Summary

Patient-specifikke Modeling of the Heart: Estimering af Ventrikulære fiberorienteringer

Published: January 08, 2013
doi:

Summary

En metode til at estimere ventrikulære fiberorienteringer fra in vivo billeder af patientens hjerte geometrier til personlig modellering er beskrevet. Validering af den metode, der udføres ved hjælp af normal og svigtende hunde hjerter godtgøre, at der ikke er signifikante forskelle mellem anslået og erhvervede fiberorienteringer på et klinisk observerbar niveau.

Abstract

Patient-specifikke simuleringer af hjertet (dys) funktion med henblik på at tilpasse hjerteterapi hæmmes af mangel på in vivo imaging-teknologi for klinisk erhverve myocardiale fiberorienteringer. Formålet med dette projekt var at udvikle en metode til at estimere hjerte fiberorienteringer fra in vivo billeder af patientens hjerte geometrier. En nøjagtig gengivelse af ventrikulær geometri og fiberorienteringer blev rekonstrueret fra henholdsvis høj opløsning ex vivo strukturel magnetisk resonans (MR) og diffusion tensor (DT) MR-billeder af en normal menneskelige hjerte, kaldet atlas. Ventrikulær geometri af en patients hjerte blev ekstraheret via halvautomatisk segmentering, fra en in vivo computertomografi (CT) billede. Brug af billeder transformation algoritmer, blev atlas ventrikulære geometri deformeret til at passe til patienten. Endelig blev deformation felt påføres atlas fiber orientationer for at opnå et skøn over patientens fiberorienteringer. Nøjagtigheden af ​​fiber estimater blev vurderet ved anvendelse af seks normale og tre svigtende hunde hjerter. Den gennemsnitlige absolutte forskel mellem hældningsvinkler af tilkøbte og estimeret fiberorienteringer var 15,4 °. Modelberegninger af ventrikelaktivering kort og pseudo-EKG'er i sinusrytme og ventrikulær takykardi indikerede, at der ikke er signifikante forskelle mellem anslået og erhvervede fiberorienteringer på et klinisk observerbare level.The nye indsigter opnået fra projektet vil bane vejen for udviklingen af patient-specifikke modeller af hjertet, der kan hjælpe læger i personlig diagnose og afgørelser vedrørende elektrofysiologiske indgreb.

Introduction

Den beregningsmæssige tilgang bliver central til at fremme forståelsen af ​​hjertets funktion i sundhed og sygdom. State-of-the-art hel-hjerte modeller af elektrofysiologi og elektromekanik er i øjeblikket anvendes til at studere en bred vifte af fænomener, såsom normal ventrikulær formering, arytmi, defibrillering, elektromekaniske kobling, og kardiel resynkronisering 1. Men for den beregningsmæssige tilgang til at være direkte anvendelig i det kliniske miljø, er det bydende nødvendigt, at modellerne være patient-specifikke, dvs modeller skal baseres på den specifikke arkitektur og elektrofysiologiske eller elektromekaniske egenskaber af patientens syge hjerte. Simulering med sådanne modeller vil hjælpe læger til at nå frem til meget personlige beslutninger for elektrofysiologiske indgreb samt profylakse og dermed dramatisk forbedring af hjertefunktionen sundhedspleje 2-4.

indhold "> Oprettelse af realistiske hjerte modeller kræver erhvervelse af geometrien og fiberstrukturen af en patients hjerte. fiberorienteringer bestemme retninger af elektrisk formering og stamme distributioner i hjertet, og derfor erhverve dem er afgørende for hjerte-modellering 5, 6. Med seneste fremskridt inden for medicinsk billeddannelse, er det nu muligt at opnå geometrien af en patients hjerte, includingstructural remodeling såsom infarkt, in vivo med høj opløsning ved hjælp af magnetisk resonans (MRI) og computertomografi (CT)-teknologier. Der er imidlertid ingen praktisk metode til at opnå fiberstruktur af en patients hjerte in vivo. diffusion tensor (DT) MRI 7, 8, den eneste teknik at opnå fiberorienteringer af det intakte hjerte, er ikke almindeligt tilgængelig in vivo på grund af visse begrænsninger 9. En kort beskrivelse af de tidligere bestræbelser på at omsætte DTMRI til det kliniske miljø kan findes elsewhere 2. Selvom metoder såsom regelbaseret tildeling af fiberorienteringer tilbyde alternativer til DTMRI, disse metoder har visse alvorlige begrænsninger 2, 10. Således problemer med at erhverve hjertets fiberstruktur in vivo øjeblikket hindre anvendelsen af elektrofysiologiske og elektromekaniske kardiale simuleringer i kliniske omgivelser. Formålet med denne undersøgelse var at henvende sig direkte dette behov.

