rolle ved at undertrykke forstyrrede flowmønstre25,26. Mens CFD teknikker kan analysere disse flow egenskaber og præsentere en bred vifte af nyttige resultater, de ikke overveje de underliggende interaktioner mellem blodgennemstrømningen, arterie struktur og generelle hjerte bevægelse. Denne forenkling af det dynamiske system til en stiv væg misser potentielt kritiske resultater såsom fibrøst cap stress. Mens debatten både for og imod behovet for FSI over CFD fortsætter27,28,29, mange sammenligninger undlader at medtage virkningen af ventrikel funktion. Denne begrænsning kan overvindes med FSI, som har vist, at dynamisk bøjning og kompression udøvet på arterien gennem indflydelse af ventrikelfunktionen kan påvirke plak og arterie strukturel stress samt flowmålinger som WSS30,31,32. Dette er vigtigt, da strukturelle belastninger også er en vigtig parameter for analyse og forudsigelse af plakruptur33,34 og er blevet foreslået at co-lokalisere med regioner med plak stigning14,35. Indfange disse interaktioner giver mulighed for en mere realistisk repræsentation af koronar miljø og de potentielle mekanismer for sygdomsprogression.

Adressering dette, her skitserer vi processen med at udvikle en patient-specifik geometri fra OCT imaging36 og oprettelse og drift af en arterie FSI simulering ved hjælp af en kommerciel finite element solver. Processen til manuelt at udtrække lumen, lipid og ydre arterie væg er detaljeret før den tre-dimensionelle beregningsmæssige rekonstruktion af patientens arterie. Vi skitserer simulering set-up, kobling og processen med at sammenligne baseline, og opfølgende OLT billeddannelse parametre til at bestemme læsion progression. Endelig diskuterer vi efterbehandlingen af numeriske resultater, og hvordan disse data kan have klinisk relevans ved at sammenligne de biomekaniske resultater med læsion progression / regression. Den samlede metode er demonstreret på ikke-skyldige, mildt stenotiske, lipid-rige plaques i højre kranspulsåre (RCA) af en 58-årig kaukasisk mandlig patient, der præsenterede med en akut ikke-ST elevation myokardieinfarkt i indstillingen af hypertension, type 2 diabetes mellitus, fedme (BMI 32,6) og en familie historie for tidlig CAD. Koronar angiografi og OLT billeddannelse blev udført under hans første indlæggelse, og derefter 12 måneder senere som led i et igangværende klinisk forsøg (COCOMO-ACS-studiet ACTRN12618000809235). Vi forventer, at denne teknik kan yderligere raffineres og bruges til at identificere koronar plaques, der er i høj risiko for at udvikle sig.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Følgende deidentificerede data blev analyseret fra en patient rekrutteret til det igangværende COCOMO-ACS randomiserede-kontrollerede forsøg (ACTRN12618000809235; Royal Adelaide Hospital HREC referencenummer: HREC/17/RAH/366), med yderligere etisk godkendelse udstedt af Central Adelaide Local Health Network (CALHN) Research Services med henblik på biomekanisk simulering (CALHN Reference Number 14179). Figur 1 opsummerer den komplette arbejdsgang, der er beskrevet i følgende protokol, og som kan anvendes på enhver FSI-kompatibel software eller koder.

1. Billedevaluering

  1. Match baseline og OCT opfølgning billeder ved hjælp af anatomiske vartegn såsom bifurcations og ved hjælp af billeder umiddelbart proksimale til den distale bifurcation og distal til de mest proksimale bifurcation. De matchede billeder mellem disse landemærker skal analyseres som beskrevet i figur 2A.
  2. OCT lumen tværsnit
    1. Indlæs hvert OLT-billede i billeddigitatoren, og klik for at markere punkter ved kateterets midtpunkt og grænser for skalaen (Figur 2B). Eksporter disse punkter, der skal bruges senere.
    2. Manuelt markere kanten af lumen, der starter på samme sted i hvert billede, er sikker på at fange kurverne af lumen så præcist som muligt. Efterlad et hul på kateterartefaktet, da genopbygningsprocessen vil interpolere i hele denne region på et senere tidspunkt. Eksporter disse filer i .dat format, og gentag dette for hvert billede.
  3. OCT ydervæg og lipider
    1. I DICOM-softwaren udtrækkes ydervæggen i høje dæmpningsområder ved hjælp af synlige dele af den ydre elastiske membran til manuelt at montere en ellipse for at estimere ydervægens placering som beskrevet i figur 3. Klik og træk i venstre museknap for at definere ellipsen og placeringen korrekt.
    2. Definer manuelt lipidbuen, beregnet til lumen centroid, og fiberhættetykkelse som beskrevet i figur 3, ved at klikke og trække henholdsvis vinkel- og afstandsmål. Disse vil blive brugt til at analysere læsion progression sammen med lumen område.
    3. Importer disse overlejrede billeder til billeddigitatoren, og vælg manuelt ydervægspunkterne ved hjælp af den monterede ellipse som vejledning i områder med høj dæmpning, hvor den ydre elastiske membran ikke er synlig. Gentag trin 1.2.2 for at markere og eksportere punkterne til et .dat format.
    4. Tilsvarende for lipider, manuelt vælge lipid overflade, startende fra den samme ende af lipid i hvert tilfælde. Brug den ydre væg ellipsoide føring (trin 1.3.1) til en ensartet bagsidebue. Eksport peger på en .dat fil og gentag for alle billeder med lipider til stede, hvilket efterlader et hul på tværs af guidewire artefakt som beskrevet i trin 1.2.2.
      BEMÆRK: Læsion progression analyseres ved at sammenligne tre målinger, nemlig lumen område, lipid bue og fibrøst cap tykkelse, som kan vurderes direkte fra DICOM seeren. Teknikken til at udtrække den ydre væg og lipid bagside er påkrævet på grund af OCT's begrænsede penetration dybde. OCT blev anvendt i denne undersøgelse på grund af fokus på forholdet mellem plaksammensætning og biomekaniske kræfter.
  4. Angiografibaseret midterlinje
    1. Indlæs det første angiografiske billede i billeddigitatoren37. Marker kanterne af kateteret for at skalere billedet i senere trin, og marker derefter kateterets midterlinje manuelt, der begynder med den proksimale markør og bevæger sig distally med jævnt fordelte punkter, som vist i figur 4A. Eksporter dataene til .dat format, og gentag for det andet angiografiske plan.
      BEMÆRK: Generelt forbedrer planer med en vinkel, der er større end 20° mellem dem, den tredimensionelle centerlinjerekonstruktions robusthed. Kateteret og OCT guidewire skal være synligt i hvert billede.

