Ekokardiografi används ofta för att noninvasively karakterisera och kvantifiera förändringar i hjärtstruktur och funktion. Vi beskriver en ultraljudsbaserad bildalgoritm som erbjuder ett förbättrat surrogatmått på myokardmikrostruktur och kan utföras med hjälp av programvara för öppen bildanalys.
Ekokardiografi är en allmänt tillgänglig bildframställning modalitet som ofta används för att noninvasively karakterisera och kvantifiera förändringar i hjärt struktur och funktion. Ultraljud bedömningar av hjärtvävnad kan inkludera analyser av backscatter signal intensitet inom en viss region av intresse. Tidigare etablerade tekniker har främst förlitat sig på det integrerade värdet eller medelvärdet av backscatter-signalintensiteter, som kan vara mottagliga för variation från aliaserade data från låga bildhastigheter och tidsfördröjningar för algoritmer baserat på cyklisk variation. Häri beskriver vi en ultraljudsbaserad bildalgoritm som sträcker sig från tidigare metoder, kan tillämpas på en enda bildram och står för den fullständiga fördelningen av signalintensitetsvärden som härrör från ett givet kortprov. När algoritmen tillämpas på representativa mus- och humanbildsdata skiljer den mellan försökspersoner med och utan exponering för kronisk efterbelastningsresistens. Algoritmen erbjuder ett förbättrat surrogatmått på myokardmikrostruktur och kan utföras med hjälp av programvara för öppen bildanalys.
Ekokardiografi är en allmänt tillgänglig bildframställning modalitet som ofta används för att noninvasively karakterisera och kvantifiera förändringar i hjärt struktur och funktion. Ultraljud bedömningar av hjärtvävnad kan inkludera analyser av backscatter signal intensitet inom en viss region av intresse vid en enda tidpunkt, liksom under hjärt cykeln. Tidigare studier har föreslagit att mått på sonographic signal intensitet kan identifiera underliggande förekomsten av skador fiber oordning, livskraftiga kontra icke-avundsvärda skador vävnad och interstitiell fibros1-3. Vi hänvisar till hjärtinfarkt “mikrostruktur” som den vävnadsarkitektur som kan karakteriseras, med hjälp av sonografisk analys, utöver linjära mätningar av bruttostorlek och morfologi. Följaktligen har analyser av sonographic signal intensitet använts för att utvärdera mikrostructural förändringar av skador vävnad i inställningen av hypertrophic och dilaterad kardiomyopati4,5, kronisk födans arteriell sjukdom6,7, och hypertensive hjärtsjukdomar8,9. Tidigare etablerade tekniker har dock främst förlitat sig på det integrerade värdet eller medelvärdet av backscatter-signalintensiteter, som kan vara mottagliga för variation från slumpmässigtbrus 5, aliaserade data från låga bildhastigheter10och tidsfördröjningar för algoritmer baserade på cyklisk variation11.
Häri beskriver vi metoden att använda en ultraljudsbaserad bildanalysalgoritm som sträcker sig från tidigare metoder; Denna algoritm fokuserar på en enda end-diastolisk ram för bildanalys och står för den fullständiga fördelningen av signalintensitetsvärden som härrör från ett givet kortprov. Genom att använda pericardium som en inramningsreferens12,13kvantifierar algoritmen på ett reproducerbart sätt variationen i sonografiska signalintensitetsfördelningar och erbjuder ett förbättrat surrogatmått på myokardmikrostruktur. I ett steg-för-steg-protokoll beskriver vi metoder för att förbereda bilder för användning, ta prov på intresseområden och bearbeta data inom utvalda intresseområden. Vi visar också representativa resultat från tillämpningen av algoritmen på ekokardigrafiska bilder förvärvade från möss och människor med varierande exponering för efterbelastningsstress på vänster ventrikel.
Vi beskriver protokollet för en bildanalysalgoritm som kvantifierar sonographic signal intensitet distribution och i sin tur erbjuder ett surrogatmått på skador mikrostruktur. Standardiserade funktioner i protokollet, inklusive val, storlek och positionering av ROI- och referensregionen, tjänar till att minimera användar- och ämnesbaserad variabilitet. Vi visar att när det tillämpas på end-diastolic single-frame ekokardiografiska bilder, algoritmen kan lämpligt skilja mellan normala skador kontra myokardium uts…
The authors have nothing to disclose.
Vi är tacksamma för resurser från Harvard Medical School / Brigham och Women’s Hospital Cardiovascular Physiology Core Laboratory. Detta arbete stöddes delvis av finansiering från National Institutes of Health grants HL088533, HL071775, HL093148 och HL099073 (RL). MB var mottagare av american heart association grundare affiliate postdoktoral fellowship award. KU är mottagare av american heart association founders affiliate postdoktoral fellowship award. SC fick stöd av en utmärkelse från Ellison Foundation.
ImageJ v 1.46 | NIH (Bethesda, MD) | open access software | |
Power ShowCase | Trillium Technology (Ann Arbor, MI) | commercial software |