Uma metodologia para estimar orientações de fibra de ventriculares em imagens in vivo de geometrias coração do paciente para a modelagem de personalizado é descrito. Validação da metodologia realizada utilizando normal e não corações caninos demonstrar que que não há diferenças significativas entre as orientações de fibra estimadas e adquirida a um nível clinicamente observável.
Específicas do paciente simulações da função cardíaca (dis), destinado a personalizar a terapia cardíaca são dificultados pela ausência de tecnologia de imagem in vivo para adquirir clinicamente orientações fibras miocárdicas. O objetivo deste projeto foi desenvolver uma metodologia para estimar orientações de fibra cardíaca em imagens in vivo de geometrias coração do paciente. Uma representação exacta da geometria ventricular e orientações de fibra foi reconstruído, respectivamente, de alta resolução, ressonância ex vivo estrutural magnética (RM) e imagens do tensor de difusão (DT) de RM de um coração humano normal, referido como o atlas. Geometria ventricular do coração do paciente foi extraído, através da segmentação semi-automática, a partir de uma in vivo tomografia computadorizada de imagem (CT). Utilizando algoritmos de transformação da imagem, a geometria ventricular atlas foi deformada para corresponder ao do paciente. Finalmente, o campo de deformação foi aplicado à fibra atlas orientatíons para obter uma estimativa de orientações de fibra de pacientes. A precisão das estimativas de fibra foi avaliada usando seis normais e três falhando corações caninos. A diferença média absoluta entre ângulos de inclinação de orientações de fibra adquiridos e estimada foi de 15,4 °. Simulações computacionais de mapas de ativação ventricular e pseudo-ECG em ritmo sinusal e taquicardia ventricular indicaram que não há diferenças significativas entre as orientações de fibra estimados e adquirido em um clinicamente observáveis level.The novos insights obtidos a partir do projeto vai preparar o caminho para o desenvolvimento de paciente modelos específicos do coração, que pode ajudar os médicos no diagnóstico personalizado e decisões sobre intervenções eletrofisiológicas.
A abordagem computacional está a tornar-se central para o avanço do conhecimento da função do coração na saúde e na doença. Estado-da-arte todo coração modelos de eletrofisiologia e eletromecânica estão sendo usados para estudar uma ampla gama de fenômenos, como a propagação ventricular normal, arritmia, desfibrilação, acoplamento eletromecânico, e ressincronização cardíaca 1. No entanto, para a abordagem computacional para ser directamente aplicável no ambiente clínico, é imperativo que os modelos ser específicas do paciente, isto é, os modelos devem basear-se na arquitectura específica e propriedades electrofisiológicas ou electromecânicos de coração doente do paciente. Simulação com esses modelos ajudará os médicos a chegar a decisões altamente personalizados para intervenções eletrofisiológicas bem como profilaxia, reduzindo drasticamente melhorar a saúde cardíaca 2-4.