2. Tredimensionel rekonstruktion

  1. Angiografi fremskrivninger
    1. Indlæs de datafiler, der blev eksporteret i trin 1.4. Brug de to første punkter til at skalere dataene til millimeter (de to første punkter bruges med de kendte kateterspecifikationer, 6F i dette tilfælde). Træk det proksimale datapunkt fra de resterende punkter i hvert datasæt, så kurven begynder ved koordinatsystemets oprindelse.
    2. Generer rotationsmatricer for hver angiografisk visning, hvor θ og Φ repræsenterer henholdsvis RAO/LAO- og CAU/CRA-vinklerne. Vi bruger LAO og CRA vinkler som negative. De to rotationsmatricer i henholdsvis x (Rotx) og y (Roty) er:
      Equation 1(1)
    3. Multiplicer rotationsmatricerne sammen, og multiplicer dem derefter med koordinaterne for hvert punkt fra trin 2.1.1. Den resulterende ligning:
      Equation 2(2)
      giver kateterets tredimensionelle placering på dets respektive angiogramplan (Pt3D) ved at rotere de todimensionelle punkter, der er angivet fra hvert angiografisk billede.
    4. Beregn den normale vektor til hvert angiografisk plan ved at multiplicere x- og y-rotationsmatricerne med enhedsvektoren i z-retningen. Fra proksimalt til distal placering, projekt hvert punkt normalt til sit respektive plan og beregne midtpunktet af den korteste afstand mellem fremskrivningerne. Dette resulterer i det tredimensionelle punkt på OCT guidewire i rummet.
    5. Ved hjælp af funktionen 'interparc', der er tilgængelig fra MATLAB central filudveksling38,opdeles den tredimensionelle midterlinje i lige så fordelte punkter. Afstanden mellem punkter skal være lig med afstanden mellem OLT-billeder, som bestemmes af pullbackhastigheden. Det er de steder, hvor OLT-tværsnit vil blive placeret.
  2. ROTATION PÅ TVÆRS AF OKT
    1. Ved hjælp af den datafil, der indeholder kateterets center og skalering, skal du konvertere hvert tværsnit fra pixel til mm ved hjælp af det andet og tredje punkt i skaleringsfilen. Hvis du vil centrere tværsnit om kateterets placering, skal du trække det første punkt i skaleringsfilen (kateterets center) fra alle tværsnitspunkter. Beregn den normale vektor til tværsnit (parallelt med kateteret i arterien) ved at trække det tredimensionelle midterlinjepunkt fra det næste distale punkt langs kateterets kurve.
    2. Roter OLT-tværsnittet for at justere vinkelret på kateterets midterlinje ved at gange de skalerede datapunkter med rotationsmatrixen:
      Equation 3(3)
      hvor
      Equation 4(4)
      og NX, NYog NZ er henholdsvis x-, y- og z-komponenterne for den normale vektor beregnet i afsnit 2.1. Føj det tredimensionelle midterpunkt til alle de roterede punkter i tværsnit, hvilket resulterer i tværsnitsplaceringen i tredimensionelt rum (Figur 4B).
    3. Gentag trin 2.2.1-2.2.2 for hvert tværsnit (lumen, arterie og lipid). Eksporter tværsnit til en tekstfil, som kan importeres til den computerstøttede designsoftware (CAD) til endelig oprettelse af fast karrosseri.
  3. Oprettelse af 3D-solid model
    1. I en 3D-modelleringssoftware skal du importere og generere tværsnit en fil ad gangen. Importer de tekstfiler, der indeholder tværsnit, til 3D-modelleringssoftwaren ved at klikke på koncept-rullelisten (Figur 5A-1) og vælge 3D-kurve (Figur 5A-2). Klik på Generer.
    2. Hvis du vil oprette en fast komponent, skal du markere alle kurverne i rækkefølge og loft dem sammen (Figur 5A-3), sikre, at tilføj frosset er valgt for at generere en ny solid. Udfør disse trin for lumen, lipider og ydervæg for at skabe separate faste stoffer, hvilket sikrer at muliggøre fusioneretopologi.
      BEMÆRK: Det kan være nødvendigt at springe en kurve over, hvis der opstår problematisk geometri. I denne rekonstruktion udelader du en lille mid-section lipid på grund af dens størrelse og de ekstra beregningsmæssige omkostninger og numerisk kompleksitet forbundet med dens optagelse.
    3. For at trække lumen og lipider fra arterievæggen skal du oprette en boolesk operation fra opret rullelisten og vælge målkroppen som væggen og lipider /lumen som værktøjsorganerne til at trække lumen og lipider fra arterievæggen (Figur 5A-4).
    4. Del topologi mellem væggen og lipider for at sikre, at mesh-noder deles i fremtidige trin. Det kan du gøre ved manuelt at fremhæve væggen og lipider og højreklikke for at danne en ny del (Figur 5A-5).
      BEMÆRK: Dette trin sikrer, at mesh-noder deles mellem overfladerne, hvilket forhindrer ukorrekt kontaktområder eller mesh-indtrængning mellem de to lag, hvilket i høj grad hjælper i opløsningsfasen. Den endelige geometri af kateteret midterlinjen, lipider, lumen og arterievæggen visualiseres i figur 5B.
  4. Forbehandling: Grænsebetingelser
    BEMÆRK: Før simuleringen konfigureres, er der behov for patientspecifikke grænsebetingelser (BC'er). Her blev der anvendt forskydning udvundet fra angiografien, som anvendes på indløb og udløb af simuleringen og blodgennemstrømningen hastighed / tryk målt fra menneskelige patienter og beskrevet i litteraturen39.
    1. Deplacement
      1. Gentag trin 1.4 og 2.1, men vælg kun de distale og proksimale markører, begyndende med det angigrafiske billede umiddelbart før end-diastole. Gør dette for alle angiografiske billeder over en hjertecyklus.
      2. Tilpas udjævning splines til x, yog z koordinater af de to sæt punkter. Dette resulterer i forskydning af indløbs- og afsætningsregionerne. Repræsentative resultater for patientforskydningerne er vist i figur 6A.
        BEMÆRK: Forskydningsanalysen blev påbegyndt på billedet forud for end-diastole til de bedste matchfaser mellem den ekstraherede forskydning og de anvendte tryk- og hastighedsprofiler, der findes i punkt 3.1.2, hvis systoliske fase begynder ved 0,1 s (svarende til afstanden mellem lydografiske billeder). Når du udtrækker bevægelse, skal du sørge for, at der ikke er nogen tabel panorering / billede bevægelse i hele billedsættet.
    2. Blodtryk/tryk
      1. Opret profiler, der beskriver pulsatile blod hastighed og tryk ved at udarbejde brugerdefinerede funktioner (UDF). Her forbigående profiler målt fra menneskelige patienter i litteraturen blev anvendt 39,modelleret som en Fourier serie, matematisk beskrevet af:
        Equation 5,     (5)
        hvor t er det tidspunkt, w0 er frekvensen, T er signalperioden, n er antallet af udtryk, og en0-11, b1-11 er koefficienter monteret på profiler, der er beskrevet i litteraturen. I dette tilfælde bruger vi de første 11 vilkår.
      2. BEMÆRK: Disse profiler er beskrevet i figur 6B og skal skrives til i en C-formateret fil i et integreret udviklingsmiljø, f.eks. Udløbstryk er en flad profil, og indløbshastighed påføres som en fuldt udviklet, parabolsk profil, der beskrives som tilstrækkelig til at reproducere realistiske forhold40. Yderligere udvikling af denne procedure kan omfatte måling af patientens blodhastighed (f.eks. ved doppler-ekkokardiografi41) og tryk (ved hjælp af trykledninger) som mere realistiske grænseforhold. Desuden vil samtidig måling af forskydning, blodtryk og tryk sikre, at deres faser er præcist matchet.

