Summary

Patiënt-specifieke modellering van het Hart: Schatting van ventriculaire vezeloriëntaties

Published: January 08, 2013
doi:

Summary

Een methodiek om ventriculaire vezeloriëntaties schatten van in-vivo beelden van patiënt hart geometrieën voor gepersonaliseerde modellering wordt beschreven. Validering van de methodologie uitgevoerd met behulp van de normale en falende harten hond laten zien dat dat er geen significante verschillen tussen geschatte en verworven vezeloriëntaties werden bij een klinisch waarneembare niveau.

Abstract

Patiënt-specifieke simulaties van het hart (dys) functie gericht op het aanpassen van cardiale therapie worden gehinderd door het ontbreken van in vivo imaging technologie voor klinisch verwerven van myocardiale vezeloriëntaties. Het doel van dit project was een methodologie om de cardiale vezeloriëntaties schatten van in-vivo beelden van de patiënt hart geometrieën te ontwikkelen. Een nauwkeurige weergave van ventriculaire geometrie en vezeloriëntaties werd gereconstrueerd, respectievelijk van hoge resolutie ex vivo structurele magnetische resonantie (MR) en diffusion tensor (DT) MR beelden van een normaal menselijk hart, aangeduid als de atlas. Ventriculaire geometrie van een patiënt hart geëxtraheerd, via halfautomatisch segmentatie van een in vivo computertomografie (CT) beeld. Met beeldtransformatie algoritmen is de atlas ventriculaire geometrie vervormd dat van de patiënt overeenkomen. Tenslotte werd de vervorming veld toegepast op de atlas vezel orientationen om een ​​schatting van de patiënt vezeloriëntaties te verkrijgen. De nauwkeurigheid van de vezel schattingen werd beoordeeld met behulp van zes normale en drie falende honden harten. De gemiddelde absolute verschil tussen de hellingshoeken van verworven en geschat vezeloriëntaties was 15,4 °. Computational simulaties van ventriculaire activering kaarten en pseudo-ECG in sinusritme en ventriculaire tachycardie gaf aan dat er geen significante verschillen tussen de geschatte en de verworven vezeloriëntaties werden bij een klinisch waarneembaar level.The nieuwe inzichten verkregen uit het project zal de weg vrijmaken voor de ontwikkeling van patiënt-specifieke modellen van het hart dat kan helpen artsen in gepersonaliseerde diagnose en beslissingen met betrekking tot elektrofysiologische ingrepen.

Introduction

De computationele benadering wordt steeds centraal staat in de vooruitgang van het begrip van de functie van het hart bij gezondheid en ziekte. State-of-the-art hele hart modellen van elektrofysiologie en elektromechanica worden momenteel gebruikt om een breed scala van verschijnselen, zoals normale ventriculaire vermeerdering, aritmie, defibrillatie, elektromechanische koppeling, en cardiale resynchronisatie 1 te bestuderen. Echter, voor de computationele benadering rechtstreeks toepasselijk zijn in de klinische omgeving, is het noodzakelijk dat de modellen zijn patiënt-specifieke, dat wil zeggen de modellen moeten worden gebaseerd op de specifieke architectuur en elektrofysiologische of elektromechanische eigenschappen van zieke de patiënt het hart. Simulatie met dergelijke modellen zal helpen artsen om op zeer persoonlijke uitspreken voor elektrofysiologische ingrepen als profylaxe, waardoor drastisch verbeteren van cardiale zorg 2-4.

content "> Creatie van realistische modellen cardiale het verwerven van de geometrie en vezelstructuur van een patiënt hart. vezeloriëntaties richtingen van elektrische voortplanting en vervormingen bepalen in het hart en daarom aanschaf is essentieel hartmodellering 5, 6. met recente ontwikkelingen in de medische beeldvorming, is het nu mogelijk om de geometrie van een patiënt hart includingstructural remodeling zoals infarct, in vivo met een hoge resolutie met behulp van magnetische resonantie beeldvorming (MRI) en computertomografie (CT) technologieën. echter geen praktische methode voor het verkrijgen vezelstructuur van een patiënt in vivo hart. Diffusion tensor (DT) MRI 7, 8, de enige techniek vezeloriëntaties van het intacte hart verkrijgen, is niet algemeen beschikbaar in vivo door bepaalde beperkingen 9. Korte beschrijving van de eerdere pogingen om DTMRI vertalen naar de klinische instelling vindt elsewhere 2. Hoewel methodieken zoals rule-based toewijzing van vezeloriëntaties bieden alternatieven voor DTMRI, deze methoden hebben bepaalde ernstige beperkingen 2, 10. Zo moeilijkheden bij het ​​verwerven cardiale vezelstructuur in vivo momenteel beletsel voor de toepassing van de elektrofysiologische en elektromechanische cardiale simulaties in de klinische setting. Het doel van dit onderzoek was om direct in deze behoefte.

