Summary

Optisk koherenstomografibaserad biomekanisk vätskestrukturinteraktionsanalys av koronar åderförkalkning progression

Published: January 15, 2022
doi:

Summary

det finns ett behov av att bestämma vilka aterosklerotiska skador kommer att utvecklas i födans vaskulatur för att vägleda intervention innan hjärtinfarkt inträffar. Den här artikeln beskriver den biomekaniska modellering av artärer från optisk koherenstomografi med hjälp av vätskestruktur interaktionstekniker i en kommersiell finita element lösare för att förutsäga denna progression.

Abstract

I detta dokument presenterar vi ett komplett arbetsflöde för biomekanisk analys av aterosklerotiska plakett i födans vaskulatur. Med åderförkalkning som en av de främsta orsakerna till global död, sjuklighet och ekonomisk börda behövs nya sätt att analysera och förutsäga dess utveckling. En sådan beräkningsmetod är användningen av fluid-structure interaction (FSI) för att analysera interaktionen mellan blodflödet och artär-/plackdomäner. Tillsammans med in vivo imaging, detta tillvägagångssätt kan skräddarsys för varje patient, hjälpa till att skilja mellan stabila och instabila plack. Vi beskriver den tredimensionella återuppbyggnadsprocessen, med användning av intravaskulära optisk koherenstomografi (OCT) och invasiv koronar angiografi (ICA). Extraktion av gräns villkor för simulering, inklusive replikering av den tredimensionella rörelsen av artären, diskuteras innan installationen och analysen utförs i en kommersiell finita element lösare. Förfarandet för att beskriva artärväggens mycket ickelinjära hyperelastiska egenskaper och pulsatilblodhastighet/blodtryck beskrivs tillsammans med att ställa in systemkopplingen mellan de två domänerna. Vi visar förfarandet genom att analysera en icke-skyldig, milt stenotic, lipid-rika plakett i en patient efter hjärtinfarkt. Etablerade och framväxande markörer relaterade till aterosklerotiska plakett progression, såsom vägg skjuvning stress och lokala normaliserade helicity, diskuteras och relaterade till strukturella svaret i gatan väggen och plakett. Slutligen översätter vi resultaten till potentiell klinisk relevans, diskuterar begränsningar och beskriver områden för vidare utveckling. Metoden som beskrivs i detta dokument visar löfte för att hjälpa till att fastställa platser med risk för aterosklerotisk progression och därför kan bidra till att hantera den betydande död, sjuklighet och ekonomiska bördan av åderförkalkning.

Introduction

Kranskärlssjukdom (CAD) är den vanligaste typen av hjärtsjukdom och en av de främsta dödsorsakerna och den ekonomiska bördan globalt1,2. I USA tillskrivs ungefär ett av åtta dödsfall CAD3,4, medan de flesta globala dödsfall från CAD nu ses i låg- och medelinkomstländer5. Åderförkalkning är den dominerande drivkraften för dessa dödsfall, med plack bristning eller erosion leder till födans arteriell ocklusion och akut hjärtinfarkt (AMI)6. Även efter revaskularisering av skyldiga koronarskador har patienter betydande risk för återkommande större kardiovaskulära händelser (MACE) efter AMI, till stor del på grund av samtidig närvaro av andra icke-skyldiga plack som också är sårbara för bristning7. Intracoronary imaging ger en möjlighet att upptäcka dessa högrisk plack8. Även om intravaskulärt ultraljud (IVUS) är guldstandarden för utvärdering av plackvolym, har den begränsad upplösning för att identifiera mikrostrukturella funktioner hos sårbar plack i motsats till den höga upplösningen (10-20 μm) av optisk koherenstomografi (OCT). En tunn och inflammerad fibrösa keps överlying en stor lipid pool har visat sig vara den viktigaste signaturen av en sårbar plack9 och identifieras bäst och mäts av OCT bland för närvarande tillgängliga intracoronary imaging modaliteter10. Viktigt är att OCT också kan bedöma andra högriskplackfunktioner, inklusive: lipidbåge; makrofaginfiltration; Förekomst av tunn cap fibroatheroma (TCFA), som definieras som lipidrik kärna med överlying tunn fibrös keps (<65 μm); Fläckig förkalkning; och plackmikrokanaler. OCT-upptäckt av dessa högriskfunktioner i icke-bov plack efter AMI har associerats med upp till en 6-faldig ökad risk för framtida MACE11. Men trots detta är angiografins och OCT-avbildningens förmåga att förutsäga vilka kranskärlsplack som kommer att utvecklas och i slutändan brista eller erodera begränsad, med positiva prediktiva värden på endast 20%-30%8. Denna begränsade prediktiva förmåga hindrar kliniskt beslutsfattande kring vilka icke-bovande plack att behandla (t.ex. genom stenting)7,12.