3. Arterie/struktur

  1. For at indstille materialeegenskaberne for arterien og lipiden skal du indtaste tekniske data og tilføje et nyt materiale kaldet arterie. Træk densiteten og 5-parameter Mooney-Rivlin-modellen til det nye materiale, og angiv deres parametre. Indtast en tæthed på 1.000 kg / m3 og hyperelastiske koefficienter beskrevet i tabel 1, baseret på intima42 og lipid43 egenskaber i litteraturen. Gentag dette for lipid.
    BEMÆRK: Mooney-Rivlin modellen er beskrevet af44:
    Equation 6(6)
    Hvor c10, c01, c20, c11og c02 er materialekonstanter, og d er inkompressibilitetsparameteren (nul for uforgængeligt materiale i dette tilfælde). Her er i x den xth invariant af stammen tensor og J er den elastiske deformation gradient determinant.
  2. Indtast modelkomponenten, undertrykke lumen / væske komponent ved at højreklikke på Lumen / Fluid og vælge Suppress (Figur 7A). Tildel de tidligere definerede materialer til arterien og lipid faste stoffer ved at vælge dem fra materialet rulleliste, kontrollere, om enhederne er passende.
  3. Geometrien skal nu være maskeret. Klik på mesh (Figur 7B), sæt fysik præference for ikke-lineær mekanisk og angive mesh dimensionering. Her blev der anvendt adaptivt net med en målstørrelse på 0,14 mm. Juster mesh præferencer efter behov for at opnå rimelige mesh skævhed værdier og sigte mod mindst to til tre mesh elementer på tværs af huller såsom fibrøst hætte. Generering af masken kan tage lidt tid på grund af den komplekse geometri.
    BEMÆRK: Der skal gennemføres en maskeuafhængighedsundersøgelse for at sikre, at resultaterne ikke påvirkes af maskeegenskaber. Sænk gradvist maskestørrelsen, og sammenlign resultaterne, indtil variationen er mindre end en fast grænse. i dette tilfælde bruger vi 2%45 (målt ved den fibrøse hætte af den tredje plak). For at sikre maskekvalitet kontrolleres maskespyd; høj maske skævhed vil resultere i numeriske vanskeligheder under konvergens eller unøjagtige resultater. Hvis du vil sænke skævheden, kan du prøve at reducere maskestørrelsen eller justere vækstraten, den maksimale størrelse og/eller krumningsvinklen. Resultaterne for vores maske uafhængighed test er skitseret i tabel 2, med procentvis variation i resultater i forhold til medium mesh dimensionering, som blev brugt i hele denne analyse.
  4. Klik på Analyseindstillinger (Figur 7C). For FSI-simuleringer skal du slå automatisk tidsafstak fra og indstille antallet af undertrin til én (systemkoblingen styrer undertrin), indstille simuleringens sluttidspunkt, i dette tilfælde 0,8 s (patientens puls på 75 bpm). Systemkobling styrer tid og undertrin.
  5. På rullelisten problemløserkontrolelementer skal du angive problemløsertypen til programstyret for at bruge enten den direkte eller iterative metode. Direkte metoder er mere robuste, men bruger en betydelig mængde mere hukommelse. Indstil Newton-Raphson-metoden til fuld. (På grund af kompleksiteten af geometri og ikke-lineærhed i simuleringen, den direkte metode og den fulde Newton-Raphson iterative metode kan være nødvendig, men disse øger beregningsomkostningerne betydeligt.)
  6. Angiv systemkoblingsdomænet som arteriens indre væg ved at indsætte en væskefast grænseflade. Gør dette ved at højreklikke og indsætte en flydende-solid grænseflade under fanen Forbigående (Figur 7D). Vælg indersiden af arterievæggen for grænsefladen. Dette vil passere data mellem strukturen og væsken på dette sted.
  7. Forskydningsgrænsebetingelserne kan indtastes som en forskydningsfunktion i retningx, yog z, der påføres ved indløbet og udtag. Gør dette ved at højreklikke under fanen Forbigående og indsætte forskydninger (Figur 7E). Dupliker forskydningen for rutevejledningerne x, yog z. Vælg funktion på rullelisten retning, og kopier de forskydninger, der blev udtrukket i trin 2.4.1.
    BEMÆRK: Forskydning kan indtastes som en funktion eller som en tabel over punkter afhængigt af præferencer.
  8. Hvis du vil hjælpe med fejlfindingsfejl, skal du indsætte fire Newton-Raphson-rester under fanen Løsning. Disse kan ses, hvis der opstår fejl for at finde de besværlige geometri eller mesh steder.
    BEMÆRK: Hvis du vil indsætte indstillinger for efterbehandling, f.eks.

