Patient-specific Modeling of the Heart: Estimation of Ventricular Fiber Orientations

Patient-specific  simulations of heart (dys)function aimed at personalizing cardiac therapy are hampered  by the absence of in vivo imaging technology for ...

Johns Hopkins University

Aktuelle Studie der Neurowissenschaften beobachtete Beweise, dass die anatomischen Strukturen im menschlichen Gehirn bestimmte Verbindung mit dem funktionieren m&ouml;glicherweise. Dies l&ouml;st das Interesse an morphologische Untersuchung der kortikalen Oberfl&auml;chen und im Vergleich der verschiedenen ethnischen Gruppen. Dieser Artikel vergleicht die MRI Gehirn Datasets von 10 Chinesisch und 10 Kaukasier. Eine statistische Analyse wurde auf der wei&szlig;en Substanz-Volumes in diese Datasets angewendet und die Unterschiede zwischen den beiden Gruppen, die durch verschiedene intuitive Ma&szlig;nahmen zu bewerten. Diese Analyse ergab die systematische morphologische Unterschiede zwischen den zwei ethnischen Gruppen.

Statistische Analyse der morphologischen Unterschiede zwischen Gehirnen.

Recente studio in neuroscienze ha osservato che le strutture anatomiche nel cervello umano potrebbero essere certo collegamento con il funzionamento di prova. Ci&ograve; innesca l&#39;interesse nello studio morfologico delle superfici corticali e nel confronto di diversi gruppi etnici. Questo articolo confronta il DataSet di cervello MRI di 10 cinesi e 10 caucasici. Un&#39;analisi statistica &egrave; stato applicato ai volumi di materia bianca in questi DataSet e valutare le differenze tra i due gruppi utilizzando varie misure intuitive. Questa analisi ha rivelato sistematiche differenze morfologiche tra i due gruppi etnici.

Analisi statistica delle differenze morfologiche tra il cervello.

&#x6700;&#x8FD1;&#x5728;&#x795E;&#x7ECF;&#x79D1;&#x5B66;&#x7684;&#x7814;&#x7A76;&#x5DF2;&#x89C2;&#x5BDF;&#x5230;&#x5728;&#x4EBA;&#x7C7B;&#x7684;&#x5927;&#x8111;&#x7684;&#x89E3;&#x5256;&#x7ED3;&#x6784;&#x53EF;&#x80FD;&#x6709;&#x67D0;&#x4E9B;&#x8FDE;&#x63A5;&#x4E0E;&#x8FD0;&#x4F5C;&#x7684;&#x8BC1;&#x636E;&#x3002;&#x8FD9;&#x4F1A;&#x89E6;&#x53D1;&#x7684;&#x76AE;&#x8D28;&#x8868;&#x9762;&#x5F62;&#x6001;&#x7814;&#x7A76;&#x548C;&#x6BD4;&#x8F83;&#x4E0D;&#x540C;&#x65CF;&#x88D4;&#x7FA4;&#x4F53;&#x7684;&#x5174;&#x8DA3;&#x3002;&#x8FD9;&#x7BC7;&#x6587;&#x7AE0;&#x6BD4;&#x8F83;&#x7684; MRI &#x8111;&#x6570;&#x636E;&#x96C6; 10 &#x4E2D;&#x6587;&#x548C; 10 &#x7684;&#x767D;&#x79CD;&#x4EBA;&#x3002;&#x7EDF;&#x8BA1;&#x5206;&#x6790;&#x5E94;&#x7528;&#x4E8E;&#x8FD9;&#x4E9B;&#x6570;&#x636E;&#x96C6;&#x5185;&#x7684;&#x767D;&#x8272;&#x7269;&#x8D28;&#x5377;&#xFF0C;&#x5E76;&#x8BC4;&#x4F30;&#x4F7F;&#x7528;&#x76F4;&#x89C2;&#x7684;&#x5404;&#x9879;&#x63AA;&#x65BD;&#x7684;&#x4E24;&#x4E2A;&#x7EC4;&#x4E4B;&#x95F4;&#x7684;&#x5DEE;&#x5F02;&#x3002;&#x8FD9;&#x4E00;&#x5206;&#x6790;&#x7ED3;&#x679C;&#x8868;&#x660E;&#x7CFB;&#x7EDF;&#x4E24;&#x4E2A;&#x79CD;&#x65CF;&#x7FA4;&#x4F53;&#x4E4B;&#x95F4;&#x7684;&#x5F62;&#x6001;&#x5DEE;&#x5F02;&#x3002;

&#x5927;&#x8111;&#x5F62;&#x6001;&#x5DEE;&#x5F02;&#x7684;&#x7EDF;&#x8BA1;&#x5206;&#x6790;&#x3002;

Recent study in neuroscience has observed evidence that the anatomic structures in human brains might have certain connection with the functioning. This triggers the interest in morphological study of cortical surfaces and in comparison of different ethnic groups. This article compares the MRI brain datasets of 10 Chinese and 10 Caucasians. A statistical analysis was applied to the white matter volumes in these datasets and evaluate the dissimilarities between the two groups using various intuitive measures. This analysis has revealed systematic morphological differences between the two ethnic groups.

Statistical analysis of morphological differences between brains.

Des &eacute;tudes r&eacute;centes en neurosciences a observ&eacute; des preuves que les structures anatomiques dans les cerveaux humains pourraient avoir certains liens avec le fonctionnement. Cela d&eacute;clenche l&#39;int&eacute;r&ecirc;t dans l&#39;&eacute;tude morphologique des surfaces corticales et comparaison des diff&eacute;rents groupes ethniques. Cet article compare les datasets de cerveau MRI de 10 chinois et 10 personnes de race blanche. Une analyse statistique a &eacute;t&eacute; appliqu&eacute; &agrave; des volumes de mati&egrave;re blanche dans ces ensembles de donn&eacute;es et d&#39;&eacute;valuer les diff&eacute;rences entre les deux groupes &agrave; l&#39;aide de diverses mesures intuitives. Cette analyse a r&eacute;v&eacute;l&eacute; des diff&eacute;rences morphologiques syst&eacute;matiques entre les deux groupes ethniques.

Analyse statistique des diff&eacute;rences morphologiques entre les cerveaux.

&#x795E;&#x7D4C;&#x79D1;&#x5B66;&#x306B;&#x304A;&#x3051;&#x308B;&#x6700;&#x8FD1;&#x306E;&#x7814;&#x7A76;&#x306F;&#x4EBA;&#x9593;&#x306E;&#x8133;&#x306E;&#x89E3;&#x5256;&#x5B66;&#x7684;&#x69CB;&#x9020;&#x6A5F;&#x80FD;&#x306B;&#x7279;&#x5B9A;&#x306E;&#x63A5;&#x7D9A;&#x304C;&#x3042;&#x308B;&#x304B;&#x3082;&#x3057;&#x308C;&#x306A;&#x3044;&#x3068;&#x3044;&#x3046;&#x8A3C;&#x62E0;&#x3092;&#x89B3;&#x5BDF;&#x3057;&#x307E;&#x3059;&#x3002;&#x3053;&#x308C;&#x306F;&#x76AE;&#x8CEA;&#x8868;&#x9762;&#x306E;&#x5F62;&#x614B;&#x5B66;&#x7684;&#x7814;&#x7A76;&#x304A;&#x3088;&#x3073;&#x6BD4;&#x8F03;&#x7570;&#x306A;&#x308B;&#x5C11;&#x6570;&#x6C11;&#x65CF;&#x30B0;&#x30EB;&#x30FC;&#x30D7;&#x306E;&#x95A2;&#x5FC3;&#x3092;&#x30C8;&#x30EA;&#x30AC;&#x30FC;&#x3057;&#x307E;&#x3059;&#x3002;&#x3053;&#x306E;&#x8A18;&#x4E8B;&#x306F; 10 &#x4E2D;&#x56FD;&#x4EBA;&#x3068; 10 &#x306E;&#x767D;&#x4EBA;&#x306E; MRI &#x8133;&#x306E;&#x30C7;&#x30FC;&#x30BF;&#x30BB;&#x30C3;&#x30C8;&#x3092;&#x6BD4;&#x8F03;&#x3057;&#x307E;&#x3059;&#x3002;&#x7D71;&#x8A08;&#x89E3;&#x6790;&#x306F;&#x767D;&#x8CEA;&#x306E;&#x30DC;&#x30EA;&#x30E5;&#x30FC;&#x30E0;&#x3053;&#x308C;&#x3089;&#x306E;&#x30C7;&#x30FC;&#x30BF;&#x30BB;&#x30C3;&#x30C8;&#x306B;&#x9069;&#x7528;&#x3057;&#x305F;&#x3001;&#x69D8;&#x3005; &#x306A;&#x76F4;&#x611F;&#x7684;&#x306A;&#x5BFE;&#x7B56;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066; 2 &#x3064;&#x306E;&#x30B0;&#x30EB;&#x30FC;&#x30D7;&#x9593;&#x306E;&#x76F8;&#x9055;&#x3092;&#x8A55;&#x4FA1;&#x3057;&#x307E;&#x3059;&#x3002;&#x3053;&#x306E;&#x5206;&#x6790;&#x306F; 2 &#x3064;&#x306E;&#x6C11;&#x65CF;&#x30B0;&#x30EB;&#x30FC;&#x30D7;&#x306E;&#x4F53;&#x7CFB;&#x7684;&#x306A;&#x5F62;&#x614B;&#x5B66;&#x7684;&#x5DEE;&#x7570;&#x3092;&#x660E;&#x3089;&#x304B;&#x306B;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;

&#x8133;&#x306E;&#x5F62;&#x614B;&#x5DEE;&#x306E;&#x7D71;&#x8A08;&#x5206;&#x6790;&#x3002;

&#xCD5C;&#xADFC; &#xC5F0;&#xAD6C; &#xC2E0;&#xACBD; &#xACFC;&#xD559;&#xC5D0; &#xC778;&#xAC04;&#xC758; &#xB450;&#xB1CC;&#xC758; &#xD574;&#xBD80;&#xD559; &#xAD6C;&#xC870; &#xAE30;&#xB2A5;&#xC73C;&#xB85C; &#xD2B9;&#xC815; &#xC5F0;&#xACB0;&#xC774; &#xC788;&#xB294; &#xC99D;&#xAC70;&#xB97C; &#xAD00;&#xCC30; &#xD588;&#xB2E4;. &#xB300;&#xB1CC; &#xD53C; &#xC9C8; &#xD45C;&#xBA74;&#xC758; &#xD615;&#xD0DC;&#xD559; &#xC5F0;&#xAD6C;&#xC5D0; &#xAD00;&#xC2EC;&#xACFC;&#xB97C; &#xB2E4;&#xC591; &#xD55C; &#xC778;&#xC885; &#xADF8;&#xB8F9;&#xC758; &#xBE44;&#xAD50;&#xC5D0;&#xC11C; &#xD2B8;&#xB9AC;&#xAC70;&#xD569;&#xB2C8;&#xB2E4;. &#xC774; &#xBB38;&#xC11C; 10 &#xC911;&#xAD6D;&#xC5B4; 10 &#xBC31;&#xC778;&#xC758; MRI &#xB450;&#xB1CC; &#xB370;&#xC774;&#xD130; &#xC9D1;&#xD569;&#xC744; &#xBE44;&#xAD50;&#xD569;&#xB2C8;&#xB2E4;. &#xD1B5;&#xACC4; &#xBD84;&#xC11D; &#xC774;&#xB7EC;&#xD55C; &#xB370;&#xC774;&#xD130; &#xC9D1;&#xD569;&#xC5D0;&#xC11C; &#xBC31;&#xC0C9; &#xC9C8; &#xBCFC;&#xB968;&#xC5D0; &#xC801;&#xC6A9; &#xD558; &#xACE0; &#xB2E4;&#xC591; &#xD55C; &#xC9C1;&#xAD00;&#xC801;&#xC778; &#xCE21;&#xC815;&#xAC12;&#xC744; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xB450; &#xADF8;&#xB8F9; &#xAC04;&#xC758; dissimilarities &#xD3C9;&#xAC00;. &#xC774; &#xBD84;&#xC11D;&#xC740; &#xB450; &#xBBFC;&#xC871; &#xAC04;&#xC758; &#xCCB4;&#xACC4;&#xC801;&#xC778; &#xD615;&#xD0DC;&#xD559; &#xCC28;&#xC774; &#xACF5;&#xAC1C; &#xD588;&#xB2E4;.