Vi antager, at ventrikulære fiberorienteringer af et hjerte kan forudsiges nøjagtigt i betragtning geometrien af ​​hjertet og et atlas, hvor atlas er et hjerte, hvis geometri og fiberorienteringer er tilgængelige. Derfor brugte vi state of the art teknikker til at udvikle en metode til vurdering af kardielle fiberorienteringer in vivo, og testede den hypotese i normal og svigtende hunde ventrikler 2. Den centrale ide i vores fiber estimering metode er at udnytte similaritiesi fiberorienteringer, i forhold til geometri, mellem forskellige hjerter med henblik på at tilnærme fiberstrukturen af ​​en (mål) hjerte hvor der kun geometrien information er tilgængelig. Kernen i vores vurdering metodologi er registreringen af atlas geometri med mål geometri ved hjælp af stor deformation diffeomorf metriske kortlægning (LDDMM) 11, og det morphing af Atlas fiberorienteringer hjælp bevarelse af de vigtigste komponenter (PPD) 2, 12. Den diffeomorphicproperty af LDDMM garanterer, at atlas ikke "Foldover" sig under deformation og dermed bevare de integrityof anatomiske strukturer. Figur 1 viser behandlingen pipeline af vores metode. Protokollen tekstdel § 1 beskriver de forskellige komponenter af rørledningen ved at vise, hvordan skøn kan udføres for eksempel patient. Tallene inde nogle af blokkene i figur 1 henviser til de tilsvarendeunderafsnit under afsnit § 1 i protokollen tekst.

Vi foretaget en vurdering af den foreslåede metodologi ved at kvantificere estimationen fejl, og måle effekten af ​​denne fejl onsimulations af hjertets elektrofysiologi, ved beregningsmæssigt simulere lokale elektriske aktivering kort samt pseudo-elektrokardiogram (pseudo-EKG'er). På grund af den manglende adgang til menneskers hjerter, blev evaluering af ydeevne udføres med hunde hjerter til rådighed fra tidligere undersøgelser 13-15. Skønnet fejl blev beregnet ved hjælp af hældningsvinkler 16, followingthe tradition for histologi, hvor kantede målinger performedon vævssnit, som er skåret parallelt med epicardialsurface. Siden anglebetween fiberretningen og epikardielle tangentplan er generallysmall 17, 18, ​​de oplysninger, tab i at beskrive en fiberdirection helt ved hjælp af sin hældningsvinkel er ubetydelig. For computereationale simuleringer, image-baserede modeller blev bygget som rapporteret tidligere 19, 20, og hjertevæv i modellerne var repræsenteret baseret på etablerede matematiske teknikker og eksperimentelle data 21-25. Sinusrytme blev simuleret ved replikerende aktivering stammer fra Purkinje netværket 26, og ventrikulær takykardi, ved en S1-S2 pacingprotokol 27. Pseudo-EKG'er blev beregnet 28 og sammenlignet med den gennemsnitlige absolutte afvigelse (MAD) metrisk 29.

Protocol

1. Fiberorienteringer Estimation Erhverve strukturelle MRI og DTMRI billeder af et normalt voksent menneske hjerte i diastole, ved en opløsning på 1 mm3. Brug ImageJ, den ventrikulære myocardium ekstrakt fra den atlas strukturelle billedet ved montering for hvert kort akse skive, lukkede splines gennem et sæt af skelsættende punkter anbragt langs epikardielle og endokardial grænser i skive (figur 2A & 2B). Udfør placeringen af skelsættende punkter manue…

Representative Results

Figur 11, AC viser strømlinede visualiseringer af skønnes samt DTMRI-afledte fiberorienteringer i normale og svigtende hjerter. Kvalitativ undersøgelse viser, at estimerede fiberorienteringer tilpasse godt med DTMRI-afledte dem. Panel D viser, overlejret af geometrien af ​​hjerte 1, fordelingen af ​​fejl i normale hjerter 'hældningsvinkler i gennemsnit på tværs af alle fem estimater. Panel E viser den gennemsnitlige fordeling af fejl ved at undlade hjerter 'hældningsvinkler, overl…

Discussion

Denne forskning viser kvantitativt, at, i fravær af DTMRI, kan myokardial fiberorienteringer af normale og svigtende ventrikler estimeres ud fra in vivo billeder af deres geometrier til anvendelse ved simulering af hjerteelektrofysiologi. Den foreslåede metode er demonstreret med in vivo CT-data, men det er lige så anvendelig til in vivo MR-billeder af ventrikulær geometri, som omhandler den manglende evne til direkte erhverve patientens fiberorienteringer. Det er således et vigtigt skrid…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Vi takker Drs. Raimond Winslow, Elliot McVeigh, og Patrick Helm på Johns Hopkins University for at levere de ex vivo datasæt online.This Forskningen blev støttet af National Institutes of Health tilskud R01-HL082729, og National Science Foundation tilskud CBET-0.933.029.