4. Blod/væske

  1. Indtast fanen Model, kontrollere enhederne, og undertrykke arterie og lipid del, forlader væsken domæne, på samme måde som trin 3.2.
  2. Angiv maskemålingerne, og generer masken, kontroller om nødvendigt skævhed og justering (vi anvendte en 0,14 mm maskestørrelse med en maksimal vægstørrelse på 0,12 mm). Det er god praksis at bruge lignende maskestørrelse og form, som det gøres i den strukturelle del, på de områder, hvor den væskefaste interaktion forekommer.
    BEMÆRK: Som med trin 3.3 bør der udføres en maskeuafhængighedstest for at sikre, at resultaterne er uafhængige af maskeegenskaber, som vist i tabel 2. Kontroller maskens kvalitet, og juster grundstoffets størrelse, vækstrate, raffinement eller krumning efter behov for at sikre, at skævheden forbliver lav, og at mesh-uafhængigheden nås.
  3. Opret navngivne markeringer for indløb, udløb og væg, før du indtaster væskeopsætningen, ved at højreklikke på den respektive overflade og vælge indsæt navngivet markering.
  4. Angiv fanen Installation, og sørg for, at dobbelt præcision er aktiveret. Angiv problemløsertypen til Trykbaseret, og sørg for, at tiden er indstillet til Forbigående ved at markere deres respektive aksefelter (Figur 8A).
  5. Aktiver k-omega tyktflydende turbulens model og aktivere Shear Stress Transport og Low Reynolds Korrektioner ved at indtaste viskøse modeller fanen (Figur 8B) og kontrollere deres respektive afkrydsningsfelter.
  6. Hvis du vil aktivere ikke-lineære viskositetsmodeller med turbulens, skal du indtaste kommandoen '/define/models/viskous/turbulensekspert/turb-ikke-newtonsk?' i kommandokonsollen (Figur 8C) og skrive 'ja', når du bliver bedt om det.
  7. Under Materialer (Figur 8D), definere blod egenskaber ved at indtaste tæthed og vælge ikke-newtonsk magt lov i viskositet drop down liste. Gør dette ved at omdøbe væsken som blod, indstille en tæthed på 1.050 kg / m3, og sæt Power-Law ikke-newtonsk konsistens indeks, k, til 0,035, magt lov indeks, n, til 0,6.
    BEMÆRK: Power Law ikke-newtonsk viskositet model blev valgt baseret på litteratur til at beskrive den ikke-lineære blod viskositet46, η, med hensyn til væske stamme sats, Equation 7 , som:
    Equation 8(7)
    Forskellige ikke-newtonske blodviskositet modeller eksisterer for at fange forskydning-udtynding karakter af blod. Flere publikationer46,47,48,49 har undersøgt effekten af forskellige viskositetsmodeller og deres koefficienter, som bør konsulteres for yderligere information, når du vælger den relevante model.
  8. Kompiler vores brugerdefinerede funktion, der tidligere er beskrevet i trin 2.4.2, og som indeholder den forbigående blodhastighed og det forbigående blodtryk, og kontrollerer kommandolinjerne for eventuelle fejl (Figur 8C). Indlæs nu UDF ved at angive fanen Brugerdefineret (Figur 8E), vælge Kompileret og navigere til mappen i UDF, før du importerer den og klikker på Genererog derefter på Indlæs.
    BEMÆRK: Der vises tekst i konsollen (Figur 8C). Kontroller dette omhyggeligt for at sikre, at der ikke vises fejl eller advarsler. Hvis UDF indlæses korrekt, vises UDF-navnene i konsollen (fremhævet i figur 8C).
  9. Disse kan anvendes på indløb og udløb. Det kan du gøre ved at vælge fanen Grænsebetingelser. Dobbeltklik på Indløb (Figur 8F), og vælg indløbet UDF på profilens rulleliste. Gentag dette trin for også at definere udgangstrykket.
  10. Aktiver det dynamiske net (ved at markere afkrydsningsfeltet under fanen Dynamisk mesh vist i figur 8G), herunder udjævning, genfrielse og 6° af frihedsløser-afkrydsningsfelterne, indstilling af diffusionsparameteren til 1,5 og de relevante maksimums- og minimumskalaer for dit net.
  11. Sørg for, at de maksimale og minimale maskeskalaer er inden for maskezonens grænser, og at mål skævheden er indstillet til 0,7. Maskeegenskaberne kan vises ved at klikke på fanen Egenskaber for maske.
  12. Opret en ny dynamisk maskezone ved at klikke på knappen Opret , angiv væggen på rullelisten Område, og vælg Systemkobling. Dette er grænsefladen til at overføre data til arteriekomponenten i simuleringen.
  13. Opret deforme mesh zoner for indløb, udløb og indvendige lumen med passende værdier for maskeskalaen. Gør dette ved at klikke på Opret under fanen Dynamisk mesh og vælge Deforming. Aktiver genfrisning og udjævning, og angiv maskeskalaerne baseret på grænserne for hver zone. Ofte er negative cellevolumenfejl forbundet med dette dynamiske net, så kontroller omhyggeligt og juster maskeskalaerne, hvis det er nødvendigt for hvert område.
  14. Sørg for, at trykhastighedskoblingen er indstillet til koblet og indstiller de forbigående formulerings- og rumlige diskotiseringsordninger til anden rækkefølge ved at indtaste fanen Metoder (Figur 8H) og foretage valg fra de respektive rullelister.
  15. I kontrol (Figur 8H),indtaste et courant nummer på to, og sæt de resterende konvergenskriterier i fanen Skærme (Figur 8I). Vi har brugt en værdi på 1e-5 for kontinuitet og 1e-6 for resten.
    BEMÆRK: Courant-tallet kan estimeres ud fra maskestørrelsen, dx,tidstrinsstørrelsen, dtog blodets hastighed, v, ved hjælp af:
    Equation 9(8)
    Angiv dette tal under afsnittet courantnummer under fanen Kontrol (Figur 8H). Her anvender vi en Courant nummer to. Courant-nummeret er generelt mindre end én; Men da der anvendes koblet trykhastighedsløser med implicitte løsningsmetoder, er resultatet i sagens natur mere stabilt og mindre følsomt over for denne værdi; derfor anses to for at være acceptable.
  16. Hvis du vil definere en brugerdefineret funktion for resultater som lokal normaliseret helicity (LNH), skal du vælge brugerdefinerede feltfunktioner under fanen Parametre og Tilpasning ( Figur8J) og indsætte en ny funktion ved at højreklikke og vælge Ny. Brug pop op-vinduet til at definere efter behov. Angiv formlen ved hjælp af rullelisten over problemløsere. Som et repræsentativt resultat bruger vi LNH50,51, et mål for justeringen mellem Equation 11 hastighed, og vorticitet, ω, vektorer, som en brugerdefineret funktion beskrevet af:
    Equation 10(9)
    BEMÆRK: Andre brugerdefinerede variabler bør defineres på dette trin, f.eks.
  17. Under fanen Kør beregning (Figur 8K) skal du angive antallet af timetrin til 160 (en trinstørrelse på 0,005 s og sluttidspunkt på 0,8 s), tidstrinstørrelsen på 5 ms og antallet af gentagelser til 300 for at sikre, at resultatet er tid uafhængigt.
    BEMÆRK: Afhængigt af simuleringens kompleksitet kan der være behov for større gentagelser pr. trin. Flere hjertecyklusser kan være nødvendige for fuldstændig numerisk konvergens, noget vi bemærker som en begrænsning; Dette anvendes dog ofte i koronar biomekanik simuleringer på grund af de beregningsmæssige omkostninger forbundet med disse simuleringer.
  18. Kontroller, om afkrydsningsfeltet Data sampling for Time Statistics er aktiveret, og kontroller, at Vægstatistik og Flow Shear-belastninger er valgt, samt den tidligere definerede brugerdefinerede funktion.
  19. Opret dataeksporten under fanen Beregningsaktiviteter og Automatisk lagring (Figur 8L), og vælg indstillingen CFD-Post-kompatibel til efterbehandling. Hvis man ønsker at behandle resultater i en separat software, justere eksporttype efter behov. Vælg alle områder (væg, indvendig maske, indløb, udløb) og de resultater, der skal eksporteres.
  20. Endelig initialisere simuleringen med hybrid ordningen ved at indtaste initialisering fanen (Figur 8M), vælge Hybrid ordningen, klikke på Indstillinger, og øge antallet af gentagelser til 20. Klik på Initialiser.