&#xB450;&#xB1CC; &#xD615;&#xD0DC;&#xD559; &#xCC28;&#xC774;&#xC758; &#xD1B5;&#xACC4; &#xBD84;&#xC11D;&#xC785;&#xB2C8;&#xB2E4;.

Un estudio reciente en neurociencia ha observado evidencia que las estructuras anat&oacute;micas en el cerebro humano podr&iacute;an tener cierta conexi&oacute;n con el funcionamiento. Esto dispara el inter&eacute;s en el estudio morfol&oacute;gico de superficies corticales y en comparaci&oacute;n de los diferentes grupos &eacute;tnicos. Este art&iacute;culo compara los datasets de cerebro MRI del 10 chino y 10 cauc&aacute;sicos. Un an&aacute;lisis estad&iacute;stico se aplic&oacute; a los vol&uacute;menes de materia blanca en estos conjuntos de datos y evaluar las diferencias entre los dos grupos con diversas medidas intuitivas. Este an&aacute;lisis ha revelado diferencias morfol&oacute;gicas sistem&aacute;ticas entre los dos grupos &eacute;tnicos.

An&aacute;lisis estad&iacute;stico de las diferencias morfol&oacute;gicas entre cerebros.

Optimale Parametrisierungen von Oberfl&auml;chennetzen eignen sich die Zuordnung und die Visualisierung der Gro&szlig;hirnrinde, der &auml;u&szlig;eren Schicht des menschlichen Gehirns. Wir schlagen zwei neue Methoden zum N&auml;herungen an die optimalen Parametrisierungen berechnen und diese Methoden auf menschliche kortikale Oberfl&auml;chennetze extrahiert von Magnetresonanz-Bilder anwenden. Unsere Methoden ann&auml;hern die Parametrisierungen in ein niedrig-dimensionalen Unterraum &uuml;ber die Koordinaten Vektoren eine anf&auml;ngliche Parametrisierung und die niederfrequenten Eigenvektoren eines Gitters Laplacian erstreckt. Diese niedrigdimensionalen Angleichung reduziert die Komplexit&auml;tstheorie, bei gleichzeitiger Minimierung des Fehlers.

Angleichung der optimale Oberfl&auml;che Parametrisierungen und die Anwendung in der Gro&szlig;hirnrinde Zuordnung.

Parametrizzazioni ottimale della superficie mesh sono utili per la mappatura e la visualizzazione della corteccia cerebrale, lo strato esterno del cervello umano. Proponiamo due nuovi metodi per calcolare approssimazioni delle parametrizzazioni ottimale e applicare questi metodi a maglie di superficie corticale umane estratte da immagini di risonanza magnetica. I nostri metodi di approssimano le parametrizzazioni in un basso-dimensionale sottospazio attraversato da vettori di coordinate di una parametrizzazione iniziale e gli autovettori di bassa frequenza di una mesh laplaciano. Questa approssimazione low-dimensional riduce la complessit&agrave; computazionale, riducendo al minimo l&#39;errore.

Ravvicinamento delle parametrizzazioni superficie ottimale e l&#39;applicazione nella mappatura della corteccia cerebrale.

&#x6700;&#x4F73;&#x53C2;&#x6570;&#x7684;&#x8868;&#x9762;&#x7F51;&#x683C;&#x5F88;&#x6709;&#x7528;&#x7684;&#x6620;&#x5C04;&#x548C;&#x53EF;&#x89C6;&#x5316;&#x7684;&#x5927;&#x8111;&#x76AE;&#x5C42;&#xFF0C;&#x4EBA;&#x7C7B;&#x5927;&#x8111;&#x7684;&#x5916;&#x5C42;&#x3002;&#x6211;&#x4EEC;&#x5EFA;&#x8BAE;&#x4E24;&#x4E2A;&#x65B0;&#x7684;&#x65B9;&#x6CD5;&#x6765;&#x8BA1;&#x7B97;&#x8FD1;&#x4F3C;&#x7684;&#x6700;&#x4F18;&#x53C2;&#x6570;&#x5316;&#xFF0C;&#x5E76;&#x5C06;&#x8FD9;&#x4E9B;&#x65B9;&#x6CD5;&#x5E94;&#x7528;&#x5230;&#x4EBA;&#x7C7B;&#x5927;&#x8111;&#x76AE;&#x5C42;&#x8868;&#x9762;&#x7F51;&#x683C;&#x4ECE;&#x78C1;&#x5171;&#x632F;&#x56FE;&#x50CF;&#x4E2D;&#x63D0;&#x53D6;&#x3002;&#x6211;&#x4EEC;&#x7684;&#x65B9;&#x6CD5;&#x8FD1;&#x4F3C;&#x8DE8;&#x8D8A;&#x7684;&#x521D;&#x59CB;&#x53C2;&#x6570;&#x5316;&#x7684;&#x5750;&#x6807;&#x5411;&#x91CF;&#x3001; &#x62C9;&#x666E;&#x62C9;&#x65AF;&#x7684;&#x7F51;&#x683C;&#x7684;&#x4F4E;&#x9891;&#x7279;&#x5F81;&#x5411;&#x91CF;&#x4F4E;&#x7EF4;&#x5B50;&#x7A7A;&#x95F4;&#x4E2D;&#x7684;&#x53C2;&#x6570;&#x3002;&#x8FD9;&#x4E2A;&#x4F4E;&#x7EF4;&#x8FD1;&#x4F3C;&#x51CF;&#x5C11;&#x4E86;&#x8BA1;&#x7B97;&#x590D;&#x6742;&#x6027;&#xFF0C;&#x540C;&#x65F6;&#x5C3D;&#x91CF;&#x51CF;&#x5C11;&#x9519;&#x8BEF;&#x3002;

&#x903C;&#x8FD1;&#x7684;&#x6700;&#x4F18;&#x8868;&#x9762;&#x53C2;&#x6570;&#x5316;&#x548C;&#x5728;&#x5927;&#x8111;&#x76AE;&#x8D28;&#x7684;&#x6620;&#x5C04;&#x4E2D;&#x7684;&#x5E94;&#x7528;&#x3002;

Optimal parameterizations of surface meshes are useful in the mapping and visualization of the cerebral cortex, the outer layer of the human brain. We propose two new methods to compute approximations of the optimal parameterizations, and apply these methods to human cortical surface meshes extracted from magnetic resonance images. Our methods approximate the parameterizations in a low-dimensional subspace spanned by the coordinate vectors of an initial parameterization and the low-frequency eigenvectors of a mesh Laplacian. This low-dimensional approximation reduces the computational complexity while minimizing the error.

Approximation of optimal surface parameterizations and the application in cerebral cortex mapping.

Param&eacute;trages optimales de surfaces mailles sont utiles pour la cartographie et de visualisation du cortex c&eacute;r&eacute;bral, la couche ext&eacute;rieure du cerveau humain. Nous proposons deux nouvelles m&eacute;thodes pour calculer des approximations de la param&eacute;trisation optimale et appliquer ces m&eacute;thodes &agrave; des maillages surfaces corticales humaines extraites des images de r&eacute;sonance magn&eacute;tique. Nos m&eacute;thodes rapprochant les param&eacute;trages dans un sous-espace de dimension faible engendr&eacute; par les vecteurs d&#39;un param&eacute;trage initial et les vecteurs propres de basse fr&eacute;quence d&#39;un maillage laplacien. Cette approximation de basse dimensionnalit&eacute;e r&eacute;duit la complexit&eacute; tout en minimisant l&#39;erreur.

Rapprochement des param&eacute;trisations de surfaces optimales et l&#39;application dans la cartographie du cortex c&eacute;r&eacute;bral.

&#x30B5;&#x30FC;&#x30D5;&#x30A7;&#x30B9; &#x30E1;&#x30C3;&#x30B7;&#x30E5;&#x306E;&#x6700;&#x9069;&#x30D1;&#x30E9;&#x30E1;&#x30BF;&#x30EA;&#x30BC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x306F;&#x30DE;&#x30C3;&#x30D4;&#x30F3;&#x30B0;&#x3068;&#x5927;&#x8133;&#x76AE;&#x8CEA;&#x306F;&#x3001;&#x4EBA;&#x9593;&#x306E;&#x8133;&#x306E;&#x5916;&#x5074;&#x306E;&#x5C64;&#x306E;&#x53EF;&#x8996;&#x5316;&#x306B;&#x4FBF;&#x5229;&#x3067;&#x3059;&#x3002;&#x6700;&#x9069;&#x306E;&#x30D1;&#x30E9;&#x30E1;&#x30BF;&#x30EA;&#x30BC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x306E;&#x8FD1;&#x4F3C;&#x3092;&#x8A08;&#x7B97;&#x3059;&#x308B; 2 &#x3064;&#x306E;&#x65B0;&#x3057;&#x3044;&#x65B9;&#x6CD5;&#x3092;&#x63D0;&#x6848;&#x3057;&#x3001;, &#x3053;&#x308C;&#x3089;&#x306E;&#x30E1;&#x30BD;&#x30C3;&#x30C9;&#x306F;&#x78C1;&#x6C17;&#x5171;&#x9CF4;&#x753B;&#x50CF;&#x304B;&#x3089;&#x62BD;&#x51FA;&#x3055;&#x308C;&#x308B;&#x4EBA;&#x9593;&#x306E;&#x5927;&#x8133;&#x76AE;&#x8CEA;&#x8868;&#x9762;&#x30E1;&#x30C3;&#x30B7;&#x30E5;&#x3092;&#x9069;&#x7528;.&#x79C1;&#x305F;&#x3061;&#x306E;&#x65B9;&#x6CD5;&#x306F;&#x521D;&#x671F;&#x306E;&#x30D1;&#x30E9;&#x30E1;&#x30BF;&#x30EA;&#x30BC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x306E;&#x5EA7;&#x6A19;&#x30D9;&#x30AF;&#x30C8;&#x30EB;&#x3068;&#x4F4E;&#x5468;&#x6CE2;&#x306E;&#x56FA;&#x6709;&#x30D9;&#x30AF;&#x30C8;&#x30EB;&#x306E;&#x30E1;&#x30C3;&#x30B7;&#x30E5; &#x30E9;&#x30D7;&#x30E9;&#x30B7;&#x30A2;&#x30F3; &#x30B9;&#x30D1;&#x30F3;&#x4F4E;&#x6B21;&#x5143;&#x90E8;&#x5206;&#x7A7A;&#x9593;&#x306B;&#x304A;&#x3051;&#x308B;&#x30D1;&#x30E9;&#x30E1;&#x30BF;&#x30EA;&#x30BC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x3092;&#x304A;&#x304A;&#x3088;&#x305D;&#x3002;&#x3053;&#x306E;&#x4F4E;&#x6B21;&#x5143;&#x8FD1;&#x4F3C;&#x306F;&#x3001;&#x30A8;&#x30E9;&#x30FC;&#x3092;&#x6700;&#x5C0F;&#x9650;&#x306B;&#x6291;&#x3048;&#x306A;&#x304C;&#x3089;&#x3001;&#x8A08;&#x7B97;&#x306E;&#x8907;&#x96D1;&#x3055;&#x3092;&#x4F4E;&#x6E1B;&#x3057;&#x307E;&#x3059;&#x3002;

&#x8FD1;&#x4F3C;&#x6700;&#x9069;&#x8868;&#x9762;&#x30D1;&#x30E9;&#x30E1;&#x30BF;&#x30EA;&#x30BC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x3068;&#x5927;&#x8133;&#x76AE;&#x8CEA;&#x30DE;&#x30C3;&#x30D4;&#x30F3;&#x30B0; &#x30A2;&#x30D7;&#x30EA;&#x30B1;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x3002;