Materials

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

References

  1. Trayanova, N. Whole Heart Modeling: Applications to Cardiac Electrophysiology and Electromechanics. Circulation Research. 108, 113-128 .
  2. Vadakkumpadan, F., Arevalo, H., Ceritoglu, C., Miller, M., Trayanova, N. Image-Based Estimation of Ventricular Fiber Orientations for Personalized Modeling of Cardiac Electrophysiology. IEEE Transactions on Medical Imaging. 31 (5), 1051-1060 .
  3. Vadakkumpadan, F., Gurev, V., Constantino, J., Arevalo, H., Trayanova, N., Kerckhoffs, R. Modeling of Whole-Heart Electrophysiology and Mechanics: Towards Patient-Specific Simulations. Patient-Specific Modeling of the Cardiovascular System: Technology-Driven Personalized Medicine. , 145-165 (2010).
  4. Buxton, A. E., Lee, K. L., DiCarlo, L., Gold, M. R., Greer, G. S., Prystowsky, E. N., O’Toole, M. F., Tang, A., Fisher, J. D., Coromilas, J., Talajic, M., Hafley, G. Electrophysiologic testing to identify patients with coronary artery disease who are at risk for sudden death. Multicenter Unsustained Tachycardia Trial Investigators. The New England Journal of Medicine. 342 (26), 1937-1945 (2000).
  5. Wei, D., Okazaki, O., Harumi, K., Harasawa, E., Hosaka, H. Comparative simulation of excitation and body surface electrocardiogram with isotropic and anisotropic computer heart models. IEEE Transactions on Biomedical Engineering. 42 (4), 343-357 (1995).
  6. Leon, L. J., Horacek, B. M. Computer model of excitation and recovery in the anisotropic myocardium. II. Excitation in the simplified left ventricle. Journal of Electrocardiology. 24 (1), 17-31 (1991).
  7. Rohmer, D., Sitek, A., Gullberg, G. T. Reconstruction and Visualization of Fiber and Laminar Structure in the Normal Human Heart from Ex Vivo Diffusion Tensor Magnetic Resonance Imaging (DTMRI) Data. Investigative Radiology. 42 (11), 777-789 (2007).
  8. Daubert, J. P., Zareba, W., Hall, W. J., Schuger, C., Corsello, A., Leon, A. R., Andrews, M. L., McNitt, S., Huang, D. T., Moss, A. J., Investigators, M. I. S. Predictive value of ventricular arrhythmia inducibility for subsequent ventricular tachycardia or ventricular fibrillation in Multicenter Automatic Defibrillator Implantation Trial (MADIT) II patients. Journal of Americal College of Cardiology. 47 (1), 98-107 (2006).
  9. Sosnovik, D. E., Wang, R., Dai, G., Reese, T. G., Wedeen, V. J. Diffusion MR tractography of the heart. Journal of Cardiovascular Magnetic Resonance. 11 (1), 47-61 (2009).
  10. Sundar, H., Shen, D., Biros, G., Litt, H., Davatzikos, C. Estimating myocardial fiber orientations by template warping. Proc. IEEE International Symposium on Biomedical Imaging. , 73-76 (2006).
  11. Beg, M. F., Helm, P. A., McVeigh, E., Miller, M. I., Winslow, R. L. Computational Cardiac Anatomy Using MRI. Magnetic Resonance in Medicine. 52 (5), 1167-1174 (2004).
  12. Alexander, D. C., Pierpaoli, C., Basser, P. J., Gee, J. C. Spatial Transformations of Diffusion Tensor Magnetic Resonance Images. IEEE Transactions on Medical Imaging. 20, 1131-1139 (2001).
  13. Helm, P. A., Younes, L., Beg, M. F., Ennis, D. B., Leclercq, C., Faris, O. P., McVeigh, E., Kass, D., Miller, M. I., Winslow, R. L. Evidence of Structural Remodeling in the Dyssynchronous Failing Heart. Circulation Research. 98, 125-132 (2006).
  14. Helm, P., Beg, M. F., Miller, M., Winslow, R. Measuring and mapping cardiac fiber and laminar architecture using diffusion tensor MR imaging. Annals of the New York Academy of Sciences. 1047, 296-307 (2005).
  15. Helm, P. A., Tseng, H. -. J., Younes, L., McVeigh, E. R., Winslow, R. L. Ex vivo 3D diffusion tensor imaging and quantification of cardiac laminar structure. Magnetic Resonance in Imaging. 54, 850-859 (2005).
  16. Scollan, D. F., Holmes, A., Winslow, R., Forder, J. Histological validation of myocardial microstructure obtained from diffusion tensor magnetic resonance imaging. American Journal of Physiology – Heart and Circulatory Physiology. 275 (6), H2308-H2318 (1998).