5. Systemkobling

  1. Sørg for, at både struktur- og væskeopsætningerne er tilsluttet systemkoblingen og opdateret. Gør dette ved at klikke på og trække struktur- og væskeopsætningen til systemkoblingen for at sammenkæde dem, som vist i Figur 9A, for at sikre, at begge opsætninger opdateres ved at højreklikke og vælge Opdater.
  2. I Systemkoblingskal du indstille sluttidspunktet til 0,8 s og timestep til 0,005 s. Gør dette ved at vælge Analyseindstillinger (Figur 9B-1) og angive størrelsen på sluttidspunktet og -klokkeslætstrinnet. Indstil den maksimale gentagelse til 10.
    BEMÆRK: Generelt er mellem 10 og 15 gentagelser tilstrækkelige, hvis både de strukturelle og flydende komponenter konvergerer godt.
  3. Vælg henholdsvis væg- og fast grænseflade fra henholdsvis væske- og strukturkomponenterne, og tilføj en dataoverførsel ved at holde Ctrl nede og vælge de to væskestrukturgrænseflader (Figur 9B-2); højreklik, og opret en dataoverførsel mellem væsken og de strukturelle komponenter (Figur 9B-3). Juster underafspændingen eller ramping af den kraft, der overføres fra væske til struktur for at hjælpe med konvergens.
    BEMÆRK: Afhængigt af modellens kompleksitet, grænseforhold og materialeegenskaber kan dataoverførsel ramping eller under-afslapning være påkrævet for numerisk konvergens. Disse kan anvendes på væskedataoverførsel (dvs. den kraft, der overføres fra væskekomponenten til arterievæggen). Disse indstillinger er tilgængelige i de oprettede dataoverførsler (Figur 9B-2).
  4. Når du er klar til at køre, skal du klikke på Opdater. Simuleringsdata såsom strukturel og flydende konvergens og deres respektive dataoverførselskonvergenser udskrives i konsollen.
    BEMÆRK: Bemærk, at FSI-simuleringer er beregningsmæssigt dyre, med denne simulering tager 11 dage på en 16-core maskine (2,6 GHz Intel Xeon Gold ved hjælp af 180 Gb fysisk hukommelse (RAM)), med yderligere variation i simuleringstider afhængigt af hardwareopsætning og modelkompleksitet. Der vises repræsentative dataoverførselsrester i diagrammet (Figur 9B-4), og løsningsdata udskrives i konsollen (Figur 9B-5). I løbet af de første par gentagelser kan konvergensen af dataoverførselsresterne muligvis ikke opnås fuldstændigt, før en ligevægtstilstand er nået. Dette er beskrevet mere detaljeret i billedteksten til figur 9B.
  5. Når simuleringen er færdig, kan resultaterne efterbehandles i den kommercielle software eller i en separat software, afhængigt af din dataeksporttype, der er beskrevet i trin 4.19.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Repræsentative resultater præsenteres for både etablerede og nye biomekaniske markører for åreforkalkning progression. Etablerede målinger som WSS- og WSS-afledte resultater (herunder tidsgennemsnitsvægsstress (TAWSS) og oscillatorisk forskydningsindeks (OSI)) visualiseres i figur 10. Væggen forskydning stress over hjertecyklussen er i høj grad drevet af blodhastigheden, men arterie geometri og dens bevægelse / sammentrækning spiller en væsentlig rolle i sin rumlige fordeling. Dette kan ses i TAWSS og OSI konturer, med OSI, et mål for flow recirkulation, der er blevet knyttet til åreforkalkning dannelse. Sådanne variationer er repræsentative for indsnævring/bøjninger og arteriegeometriens komplekse karakter. Resultater i nærheden af indløb og udløb bør ses bort fra, da de vil blive væsentligt påvirket af grænsebetingelser. Mens WSS som en skalarværdi er blevet godt undersøgt, har det underliggende vektorfelt, som præsenterer både en skalarværdi og retning, fået langt mindre opmærksomhed. Her vises vægforskydningsstressvefelt i figur 11, med områder fremhævet for at vise attraktions- og ekspansionsområder, som kan påvirke nær vægtransportprocesser. Især distalområdet viser en betydelig attraktionsregion, der er repræsentativ for pludselige ændringer i Lumen-området, hvilket kunne tyde på et risikosted for atherogenese. Tiltræknings- og udvidelsesregionerne er blevet visuelt vurderet her; Dette resultat kan dog udvides gennem yderligere efterbehandling for at udtrække den underliggende topologiske struktur og faste punkt54 numerisk. Sådanne tiltræknings-/ekspansionsområder er repræsentative for ændringer i lumen-området og bifurcationregionerne.

Intraluminale flow egenskaber (væk fra lumen væggen) kan også spille en vigtig rolle i åreforkalkning progression. Lokal normaliseret helicitet (LNH), et mål for tilpasning mellem blodhastighed og vorticity vektorer, er nyttig til visualisering modroterende intraluminal flow egenskaber26 og er vist i figur 12. En klar forskel kan ses mellem de proksimale og distale arterie sektioner. Hvis den udviklede simulering var suboptimal (dvs. grænseforholdene var meget tæt på den region, der analyseres, eller proksimale geometri som bøjninger udelades for at fokusere på en bestemt læsion), kan dette resultat blive væsentligt påvirket, hvilket påvirker forbindelsen med ændringer i plakmorfologi. Dette fremhæves i figur 12. Endelig analyseres stresserne i arterievæggen ved hjælp af Von Mises effektiv stress og præsenteres i figur 13. Bemærk det høje stressområde ved stikkontakten (distal) på grund af grænsetilstanden, som bør ignoreres. Von Mises stress (VMS) er påvirket af en kombination af fibrøst cap tykkelse, arterie geometri, materiale egenskaber, blod hastighed / tryk og arterie bevægelse / sammentrækning. På grund af dette er biomekanisk simulering nødvendig for at bestemme de belastninger i væggen, der skyldes den ikke-lineære interaktion mellem disse faktorer. Den tynde fibrøse hætte i den proksimale region resulterer i den største stress, med den forbigående fordeling over hjertecyklus drevet af arterie bevægelse. Dette er repræsentativt for den tynde karakter af den fibrøse hætte. Omvendt, i distal regionen, VMS resulterer på fibrøse hætte er overvejende drevet af blodtryk. Det er kun muligt at opfange disse resultater gennem fuldt koblede FSI-simuleringer på grund af den iboende ikke-lineærhed i simuleringen. Disse variationer kan spille en endnu udefineret rolle i åreforkalkning progression.

Endelig blev lumen-området, den samlede lipidbue og den mindste tykkelse af fibrøst hætte sammenlignet mellem baseline og opfølgende OLT-billeddannelse. Disse resultater vises i figur 14, med OLT-billeder af udvalgte områder vist til visualisering af ændringerne. Resultaterne generaliseres i de fremhævede regioner for at forstå den rolle, WSS, intraluminal flow og strukturelle belastninger har på læsion progression; Der kan dog foretages yderligere efterbehandling for kvantitativt at sammenligne biomekaniske resultater på hvert OLT-tværsnitssted med ændringer i plaksammensætningen. Udviklingen af midten af arterie læsion var forbundet med oprindeligt lav TAWSS og VMS, forstyrret LNH mønstre, og så en stærk WSS attraktion region (WSSat) og OSI. Bemærk, at denne læsion ikke var inkluderet i den oprindelige geometri på grund af dens lille størrelse og den ekstra beregningsmæssige udgift og kompleksitet, der er forbundet med dens optagelse. Dette er direkte i kontrast til den proksimale region, som oplevede mere konsekvent LNH mønstre, høj TAWSS og VMS og svagere WSS ekspansion region og OSI forbundet med lipid bue reduktion og en tyndere fibrøst hætte. Den distale læsion oplevede den mest signifikante progression og var forbundet med en moderat VMS, der var drevet af blodtryk, ikke arterie bevægelse, i modsætning til opstrøms regioner. Når denne metode og resultater tages sammen, kan den bruges til at udvikle et mere fuldstændigt billede af en patients potentielle risiko, forudsat at et større antal simuleringer kan produceres for bedre at forstå resultaternes statistiske betydning.

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

Tabel 1: Materialeegenskaber for arterievæggen og lipid ved hjælp af en fem-parameter Mooney-Rivlin model.

Strukturel
Gennemsnitlig maskestørrelse (mm) Målelementer over kløft Gennemsnitlig maske skævhed Antal elementer Maksimal hovedbelastningsvariation (%)
Grove 0.17 2 0.25 1,266,029 4.7
Medium 0.14 3 0.25 1,657,589 -
Bøde 0.11 4 0.24 3,382,733 1.28
Væske
Gennemsnitlig maskestørrelse (mm) Maksimal ansigtsstørrelse (mm) Gennemsnitlig maske skævhed Antal elementer Væg forskydning Stress Variation (%)
Grove 0.17 0.15 0.23 527,103 6.42
Medium 0.14 0.12 0.22 772,767 -
Bøde 0.11 0.09 0.22 1,392,534 1.85

Tabel 2: Mesh uafhængighedsresultater for tre forskellige testede maskestørrelser.

Figure 1
Figur 1: Arbejdsgang for udførelse af væskestrukturinteraktionsanalyser fra patientbilleddannelse.

Figure 2
Figur 2: Omrids af processen til justering af OLT-billeder mellem baseline og opfølgning, før du udtrækker lumenkanten. (A) Skematisk for OKT-tværsnitsjustering baseret på landemærker som f.eks. den proksimale bifurcation (*) og den distale sidegren (^) for at vælge tilsvarende billeder fra samme arteriesegment ved både baseline og opfølgning. (B) Visualisering af processen til valg af punkter til kateteret center og skala (røde kors) samt lumen startpunkt baseret på tværsnit linje (hvid stiplet) og lumen skitse (hvide prikker). Klik her for at se en større version af dette tal.

