Summary

Ultralydsvurdering af Myocardial Microstructure

Published: January 14, 2014
doi:

Summary

Ekkokardiografi er almindeligt anvendt til ikke-invasivt karakterisere og kvantificere ændringer i hjerte struktur og funktion. Vi beskriver en ultralydsbaseret billedalgoritme, der tilbyder et forbedret surrogatmål for myokardiemikrostruktur og kan udføres ved hjælp af open-access billedanalysesoftware.

Abstract

Ekkokardiografi er en bredt tilgængelig billedbehandling modalitet, der er almindeligt anvendt til ikke-invasivt karakterisere og kvantificere ændringer i hjerte struktur og funktion. Ultralydvurderinger af hjertevæv kan omfatte analyser af baggrundsspredersignalintensitet inden for en given region af interesse. Tidligere etablerede teknikker har hovedsageligt været baseret på den integrerede eller gennemsnitlige værdi af backscatter signalintensiteter, som kan være modtagelige for variation fra aliaserede data fra lave billedhastigheder og tidsforsinkelser for algoritmer baseret på cyklisk variation. Heri beskriver vi en ultralydsbaseret billedalgoritme, der strækker sig fra tidligere metoder, kan anvendes på en enkelt billedramme og tegner sig for den fulde fordeling af signalintensitetsværdier afledt af en given myokardieprøve. Når algoritmen anvendes på repræsentative muse- og humane billeddata, skelner den mellem forsøgspersoner med og uden udsættelse for kronisk efterbelastningsresistens. Algoritmen tilbyder en forbedret surrogat måling af myokardie mikrostruktur og kan udføres ved hjælp af open-access billedanalyse software.

Introduction

Ekkokardiografi er en bredt tilgængelig billedbehandling modalitet, der er almindeligt anvendt til ikke-invasivt karakterisere og kvantificere ændringer i hjerte struktur og funktion. Ultralydvurderinger af hjertevæv kan omfatte analyser af backscatter signalintensitet inden for en given region af interesse på et enkelt tidspunkt, såvel som i løbet af hjertecyklussen. Tidligere undersøgelser har antydet, at målinger af sonografisk signalintensitet kan identificere den underliggende tilstedeværelse af myokardiefiber disarray, levedygtig versus ikke-misundelsesværdigt myokardievæv og interstitiel fibrose1-3. Vi henviser til myokardie ‘mikrostruktur’ som vævsarkitekturen, der ved hjælp af sonografisk analyse kan karakteriseres ud over lineære målinger af bruttostørrelse og morfologi. Derfor er analyser af sonografisk signalintensitet blevet brugt til at evaluere mikrostrukturelle ændringer af myokardievæv i indstillingen af hypertrofisk og udvidet kardiomyopati4,5, kronisk koronararteriesygdom6,7og hypertensive hjertesygdom8,9. Tidligere etablerede teknikker har imidlertid overvejende været baseret på den integrerede eller gennemsnitlige værdi af backscatter signalintensiteter, som kan være modtagelige for variabilitet fra tilfældig støj5, aliaserede data fra lave billedhastigheder10og tidsforsinkelser for algoritmer baseret på cyklisk variation11.

Heri beskriver vi metoden til at bruge en ultralydsbaseret billedanalysealgoritme, der strækker sig fra tidligere metoder; denne algoritme fokuserer på en enkelt end-diastolisk ramme til billedanalyse og tegner sig for den fulde fordeling af signalintensitetsværdier afledt af en given myokardieprøve. Ved at bruge pericardium som en in-frame reference12,13, algoritmen reproduceribly kvantificerer variation i sonografiske signal intensitet distributioner og tilbyder en forbedret surrogat måling af myokardie mikrostruktur. I en trinvis protokol beskriver vi metoder til forberedelse af billeder til brug, stikprøver af interesse og behandling af data inden for udvalgte interesseområder. Vi viser også repræsentative resultater fra anvendelse af algoritmen til ekkokardiografiske billeder erhvervet fra mus og mennesker med variabel eksponering for efterbelastningsstress på venstre hjertekammer.

Protocol

1. Forberedelse af billeder til analyser Få billeder i murine eller humant ekkokardiografisk B-tilstand i den parasternale langaksevisning. Juster indstillinger for tidsgevinstkompensation og placering af overførselsfokus for at optimere visualiseringen af LV’en og andre hjertestrukturer i den parasterale visning pr. sædvanlig praksis. Kontroller, at alle billeder er gemt i DICOM-filformat. Standardiserede billedvisninger placerer den inferolaterale venstre ventrikelvæg i bunden af rammen. Rammer skal vise …

Representative Results

Signalintensitetsanalyse udføres i 4 hovedtrin (Figur 1), herunder: 1) billedvalg og -formatering, 2) prøvetagning af ROI og referenceområder, 3) algoritmeapplikation og 4) behandling af endelige værdier for at give myokardie-til-pericardial intensitetsforhold. Udvælgelsen og størrelsen af investeringsafkastet standardiseres for at begrænse interbruger- og intrabrugervariationen (figur 2). Placeringen af hvert investeringsafkast er også standardiseret med hensyn til hvert emnes a…

Discussion

Vi beskriver protokollen for en billedanalysealgoritme, der kvantificerer sonografisk signalintensitetsfordeling og til gengæld tilbyder et surrogatmål for myokardiemikrostruktur. Standardiserede funktioner i protokollen, herunder udvælgelse, størrelse og placering af ROI og referenceområdet, tjener til at minimere bruger- og emnebaseret variation. Vi viser, at når algoritmen anvendes på end-diastoliske ekkokardiografiske billeder med en enkelt ramme, kan den passende skelne mellem normalt myokardiium versus myoka…

Declarações

The authors have nothing to disclose.

Acknowledgements

Vi er taknemmelige for ressourcer fra Harvard Medical School / Brigham og Women’s Hospital Cardiovascular Physiology Core Laboratory. Dette arbejde blev delvist støttet af midler fra National Institutes of Health Grants HL088533, HL071775, HL093148 og HL099073 (RL). MB var modtager af en American Heart Association grundlægger affiliate postdoc stipendium tildeling. KU er modtager af en American Heart Association grundlæggere affiliate postdoc stipendium tildeling. SC blev støttet af en pris fra Ellison Foundation.

Materials

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

Referências

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

Play Video

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

View Video