content "> Criação de modelos cardíacos realistas requer a obtenção da estrutura e geometria da fibra de um coração do paciente. orientações de fibra determinar direcções de propagação e as distribuições de deformação eléctrica no coração, e portanto, antes de os adquirir é essencial para a modelagem cardíaco 5, 6. Com recentes avanços na imagiologia médica, é agora possível obter a geometria de um coração do paciente, a remodelação includingstructural tais como enfarte, di vivo com alta resolução usando imagem por ressonância magnética (MRI) e tomografia computadorizada (CT) tecnologias. No entanto, não há nenhuma método prático para a obtenção de uma estrutura de fibras do coração do paciente, in vivo. Diffusion tensor (DT) MRI 7, 8, a única técnica de adquirir orientações de fibras do coração intactos, não é amplamente disponível, in vivo, devido a certas limitações 9. Uma breve descrição dos esforços anteriores para traduzir DTMRI o quadro clínico pode ser encontrada elsewhere 2. Apesar de metodologias como a regra de atribuição baseada em fibra de orientações oferecer alternativas ao DTMRI, estas metodologias têm certas limitações graves 2, 10. Assim dificuldades na aquisição de estrutura de fibra cardíaca in vivo atualmente impedem a aplicação de eletrofisiológicos e eletromecânica simulações cardíacas em ambiente clínico. O objetivo desta pesquisa foi o de abordar diretamente essa necessidade.Colocámos a hipótese de que as orientações de fibras ventriculares de um coração pode ser prevista com precisão, dada a geometria do coração e um atlas, onde o atlas é um coração cuja geometria e fibra orientações estão disponíveis. Assim, usamos estado das técnicas de arte para desenvolver uma metodologia para a estimativa de orientações fibra cardíaca in vivo, e testou a hipótese em normal e não ventrículos caninos 2. A idéia central da nossa metodologia de estimativa de fibra é explorar similarities em orientações de fibras, em relação à geometria, entre corações diferentes a fim de aproximar a estrutura de fibra de um coração (alvo) para os quais as informações a geometria está disponível. No coração de nossa metodologia de estimação é o registro da geometria atlas com a geometria alvo usando mapeamento difeomórfico grande deformação métrica (LDDMM) 11, eo morphing de orientações de fibra atlas usando preservação de componentes principais (PPD) 2, 12. Diffeomorphicproperty A de garantias LDDMM que o atlas não "foldover" em si durante a deformação, preservando assim as estruturas anatômicas integrityof. figura 1 ilustra o pipeline de processamento de nossa metodologia. A secção de texto de protocolo § 1 descreve os vários componentes do oleoduto, demonstrando como o cálculo pode ser executado para um paciente exemplo. Os números dentro de alguns dos blocos na Figura 1 referem-se ao correspondentesubseções ao abrigo da secção § 1 º do texto do protocolo.
Foi avaliado o desempenho da metodologia proposta pela quantificação do erro de estimação, e medir o efeito deste onsimulations erro de eletrofisiologia cardíaca, por simular computacionalmente locais mapas de ativação elétrica, bem como pseudo-eletrocardiogramas (ECGs pseudo-). Devido à indisponibilidade dos corações humanos, a avaliação de desempenho foi realizado utilizando corações caninos disponíveis a partir de estudos anteriores 13-15. O erro de estimativa foi calculada por meio de ângulos de inclinação 16, a tradição followingthe de histologia, onde as medições são secções angulares performedon tecidos que são cortadas paralelamente à epicardialsurface. Desde que o sentido das fibras anglebetween e plano tangente epicardial é generallysmall 17, 18, a perda de informação em descrever um fiberdirection inteiramente usando o seu ângulo de inclinação é insignificante. Para o computcionais, simulações de imagem baseados em modelos foram construídos como descrito previamente 19, 20, e o tecido cardíaco nos modelos foi representada com base em técnicas matemáticas estabelecidas e os dados experimentais 21-25. Ritmo sinusal foi simulado por activação de replicação proveniente da rede de Purkinje 26, e taquicardia ventricular, por uma estimulação S1-S2 protocolo 27. Pseudo-ECGs foram computados 28 e comparados utilizando o desvio médio absoluto (MAD) métrica 29.
Esta pesquisa demonstra quantitativamente que, na ausência de DTMRI, orientações de fibra do miocárdio dos ventrículos normais e não pode ser estimada a partir de imagens in vivo das suas geometrias para utilização em simulações de electrofisiologia cardíaca. A metodologia proposta é demonstrado com dados di vivo TC, mas é igualmente aplicável a imagens de RM in vivo da geometria ventricular, dirigindo-se a falta de capacidade para adquirir directamente orienta?…
The authors have nothing to disclose.
Agradecemos os drs. Raimond Winslow, Elliot McVeigh, e Patrick Helm na Johns Hopkins University para fornecer o ex vivo conjuntos de dados de pesquisa online.This foi apoiado pelo National Institutes of Health concessão R01-HL082729 e National Science Foundation concessão CBET-0933029.
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 |