A ecocardiografia é comumente usada para caracterizar e quantificar alterações na estrutura e função cardíaca. Descrevemos um algoritmo de imagem baseado em ultrassom que oferece uma medida de substituto aprimorada da microestrutura do miocárdio e pode ser realizado usando software de análise de imagem de acesso aberto.
A ecocardiografia é uma modalidade de imagem amplamente acessível que é comumente usada para caracterizar e quantificar alterações na estrutura e função cardíaca. Avaliações ultrassônicas do tecido cardíaco podem incluir análises da intensidade do sinal de backscatter dentro de uma determinada região de interesse. Técnicas previamente estabelecidas têm se apoiado predominantemente no valor integrado ou médio das intensidades de sinal de backscatter, que podem ser suscetíveis à variabilidade a partir de dados aliased de baixas taxas de quadros e atrasos de tempo para algoritmos baseados na variação cíclica. Aqui, descrevemos um algoritmo de imagem baseado em ultrassom que se estende a partir de métodos anteriores, pode ser aplicado a um único quadro de imagem e explica a distribuição completa dos valores de intensidade de sinal derivados de uma dada amostra de miocárdio. Quando aplicado a dados representativos de camundongos e imagens humanas, o algoritmo distingue entre sujeitos com e sem exposição à resistência crônica pós-carga. O algoritmo oferece uma medida de substituto aprimorada da microestrutura miocárdio e pode ser realizado usando software de análise de imagem de acesso aberto.
A ecocardiografia é uma modalidade de imagem amplamente acessível que é comumente usada para caracterizar e quantificar alterações na estrutura e função cardíaca. Avaliações ultrassônicas do tecido cardíaco podem incluir análises da intensidade do sinal de backscatter dentro de uma determinada região de interesse em um único ponto no tempo, bem como ao longo do ciclo cardíaco. Estudos anteriores sugerem que medidas de intensidade de sinal sonográfico podem identificar a presença subjacente da desordem da fibra miocárdia, tecido miocárdio viável versus inviável e fibrose interstícia1-3. Referimo-nos à “microestrutura” do miocárdio como a arquitetura tecidual que pode ser caracterizada, utilizando análise sonográfica, além de medições lineares de tamanho bruto e morfologia. Assim, foram utilizadas análises de intensidade de sinal sonográfico para avaliar alterações microestruturais do tecido miocárdio no cenário de cardiomiopatia hipertrófica e dilatada4,5, doença arterial coronariana crônica6,7e doença cardíaca hipertensiva8,9. No entanto, técnicas previamente estabelecidas têm se apoiado predominantemente no valor integrado ou médio das intensidades de sinal de backscatter, que podem ser suscetíveis à variabilidade do ruído aleatório5, dados aliased de baixas taxas dequadros 10, e atrasos de tempo para algoritmos baseados na variação cíclica11.
Aqui, descrevemos o método de usar um algoritmo de análise de imagem baseado em ultrassom que se estende a partir de métodos anteriores; este algoritmo se concentra em um único quadro de dia diastólica final para análise de imagem e explica a distribuição completa dos valores de intensidade de sinal derivados de uma determinada amostra do miocárdio. Usando o pericárdio como referência in-frame12,13,o algoritmo quantifica a variação nas distribuições de intensidade de sinal sonográfico e oferece uma medida de substituto aprimorada da microestrutura miocárdia. Em um protocolo passo a passo, descrevemos métodos para preparar imagens para uso, amostragem de regiões de interesse e processamento de dados dentro de regiões de interesse selecionadas. Também mostramos resultados representativos da aplicação do algoritmo a imagens ecocardiográficas adquiridas de camundongos e humanos com exposição variável ao estresse pós-carga no ventrículo esquerdo.
Descrevemos o protocolo para um algoritmo de análise de imagem que quantifica a distribuição da intensidade do sinal sonográfico e, por sua vez, oferece uma medida substituta da microestrutura miocárdia. As características padronizadas do protocolo, incluindo seleção, dimensionamento e posicionamento do ROI e região de referência, servem para minimizar a variabilidade do usuário e do assunto. Demonstramos que quando aplicado a imagens ecocardiográficas de um quadro único de fim, o algoritmo pode distinguir a…
The authors have nothing to disclose.
Somos gratos pelos recursos fornecidos pela Harvard Medical School/Brigham e pelo Women’s Hospital Cardiovascular Physiology Core Laboratory Laboratory. Este trabalho foi apoiado em parte por financiamento dos Institutos Nacionais de Saúde HL088533, HL071775, HL093148 e HL099073 (RL). MB recebeu um prêmio de pós-doutorado da American Heart Association. Ku é um beneficiário de um prêmio de bolsa de pós-doutorado da American Heart Association. SC foi apoiado por um prêmio da Fundação Ellison.
ImageJ v 1.46 | NIH (Bethesda, MD) | open access software | |
Power ShowCase | Trillium Technology (Ann Arbor, MI) | commercial software |