&#xD45C;&#xBA74; &#xBA54;&#xC2DC;&#xC758; &#xCD5C;&#xC801;&#xC758; &#xB9E4;&#xAC1C; &#xBCC0;&#xC218;&#xD654;&#xB294; &#xB9E4;&#xD551; &#xBC0F; &#xB300;&#xB1CC; &#xD53C; &#xC9C8;, &#xC778;&#xAC04;&#xC758; &#xB450;&#xB1CC;&#xC758; &#xC678;&#xBD80; &#xCE35;&#xC758; &#xC2DC;&#xAC01;&#xD654;&#xC5D0; &#xC720;&#xC6A9; &#xD569;&#xB2C8;&#xB2E4;. &#xC6B0;&#xB9AC;&#xB294; &#xCD5C;&#xC801;&#xC758; &#xB9E4;&#xAC1C; &#xBCC0;&#xC218;&#xD654;&#xC758; &#xADFC;&#xC0AC; &#xACC4;&#xC0B0; &#xD558;&#xB294; &#xB450; &#xAC00;&#xC9C0; &#xBC29;&#xBC95;&#xC774; &#xC81C;&#xC548; &#xD558; &#xACE0; &#xC790;&#xAE30; &#xACF5;&#xBA85; &#xC774;&#xBBF8;&#xC9C0;&#xC5D0;&#xC11C; &#xCD94;&#xCD9C;&#xD55C; &#xC778;&#xAC04; &#xB300;&#xB1CC; &#xD53C; &#xC9C8;&#xC758; &#xD45C;&#xBA74; &#xBA54;&#xC26C;&#xB97C; &#xC774;&#xB7EC;&#xD55C; &#xBC29;&#xBC95;&#xC744; &#xC801;&#xC6A9;. &#xC6B0;&#xB9AC;&#xC758; &#xBC29;&#xBC95;&#xC740; &#xB300;&#xB7B5;&#xC801;&#xC778; &#xCD08;&#xAE30; &#xB9E4;&#xAC1C; &#xBCC0;&#xC218;&#xD654;&#xC758; &#xC88C;&#xD45C; &#xBCA1;&#xD130;&#xC640; &#xBA54;&#xC26C; Laplacian&#xC758; &#xB0AE;&#xC740; &#xC8FC;&#xD30C;&#xC218; &#xAC12;&#xC5D0; &#xD3EC;&#xD568; &#xB418;&#xB294; &#xB0AE;&#xC740; &#xCC28;&#xC6D0; &#xD558;&#xC704; &#xB9E4;&#xAC1C; &#xBCC0;&#xC218;&#xD654; &#xD569;&#xB2C8;&#xB2E4;. &#xC774; &#xB0AE;&#xC740; &#xCC28;&#xC6D0; &#xADFC;&#xC0AC; &#xC624;&#xB958;&#xB97C; &#xCD5C;&#xC18C;&#xD654; &#xD558;&#xBA74;&#xC11C; &#xACC4;&#xC0B0; &#xBCF5;&#xC7A1;&#xB3C4; &#xC904;&#xC77C; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;.

&#xADFC;&#xC0AC; &#xCD5C;&#xC801; &#xD45C;&#xBA74; &#xB9E4;&#xAC1C; &#xBCC0;&#xC218;&#xD654; &#xD558; &#xACE0; &#xB300;&#xB1CC; &#xD53C; &#xC9C8; &#xB9E4;&#xD551;&#xC5D0;&#xC11C;&#xB294; &#xC751;&#xC6A9; &#xD504;&#xB85C;&#xADF8;&#xB7A8;&#xC758;.

Parametrizaciones &oacute;ptima de mallas de superficies son &uacute;tiles en la cartograf&iacute;a y la visualizaci&oacute;n de la corteza cerebral, la capa externa del cerebro humano. Proponemos dos nuevos m&eacute;todos para calcular aproximaciones de las parametrizaciones &oacute;ptima y aplicar estos m&eacute;todos a mallas de superficies corticales humanos extra&iacute;dos de im&aacute;genes de resonancia magn&eacute;tica. Nuestros m&eacute;todos de aproximan las parametrizaciones en un bajo dimensi&oacute;n subespacio generado por los vectores de coordenadas de una parametrizaci&oacute;n inicial y los vectores propios de la baja frecuencia de una malla laplaciano. Esta aproximaci&oacute;n baja dimensi&oacute;n reduce la complejidad computacional y reducir al m&iacute;nimo el error.

Aproximaci&oacute;n de parametrizaciones de superficies &oacute;ptima y la aplicaci&oacute;n en el mapeo de la corteza cerebral.

&#x8FD9;&#x7BC7;&#x6587;&#x7AE0;&#x7684;&#x76EE;&#x7684;&#x662F;&#x63D0;&#x51FA;&#x4E00;&#x5957;&#x5207;&#x5408;&#x5B9E;&#x9645;&#x7684;&#x8BA1;&#x7B97;&#x6A21;&#x578B;&#xFF0C;&#x4ECE;&#x9AD8;&#x5206;&#x8FA8;&#x7387;&#x7684;&#x7ED3;&#x6784;&#x548C;&#x6269;&#x6563;&#x5F20;&#x91CF;&#x78C1;&#x5171;&#x632F;&#x56FE;&#x50CF;&#x7684;&#x5FC3;&#x810F;&#x7ED3;&#x6784;&#x6784;&#x9020;&#x65B9;&#x6CD5;&#xFF0C;&#x5E76;&#x5C55;&#x793A;&#x7684;&#x6A21;&#x578B;&#x6A21;&#x62DF;&#x7814;&#x7A76;&#x4E2D;&#x7684;&#x9002;&#x7528;&#x6027;&#x3002;&#x7ED3;&#x6784;&#x7684;&#x56FE;&#x50CF;&#x88AB;&#x5206;&#x6BB5;&#x786E;&#x5B9A;&#x5404;&#x533A;&#x57DF;&#x6B63;&#x5E38;&#x5FC3;&#x808C;&#x3001; &#x8111;&#x5BA4;&#x3001; &#x8111;&#x6897;&#x6B7B;&#x7B49;&#x3002;&#x4ECE;&#x5904;&#x7406;&#x7ED3;&#x6784;&#x5316;&#x6570;&#x636E;&#xFF0C;&#x751F;&#x6210;&#x6709;&#x9650;&#x5143;&#x7F51;&#x683C;&#x548C;&#x7EA4;&#x7EF4;&#x65B9;&#x5411;&#x5206;&#x914D;&#x7ED9;&#x5143;&#x7D20;&#x3002;&#x84B2;&#x7CFB;&#x7EDF;&#xFF0C;&#x53EF;&#x89C1;&#x65F6;, &#x662F;&#x4F7F;&#x7528;&#x5EFA;&#x6A21;&#x4E92;&#x8FDE;&#x624B;&#x52A8;&#x786E;&#x5B9A;&#x70B9;&#x96C6;&#x7684;&#x7EBF;&#x6027;&#x5143;&#x7D20;&#x3002;&#x65B9;&#x6CD5;&#x7528;&#x6765;&#x6784;&#x9020; 2 &#x4E0D;&#x540C;&#x7684;&#x6A21;&#x578B; &#xFF1B;&#x548C; 2 &#x7684;&#x6A21;&#x62DF;&#x7814;&#x7A76;&#xFF0C;&#x8BC1;&#x660E;&#x5728;&#x5FC3;&#x5F8B;&#x5931;&#x5E38;&#x548C;&#x9664;&#x98A4;&#x5206;&#x6790;&#x6A21;&#x578B;&#x7684;&#x9002;&#x7528;&#x6027;&#xFF0C;&#x88AB;&#x6267;&#x884C;&#x3002;&#x6A21;&#x578B;&#x8868;&#x793A;&#x5FC3;&#x810F;&#x7ED3;&#x6784;&#x4E0E;&#x6A21;&#x62DF;&#x7814;&#x7A76;&#x524D;&#x6240;&#x672A;&#x6709;&#x7684;&#x7EC6;&#x8282;&#x3002;

&#x57FA;&#x4E8E;&#x56FE;&#x50CF;&#x7684;&#x6A21;&#x578B;&#x7684;&#x5FC3;&#x810F;&#x7ED3;&#x6784;&#x4E0E;&#x5FC3;&#x5F8B;&#x5931;&#x5E38;&#x548C;&#x9664;&#x98A4;&#x7814;&#x7A76;&#x4E2D;&#x7684;&#x5E94;&#x7528;&#x7A0B;&#x5E8F;&#x3002;

The objective of this article is to present a set of methods for constructing realistic computational models of cardiac structure from high-resolution structural and diffusion tensor magnetic resonance images and to demonstrate the applicability of the models in simulation studies. The structural image is segmented to identify various regions such as normal myocardium, ventricles, and infarct. A finite element mesh is generated from the processed structural data, and fiber orientations are assigned to the elements. The Purkinje system, when visible, is modeled using linear elements that interconnect a set of manually identified points. The methods were applied to construct 2 different models; and 2 simulation studies, which demonstrate the applicability of the models in the analysis of arrhythmia and defibrillation, were performed. The models represent cardiac structure with unprecedented detail for simulation studies.

Image-based models of cardiac structure with applications in arrhythmia and defibrillation studies.

L&#39;objectif de cet article est de pr&eacute;senter un ensemble de m&eacute;thodes permettant de construire des mod&egrave;les de calcul r&eacute;alistes de la structure cardiaque &agrave; partir d&#39;images de r&eacute;sonance magn&eacute;tique du tenseur haute r&eacute;solution structurale et de la diffusion et de d&eacute;montrer l&#39;applicabilit&eacute; des mod&egrave;les dans des &eacute;tudes de simulation. L&#39;image structurelle est segment&eacute;e afin d&#39;identifier les diff&eacute;rentes r&eacute;gions telles que l&#39;infarctus du myocarde normal et ventricules. Un maillage &eacute;l&eacute;ments finis est g&eacute;n&eacute;r&eacute; &agrave; partir des donn&eacute;es structurelles et orientations de la fibre sont assign&eacute;es aux &eacute;l&eacute;ments. Le syst&egrave;me de Purkinje, quand il est visible, est mod&eacute;lis&eacute; &agrave; l&#39;aide d&#39;&eacute;l&eacute;ments lin&eacute;aires qui s&#39;interconnecter &agrave; un ensemble de points identifi&eacute;s manuellement. Les m&eacute;thodes ont &eacute;t&eacute; utilis&eacute;es pour construire les 2 mod&egrave;les diff&eacute;rents ; et 2 &eacute;tudes de simulation, qui d&eacute;montrent l&#39;applicabilit&eacute; des mod&egrave;les dans l&#39;analyse d&#39;arythmie et de d&eacute;fibrillation, ont &eacute;t&eacute; effectu&eacute;es. Les mod&egrave;les repr&eacute;sentent la structure cardiaque avec des d&eacute;tails sans pr&eacute;c&eacute;dent pour les &eacute;tudes de simulation.

Mod&egrave;les ax&eacute;s sur les images de la structure cardiaque avec des applications dans les &eacute;tudes d&#39;arythmie et de d&eacute;fibrillation.

Das Ziel dieses Artikels ist, eine Reihe von Methoden zur Konstruktion von realistische Computermodellen der kardialen Struktur von hochaufl&ouml;senden Struktur- und Diffusion Tensor Magnetresonanz-Bilder zu pr&auml;sentieren und die Anwendbarkeit der Modelle in Simulationsstudien zu demonstrieren. Das strukturelle Bild ist segmentiert, um verschiedenen Regionen wie normale Myokard, Ventrikel und Infarkt zu identifizieren. Ein finite-Elemente-Netz aus verarbeiteten strukturellen Daten generiert und Faser Orientierungen der Elemente zugeordnet sind. Das Purkinje-System, ist wenn es sichtbar, modelliert mit lineare Elementen, die eine Reihe von manuell ermittelten Punkte verbinden. Die Methoden wurden angewendet, um 2 verschiedene Modelle konstruieren; und 2 Simulationsstudien, in denen die Anwendbarkeit der Modelle in der Analyse von Herzrhythmusst&ouml;rungen und Defibrillation zu demonstrieren, wurden durchgef&uuml;hrt. Die Modelle repr&auml;sentieren kardialen Struktur mit beispielloser Detailtreue f&uuml;r Simulationsstudien.