Förutom patientfaktorer och plackens biologiska egenskaper är biomekaniska krafter i kranskärlen också viktiga bestämningsfaktorer för plackprogression och instabilitet13. En teknik som visar löfte om att hjälpa till att omfattande utvärdera dessa krafter är fluid-structure interaction (FSI)14 simulering. Väggskjuvningsstress (WSS), även kallad endotelskjuvning, har varit en traditionell kontaktpunkt för koronarbiomekanikforskning15, med en allmän förståelse för att WSS spelar en etiologisk roll i aterosklerosbildning16. Främst simulerad med hjälp av beräkningsvätska dynamik (CFD) tekniker, låga WSS regioner har associerats med skrämmande förtjockning17, vaskulär ombyggnad18 och förutsägelse av lesion progression19 och framtida MACE20. De senaste framstegen i dessa analyser tyder på den underliggande WSS vektor fälttopologi21, och dess multidirectional egenskaper22, som en bättre prediktor för åderförkalkning risk än WSS storlek ensam. WSS fångar dock bara en glimt av det övergripande biomekaniska systemet vid lumenväggen, och precis som bildframställningsmetoder kan ingen biomekanisk metrisk på ett tillförlitligt sätt urskilja högrisk aterosklerotiska funktioner.

Ytterligare mätvärden framträder som potentiellt viktiga i ateroskleros bildas. Intraluminala flödesegenskaper23 är ett sådant exempel, med spiralflöde, kvantifierat genom olika index24, som föreslås spela en ateroprotektiv roll genom att undertrycka störda flödesmönster25,26. Medan CFD-tekniker kan analysera dessa flödesegenskaper och presentera ett brett spektrum av användbara resultat, överväger de inte de underliggande interaktionerna mellan blodflödet, artärstrukturen och den allmänna hjärtrörelsen. Denna förenkling av det dynamiska systemet till en styv vägg missar potentiellt kritiska resultat som fibrösa kepsstress. Medan debatten både för och emot behovet av FSI över CFD fortsätter27,28,29, försummar många jämförelser att inkludera effekten av ventrikelfunktionen. Denna begränsning kan övervinnas med FSI, som har visat att dynamisk böjning och komprimering som utövas på artären genom påverkan av ventrikelfunktionen avsevärt kan påverka plack och artärstrukturstress samt flödesmått som WSS30,31,32. Detta är viktigt eftersom strukturella påfrestningar också är ett nyckeltal för att analysera och förutsäga plackbrott33,34 och har föreslagits att samlokalisera med regioner med plackökning14,35. Att fånga dessa interaktioner möjliggör en mer realistisk representation av kranskärlsmiljön och de potentiella mekanismerna för sjukdomsprogression.