Figure 3
Figur 3: Omrids af processen til rekonstruktion af bagsiden af lipider og den ydre kant af arterievæggen i områder med høj dæmpning. Manuel udvælgelse af synlige punkter på den ydre elastiske membran (røde kors); projektion af en ellipse monteret på de valgte punkter for at danne den ydre arterie tværsnit skøn (hvid stiplet linje); manuel udvælgelse af indre lipidoverflade (blå prikker) projektion af lipid bagsiden (gule prikker) ved at skrumpe den ydre væg skøn for at nå den ønskede bagsiden tykkelse. Oversigt over målinger, der anvendes til læsion sammenligninger er også noteret (lumen område, fibrøst hætte tykkelse, og lipid bue). Klik her for at se en større version af dette tal.

Figure 4
Figur 4: Omrids af biplan angiogramkateterpunktvalg og tredimensionel rekonstruktion. (A) Angiogram med skaleringspunkter og kateterkurve fremhævet. (B) OLT-baserede tværsnit af lumen (blå) roteret og placeret langs den tredimensionelle kateter midterlinje (røde punkter). Klik her for at se en større version af dette tal.

Figure 5
Figur 5: Softwarelayout til generering af tredimensionel geometri. (A) 3D solid modeloprettelse: (1) Rullemenuer til operationer; (2) Importerede 3D-tværsnit udvundet af OLT (3) Loft mellem tværsnit for at skabe solid; (4) Boolesk operation for at forene/fratrække faste organer; (5) Delt topologi ved at skabe en del med arterie og lipider. (B) De endelige 3D solid geometri komponenter, herunder de tre lipider, kateter centerline, lumen, og arterievæggen. Bemærk, at en lille mid-sektion lipid ikke blev overvejet i genopbygningen på grund af sin lille størrelse og de ekstra beregningsmæssige omkostninger forbundet med dens optagelse. Klik her for at se en større version af dette tal.

Figure 6
Figur 6: Grænsebetingelser for simuleringen. (A) Forskydningsplot i x-, y- og z-anvisningerne for de proksimale (indløb) og distale (udløb) af arterien udvundet af angiografi. (B) Hastigheds- og trykgrænsebetingelser for henholdsvis indløb og udløb fra litteraturen. Klik her for at se en større version af dette tal.

Figure 7
Figur 7: Softwarelayout for strukturopsætningen. (A) Faste organer og deres definitioner af materielle egenskaber; (B) Maskeindstillinger; (C) Indstillinger for problemløser/analyse; (D) Væske-solid grænseflade anvendes på den indre væg af arterien; (E) Betingelser for forskydningsgrænse, der gælder for indløb og udløb (F) Efterbehandling af opløsning. Klik her for at se en større version af dette tal.

Figure 8
Figur 8: Softwarelayout for væskeopsætningen. (A) Generelle solverindstillinger; (B) Indstillinger for turbulensmodel; (C) Brugergrænsefladen i konsol/tekst til indtastede kommandoer. (D) Opsætning af flydende egenskab; (E) Brugerdefineret funktions compiler; (F) Indstillinger for grænsebetingelse for angivne navngivne valg. (G) Dynamiske maskeindstillinger og opsætning af interaktionszone med væskestruktur; (H) Problemløser indstillinger og kontrolelementer; (I) Specifikation af resterende konvergenskriterier (J) Region til definition af brugerdefinerede funktioner som LNH; (K) Beregningsopsætning for timetrin og gentagelser; (L) Indstillinger for dataeksportformat; (M) Løsning initialisering. Klik her for at se en større version af dette tal.

Figure 9
Figur 9: Omrids af systemkoblingsgrænsefladen. (A) Endeligt layout af den koblede arbejdsgang for interaktion mellem væskestruktur. (B) Softwarelayout til opsætning og simulering af systemkobling: (1) Analyseindstillinger; 2) Væskestrukturgrænseflader til konstruktions- og væskekomponenterne 3) Dataoverførsler (4) Overvågning af systemkoblingsrester (5) Løsningsoplysninger. Mens konvergens af de strukturelle og flydende komponenter kan opnås i hvert trin, dataoverførsel rester kan ikke konvergere sammen i løbet af de første par skridt. Ved det syvende trin sporer dataoverførselsresterne inden for 10 procent af hinanden, hvilket viser god konvergens. For at opnå fuldstændig konvergens skal dataoverførsler også nå målkriterierne, hvor standardindstillingen er angivet til minus to (logaritmisk skala), der vises med den grønne pil. Starten på hvert nyt tidstrin er skitseret af de blå pile. I dette tilfælde kan en forøgelse af antallet af systemkoblings iterationer gøre det muligt for dataoverførslerne at konvergere tidligere, men tilføjer beregningsomkostninger til simuleringen. Simulationskonvergens blev nået fra trin 11 og fremefter. Klik her for at se en større version af dette tal.

Figure 10
Figur 10: Repræsentative vægforskydningsstressresultater. (A) Tidsgennemsnitsvægsstress, (B) oscillatorisk forskydningsindeks og(C)vægforskydningsstress over hjertecyklussen på de fire steder, der er defineret på konturen (A). Væggen forskydning stress resultat variationer er drevet af en kombination af lumen form, dens bevægelse / bøjning, og blod hastighed, hvilket resulterer i et højdepunkt i forskydning stress over distal lipid (punkt fire). De udsving, der ses i løbet af de første skridt, er et resultat af simuleringssøgningsligevægten og bør ikke overvejes yderligere ved fortolkning af resultater. Klik her for at se en større version af dette tal.

Figure 11
Figur 11: Væg forskydningsstress vektorfelt farvet efter størrelsesorden (omvendt skala). Analyser af det underliggende vektorfelt viser lovende for bedre forståelse nær vægtransportprocesser, med tiltræknings- og ekspansionsområder (fremhævet indsat), der tyder på henholdsvis atheroprone og atheroprotective nær vægstrømsforhold. Tiltrækningsregioner ses mere markant i de distale regioner, der tyder på potentiel risiko for læsion progression. Klik her for at se en større version af dette tal.

Figure 12
Figur 12: Cyklusgennemsnittet lokale normaliserede helicity værdier for højre (positiv) og venstre (negativ) roterende flow strukturer. De distale steder ser større forstyrrelser i de kontraroterende flowstrukturer sammenlignet med den proksimale region. En suboptimal simulering (vist indsat) fokuseret på den distale plak med for lidt af den proksimale geometri inkluderet resulterede i varierede spiralformede flow strukturer, som ændrer de foreninger, der ses mellem biomekaniske resultater og plaque progression. Klik her for at se en større version af dette tal.

Figure 13
Figur 13: Repræsentant von Mises stressfordelingsresultater. (A) Von Mises stressfordeling i arterievæggen. Regionerne med høj stress er placeret på det mindste fibrøse cap tykkelse steder. Plaque skuldre producere stress intensiverere. (B) Plot af Von Mises stress over tid for en hjertecyklus, med den forbigående fordeling påvirket af en kombination af plak morfologi, blodtryk, blodtryk / momentum, og arterie bevægelse (cyklisk bøjning og kompression). Nummererede punkter i (B) svarer til dem, der er vist i (A). Bemærk forskellen mellem punkt et og fire; begge resulterer på en fibrøst hætte; stress på det første sted er drevet af arterie bevægelse / bøjning, mens det fjerde punkt er domineret af blodtryk. Klik her for at se en større version af dette tal.