Image-basierte Modelle der kardialen Struktur mit Anwendungen in der Arrhythmie und Defibrillation Studien.

L&#39;obiettivo di questo articolo &egrave; di presentare un insieme di metodi per costruire modelli computazionali realistiche della struttura cardiaca da strutturali e diffusion tensor risonanza magnetica immagini ad alta risoluzione e di dimostrare l&#39;applicabilit&agrave; dei modelli negli studi di simulazione. L&#39;immagine strutturale &egrave; segmentato per identificare diverse regioni come infarto miocardio normale e ventricoli. Una mesh di elementi finiti viene generata dai dati elaborati strutturali, e gli orientamenti di fibra sono assegnati agli elementi. Il sistema di Purkinje, quando visibile, &egrave; modellato utilizzando elementi lineari che un insieme di punti identificati manualmente di interconnessione. I metodi sono stati applicati per costruire 2 modelli differenti; e 2 studi di simulazione, che dimostrano l&#39;applicabilit&agrave; dei modelli nell&#39;analisi di aritmia e defibrillazione, sono stati eseguiti. I modelli rappresentano la struttura cardiaca con dettagli senza precedenti per gli studi di simulazione.

Modelli basati su immagine della struttura cardiaca con applicazioni in studi di aritmia e la defibrillazione.

&#x3053;&#x306E;&#x8A18;&#x4E8B;&#x306E;&#x76EE;&#x7684;&#x306F;&#x3001;&#x9AD8;&#x5206;&#x89E3;&#x80FD;&#x306E;&#x69CB;&#x9020;&#x3068;&#x62E1;&#x6563;&#x30C6;&#x30F3;&#x30BD;&#x30EB;&#x78C1;&#x6C17;&#x5171;&#x9CF4;&#x753B;&#x50CF;&#x304B;&#x3089;&#x306E;&#x5FC3;&#x81D3;&#x306E;&#x69CB;&#x9020;&#x306E;&#x73FE;&#x5B9F;&#x7684;&#x306A;&#x8A08;&#x7B97;&#x30E2;&#x30C7;&#x30EB;&#x3092;&#x69CB;&#x7BC9;&#x3059;&#x308B;&#x305F;&#x3081;&#x306E;&#x30E1;&#x30BD;&#x30C3;&#x30C9;&#x306E;&#x30BB;&#x30C3;&#x30C8;&#x3092;&#x63D0;&#x793A;&#x3057;&#x3001;&#x30B7;&#x30DF;&#x30E5;&#x30EC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x7814;&#x7A76;&#x306B;&#x304A;&#x3051;&#x308B;&#x30E2;&#x30C7;&#x30EB;&#x306E;&#x9069;&#x7528;&#x6027;&#x3092;&#x793A;&#x3059;&#x305F;&#x3081;&#x306B;&#x3067;&#x3059;&#x3002;&#x69CB;&#x9020;&#x306E;&#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x306F;&#x6B63;&#x5E38;&#x306A;&#x5FC3;&#x7B4B;&#x6897;&#x585E;&#x30FB;&#x5FC3;&#x5BA4;&#x306A;&#x3069;&#x306E;&#x3055;&#x307E;&#x3056;&#x307E;&#x306A;&#x9818;&#x57DF;&#x3092;&#x8B58;&#x5225;&#x3059;&#x308B;&#x5206;&#x5272;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x52A0;&#x5DE5;&#x69CB;&#x9020;&#x30C7;&#x30FC;&#x30BF;&#x304B;&#x3089;&#x6709;&#x9650;&#x8981;&#x7D20;&#x30E1;&#x30C3;&#x30B7;&#x30E5;&#x306E;&#x751F;&#x6210;&#x3057;&#x3001;&#x7E4A;&#x7DAD;&#x65B9;&#x5411;&#x306E;&#x8981;&#x7D20;&#x306B;&#x5272;&#x308A;&#x5F53;&#x3066;&#x3089;&#x308C;&#x307E;&#x3059;&#x3002;&#x30D7;&#x30EB;&#x30AD;&#x30F3;&#x30A8;&#x7CFB;&#x53EF;&#x8996;&#x306E;&#x5834;&#x5408;&#x306F;&#x3001;&#x624B;&#x52D5;&#x3067;&#x8B58;&#x5225;&#x3055;&#x308C;&#x305F;&#x70B9;&#x306E;&#x30BB;&#x30C3;&#x30C8;&#x3092;&#x76F8;&#x4E92;&#x63A5;&#x7D9A;&#x3059;&#x308B;&#x7DDA;&#x5F62;&#x8981;&#x7D20;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x30E2;&#x30C7;&#x30EB;&#x5316;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x30E1;&#x30BD;&#x30C3;&#x30C9;&#x306F;&#x3001;2 &#x3064;&#x306E;&#x30E2;&#x30C7;&#x30EB;&#x3092;&#x69CB;&#x7BC9;&#x3059;&#x308B;&#x9069;&#x7528;&#x3055;&#x308C;&#x305F;;&#x4E0D;&#x6574;&#x8108;&#x3068;&#x9664;&#x7D30;&#x52D5;&#x306E;&#x89E3;&#x6790;&#x306B;&#x304A;&#x3051;&#x308B;&#x30E2;&#x30C7;&#x30EB;&#x306E;&#x9069;&#x7528;&#x53EF;&#x80FD;&#x6027;&#x3092;&#x793A;&#x3059;&#x3001;2 &#x30B7;&#x30DF;&#x30E5;&#x30EC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x3092;&#x884C;&#x3063;&#x305F;&#x3002;&#x30E2;&#x30C7;&#x30EB; &#x30B7;&#x30DF;&#x30E5;&#x30EC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x7814;&#x7A76;&#x306E;&#x524D;&#x4F8B;&#x306E;&#x306A;&#x3044;&#x7D30;&#x90E8;&#x306E;&#x5FC3;&#x81D3;&#x306E;&#x69CB;&#x9020;&#x3092;&#x8868;&#x3057;&#x307E;&#x3059;&#x3002;

&#x30A4;&#x30E1;&#x30FC;&#x30B8; &#x30D9;&#x30FC;&#x30B9;&#x3067;&#x4E0D;&#x6574;&#x8108;&#x3068;&#x9664;&#x7D30;&#x52D5;&#x306E;&#x7814;&#x7A76;&#x30A2;&#x30D7;&#x30EA;&#x30B1;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x3068;&#x5FC3;&#x81D3;&#x306E;&#x69CB;&#x9020;&#x306E;&#x30E2;&#x30C7;&#x30EB;&#x3002;

&#xC774; &#xBB38;&#xC11C;&#xC758; &#xBAA9;&#xC801;&#xC740; &#xACE0;&#xD574;&#xC0C1;&#xB3C4; &#xAD6C;&#xC870; &#xBC0F; &#xD655;&#xC0B0; &#xD150;&#xC11C; &#xC790;&#xAE30; &#xACF5;&#xBA85; &#xC774;&#xBBF8;&#xC9C0;&#xC5D0;&#xC11C; &#xC2EC;&#xC7A5; &#xAD6C;&#xC870;&#xC758; &#xD604;&#xC2E4;&#xC801;&#xC778; &#xACC4;&#xC0B0; &#xBAA8;&#xB378;&#xC744; &#xC0DD;&#xC131; &#xD558;&#xAE30; &#xC704;&#xD55C; &#xBA54;&#xC11C;&#xB4DC; &#xC9D1;&#xD569;&#xC744; &#xC81C;&#xACF5; &#xD558; &#xACE0; &#xC2DC;&#xBBAC;&#xB808;&#xC774;&#xC158; &#xC5F0;&#xAD6C;&#xC5D0;&#xC11C; &#xBAA8;&#xB378;&#xC758; &#xC801;&#xC6A9; &#xAC00;&#xB2A5;&#xC131;&#xC744; &#xC785;&#xC99D;. &#xC815;&#xC0C1;&#xC801;&#xC778; &#xC2EC;&#xADFC;, &#xC2EC;, &#xACBD;&#xC0C9; &#xB4F1; &#xB2E4;&#xC591; &#xD55C; &#xC601;&#xC5ED;&#xC744; &#xC2DD;&#xBCC4; &#xD558;&#xB294; &#xAD6C;&#xC870; &#xC774;&#xBBF8;&#xC9C0; &#xC138;&#xADF8;&#xBA3C;&#xD2B8;&#xB294;. &#xC720;&#xD55C; &#xC694;&#xC18C; &#xBA54;&#xC26C; &#xCC98;&#xB9AC; &#xB41C; &#xAD6C;&#xC870;&#xC801; &#xB370;&#xC774;&#xD130;&#xC5D0;&#xC11C; &#xC0DD;&#xC131; &#xB418; &#xACE0; &#xC12C;&#xC720; &#xBC29;&#xD5A5; &#xC694;&#xC18C;&#xC5D0; &#xD560;&#xB2F9; &#xB429;&#xB2C8;&#xB2E4;. Purkinje &#xC2DC;&#xC2A4;&#xD15C; &#xD45C;&#xC2DC; &#xD558;&#xB294; &#xACBD;&#xC6B0; &#xC218;&#xB3D9;&#xC73C;&#xB85C; &#xC2DD;&#xBCC4;&#xB41C; &#xC810; &#xC9D1;&#xD569;&#xC744; &#xC0C1;&#xD638; &#xC5F0;&#xACB0; &#xD558;&#xB294; &#xC120;&#xD615; &#xC694;&#xC18C;&#xB97C; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xBAA8;&#xB378;&#xB9C1; &#xB429;&#xB2C8;&#xB2E4;. &#xBC29;&#xBC95; 2 &#xAC00;&#xC9C0; &#xBAA8;&#xB378;; &#xAC74;&#xC124;&#xC5D0; &#xC801;&#xC6A9; &#xB41C; &#xADF8;&#xB9AC;&#xACE0; &#xBD80;&#xC815;&#xB9E5;&#xACFC; &#xCDA9;&#xACA9;&#xC758; &#xBD84;&#xC11D;&#xC5D0;&#xC11C; &#xBAA8;&#xB378;&#xC758; &#xC801;&#xC6A9; &#xAC00;&#xB2A5;&#xC131;&#xC744; &#xBCF4;&#xC5EC; 2 &#xC2DC;&#xBBAC;&#xB808;&#xC774;&#xC158; &#xC5F0;&#xAD6C;&#xB97C; &#xC218;&#xD589; &#xD588;&#xB2E4;. &#xBAA8;&#xB378; &#xC2DC;&#xBBAC;&#xB808;&#xC774;&#xC158; &#xC5F0;&#xAD6C;&#xC5D0; &#xB300; &#xD55C; &#xC804;&#xB840; &#xC5C6;&#xB294; &#xC815;&#xBC00;&#xB3C4;&#xC640; &#xC2EC;&#xC7A5; &#xAD6C;&#xC870;&#xB97C; &#xB098;&#xD0C0;&#xB0C5;&#xB2C8;&#xB2E4;.

&#xBD80;&#xC815;&#xB9E5; &#xBC0F; &#xCDA9;&#xACA9; &#xD559;&#xBB38;&#xC5D0;&#xC11C; &#xC751;&#xC6A9; &#xD504;&#xB85C;&#xADF8;&#xB7A8;&#xACFC; &#xD568;&#xAED8; &#xC2EC;&#xC7A5; &#xAD6C;&#xC870;&#xC758; &#xC774;&#xBBF8;&#xC9C0; &#xAE30;&#xBC18; &#xBAA8;&#xB378;.