Wij veronderstelden dat ventriculaire vezeloriëntaties van een hart nauwkeurig kan worden voorspeld gezien de geometrie van het hart en een atlas, waarbij de atlas is een hart waarvan de geometrie en vezeloriëntaties zijn. Daarom gebruikten we state of the art technieken om een methodologie voor het schatten van cardiale vezeloriëntaties in vivo te ontwikkelen, en de hypothese getest in normale en falende honden ventrikels 2. Het centrale idee van onze vezels ramingsmethodologie is gebruik te maken similarities in vezeloriëntaties ten opzichte geometrie tussen hart om ongeveer de vezelstructuur van een (doel) hart die op de geometrie informatie beschikbaar is. In het hart van onze ramingsmethodologie is de registratie van de atlas geometrie met het doel geometrie met behulp van grote vervormingen diffeomorf metrische mapping (LDDMM) 11, en ​​de morphing van atlas vezeloriëntaties met behoud van principale componenten (PPD) 2, 12. De diffeomorphicproperty van LDDMM garandeert dat de atlas niet "foldover" zelf tijdens vervorming, waardoor het behoud van de integrityof anatomische structuren. Figuur 1 de verwerking pijplijn van onze methodologie illustreert. Het protocol tekstdeel § 1 beschrijft de verschillende onderdelen van de pijpleiding door te tonen hoe de schatting kan worden uitgevoerd voor voorbeeld patiënt. De cijfers in sommige van de blokken in figuur 1 verwijzen naar de corresponderendesubsecties in sectie § 1 van het protocol tekst.

We hebben het functioneren van de voorgestelde methodologie door het kwantificeren van de schattingsfout, en het meten van het effect van deze fout onsimulations van elektrofysiologie van het hart, door computationeel simuleren lokale elektrische activering kaarten en pseudo-elektrocardiogrammen (pseudo-ECG's). Als gevolg van de onbeschikbaarheid van het menselijk hart, werd de evaluatie van de prestaties uitgevoerd met behulp van honden harten beschikbaar van eerdere studies 13-15. De schattingsfout werd berekend door middel van kantelhoeken 16 followingthe traditie histologie, waar hoekmetingen zijn performedon weefselsecties die die evenwijdig aan de epicardialsurface. Aangezien de anglebetween de vezelrichting en epicardiale raakvlak is generallysmall 17, 18, ​​de informatieverlies het beschrijven van een fiberdirection geheel met de kantelhoek onbeduidend is. Voor de computnele simulaties image-gebaseerde modellen werden gebouwd zoals eerder 19, 20 en hartweefsel in de modellen werd weergegeven op basis van vastgestelde mathematische technieken en experimentele data 21-25. Sinusritme werd gesimuleerd door replicerende activering afkomstig van de Purkinje netwerk 26, en ventriculaire tachycardie door een S1-S2 stimulatie protocol 27. Pseudo-ECG's werden berekend 28 en vergeleken met de gemiddelde absolute afwijking (MAD) metrische 29.

Protocol

1. Vezeloriëntaties Schatting Verwerven structurele MRI en DTMRI beelden van een normale volwassen menselijk hart in diastole, met een resolutie van 1 mm 3. Met ImageJ Extraheer het ventriculaire myocardium van de atlas structurele beeld door fitting voor elke korte as slice, gesloten splines door een stel herkenningspuntposities punten langs het epicardiale en endocardiale begrenzingen in het segment (Figuur 2A en Figuur 2B). Handmatig uitvoeren van de plaatsing …

Representative Results

Figuur 11, AC toont gestroomlijnde visualisaties van en met de geraamde DTMRI afgeleide vezeloriëntaties in normale en falende harten. Kwalitatieve onderzoek blijkt dat naar schatting vezeloriëntaties goed af te stemmen op DTMRI afgeleide degenen. Panel D toont, gelegd over de geometrie van een hart, de verdeling van fouten in normale harten 'kantelhoeken, gemiddeld over alle vijf schattingen. Panel E toont de gemiddelde verdeling van fouten in falende harten 'kantelhoeken, gelegd over de geom…

Discussion

Dit onderzoek toont dat kwantitatief, in afwezigheid van DTMRI, myocardiale vezeloriëntaties van normale en niet ventrikels kan worden geschat uit in-vivo beelden van hun geometrie voor gebruik in simulaties van cardiale elektrofysiologie. De voorgestelde methode wordt gedemonstreerd in vivo met CT data, maar is evenzeer toepasbaar op in vivo MR beelden van ventriculaire geometrie aanpak van het gebrek aan vermogen om rechtstreeks te verwerven patiënt vezelrichtingen. Het is dus een belangri…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Wij danken Drs. Raimond Winslow, Elliot McVeigh, en Patrick Helm aan de Johns Hopkins University voor het verstrekken van de ex vivo datasets online.This onderzoek werd ondersteund door National Institutes of Health subsidie ​​R01-HL082729 en National Science Foundation subsidie ​​CBET-0933029.

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