Figure 14
Figur 14: Repræsentativ ændring i målte plak- og fartøjskarakteristika i forhold til biomekaniske resultater. (A) Lumen-området, (B) samlet summen af lipidbuevinkel og (C) minimumssammenlægning af fibrøst hættetykkelse mellem baseline og opfølgende billeddannelse. Oprindelige og opfølgende billeder vises svarende til den aksiale afstand, der er markeret med de grønne pile. Generel adfærd for tid gennemsnit væg forskydning stress (TAWSS), oscillatory forskydning indeks (OSI), væg forskydning stress attraktion region (WSSat), lokale normaliserede helicity (LNH) og Von Mises stress (VMS) er vist i de fremhævede regioner. Markører repræsenterer henholdsvis øgede, formindskede og neutrale værdier for henholdsvis den røde pil, den grønne pil og den sorte linje. Klik her for at se en større version af dette tal.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Brugen af FSI metoder til at analysere koronar biomekanik er stadig et udviklingsfelt fra både numerisk modellering og kliniske resultat aspekter. Her har vi beskrevet omridset af oprettelsen af en patient specifik FSI analyse, baseret på finite element / finite volumen metoder, udnytte OLT og angiografisk billeddannelse. Mens den metode, vi beskriver her, bruger en kommerciel finite element solver, kan proceduren anvendes på enhver FSI-kompatibel software. Der er stadig flere begrænsninger, der skal forbedres i metoden. For det første anerkender vi begrænsningen ved kun at fremlægge repræsentative resultater for en enkelt patient. Vi præsenterer dog den nuværende protokol for bedre at skitsere processen med biomekanisk FSI-simulering af arterier i håb om, at den præsenterede metode kan videreudvikles og anvendes på større kohorter i fremtiden. Desuden, i løbet af billedet analyse fase, meget af den beskrevne proces er manuel, indføre potentielle interobserver variabilitet, når segmentering lumen, lipider, og ydermur. Der kan gøres yderligere fremskridt for at automatisere disse processer55 eller omfatte flere ekspertanalyser, som vil være særligt nyttige til at give en mere robust sammenligning mellem baseline og opfølgende billeder. Olt imaging anvendes i denne procedure var heller ikke EKG-gated, hvilket resulterer i mindre forskydning af tværsnit på grund af hjerte bevægelse / sammentrækning. Hvis man tager højde for dette i fremtiden, kan det også øge sammenligningsnøjagtigheden.

Da undersøgelsens fokus var på forholdet mellem biomekaniske kræfter og plaksammensætning, blev der taget en OLT centreret tilgang for at gøre brug af OCT's høje nøjagtighed (10-20 μm). Dette giver imidlertid udfordringer på grund af den betydelige dæmpning, der skyldes OCT's begrænsede vævsindtrængningsdybde8. I modsætning til rent CFD teknikker, som kun kræver detaljer lumen form fra OCT billeder til væskeanalyser, FSI kræver også detaljerede oplysninger om lipider og arterievæggen. For at overvinde denne begrænsning blev der præsenteret en estimeringsteknik i denne metode, da der under normal klinisk praksis kun anvendes en intravaskulær billeddannelsesmodalitet. Der bør forskes i fremtiden for at validere nøjagtigheden af denne teknik og dens indvirkning på biomekaniske resultater gennem medregistrering af IVUS og OLT. Til denne procedure har vi antaget, at denne virkning er ubetydelig, da lumen form og fibrøst hættetykkelse56,57 generelt er mere dominerende drivkræfter for stressresultater i væggen. Ved at kombinere OLT og Intravaskulær Ultralyd (IVUS) kunne overvinde denne vanskelighed58; den overlegne vævspenetration af IVUS, der gør det muligt at analysere plakegenskaber og en næsten 10 gange stigning i OLT's rumlige opløsning, hvilket fører til meget nøjagtig fremstilling af lumen59. Udviklingen inden for multimodale katetre udgør en betydelig mulighed for at løse dette i fremtiden58. Tilsvarende, for de angigrafiske centerlines, yderligere automatisering til mere præcist tegner sig for tabel panorering, arterie kompression / afslapning, og foreshortening kan foretages ved at bygge videre på denne metode60.

Den numeriske simulering kan forbedres yderligere ved at inkludere den anisotropiske karakter af koronarvæv. Det isotropiske hyperelastiske væv, der er beskrevet i metoden, tager ikke hensyn til virkningen af arteriemikrostruktur. Dette har vist sig at være vigtigt for stress størrelsesorden og fordeling i arterievæggen31. Vævsanisotropi kan indgå i fremtiden ved at skabe brugerdefinerede materialemodeller. Alternative finite element solvers har også indbyggede anisotropiske hyperelastiske modeller udviklet specielt til biologisk væv adfærd, såsom Holzapfel-Gasser-Odgen model61. Nuværende simuleringer er også begrænset ved primært at bruge data fra litteraturen42 fjernet fra kadavere og mekanisk testet uden for det fysiologiske miljø. Efterhånden som intravaskulær billeddannelsesteknikker forbedres, ser vi også muligheden for at definere vævsegenskaber, der er skræddersyet til hver enkelt patient. På samme måde blev intima, medier og utilsigtede strukturer forenklet til en enkelt lagdelt struktur, da adskillelse af disse lag fra OLT giver udfordringer, især når det sikres, at der ikke opstår overlapning i genopbygningsprocessen. De ekstra numeriske omkostninger er også betydelige , hvilket kræver yderligere undersøgelser for at finde balancen mellem omkostninger /tid og nøjagtighed , da de mange lag spiller en rolle i det samlede stressrespons62,63.

Desuden er der fra et intravaskulært flowperspektiv, mens vi kun præsenterer repræsentative resultater af LNH, udviklet flere spiralformede flowindekser i litteraturen, med resultater som h2-indekset, der kvantificerer helicitetsintensiteten, foreslået som værende atherobeskyttende. Disse indekser kan føjes til protokollen ved at definere dem i brugerdefinerede feltfunktioner (trin 4.16) på samme måde som LNH, og vi dirigerer interesserede læsere til den citerede litteratur24,25,51 for yderligere information.

Endelig er vores metode begrænset til at anvende hastigheds- og trykgrænseforhold målt i litteraturen i stedet for målte patientspecifikke. Dette kunne forbedres ved at udtrække blodhastighed og trykgrænse betingelser specifikke for hver patient ved hjælp af doppler ekkokardiografi64 og kvantitative / fraktioneret flow reserve målinger65 i fremtiden. Sådanne forbedringer vil være særligt nyttige for at sikre, at arterieforskydningen nøjagtigt kan matches med blodhastighed og trykfaser (især start/slut systole), hvilket vi giver et skøn for i denne analyse. Selv om det er blevet foreslået, at væskegrænseforhold kun påvirker det meget nærliggende område af grænsen, bør interesseområdet for vurdering af plakvækst/regression af ombygning fastsættes omkring den midterste del af simuleringsgeometrien for at minimere eventuelle virkninger af disse indløbs- og udløbsforhold. Virkningen af at simulere en suboptimal arteriesektion, der er for kort, er blevet fremhævet i figur 12, hvor indløbs- og udløbsbetingelserne i høj grad påvirker de præsenterede resultater snarere end arteriegeometrien og dynamikken. Dette vil få direkte konsekvenser for prædiktiv kapacitet, hvis det ikke er tilstrækkeligt taget i betragtning. Desuden, mens vi præsenterer en simulering ved hjælp af Power Law ikke-newtonske viskositet model baseret på forslag i litteraturen46,48, nyere undersøgelser47 har foreslået Carreau model som en mere passende viskositet model. Forskellige viskositetsmodeller kan vælges i trin 4.7 i protokollen. Ved at bygge direkte på denne metode kan inkorporeringen af disse fremskridt i høj grad øge resultatets specificitet og nøjagtighed i fremtiden.

