Summary

Pasient-spesifikke Modeling of the Heart: Beregning av Ventrikulære Fiber Orientations

Published: January 08, 2013
doi:

Summary

En metode for å anslå ventrikulære fiber orientering fra in vivo bilder av pasientens hjerte geometrier for personlig modellering er beskrevet. Validering av metodikken foretas med vanlig og sviktende hjørnetann hjerter viser at at det ikke er signifikante forskjeller mellom estimerte og kjøpte fiber orientering på et klinisk observerbar nivå.

Abstract

Pasient-spesifikke simuleringer av hjertet (dys)-funksjonen som tar sikte på å tilpasse Hjerteterapi er hemmet av fraværet av in vivo imaging teknologi for klinisk anskaffe hjerteinfarkt fiber orientering. Målet med dette prosjektet var å utvikle en metode for å anslå hjertestans fiber orientering fra in vivo bilder av pasientens hjerte geometrier. En nøyaktig representasjon av ventrikulær geometri og fiber orientering ble rekonstruert, henholdsvis fra høyoppløselig ex vivo strukturell magnetisk resonans (MR) og diffusjonstensor (DT) MR-bilder av et normalt menneskelig hjerte, referert til som atlas. Ventrikulær geometrien av en pasient hjerte ble ekstrahert, via halvautomatisk segmentering, fra en in vivo computertomografi (CT) bilde. Bruke bilde transformasjon algoritmer ble atlas ventrikulær geometri deformert for å passe til pasienten. Endelig ble deformasjon feltet påført atlas fiberen orientationer for å oppnå et estimat av pasientens fiber orientering. Nøyaktigheten av fiber estimater ble vurdert ved hjelp av seks vanlige og tre sviktende hjørnetann hjerter. Gjennomsnittlig absolutt forskjell mellom tilbøyelighet vinkler kjøpt og estimert fiber orientering var 15,4 °. Beregningsorientert simuleringer av ventrikulære aktivering kart og pseudo-EKG i sinusrytme og ventrikkeltakykardi indikerte at det ikke er signifikante forskjeller mellom estimerte og kjøpte fiber orientering på en klinisk observerbare turar ny innsikt hentet fra prosjektet vil bane vei for utviklingen av pasient-spesifikke modeller av hjertet som kan hjelpe leger i personlig diagnose og vedtak om elektrofysiologiske intervensjoner.

Introduction

Beregningsformelen tilnærmingen blir sentralt til fremme av forståelsen av funksjonen av hjertet i helse og sykdom. State-of-the-art hele-hjerte modeller av elektrofysiologi og elektromekanikk tiden blir brukt til å studere et bredt spekter av fenomener, som for eksempel normal ventrikulær forplantning, arytmi, defibrillering, elektromekanisk kopling, og hjertestans resynkronisering en. Men for det beregningsmessige tilnærming å være direkte anvendelig i det kliniske miljø, er det viktig at de modeller være pasient-spesifikke, dvs. at modellene må være basert på den spesifikke arkitektur og elektrofysiologiske eller elektromekaniske egenskaper pasientens syke hjertet. Simulering med slike modeller vil hjelpe leger å komme frem til svært personlige beslutninger for elektrofysiologiske intervensjoner samt profylakse, og dermed dramatisk forbedre hjerte helse 2-4.

innhold "> Opprettelse av realistiske kardiale modeller krever tilegnelse av geometri og fiber struktur av en pasient hjerte. Fiber orientering bestemme retninger av elektrisk forplantning og sil distribusjoner i hjertet, og derfor henter dem er avgjørende for hjerte modellering 5, 6. Med nylige fremskritt innen medisinsk avbildning, er det nå mulig å oppnå det geometrien av en pasient hjerte, includingstructural remodeling eksempel infarkt, in vivo, med høy oppløsning ved hjelp av magnetisk resonans avbildning (MRI) og computertomografi (CT) teknologier. Det er imidlertid ingen praktisk metode for å skaffe fiberstrukturen en pasient hjerte in vivo. Diffusion tensor (DT) 7 MR, 8, den eneste teknikk for å skaffe fiber orienteringer av intakt hjerte, er ikke allment tilgjengelig in vivo på grunn av visse begrensninger 9. En kort beskrivelse av de tidligere arbeid med å oversette DTMRI til klinisk setting kan bli funnet elsewhere to. Selv metoder som regelstyrt tildeling av fiber orientering tilby alternativer til DTMRI, disse metodene har visse alvorlige begrensninger 2, 10. Dermed vanskeligheter med å skaffe hjertestans fiberstruktur in vivo i dag hindre anvendelsen av elektrofysiologiske og elektromekaniske kardiale simuleringer i klinisk setting. Målet med denne undersøkelsen var å direkte dekke dette behovet.