För att ta itu med detta beskriver vi här processen att utveckla en patientspecifik geometri från OCT imaging36 och inrättandet och driften av en artär FSI simulering med hjälp av en kommersiell finita element lösare. Processen att manuellt extrahera lumen, lipid och yttre artärväggen beskrivs före den tredimensionella beräkningsrekonstruktionen av patientens artär. Vi beskriver simuleringsuppsättningen, kopplingen och processen att jämföra baslinjen och uppföljande OCT imaging parametrar för att bestämma lesion progression. Slutligen diskuterar vi efterbehandling av numeriska resultat och hur dessa data kan ha klinisk relevans genom att jämföra de biomekaniska resultaten med lesion progression/regression. Den övergripande metoden visas på icke-skyldig, milt stenotic, lipid-rika plack i rätt födans gatan (RCA) av en 58-årig kaukasisk manlig patient som presenteras med en akut icke-ST höjd hjärtinfarkt i inställningen av högt blodtryck, typ 2 diabetes mellitus, fetma (BMI 32.6) och en familjehistoria av för tidig CAD. och sedan 12 månader senare som en del av en pågående klinisk prövning (COCOMO-ACS-studien ACTRN12618000809235). Vi förväntar oss att denna teknik kan förfinas ytterligare och användas för att identifiera kranskärl plack som löper stor risk att utvecklas.

Protocol

Följande deidentifierade data analyserades från en patient som rekryterats till den pågående COCOMO-ACS randomiserade-kontrollerade studien (ACTRN12618000809235; Royal Adelaide Hospital HREC referensnummer: HREC/17/RAH/366), med ytterligare etikgodkännande beviljat av Central Adelaide Local Health Network (CALHN) Research Services för biomekanisk simulering (CALHN Reference Number 14179). Bild 1 sammanfattar det fullständiga arbetsflödet som beskrivs i följande protokoll, som kan ti…

Representative Results

Representativa resultat presenteras för både etablerade och framväxande biomekaniska markörer för åderförkalkning progression. Etablerade mätvärden som WSS- och WSS-härledda resultat (inklusive tidsgenomsnittad väggskjuvningsstress (TAWSS) och oscillatoriskt skjuvindex (OSI)) visualiseras i figur 10. Väggskjuvningen över hjärtcykeln drivs till stor del av blodhastigheten, men artärgeometrin och dess rörelse/sammandragning spelar en viktig roll i dess rumsliga fördelning. Det…

Discussion

Användningen av FSI-metoder för att analysera koronarbiomekanik är fortfarande ett utvecklingsfält från både numerisk modellering och kliniska resultataspekter. Här har vi beskrivit konturen av att ställa in en patient specifika FSI analys, baserat på finita elementet/finita volym metoder, med hjälp av OCT och angiographic imaging. Medan metoden vi beskriver här använder en kommersiell finita elementlösare, kan proceduren tillämpas på alla FSI-kompatibla program. Det finns fortfarande flera begränsningar …

Declarações

The authors have nothing to disclose.

Acknowledgements

Författarna vill erkänna stödet från University of Adelaide, Royal Adelaide Hospital (RAH) och South Australian Health and Medical Research Institute (SAHMRI). COCOMO-ACS-studien är en prövarinitierad studie finansierad av projektbidrag från National Health and Medical Research Council (NHMRC) of Australia (ID1127159) och National Heart Foundation of Australia (ID101370). H.J.C. stöds av ett stipendium från Westpac Scholars Trust (Future Leaders Scholarship) och bekräftar stöd från University of Adelaide, School of Mechanical Engineering och Institutionen för utbildning, färdigheter och sysselsättningsforskningsprogram (RTP) stipendium. S.J.N. erhåller ett principal research fellowship från NHMRC (ID1111630). P.J.P. får ett Future Leader Fellowship på nivå 2 från National Heart Foundation of Australia (FLF102056) och Level 2 Career Development Fellowship från NHMRC (CDF1161506).

Materials

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

Referências

  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., Willis, M. S., Homeister, J. W., Stone, J. R. . Cellular and Molecular Pathobiology of Cardiovascular Disease. , 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. &. #. 1. 9. 3. ;., 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. DIGITIZE07. MATLAB Central File Exchange Available from: https://www.mathworks.com/matlabcentral/fileexchange/14703-digitize07 (2021)
  38. 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).

Play Video

Citar este artigo
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).

View Video