El objetivo de este art&iacute;culo es presentar un conjunto de m&eacute;todos para la construcci&oacute;n de modelos computacionales realistas de la estructura cardiaca de im&aacute;genes de resonancia magn&eacute;tica alta resoluci&oacute;n del tensor de la difusi&oacute;n y estructurales y para demostrar la aplicabilidad de los modelos en estudios de simulaci&oacute;n. La imagen estructural est&aacute; segmentada para identificar varias regiones tales como infarto, miocardio normal y ventr&iacute;culos. Una malla de elementos finitos se genera a partir de los datos estructurales procesados y orientaciones de la fibra se asignan a los elementos. El sistema de Purkinje, cuando es visible, es modelado con elementos lineales que se interconectan entre un conjunto de puntos identificados manualmente. Se aplicaron los m&eacute;todos para construir dos modelos; y se realizaron 2 estudios de simulaci&oacute;n, que demuestran la aplicabilidad de los modelos en el an&aacute;lisis de la arritmia y desfibrilaci&oacute;n. Los modelos representan la estructura cardiaca con detalle sin precedentes para estudios de simulaci&oacute;n.

Basado en im&aacute;genes modelos de estructura cardiaca con aplicaciones en estudios de arritmia y desfibrilaci&oacute;n.

&#x5FC3;&#x810F;&#x7535;&#x529F;&#x80FD;&#x4EFF;&#x771F;&#x662F;&#x6210;&#x529F;&#x7EFC;&#x5408;&#x591A;&#x5C3A;&#x5EA6;&#x6A21;&#x62DF;&#x65B9;&#x6CD5;&#xFF0C;&#x662F;&#x76F4;&#x63A5;&#x4E0E;&#x4EBA;&#x7C7B;&#x75BE;&#x75C5;&#x6709;&#x5173;&#x7684;&#x793A;&#x4F8B;&#x3002;&#x4ECA;&#x5929;&#x6211;&#x4EEC;&#x7AD9;&#x5728;&#x4E00;&#x4E2A;&#x65B0;&#x65F6;&#x4EE3;&#xFF0C;&#x6B63;&#x5728;&#x89E3;&#x5256;&#x5B66;&#x4E0A;&#x8BE6;&#x7EC6;&#x3001; tomographically &#x91CD;&#x5EFA;&#x6A21;&#x578B;&#x5230;&#x673A;&#x7535;&#x4EA4;&#x4E92;&#x4E2D;&#x4E0D;&#x53D8;&#x7684;&#x5FC3;&#x4ECE;&#x79BB;&#x5B50;&#x901A;&#x9053;&#x96C6;&#x6210;&#x5728;&#x4E00;&#x8D77;&#x7684;&#x95E8;&#x69DB;&#x3002;&#x8FD9;&#x79CD;&#x6A21;&#x578B;&#x9AD8;&#x9884;&#x793A;&#x4E34;&#x5E8A;&#x548C;&#x751F;&#x7406;&#x6D4B;&#x91CF;&#x7ED3;&#x679C;&#x7684;&#x89E3;&#x91CA;&#x3001; &#x6539;&#x5584;&#x6027;&#x529F;&#x80FD;&#x969C;&#x788D;&#x75BE;&#x75C5;&#xFF0C;&#x5982;&#x5FC3;&#x5F8B;&#x5931;&#x5E38;&#x3001; &#x5FC3;&#x808C;&#x7F3A;&#x8840;&#x548C;&#x5FC3;&#x8870;&#x7684;&#x673A;&#x5236;&#x7684;&#x57FA;&#x672C;&#x7406;&#x89E3;&#x548C;&#x533B;&#x7597;&#x8BBE;&#x5907;&#x7684;&#x5F00;&#x53D1;&#x4E0E;&#x6027;&#x80FD;&#x4F18;&#x5316;&#x3002;&#x672C;&#x6587;&#x7684;&#x76EE;&#x7684;&#x662F;&#x5FC3;&#x7684;&#x6982;&#x8FF0;&#x8FD9;&#x7BC7;&#x6587;&#x7AE0;&#x7684;&#x4F5C;&#x8005;&#x6240;&#x6700;&#x8FD1;&#x5236;&#x5B9A;&#x7684;&#x9884;&#x6D4B;&#x8BA1;&#x7B97;&#x6A21;&#x578B;&#x7684;&#x5F53;&#x524D;&#x72B6;&#x6001;&#x7684;&#x827A;&#x672F;&#x8FDB;&#x5C55;&#x3002;&#x6211;&#x4EEC;&#x9996;&#x5148;&#x7B80;&#x8981;&#x8BF4;&#x660E;&#x6784;&#x5EFA;&#x7684;&#x5FC3;&#x810F;&#x7535;&#x751F;&#x7406;&#x6A21;&#x578B;&#x7684;&#x65B9;&#x6CD5;&#x3002;&#x6211;&#x4EEC;&#x7136;&#x540E;&#x63D0;&#x4F9B;&#x4E09;&#x4E2A;&#x4F8B;&#x5B50;&#xFF0C;&#x8BF4;&#x660E;&#x5982;&#x4F55;&#x4F7F;&#x7528;&#x8FD9;&#x4E9B;&#x6A21;&#x578B;&#xFF0C;&#x7279;&#x522B;&#x4FA7;&#x91CD;&#x4E8E;&#x5FC3;&#x810F;&#x548C;&#x5FC3;&#x810F;&#x9664;&#x98A4;&#x7684;&#x673A;&#x5236;&#x3002;&#x8FD9;&#x4E9B;&#x63AA;&#x65BD;&#x5305;&#x62EC;&#xFF1A; (1) &#x63ED;&#x5F00;&#x4E2D;&#x9664;&#x98A4; &#xFF1B; &#x5BA4;&#x7ED3;&#x6784;&#x7684;&#x4F5C;&#x7528;(2) &#x68C0;&#x67E5;&#x5931;&#x8D25;&#x7684;&#x51B2;&#x51FB; &#xFF1B; &#x6D66;&#x80AF;&#x91CE;&#x7EA4;&#x7EF4;&#x7684;&#x8D21;&#x732E;(3) &#x4F7F;&#x7528;&#x78C1;&#x5171;&#x632F;&#x6210;&#x50CF;&#x91CD;&#x5EFA;&#x5FC3;&#x810F;&#x6A21;&#x578B;&#x6765;&#x8C03;&#x67E5;&#x7684;&#x53EF;&#x91CD;&#x5165;&#x7684;&#x7535;&#x8DEF;&#x5B58;&#x5728;&#x8111;&#x6897;&#x6B7B;&#x7622;&#x75D5;&#x5F62;&#x6210;&#x3002;

&#x5BF9;&#x9884;&#x6D4B;&#x6A21;&#x578B;&#x7684;&#x5FC3;&#x810F;&#x7535;&#x751F;&#x7406;&#x68C0;&#x67E5;&#x3002;

The simulation of cardiac electrical function is an example of a successful integrative multiscale modelling approach that is directly relevant to human disease. Today we stand at the threshold of a new era, in which anatomically detailed, tomographically reconstructed models are being developed that integrate from the ion channel to the electromechanical interactions in the intact heart. Such models hold high promise for interpretation of clinical and physiological measurements, for improving the basic understanding of the mechanisms of dysfunction in disease, such as arrhythmias, myocardial ischaemia and heart failure, and for the development and performance optimization of medical devices. The goal of this article is to present an overview of current state-of-art advances towards predictive computational modelling of the heart as developed recently by the authors of this article. We first outline the methodology for constructing electrophysiological models of the heart. We then provide three examples that demonstrate the use of these models, focusing specifically on the mechanisms for arrhythmogenesis and defibrillation in the heart. These include: (1) uncovering the role of ventricular structure in defibrillation; (2) examining the contribution of Purkinje fibres to the failure of the shock; and (3) using magnetic resonance imaging reconstructed heart models to investigate the re-entrant circuits formed in the presence of an infarct scar.

Towards predictive modelling of the electrophysiology of the heart.

La simulation de la fonction &eacute;lectrique cardiaque est un exemple d&#39;un succ&egrave;s multiscale int&eacute;grative mod&eacute;lisation qui concerne directement les maladies humaines. Aujourd&#39;hui, nous sommes au seuil d&#39;une &egrave;re nouvelle, dans laquelle sont d&eacute;velopp&eacute;s mod&egrave;les anatomiquement d&eacute;taill&eacute;s, tomographique reconstitu&eacute;es que le canal ionique s&#39;int&eacute;grer aux interactions &eacute;lectrom&eacute;caniques dans le coeur intact. Ces mod&egrave;les sont haut prometteurs pour l&#39;interpr&eacute;tation des mesures cliniques et physiologiques, pour am&eacute;liorer la compr&eacute;hension de base des m&eacute;canismes de dysfonctionnement dans la maladie, tels que l&#39;arythmie, l&#39;isch&eacute;mie myocardique et l&#39;insuffisance cardiaque et pour l&#39;optimisation de performance et de d&eacute;veloppement des dispositifs m&eacute;dicaux. L&#39;objectif de cet article est de pr&eacute;senter un aper&ccedil;u des progr&egrave;s de pointe actuels vers la mod&eacute;lisation pr&eacute;dictive computationnelle du c&oelig;ur telle que d&eacute;velopp&eacute;e r&eacute;cemment par les auteurs de cet article. Tout d&#39;abord, nous exposons la m&eacute;thodologie permettant de construire des mod&egrave;les &eacute;lectrophysiologiques du c&oelig;ur. Nous fournissons ensuite trois exemples qui illustrent l&#39;utilisation de ces mod&egrave;les, en se concentrant sp&eacute;cifiquement sur les m&eacute;canismes de l&#39;arythmogen&egrave;se et d&eacute;fibrillation dans le c&oelig;ur. Ceux-ci incluent: (1), d&eacute;couvrir le r&ocirc;le de structure ventriculaire en d&eacute;fibrillation ; (2) examiner la contribution des fibres de Purkinje &agrave; la d&eacute;faillance de l&#39;amortisseur ; et (3) &agrave; l&#39;aide de mod&egrave;les de coeur reconstruit l&#39;imagerie par r&eacute;sonance magn&eacute;tique pour enqu&ecirc;ter sur les circuits r&eacute;entrant form&eacute; en pr&eacute;sence d&#39;une cicatrice d&#39;infarctus.

Vers la mod&eacute;lisation pr&eacute;dictive de l&#39;&eacute;lectrophysiologie du coeur.

Die Simulation von elektrischen Herzfunktion ist ein Beispiel f&uuml;r eine erfolgreiche integrative Multiscale modelling-Ansatz, der f&uuml;r menschliche Krankheit direkt relevant ist. Heute stehen wir an der Schwelle eines neuen Zeitalters, in dem anatomisch detaillierte, tomographically rekonstruierte Modelle entwickelt werden, die aus den Ionenkanal zu den elektromechanischen Interaktionen im intakten Herzen zu integrieren. Solche Modelle halten hohe Versprechen Interpretation der klinische und physiologische Messungen, zur Verbesserung des grundlegenden Verst&auml;ndnis der Mechanismen der Dysfunktion bei Krankheit, wie Arrhythmien, Myokardisch&auml;mie und Herzinsuffizienz, und f&uuml;r die Entwicklung und Optimierung von Medizinprodukten. Das Ziel dieses Artikels ist es, einen &Uuml;berblick &uuml;ber den aktuellen Stand der Technik Fortschritte in Richtung vorausschauende computational Modellierung des Herzens wie vor kurzem von den Autoren dieses Artikels entwickelt zu pr&auml;sentieren. Zun&auml;chst beschreiben wir die Methodik f&uuml;r elektrophysiologische Modellbildungen des Herzens. Dann bieten wir drei Beispiele, die die Verwendung dieser Modelle, konzentriert sich speziell auf die Mechanismen f&uuml;r die Arrhythmogenesis und Defibrillation im Herzen. Dazu geh&ouml;ren: (1) aufdecken die Rolle der ventrikul&auml;ren Struktur in Defibrillation; (2) die Pr&uuml;fung des Beitrags der Purkinje-Fasern auf das Scheitern des Schocks; und (3) in der Gegenwart ein Infarkt-Narbe gebildet mit Magnetresonanz-Bildgebung rekonstruiert Herz-Modelle, um die Re-Entrant Schaltungen zu untersuchen.