  17. Lombaert, H., Peyrat, J., Croisille, P., Rapacchi, S., Fanton, L., Cheriet, F., Clarysse, P., Magnin, I., Delingette, H., Ayache, N. Human Atlas of the Cardiac Fiber Architecture: Study on a Healthy Population. IEEE Transactions on Medical Imaging. 31 (7), 1436-1447 (2012).
  18. Streeter, D. D. . Gross morphology and fiber geometry of the heart. , (1979).
  19. Vadakkumpadan, F., Rantner, L. J., Tice, B., Boyle, P., Prassl, A. J., Vigmond, E., Plank, G., Trayanova, N. Image-Based Models of Cardiac Structure with Applications in Arrhythmia and Defibrillation Studies. Journal of Electrocardiology. 42, 151.e1-151.e10 (2009).
  20. Plank, G., Zhou, L., Greenstein, J. L., Plank, G., Zhou, L., Greenstein, J. L., Cortassa, S., Winslow, R. L., O’Rourke, B., Trayanova, N. A. From mitochondrial ion channels to arrhythmias in the heart: computational techniques to bridge the spatio-temporal scales. Philosophical Transactions Series A, Mathematical, Physical, and Engineering Sciences. 366 (1879), 3381-3409 (2008).
  21. Roberts, D. E., Scher, A. M. Effect of tissue anisotropy on extracellular potential fields in canine myocardium in situ. Circulation Research. 50, 342-351 (1982).
  22. Greenstein, J., Wu, R., Po, S., Tomaselli, G. F., Winslow, R. L. Role of the Calcium-Independent Transient Outward Current I(to1) in Shaping Action Potential Morphology and Duration. Circulation Research. 87, 1026-1033 (2000).
  23. Winslow, R., Rice, J., Jafri, S., Marbán, E., O’Rourke, B. Mechanisms of altered excitation-contraction coupling in canine tachycardia-induced heart failure, II: model studies. Circulation Research. 84 (5), 571-586 (1999).
  24. Akar, F., Nass, R., Hahn, S., Cingolani, E., Shah, M., Hesketh, G., DiSilvestre, D., Tunin, R., Kass, D., Tomaselli, G. Dynamic Changes in Conduction Velocity and Gap Junction Properties During Development of Pacing-Induced Heart Failure. American Journal of Physiology – Heart and Circulatory Physiology. 293 (2), H1223-H1230 (2007).
  25. Gurev, V., Constantino, J., Rice, J. J., Trayanova, N. Distribution of Electromechanical Delay in the Ventricles:Insights from a 3D Electromechanical Model of the Heart. Biophysical Journal. 99 (3), 745-754 .
  26. Ten Tusscher, K. H. W. J., Hren, R., Panfilov, A. V. Organization of Ventricular Fibrillation in the Human Heart. Circulation Research. 100 (12), e87-e101 (2007).
  27. Gima, K., Rudy, Y. Ionic Current Basis of Electrocardiographic Waveforms. Circulation Research. 90, 889-896 (2002).
  28. Gerstenfeld, E., Dixit, S., Callans, D., Rajawat, Y., Rho, R., Marchlinski, F. Quantitative comparison of spontaneous and paced 12-lead electrocardiogram during right ventricular outflow tract ventricular tachycardia. Journal of Americal College of Cardiology. 41 (11), 2046-2053 (2003).
  29. Potse, M., Dube, B., Richer, J., Vinet, A., Gulrajani, R. M. A comparison of monodomain and bidomain reaction-diffusion models for action potential propagation in the human heart. IEEE Transactions on Biomedical Engineering. 53 (12), 2425-2435 (2006).
  30. Peyrat, J. -. M., Sermesant, M., Pennec, X., Delingette, H., Chenyang, X., McVeigh, E. R., Ayache, N. A Computational Framework for the Statistical Analysis of Cardiac Diffusion Tensors: Application to a Small Database of Canine Hearts. IEEE Transactions on Medical Imaging. 26, 1500-1514 (2007).
  31. Chen, J., Song, S. -. K., Liu, W., McLean, M., Allen, S. J., Tan, J., Wickline, S. A., Yu, X. Remodeling of cardiac fiber structure after infarction in rats quantified with diffusion tensor MRI. American Journal of Physiology – Heart and Circulatory Physiology. 285 (3), H946-H954 (2003).
  32. Stecker, E. C., Chugh, S. S. Prediction of sudden cardiac death: next steps in pursuit of effective methodology. Journal of Interventional Cardiac Electrophysiolog. 31 (2), 101-107 (2011).
check_url/50125?article_type=t

Play Video

Cite This Article
Vadakkumpadan, F., Arevalo, H., Trayanova, N. A. Patient-specific Modeling of the Heart: Estimation of Ventricular Fiber Orientations. J. Vis. Exp. (71), e50125, doi:10.3791/50125 (2013).

View Video