Modelado específico del paciente del corazón: Estimación de las orientaciones de las fibras ventriculares

Summary

Una metodología para estimar las orientaciones de fibras ventriculares de imágenes in vivo de las geometrías del corazón del paciente para el modelado personalizado se describe. Validación de la metodología a cabo utilizando normal y no corazones caninos demostrar que que no hay diferencias significativas entre las orientaciones de las fibras estimados y adquirido a un nivel clínicamente observable.

Abstract

Específicos del paciente simulaciones de corazón (dis) función dirigida a la personalización de la terapia cardiaca se ve obstaculizada por la ausencia de la tecnología de formación de imágenes in vivo para clínicamente adquirir orientaciones de fibra de miocardio. El objetivo de este proyecto fue desarrollar una metodología para estimar las orientaciones de fibras cardíacas de imágenes in vivo de las geometrías del corazón del paciente. Una representación precisa de la geometría ventricular y orientaciones de las fibras fue reconstruido, respectivamente, de alta resolución ex vivo resonancia estructural magnética (RM) y tensor de difusión (DT) imágenes de MR de un corazón humano normal, referido como el atlas. Geometría ventricular de un corazón paciente se extrajo, a través de la segmentación semiautomática, a partir de un estudio in vivo tomografía computarizada (TC) de imagen. Usando algoritmos de transformación de la imagen, la geometría ventricular atlas se deforma para coincidir con la del paciente. Por último, el campo de deformación se aplicó a la orientat atlas fibraiones para obtener una estimación de orientaciones de fibra de pacientes. La precisión de las estimaciones de fibra se evaluó utilizando seis normales y tres corazones insuficientes caninos. La diferencia absoluta media entre los ángulos de inclinación de las orientaciones de fibra adquiridos y estimado fue de 15,4 °. Simulaciones computacionales de mapas de activación ventricular y pseudo-ECG en ritmo sinusal y taquicardia ventricular se indica que no hay diferencias significativas entre las orientaciones de fibra estimados y adquiridos a clínicamente observables ideas nuevas level.The obtenidos del proyecto allanará el camino para el desarrollo de específicos del paciente modelos del corazón que puede ayudar a los médicos en el diagnóstico personalizado y decisiones sobre las intervenciones electrofisiológicos.

Introduction

El enfoque computacional se está convirtiendo central para el avance de la comprensión de la función del corazón en la salud y la enfermedad. State-of-the-art de todo corazón-modelos de electrofisiología y electromecánica se están utilizando para estudiar una amplia gama de fenómenos, tales como la propagación ventricular normal, la arritmia, la desfibrilación, el acoplamiento electromecánico, y la resincronización cardiaca ^1. Sin embargo, para el enfoque computacional para ser directamente aplicables en el entorno clínico, es imperativo que los modelos de ser específica para el paciente, es decir, los modelos debe estar basado en la arquitectura específica y propiedades electrofisiológicas o electromecánicas de corazón enfermo del paciente. Simulación con estos modelos ayudarán a los médicos a llegar a decisiones altamente personalizadas para las intervenciones electrofisiológicos, así como la profilaxis, así dramáticamente mejorar la atención de la salud cardiaca ^2-4.

contenido "> Creación de modelos realistas cardíacos requiere la adquisición de la geometría y la estructura de fibra de un paciente cardíaco. orientaciones de fibra determinar direcciones de propagación eléctrica y distribuciones de tensión en el corazón, y por lo tanto la adquisición de ellos es esencial para el modelado cardíaco ^{5, 6.} Con los recientes avances en imagen médica, es ahora posible obtener la geometría de un corazón paciente, remodelación includingstructural tales como el infarto, in vivo con alta resolución usando imágenes por resonancia magnética (MRI) y tomografía computarizada tecnologías (CT). Sin embargo, no hay método práctico para la adquisición de estructura de la fibra de un corazón paciente in vivo. tensor de difusión (DT) RM ^{7, 8,} la única técnica para adquirir orientaciones de las fibras del corazón intacto, no está ampliamente disponible en vivo debido a ciertas limitaciones ^9. Una breve descripción de los esfuerzos anteriores para traducir DTMRI para el entorno clínico se pueden encontrar elsewhere ^2. Aunque metodologías como regla basada en la asignación de las orientaciones de fibra de ofrecer alternativas a DTMRI, estos métodos tienen ciertas limitaciones graves ^{2, 10.} Así, las dificultades en la adquisición de estructura de la fibra cardiaca in vivo en la actualidad impiden la aplicación de simulaciones cardíacos electrofisiológicos y electromecánicos en la clínica. El objetivo de esta investigación fue abordar directamente esta necesidad.