In Richtung pr&auml;diktive Modellierung der Elektrophysiologie des Herzens.

La simulazione della funzione cardiaca elettrica &egrave; un esempio di un successo integrativa multiscale modelling approccio che &egrave; direttamente rilevante per la malattia umana. Oggi ci troviamo alle soglie di una nuova era, in cui vengono sviluppati modelli anatomicamente dettagliate, tomographically ricostruiti dal canale ionico di integrare le interazioni elettromeccaniche nel cuore intatto. Tali modelli promettono alte per l&#39;interpretazione delle misurazioni cliniche e fisiologiche, per migliorare la comprensione di base dei meccanismi di disfunzione nella malattia, come aritmie, ischemia del miocardio e insufficienza cardiaca e per ottimizzare le prestazioni e lo sviluppo di dispositivi medici. L&#39;obiettivo di questo articolo &egrave; di presentare una panoramica dei progressi di state-of-art corrente verso la modellizzazione computazionale predittivo del cuore come di recente sviluppato dagli autori di questo articolo. Abbiamo prima delineare la metodologia per la costruzione di modelli elettrofisiologici del cuore. Forniamo quindi tre esempi che illustrano l&#39;utilizzo di questi modelli, concentrandosi in particolare sui meccanismi ereditari e defibrillazione nel cuore. Questi includono: (1) scoprendo il ruolo della struttura ventricolare nella defibrillazione; (2) esaminando il contributo delle fibre del Purkinje per il fallimento della scossa; e (3) utilizzando modelli cuore risonanza magnetica ricostruita per indagare i circuiti rientranti formata in presenza di una cicatrice di infarto.

Nei confronti di modellazione predittiva di elettrofisiologia del cuore.

&#x5FC3;&#x81D3;&#x306E;&#x96FB;&#x6C17;&#x7684;&#x6A5F;&#x80FD;&#x306E;&#x30B7;&#x30DF;&#x30E5;&#x30EC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x306F;&#x3001;&#x4EBA;&#x9593;&#x306E;&#x75C5;&#x6C17;&#x306B;&#x76F4;&#x63A5;&#x95A2;&#x9023;&#x3059;&#x308B;&#x30A2;&#x30D7;&#x30ED;&#x30FC;&#x30C1;&#x3092;&#x30E2;&#x30C7;&#x30EA;&#x30F3;&#x30B0;&#x6210;&#x529F;&#x3057;&#x305F;&#x7D71;&#x5408;&#x7684;&#x306A;&#x30DE;&#x30EB;&#x30C1; &#x30B9;&#x30B1;&#x30FC;&#x30EB;&#x306E;&#x4F8B;&#x3067;&#x3059;&#x3002;&#x4ECA;&#x65E5;&#x6211;&#x3005; &#x306F;&#x30A4;&#x30AA;&#x30F3; &#x30C1;&#x30E3;&#x30CD;&#x30EB;&#x304B;&#x3089;&#x305D;&#x306E;&#x307E;&#x307E;&#x5FC3;&#x306E;&#x96FB;&#x6C17;&#x6A5F;&#x68B0;&#x306E;&#x76F8;&#x4E92;&#x4F5C;&#x7528;&#x3092;&#x7D71;&#x5408;&#x3059;&#x308B;&#x89E3;&#x5256;&#x5B66;&#x7684;&#x306B;&#x8A73;&#x7D30;&#x306A; tomographically &#x518D;&#x69CB;&#x6210;&#x30E2;&#x30C7;&#x30EB;&#x306E;&#x958B;&#x767A;&#x306F;&#x65B0;&#x3057;&#x3044;&#x6642;&#x4EE3;&#x306E;&#x3057;&#x304D;&#x3044;&#x5024;&#x3067;&#x3001;&#x7ACB;&#x3063;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x3053;&#x306E;&#x3088;&#x3046;&#x306A;&#x30E2;&#x30C7;&#x30EB;&#x306F;&#x3001;&#x81E8;&#x5E8A;&#x7684;&#x304A;&#x3088;&#x3073;&#x751F;&#x7406;&#x5B66;&#x7684;&#x6E2C;&#x5B9A;&#x306E;&#x89E3;&#x91C8;&#x306F;&#x3001;&#x4E0D;&#x6574;&#x8108;&#x3001;&#x5FC3;&#x7B4B;&#x865A;&#x8840;&#x3001;&#x5FC3;&#x81D3;&#x969C;&#x5BB3;&#x306A;&#x3069;&#x306E;&#x75BE;&#x60A3;&#x306B;&#x304A;&#x3051;&#x308B;&#x6A5F;&#x80FD;&#x969C;&#x5BB3;&#x306E;&#x30E1;&#x30AB;&#x30CB;&#x30BA;&#x30E0;&#x306E;&#x57FA;&#x672C;&#x7684;&#x306A;&#x7406;&#x89E3;&#x3092;&#x6539;&#x5584;&#x3059;&#x308B;&#x305F;&#x3081;&#x304A;&#x3088;&#x3073;&#x533B;&#x7642;&#x6A5F;&#x5668;&#x306E;&#x958B;&#x767A;&#x304A;&#x3088;&#x3073;&#x30D1;&#x30D5;&#x30A9;&#x30FC;&#x30DE;&#x30F3;&#x30B9;&#x306E;&#x6700;&#x9069;&#x5316;&#x306E;&#x9AD8;&#x306E;&#x7D04;&#x675F;&#x3092;&#x4FDD;&#x6301;&#x3057;&#x307E;&#x3059;&#x3002;&#x3053;&#x306E;&#x8A18;&#x4E8B;&#x306E;&#x76EE;&#x7684;&#x306F;&#x3001;&#x6700;&#x8FD1;&#x3053;&#x306E;&#x8A18;&#x4E8B;&#x306E;&#x8457;&#x8005;&#x306B;&#x3088;&#x3063;&#x3066;&#x958B;&#x767A;&#x3068;&#x3057;&#x3066;&#x5FC3;&#x4E88;&#x6E2C;&#x8A08;&#x7B97;&#x30E2;&#x30C7;&#x30EA;&#x30F3;&#x30B0;&#x306B;&#x5411;&#x3051;&#x3066;&#x73FE;&#x5728;&#x306E;&#x6700;&#x5148;&#x7AEF;&#x306E;&#x9032;&#x6B69;&#x306E;&#x6982;&#x8981;&#x3092;&#x793A;&#x3059;&#x3053;&#x3068;&#x3067;&#x3059;&#x3002;&#x307E;&#x305A;&#x3001;&#x5FC3;&#x81D3;&#x306E;&#x96FB;&#x6C17;&#x751F;&#x7406;&#x5B66;&#x7684;&#x30E2;&#x30C7;&#x30EB;&#x3092;&#x69CB;&#x7BC9;&#x3059;&#x308B;&#x305F;&#x3081;&#x306E;&#x65B9;&#x6CD5;&#x8AD6;&#x3092;&#x6982;&#x8AAC;&#x3057;&#x307E;&#x3059;&#x3002;&#x5177;&#x4F53;&#x7684;&#x306B; arrhythmogenesis &#x3068;&#x3001;&#x30CF;&#x30FC;&#x30C8;&#x306E;&#x9664;&#x7D30;&#x52D5;&#x306E;&#x305F;&#x3081;&#x306E;&#x30E1;&#x30AB;&#x30CB;&#x30BA;&#x30E0;&#x3092;&#x4E2D;&#x5FC3;&#x3053;&#x308C;&#x3089;&#x306E;&#x30E2;&#x30C7;&#x30EB;&#x306E;&#x4F7F;&#x7528;&#x65B9;&#x6CD5;&#x3092;&#x793A;&#x3059; 3 &#x3064;&#x306E;&#x4F8B;&#x3092;&#x63D0;&#x4F9B;&#x3057;&#x307E;&#x3059;&#x3002;&#x3053;&#x308C;&#x3089;&#x3092;&#x542B;&#x3081;&#x308B;&#xFF1A; &#xFF08;1&#xFF09; &#x9664;&#x7D30;&#x52D5;; &#x306B;&#x304A;&#x3051;&#x308B;&#x5FC3;&#x5BA4;&#x69CB;&#x9020;&#x306E;&#x5F79;&#x5272;&#x3092;&#x66B4;&#x304F;(2) &#x30D7;&#x30EB;&#x30AD;&#x30F3;&#x30A8;&#x7E4A;&#x7DAD;&#x30B7;&#x30E7;&#x30C3;&#x30AF;&#x306E;&#x5931;&#x6557;&#x3078;&#x306E;&#x5BC4;&#x4E0E;&#x3092;&#x8ABF;&#x3079;&#x308B;;(3) &#x30EA;&#x30A8;&#x30F3;&#x30C8;&#x30E9;&#x30F3;&#x30C8;&#x56DE;&#x8DEF;&#x3092;&#x8ABF;&#x67FB;&#x3059;&#x308B;&#x518D;&#x5EFA; mri &#x5FC3;&#x81D3;&#x30E2;&#x30C7;&#x30EB;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x3001;&#x6897;&#x585E;&#x7622;&#x75D5;&#x306E;&#x5B58;&#x5728;&#x4E0B;&#x3067;&#x5F62;&#x6210;&#x3055;&#x308C;&#x307E;&#x3057;&#x305F;&#x3002;

&#x5FC3;&#x81D3;&#x306E;&#x96FB;&#x6C17;&#x751F;&#x7406;&#x5B66;&#x306E;&#x4E88;&#x6E2C;&#x30E2;&#x30C7;&#x30EA;&#x30F3;&#x30B0;&#x306B;&#x5411;&#x3051;&#x3066;&#x3002;