Vi antok at ventrikulære fiber orienteringer av et hjerte kan være nøyaktig forutsagt gitt geometri av hjertet og en atlas, der atlas er et hjerte som geometri og fiber orientering er tilgjengelige. Følgelig har vi brukt state of the art teknikker for å utvikle en metodikk for estimering av kardiale fiber orientering in vivo, og testet hypotesen i normal og sviktende hjørnetann ventriklene 2. Den sentrale ideen vår fiber estimering metoden er å utnytte similarities i fiber orienteringer, i forhold til geometrien, mellom ulike hjerter for å approksimere fiberstrukturen av en (target) hjerte hvor kun geometrien informasjon er tilgjengelig. I hjertet av vår estimering metodikk er registrering av atlaset geometri med målet geometri ved hjelp av store deformasjoner diffeomorphic metrisk kartlegging (LDDMM) 11, og morphing av atlas fiber orientering ved hjelp bevaring av hovedkomponenter (PPD) 2, 12. Den diffeomorphicproperty av LDDMM garanterer at atlas ikke "foldover" seg under deformasjonen, og dermed bevare de integrityof anatomiske strukturer. Figur 1 illustrerer behandling rørledning av vår metodikk. Protokollen tekstdel § 1 beskriver de forskjellige komponenter av rørledningen ved å demonstrere hvordan estimeringen kan utføres for et eksempel pasienten. Tallene inne noen av blokkene i figur 1 viser tilsvarendeunderseksjoner etter § § 1 i protokollen teksten.

Vi evaluerte ytelsen til den foreslåtte metodikken ved å tallfeste estimering feil, og måle effekten av denne feilen onsimulations av hjerte elektrofysiologi, ved beregningsmessig simulere lokale elektriske aktivering kart samt pseudo-elektrokardiogram (pseudo-EKG). På grunn av utilgjengelighet av menneskers hjerter, ble resultatene evaluering utført ved bruk av hjørnetann hjerter tilgjengelig fra tidligere studier 13-15. Estimeringen Feilen ble beregnet ved hjelp av tilbøyelighet vinkler 16, followingthe tradisjon for histologi, der kantmålinger er performedon vevsdelene som er kuttet parallelt med epicardialsurface. Siden anglebetween fiber retning og epicardial tangent plan er 17 generallysmall, 18, ​​tap av informasjon for å beskrive en fiberdirection helt med sin hellingsvinkel er ubetydelig. For datamaskinerational simuleringer, bilde-baserte modeller ble bygget som rapportert tidligere 19, 20, og hjertevev i modellene var representert basert på etablerte matematiske teknikker og eksperimentelle data 21-25. Sinusrytme ble simulert ved å kopiere aktivering stammer fra Purkinje 26 nettverk, og ventrikkeltakykardi, med en S1-S2 pacing protokoll 27. Pseudo-EKG ble beregnet 28 og sammenlignet med gjennomsnittet absolutte avvik (MAD) metric 29.

Protocol

1. Fiber Orientations Estimering Tilegne strukturelle MR og DTMRI bilder av en normal voksent menneske hjerte i diastole, med en oppløsning på 1 mm 3. Bruke ImageJ, trekke den ventrikulære myokard fra atlaset strukturelle bildet ved montering, for hvert kort-aksen skive, lukket splines gjennom et sett av landemerke poeng plassert langs epikardiale og endokardial grenser i stykket (figur 2A og figur 2B). Utfør plassering av landemerke poeng manuelt for hver <sup…

Representative Results

Figur 11 viser AC strømlinjeformet visualiseringer av anslått samt DTMRI-avledet fiber orientering i normal og sviktende hjerter. Kvalitative undersøkelsen viser at estimerte fiber orientering justere godt med DTMRI-deriverte seg. Panel D illustrerer, kledde på geometri hjertet 1, fordelingen av feil i normale hjerter 'tilbøyelighet vinkler, i gjennomsnitt over alle fem estimater. Panel E viser gjennomsnittlig fordeling av feil i sviktende hjerter 'tilbøyelighet vinkler, er lagt på geomet…

Discussion

Denne forskning viser kvantitativt at, i fravær av DTMRI kan myokardiale fiber orienteringer av normal og sviktende ventriklene anslås fra in vivo bilder av sine geometrier for bruk i simuleringer av hjerte elektrofysiologi. Den foreslåtte metode er demonstrert med in vivo CT data, men det er like anvendelig til in vivo MR-bilder av ventrikulær geometri, adressering mangelen på evne til å direkte tilegne pasientens fiber orientering. Det er derfor et viktig skritt mot u…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Vi takker legene. Raimond Winslow, Elliot McVeigh, og Patrick Helm ved Johns Hopkins University for å gi ex vivo datasett enn online Forskningen ble støttet av National Institutes of Health tilskudd R01-HL082729, og National Science Foundation stipend 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