La hipótesis de que las orientaciones de fibra ventricular de un corazón puede predecirse con precisión debido a la geometría del corazón y de un atlas, donde el atlas es un corazón cuya geometría y orientaciones de fibra están disponibles. En consecuencia, se utilizó el estado de la técnica para desarrollar una metodología para la estimación de las orientaciones de las fibras cardíacas en vivo, y probaron la hipótesis de normalidad y de no ventrículos caninos ^2. La idea central de nuestra metodología de estimación de fibra es explotar similarities en orientaciones de las fibras, con respecto a la geometría, entre corazones diferentes con el fin de aproximarse a la estructura de la fibra de un corazón (objetivo) para que sólo la información de geometría se encuentra disponible. En el corazón de nuestra metodología de estimación es el registro de la geometría atlas con la geometría de destino mediante mapas difeomorfa gran deformación métrica (LDDMM) ^11, y la transformación de las orientaciones de fibra atlas con la preservación de los componentes principales (PPD) ^{2, 12.} El diffeomorphicproperty de garantías LDDMM que el atlas no "plegable" sí durante la deformación, preservando así las estructuras anatómicas integrityof. Figura 1 ilustra la canalización de procesamiento de nuestra metodología. La sección del texto protocolo § 1 describe los diversos componentes de la tubería mediante la demostración de cómo la estimación se puede realizar para un paciente ejemplo. Los números dentro de algunos de los bloques en la Figura 1 se refieren a la correspondientesubsecciones en la sección § 1 del texto del protocolo.

Se evaluó el desempeño de la metodología propuesta por la cuantificación del error de estimación, y medir el efecto de esta onsimulations de error de la electrofisiología cardiaca, por computacionalmente simulando locales mapas de activación eléctricas, así como pseudo-electrocardiogramas (ECGs pseudo-). Debido a la falta de disponibilidad de los corazones humanos, la evaluación del desempeño se realizó con corazones caninos disponibles a partir de estudios previos ^13-15. El error de estimación se calcula por medio de ángulos de inclinación ^16, la tradición followingthe de histología, donde las mediciones angulares son secciones performedon tejido que son cortadas en paralelo a la epicardialsurface. Desde el anglebetween la dirección de la fibra y el plano tangente epicárdica es generallysmall ^{17, 18,} ​​la pérdida de información en la descripción de un fiberdirection enteramente usando su ángulo de inclinación es insignificante. Para la computsimulaciones acionales, basados ​​en imágenes modelos se construyeron como se informó anteriormente ^{19, 20,} y el tejido cardíaco en los modelos fue representado establecidos sobre la base de técnicas matemáticas y los datos experimentales ^21-25. El ritmo sinusal se simuló por la activación de replicación procedente de la red de Purkinje ^26, y la taquicardia ventricular, por una estimulación S1-S2 protocolo ^27. Los pseudo-ECG se calcularon ²⁸ y compararon mediante la desviación media absoluta (MAD) métrica ^29.

Protocol

1. Orientaciones de fibra Estimación Adquirir imágenes de MRI estructurales y DTMRI de un corazón humano adulto normal en diástole, con una resolución de 1 mm 3. Usando ImageJ, extraer el miocardio ventricular de la imagen estructural atlas por ajuste, para cada rebanada de eje corto, cerrado splines a través de un conjunto de puntos de señal colocados a lo largo de los límites epicárdicos y endocárdicos en la rebanada (Figura 2A y la figura 2B). Realizar…

Representative Results

La figura 11, muestra AC visualizaciones estilizadas de estimados, así como orientaciones de fibra DTMRI derivados en corazones normales y fallando. Examen cualitativo muestra que las orientaciones de fibra estimados alinean bien con DTMRI derivados de los. Panel D ilustra, superpuesta a la geometría del corazón 1, la distribución del error en ángulos de inclinación de los corazones normales ', promediado en los cinco estimaciones. Panel E muestra la distribución media de error de no haber á…

Discussion

Esta investigación demuestra cuantitativamente que, en ausencia de DTMRI, las orientaciones de fibra de miocardio ventrículos normales y no puede ser estimado a partir de imágenes in vivo de sus geometrías para uso en las simulaciones de la electrofisiología cardiaca. La metodología propuesta se demuestra con datos de la TC en vivo, pero es igualmente aplicable a las imágenes de RM in vivo de la geometría ventricular, frente a la falta de capacidad para adquirir directamente del pacien…

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