&#xC2EC;&#xC7A5; &#xC804;&#xAE30; &#xAE30;&#xB2A5; &#xC2DC;&#xBBAC;&#xB808;&#xC774;&#xC158; &#xC131;&#xACF5;&#xC801;&#xC778; &#xD1B5;&#xD569; multiscale &#xBAA8;&#xB378;&#xB9C1; &#xC9C1;&#xC811; &#xC778;&#xAC04;&#xC758; &#xC9C8;&#xBCD1;&#xC5D0; &#xAD00;&#xB828; &#xB41C; &#xC811;&#xADFC;&#xC758; &#xC608;&#xC785;&#xB2C8;&#xB2E4;. &#xC624;&#xB298; &#xC6B0;&#xB9AC;&#xB294; &#xC0C8;&#xB85C;&#xC6B4; &#xC2DC;&#xB300;, &#xD574;&#xBD80;&#xD559; &#xC801;&#xC778; &#xBAB8;&#xC758; &#xAD6C;&#xC870;, tomographically &#xC7AC;&#xAC74; &#xBAA8;&#xB378; &#xAC1C;&#xBC1C; &#xB418; &#xACE0; &#xC788;&#xB2E4; &#xC774;&#xC628; &#xCC44;&#xB110;&#xC5D0;&#xC11C; &#xADF8;&#xB300;&#xB85C; &#xC2EC;&#xC7A5;&#xC5D0; &#xC804;&#xAE30; &#xAE30;&#xACC4; &#xC0C1;&#xD638; &#xC791;&#xC6A9;&#xC744; &#xD1B5;&#xD569; &#xD558;&#xB294; &#xC784;&#xACC4;&#xAC12;&#xC5D0; &#xC11C; &#xC11C;. &#xC774;&#xB7EC;&#xD55C; &#xBAA8;&#xB378;&#xC740; &#xC758;&#xB8CC; &#xAE30;&#xAE30; &#xAC1C;&#xBC1C; &#xBC0F; &#xC131;&#xB2A5; &#xCD5C;&#xC801;&#xD654;&#xB97C; &#xC704;&#xD574; &#xADF8;&#xB9AC;&#xACE0; &#xC7A5;&#xC560; &#xC9C8;&#xD658;, &#xBD80;&#xC815;&#xB9E5;, &#xC2EC;&#xADFC; &#xB1CC; &#xBC0F; &#xC2EC;&#xC7A5; &#xB9C8;&#xBE44; &#xB4F1;&#xC758; &#xBA54;&#xCEE4;&#xB2C8;&#xC998;&#xC5D0; &#xB300; &#xD55C; &#xAE30;&#xBCF8;&#xC801;&#xC778; &#xC774;&#xD574;&#xB97C; &#xAC1C;&#xC120; &#xD558;&#xAE30; &#xC704;&#xD55C; &#xC784;&#xC0C1; &#xBC0F; &#xC0DD;&#xB9AC; &#xC801; &#xCE21;&#xC815;&#xC758; &#xD574;&#xC11D;&#xC5D0; &#xB300; &#xD55C; &#xB192;&#xC740; &#xC57D;&#xC18D;&#xC744; &#xC7A1;&#xC73C;&#xC2ED;&#xC2DC;&#xC624;. &#xC774; &#xBB38;&#xC11C;&#xC758; &#xBAA9;&#xC801;&#xC740;&#xC774; &#xBB38;&#xC11C;&#xC758; &#xC800;&#xC790;&#xC5D0; &#xC758;&#xD574; &#xCD5C;&#xADFC;&#xC5D0; &#xAC1C;&#xBC1C;&#xB85C; &#xC2EC;&#xC7A5;&#xC758; &#xC608;&#xCE21; &#xC804;&#xC0B0; &#xBAA8;&#xB378;&#xB9C1;&#xC73C;&#xB85C; &#xD604;&#xC7AC; &#xCD5C;&#xC2E0;&#xC758; &#xBC1C;&#xC804;&#xC758; &#xAC1C;&#xC694;&#xB97C; &#xC81C;&#xC2DC;. &#xC6B0;&#xB9AC;&#xB294; &#xBA3C;&#xC800; &#xC2EC;&#xC7A5;&#xC758; electrophysiological &#xBAA8;&#xB378; &#xAD6C;&#xCD95;&#xC744; &#xC704;&#xD55C; &#xBC29;&#xBC95;&#xB860; &#xAC1C;&#xC694;. &#xC6B0;&#xB9AC;&#xB294; &#xB2E4;&#xC74C; arrhythmogenesis &#xBC0F; &#xC2EC;&#xC7A5;&#xC5D0; &#xCDA9;&#xACA9;&#xC5D0; &#xB300; &#xD55C; &#xBA54;&#xCEE4;&#xB2C8;&#xC998;&#xC5D0; &#xD2B9;&#xD788; &#xCD08;&#xC810;&#xC744; &#xB9DE;&#xCD94;&#xACE0; &#xC774;&#xB7EC;&#xD55C; &#xBAA8;&#xB378;&#xC758; &#xC0AC;&#xC6A9;&#xC744; &#xBCF4;&#xC5EC; &#xC8FC;&#xB294; &#xC138; &#xAC00;&#xC9C0; &#xC608;&#xC81C; &#xC81C;&#xACF5;. &#xC5EC;&#xAE30;&#xC5D0; &#xD3EC;&#xD568; &#xB429;&#xB2C8;&#xB2E4;: (1) &#xD3ED;&#xB85C; &#xCDA9;&#xACA9;; &#xC2EC; &#xC2E4; &#xAD6C;&#xC870; &#xC5ED;&#xD560; (2) &#xAC80;&#xC0AC; Purkinje &#xC12C;&#xC720; &#xCDA9;&#xACA9;;&#xC758; &#xC2E4;&#xD328;&#xC5D0; &#xAE30;&#xC5EC; (3) &#xACBD;&#xC0C9; &#xD749;&#xD130;&#xC758; &#xC874;&#xC7AC; &#xD615;&#xC131; &#xC7AC;&#xC9C4;&#xC785; &#xD68C;&#xB85C; &#xC870;&#xC0AC;&#xB97C; &#xC790;&#xAE30; &#xACF5;&#xBA85; &#xC601;&#xC0C1; &#xC7AC;&#xAD6C;&#xC131; &#xB41C; &#xC2EC;&#xC7A5; &#xBAA8;&#xB378;&#xC744; &#xC0AC;&#xC6A9; &#xD569;&#xB2C8;&#xB2E4;.

&#xC2EC;&#xC7A5;&#xC758; &#xC804;&#xAE30; &#xC0DD;&#xB9AC;&#xD559; &#xC608;&#xCE21; &#xBAA8;&#xB378;&#xB9C1;&#xC744; &#xD5A5;&#xD574;

La simulaci&oacute;n de la funci&oacute;n el&eacute;ctrica cardiaca es un ejemplo de una exitosa multiescala Integrativa modelado enfoque que es directamente relevante para la enfermedad humana. Hoy nos encontramos en el umbral de una nueva era, en el que se est&aacute;n desarrollando modelos anat&oacute;micamente detallados, tomographically reconstruidos que integran desde el canal del ion a las interacciones electromec&aacute;nicas en el coraz&oacute;n intacto. Estos modelos son alta prometedoras para la interpretaci&oacute;n de las mediciones cl&iacute;nicas y fisiol&oacute;gicas, para mejorar la comprensi&oacute;n b&aacute;sica de los mecanismos de disfunci&oacute;n en la enfermedad, tales como arritmias, isquemia del miocardio y la insuficiencia card&iacute;aca y para la optimizaci&oacute;n del rendimiento y desarrollo de dispositivos m&eacute;dicos. El objetivo de este art&iacute;culo es presentar un Resumen de vanguardia de avances hacia la modelizaci&oacute;n computacional predictivo del coraz&oacute;n desarrollado recientemente por los autores de este art&iacute;culo. Primero describiremos la metodolog&iacute;a para la construcci&oacute;n de modelos electrofisiol&oacute;gicos del coraz&oacute;n. Entonces le ofrecemos tres ejemplos que demuestran el uso de estos modelos, centr&aacute;ndose espec&iacute;ficamente en los mecanismos de arritmog&eacute;nesis y desfibrilaci&oacute;n en el coraz&oacute;n. Estos incluyen: (1) descubrir el papel de estructura ventricular en la desfibrilaci&oacute;n; (2) examinar la contribuci&oacute;n de las fibras de Purkinje al fracaso del choque; y (3) utilizando modelos de coraz&oacute;n de la proyecci&oacute;n de imagen de resonancia magn&eacute;tica reconstruido para investigar los circuitos reentrantes formado en presencia de una cicatriz de infarto.

Hacia modelos predictivos de la electrofisiolog&iacute;a del coraz&oacute;n.

&#x8BA1;&#x7B97;&#x65B9;&#x6CD5;&#x8C03;&#x67E5;&#x7684;&#x5065;&#x5EB7;&#x548C;&#x60A3;&#x75C5;&#x5FC3;&#x673A;&#x7535;&#x6B63;&#x53D8;&#x5F97;&#x5FC5;&#x4E0D;&#x53EF;&#x5C11;&#x7684;&#x5FC3;&#x810F;&#x529F;&#x80FD;&#x7684;&#x5168;&#x9762;&#x4E86;&#x89E3;&#x3002;&#x5728;&#x672C;&#x6587;&#x4E2D;&#xFF0C;&#x6211;&#x4EEC;&#x9996;&#x5148;&#x4ECB;&#x7ECD;&#x73B0;&#x6709;&#x7684;&#x57FA;&#x4E8E;&#x56FE;&#x50CF;&#x7684;&#x8BA1;&#x7B97;&#x6A21;&#x578B;&#x5FC3;&#x810F;&#x7ED3;&#x6784;&#x7684;&#x7B80;&#x8981;&#x56DE;&#x987E;&#x3002;&#x7136;&#x540E;&#xFF0C;&#x6211;&#x4EEC;&#x4F1A;&#x4E3A;&#x6784;&#x5EFA;&#x73B0;&#x5B9E;&#x7684;&#x8BA1;&#x7B97;&#x6A21;&#x578B;&#x7684;&#x9AD8;&#x5206;&#x8FA8;&#x7387;&#x7ED3;&#x6784;&#x4ECE;&#x5FC3;&#x548C;&#x6269;&#x589E;&#x83B7;&#x5F97;&#x7684;&#x6269;&#x6563;&#x5F20;&#x91CF; (DT) &#x78C1;&#x5171;&#x632F; (MR) &#x56FE;&#x50CF;&#x63D0;&#x4F9B;&#x5904;&#x7406;&#x7BA1;&#x9053;&#xFF0C;&#x6211;&#x4EEC;&#x6700;&#x8FD1;&#x4FBF;&#x5236;&#x8BA2;&#x4E86;&#x8BE6;&#x7EC6;&#x7684;&#x89E3;&#x91CA;&#x3002;&#x7BA1;&#x9053;&#x7684;&#x6F14;&#x793A;&#x6587;&#x7A3F;&#x5305;&#x542B;&#x4E86;&#x5BA1;&#x67E5;&#x53EF;&#x7528;&#x4E8E;&#x91CD;&#x5EFA;&#x7684;&#x5FC3;&#x810F;&#x7ED3;&#x6784;&#x6A21;&#x578B;&#x7684;&#x65B9;&#x6CD5;&#x3002;&#x5728;&#x8FD9;&#x4E2A;&#x7BA1;&#x9053;&#x4E2D;&#x88AB;&#x5206;&#x6BB5;&#x7ED3;&#x6784;&#x56FE;&#x50CF;&#x91CD;&#x5EFA;&#x8111;&#x5BA4;&#x548C;&#x6B63;&#x5E38;&#x5FC3;&#x808C;&#x6897;&#x6B7B;&#x3002;&#x4ECE;&#x5206;&#x6BB5;&#x7ED3;&#x6784;&#x56FE;&#x50CF;&#xFF0C;&#x751F;&#x6210;&#x6709;&#x9650;&#x5143;&#x7F51;&#x683C;&#x548C;&#x7EA4;&#x7EF4;&#x65B9;&#x5411;&#x88AB;&#x5206;&#x914D;&#x5230;&#x57FA;&#x4E8E; DTMR &#x6570;&#x636E;&#x7684;&#x5143;&#x7D20;&#x3002;&#x65B9;&#x6CD5;&#x7528;&#x6765;&#x5174;&#x5EFA;&#x4E03;&#x4E2A;&#x4E0D;&#x540C;&#x578B;&#x53F7;&#x7684;&#x5065;&#x5EB7;&#x548C;&#x60A3;&#x75C5;&#x7684;&#x5FC3;&#x3002;&#x8FD9;&#x4E9B;&#x6A21;&#x578B;&#x5305;&#x542B;&#x6570;&#x4EE5;&#x767E;&#x4E07;&#x8BA1;&#x7684;&#x5143;&#x7D20;&#xFF0C;&#x4E0E;&#x7A7A;&#x95F4;&#x5206;&#x8FA8;&#x7387;&#x7EA6;&#x6570;&#x767E;&#x5FAE;&#x7C73;&#xFF0C;&#x4E3A;&#x6A21;&#x62DF;&#x7814;&#x7A76;&#x63D0;&#x4F9B;&#x524D;&#x6240;&#x672A;&#x6709;&#x7684;&#x5FC3;&#x810F;&#x7ED3;&#x6784;&#x7684;&#x8868;&#x793A;&#x5F62;&#x5F0F;&#x4E2D;&#x7684;&#x7EC6;&#x8282;&#x3002;

&#x57FA;&#x4E8E;&#x56FE;&#x50CF;&#x7684;&#x6A21;&#x578B;&#x7684;&#x5FC3;&#x810F;&#x7ED3;&#x6784;&#x4E0E;&#x75BE;&#x75C5;&#x7684;&#x5173;&#x7CFB;&#x3002;

Computational approaches to investigating the electromechanics of healthy and diseased hearts are becoming essential for the comprehensive understanding of cardiac function. In this article, we first present a brief review of existing image-based computational models of cardiac structure. We then provide a detailed explanation of a processing pipeline which we have recently developed for constructing realistic computational models of the heart from high resolution structural and diffusion tensor (DT) magnetic resonance (MR) images acquired ex vivo. The presentation of the pipeline incorporates a review of the methodologies that can be used to reconstruct models of cardiac structure. In this pipeline, the structural image is segmented to reconstruct the ventricles, normal myocardium, and infarct. A finite element mesh is generated from the segmented structural image, and fiber orientations are assigned to the elements based on DTMR data. The methods were applied to construct seven different models of healthy and diseased hearts. These models contain millions of elements, with spatial resolutions in the order of hundreds of microns, providing unprecedented detail in the representation of cardiac structure for simulation studies.