Under udviklingen af den solide model er det vigtigt at tage skridt til at forbedre sandsynligheden for et net af høj kvalitet og reducere fejlbehæftede regioner. Deling topologi mellem lipid og arterie væggen er et vigtigt første skridt, gør det muligt mesh noder, der skal deles mellem de faste overflader, når meshing trin udføres. Ved at dele noder reduceres muligheden for fejl forbundet med ufuldkommen meshjustering og mesh-penetration, en ikke ubetydelig risiko på grund af modellens komplekse geometri. Efter opsætningen af både komponenterne til faste og flydende analyser er det også vigtigt at kontrollere, om der er tale om mesh-uafhængighed. Dette sikrer, at alle resultater ikke påvirkes af størrelsen af det genererede net. For maskeuafhængighed bør resultaterne forblive stabile på trods af ændringer i maskestørrelsen. For effektive beregninger skal du vælge det størst mulige net (færrest antal elementer), der sikrer denne uafhængighed. Desuden er det et kritisk skridt at sikre, at både de Fluent-baserede rester konvergerer, og at systemkoblingsdataoverførsler konvergerer. Generelt er det god praksis, at de strukturelle og flydende dataoverførselsrester konvergerer til inden for 10% af hinanden i slutningen af hvert gangtrin. Da simuleringen finder en ligevægtstilstand, vil de første par gentagelser af enhver FSI-simulering nogle gange ikke helt konvergere, som tidligere beskrevet i figur 7. Generelt, efter at de første 5%-10% af simuleringstiden er afsluttet, bør konvergens nås for hvert trin. Mens vi også demonstrere metoden her over en hjertecyklus, en forenkling ofte lavet i koronar biomekanik, flere hjertecyklusser er ofte nødvendige for numerisk konvergens. På grund af de beregningsmæssige omkostninger forbundet med koronar biomekanik simuleringer, dog, flere hjerte cyklusser er ofte ikke muligt. Dette er en begrænsning, der berettiger til yderligere udvikling.

Der kan også opstå flere mulige fejl under simuleringen. Mest almindelige af disse er elementforvrængning / deformation fra den strukturelle side og negativ cellevolumen fra væskesiden. Elementforvrængning kan skyldes stressforstærkere såsom knibspidspunkter/fattigt elementkvalitetsområder eller fra den anvendte kraft, der overstiger materialestyrken. For at finde de steder, hvor der opstår fejl, skal du indsætte Newton-Raphson-rester (under fanen Løsning i forbigående strukturelle). Newton-Raphson rester vil vise de regioner af geometri med den største resterende fejl. Hvis maskekvaliteten er lav i dette område, kan det hjælpe at forfine masken. Hvis du får vist kraft/forskydningskonvergens fra rullelisten under fanen Løsning, kan det også være en hjælp til fejlfinding af denne fejl. Fra det flydende perspektiv er negativ cellevolumen generelt forbundet med de dynamiske maskeindstillinger. Gennemgå disse indstillinger omhyggeligt, og prøv at øge margenen mellem maskezonens maksimale/mindstestørrelser og de manuelt angivne maxima/minima. Lav/dårlig kvalitet elementer i grænseområdet kan også påvirke denne fejl på grund af deformation opstår under systemet kobling. Gennemgang af maskekvaliteten i grænseområdet kan også hjælpe med fejlfinding. Ved fejlfinding kan en separat løsning af struktur- og væskekomponenterne reducere den tid, der bruges på at håndtere fejl.

Fremadrettet viser FSI-baseret simulering et betydeligt potentiale for koronar læsion analyser, da det overvinder begrænsningerne af rent strukturelle eller flydende (CFD) baserede tilgange. Den præsenterede metode har også yderligere anvendelser i koronar stenting66, ventrikel funktion67, og spontan koronararterie dissektion68 analyse. Der er dog stadig den udfordring at korrelere biomekaniske resultater til kliniske resultater. Dette er fortsat vanskeligt på grund af beregningsomkostningerne forbundet med FSI-teknikker, hvilket begrænser antallet af analyser, der kan udføres inden for realistiske tidsrammer. Det betyder, at resultaterne i øjeblikket ikke kan bruges i næsten realtid (f.eks. i kateteriseringslaboratoriet) til direkte at hjælpe til perkutan koronarintervention (PCI), men snarere er retrospektive analyser, der fører til forsinkelser i dataadgangen. Denne tidsramme kan stadig være nyttigt i vejlede iscenesatte PCI-procedurer eller individualisere mere aggressiv farmakoterapi eller overvågning for ikke-skyldige koronar læsioner, der er identificeret som værende i høj risiko for progression eller destabiliserende på grund af deres biomekaniske profil. Med flere biomekaniske markører, der opstår med potentielle forbindelser til CAD, vil en multifaktoriel tilgang, der er i stand til at simulere og sammenligne resultater, give et klarere billede af forholdet mellem arteriebiomekanik og atheroprone-steder, en mulighed for, at FSI-simuleringer er unikt placeret til at fuldføre. Muligheden for, at denne FSI-simulering kan integreres og informere maskinlæringsalgoritmer yderligere, kan også overvinde de begrænsninger, der er forbundet med hver enkelt tilgang69. Samlet set kan denne metode hjælpe med at forudsige koronar åreforkalkning progression, og med yderligere udvikling kan blive en integreret del af høj-risiko patientpleje.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har ingen konflikter at erklære om udarbejdelsen af denne artikel. S.J.N. har modtaget 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 Boehringer Ingelheim. P.J.P. har modtaget forskningsstøtte fra Abbott Vascular, konsulenthonorarer fra Amgen og Esperion og taler honoraria fra AstraZeneca, Bayer, Boehringer Ingelheim, Merck Schering-Plough og Pfizer.

Acknowledgments

Forfatterne vil gerne anerkende støtten fra The University of Adelaide, Royal Adelaide Hospital (RAH) og South Australian Health and Medical Research Institute (SAHMRI). COCOMO-ACS-forsøget er en efterforskerinitieret undersøgelse finansieret af projekttilskud fra National Health and Medical Research Council (NHMRC) i Australien (ID1127159) og National Heart Foundation of Australia (ID101370). HJ.C. er støttet af et stipendium fra Westpac Scholars Trust (Future Leaders Scholarship) og anerkender støtte fra The University of Adelaide, School of Mechanical Engineering og Department of Education, Skills and Employment Research Training Program (RTP) stipendium. S.J.N. modtager et Principal Research Fellowship fra NHMRC (ID1111630). P.J.P. modtager 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 Åreforkalkning biomekanik læsion progression væske-struktur interaktion væg forskydning stress kranspulsåre optisk sammenhæng tomografi
Optisk sammenhæng Tomografi Baseret Biomekanisk Fluid-Struktur Interaktion Analyse af Koronar åreforkalkning Progression
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