Image-based models of cardiac structure in health and disease.

Approches informatiques pour enqu&ecirc;ter sur l&#39;&eacute;lectrom&eacute;canique des c&oelig;urs sains et malades deviennent essentiels pour la compr&eacute;hension g&eacute;n&eacute;rale de la fonction cardiaque. Dans cet article, nous pr&eacute;sentons d&#39;abord un bref examen des mod&egrave;les computationnels ax&eacute;e sur l&#39;image existantes, de la structure cardiaque. Ensuite, nous fournir une explication d&eacute;taill&eacute;e d&#39;un pipeline de traitement que nous avons r&eacute;cemment d&eacute;velopp&eacute;e pour construire des mod&egrave;les de calcul r&eacute;alistes du c&oelig;ur de haute r&eacute;solution structurale et de la diffusion tensor (DT) par r&eacute;sonance magn&eacute;tique (RM) images acquis ex vivo. La pr&eacute;sentation du pipeline int&egrave;gre une r&eacute;vision des m&eacute;thodologies qui peut &ecirc;tre utilis&eacute; pour reconstruire des mod&egrave;les de la structure cardiaque. Dans cette fili&egrave;re, l&#39;image structurelle est segment&eacute;e pour reconstruire les ventricules, myocarde normal et infarctus. Un maillage &eacute;l&eacute;ments finis est g&eacute;n&eacute;r&eacute; &agrave; partir de l&#39;image de structure segment&eacute;e et orientations de la fibre sont affect&eacute;es &agrave; des &eacute;l&eacute;ments bas&eacute;s sur des donn&eacute;es DTMR. Les m&eacute;thodes ont &eacute;t&eacute; appliqu&eacute;es &agrave; la construction de sept mod&egrave;les diff&eacute;rents de c&oelig;urs sains et malades. Ces mod&egrave;les contiennent des millions d&#39;&eacute;l&eacute;ments, avec des r&eacute;solutions spatiales dans l&#39;ordre de plusieurs centaines de microns, fournissant des d&eacute;tails sans pr&eacute;c&eacute;dent dans la repr&eacute;sentation de la structure cardiaque pour des &eacute;tudes de simulation.

Mod&egrave;les ax&eacute;s sur les images de la structure cardiaque in health and disease.

Computational Ans&auml;tze in der Erforschung der Electromechanics der gesunden und kranken Herzen zunehmend wichtig f&uuml;r das umfassende Verst&auml;ndnis der Herzfunktion. In diesem Artikel pr&auml;sentieren wir zun&auml;chst einen kurzen &Uuml;berblick &uuml;ber vorhandene Image-basierte Computermodellen der kardialen Struktur. Wir bieten dann eine detaillierte Erkl&auml;rung eine Pipeline die wir entwickelt haben, vor kurzem f&uuml;r das Konstruieren realistische Computermodellen der Herzen von hochaufl&ouml;sende strukturelle und Diffusion Tensor (DT) Magnetresonanz (MR) Bilder ex Vivo erworben. Die Pr&auml;sentation der Pipeline beinhaltet einen &Uuml;berblick &uuml;ber die Methoden, die verwendet werden k&ouml;nnen, um Modelle der kardialen Struktur zu rekonstruieren. In dieser Pipeline ist das strukturelle Bild aufgeteilt, um die Ventrikel und normalen Myokard Infarkt zu rekonstruieren. Ein finite-Elemente-Netz ist aus dem segmentierten strukturelle Abbild generiert und Faser Orientierungen sind die Elemente, die auf der Grundlage von DTMR Daten zugewiesen. Die Methoden wurden angewendet, um sieben verschiedene Modelle des gesunden und kranken Herzen zu konstruieren. Diese Modelle enthalten Millionen von Elementen mit einer r&auml;umlichen Aufl&ouml;sung in der Gr&ouml;&szlig;enordnung von Hunderten von Mikron, die noch nie dagewesene Detail in der Darstellung der kardialen Struktur f&uuml;r Simulationsstudien.

Image-basierte Modelle der kardialen Struktur in Gesundheit und Krankheit.

Approcci computazionali ad indagare l&#39;elettromeccanica di cuori sani e malati stanno diventando essenziali per la comprensione globale della funzione cardiaca. In questo articolo, vi presentiamo in primo luogo una breve rassegna delle esistenti basati su immagini modelli computazionali della struttura cardiaca. Forniamo quindi una spiegazione dettagliata di una pipeline di elaborazione che abbiamo recentemente sviluppato per la costruzione di diffusione tensoriale (DT) risonanza magnetica (MR) immagini acquisite ex vivo e realistici modelli computazionali del cuore da strutturali ad alta risoluzione. La presentazione della pipeline incorpora una revisione delle metodologie che possono essere utilizzati per ricostruire i modelli di struttura cardiaca. In questa pipeline, l&#39;immagine strutturale &egrave; segmentato per ricostruire i ventricoli, miocardio normale e infarto. Una mesh di elementi finiti &egrave; generata dall&#39;immagine segmentata strutturale, e gli orientamenti di fibra sono assegnati agli elementi sulla base dei dati DTMR. I metodi sono stati applicati per la costruzione di sette diversi modelli di cuori sani e malati. Questi modelli contengono milioni di elementi, con una risoluzione spaziale dell&#39;ordine di centinaia di micron, fornendo dettagli senza precedenti nella rappresentazione della struttura cardiaca per studi di simulazione.

Modelli basati su immagine della struttura cardiaca nella salute e nella malattia.

&#x5065;&#x5EB7;&#x3068;&#x75C5;&#x6C17;&#x306E;&#x5FC3;&#x306E;&#x30ED;&#x30DC;&#x30C6;&#x30A3;&#x30C3;&#x30AF;&#x30B9;&#x3092;&#x8ABF;&#x67FB;&#x3059;&#x308B;&#x8A08;&#x7B97;&#x306E;&#x30A2;&#x30D7;&#x30ED;&#x30FC;&#x30C1;&#x306F;&#x3001;&#x5FC3;&#x81D3;&#x6A5F;&#x80FD;&#x306E;&#x5305;&#x62EC;&#x7684;&#x306A;&#x7406;&#x89E3;&#x306E;&#x305F;&#x3081;&#x306B;&#x4E0D;&#x53EF;&#x6B20;&#x306B;&#x306A;&#x3063;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x3053;&#x306E;&#x8A18;&#x4E8B;&#x3067;&#x306F;&#x3001;&#x307E;&#x305A;&#x65E2;&#x5B58;&#x306E;&#x30A4;&#x30E1;&#x30FC;&#x30B8; &#x30D9;&#x30FC;&#x30B9;&#x306E;&#x8A08;&#x7B97;&#x30E2;&#x30C7;&#x30EB;&#x306E;&#x5FC3;&#x81D3;&#x306E;&#x69CB;&#x9020;&#x306B;&#x3064;&#x3044;&#x3066;&#x306E;&#x6982;&#x8981;&#x3092;&#x63D0;&#x793A;&#x3057;&#x307E;&#x3059;&#x3002;&#x305D;&#x306E;&#x5F8C;&#x306E;&#x9AD8;&#x5206;&#x89E3;&#x80FD;&#x69CB;&#x9020;&#x304B;&#x3089;&#x5FC3;&#x306E;&#x73FE;&#x5B9F;&#x7684;&#x306A;&#x8A08;&#x7B97;&#x30E2;&#x30C7;&#x30EB;&#x3068; ex vivo &#x8CB7;&#x53CE;&#x62E1;&#x6563;&#x30C6;&#x30F3;&#x30BD;&#x30EB; (DT) &#x78C1;&#x6C17;&#x5171;&#x9CF4; (MR) &#x753B;&#x50CF;&#x3092;&#x69CB;&#x7BC9;&#x3059;&#x308B;&#x305F;&#x3081;&#x6211;&#x3005; &#x304C;&#x6700;&#x8FD1;&#x958B;&#x767A;&#x3057;&#x305F;&#x51E6;&#x7406;&#x306E;&#x30D1;&#x30A4;&#x30D7;&#x30E9;&#x30A4;&#x30F3;&#x306E;&#x8A73;&#x7D30;&#x306A;&#x8AAC;&#x660E;&#x3092;&#x63D0;&#x4F9B;&#x3057;&#x307E;&#x3059;&#x3002;&#x30D1;&#x30A4;&#x30D7;&#x30E9;&#x30A4;&#x30F3;&#x306E;&#x30D7;&#x30EC;&#x30BC;&#x30F3;&#x30C6;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x5FC3;&#x81D3;&#x69CB;&#x9020;&#x306E;&#x30E2;&#x30C7;&#x30EB;&#x3092;&#x518D;&#x69CB;&#x7BC9;&#x3059;&#x308B;&#x305F;&#x3081;&#x306B;&#x4F7F;&#x7528;&#x3067;&#x304D;&#x308B;&#x65B9;&#x6CD5;&#x8AD6;&#x306E;&#x898B;&#x76F4;&#x3057;&#x304C;&#x7D44;&#x307F;&#x8FBC;&#x307E;&#x308C;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x3053;&#x306E;&#x30D1;&#x30A4;&#x30D7;&#x30E9;&#x30A4;&#x30F3;&#x3067;&#x306F;&#x3001;&#x69CB;&#x9020;&#x306E;&#x753B;&#x50CF;&#x306F;&#x5FC3;&#x5BA4;&#x3001;&#x6B63;&#x5E38;&#x5FC3;&#x7B4B;&#x6897;&#x585E;&#x3092;&#x518D;&#x69CB;&#x7BC9;&#x3059;&#x308B;&#x5206;&#x5272;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x6709;&#x9650;&#x8981;&#x7D20;&#x30E1;&#x30C3;&#x30B7;&#x30E5;&#x5206;&#x5272;&#x306E;&#x69CB;&#x9020;&#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x304B;&#x3089;&#x751F;&#x6210;&#x3055;&#x308C;&#x3001;&#x7E4A;&#x7DAD;&#x65B9;&#x5411; DTMR &#x30C7;&#x30FC;&#x30BF;&#x306B;&#x57FA;&#x3065;&#x304F;&#x8981;&#x7D20;&#x306B;&#x5272;&#x308A;&#x5F53;&#x3066;&#x3089;&#x308C;&#x307E;&#x3059;&#x3002;&#x30E1;&#x30BD;&#x30C3;&#x30C9;&#x306F; 7 &#x3064;&#x306E;&#x7570;&#x306A;&#x308B;&#x30E2;&#x30C7;&#x30EB;&#x306E;&#x5065;&#x5EB7;&#x3068;&#x75C5;&#x6C17;&#x306E;&#x5FC3;&#x306E;&#x69CB;&#x7BC9;&#x306B;&#x9069;&#x7528;&#x3055;&#x308C;&#x307E;&#x3057;&#x305F;&#x3002;&#x3053;&#x308C;&#x3089;&#x306E;&#x30E2;&#x30C7;&#x30EB;&#x306B;&#x306F;&#x7A7A;&#x9593;&#x89E3;&#x50CF;&#x5EA6;&#x304C;&#x6570;&#x767E;&#x30DF;&#x30AF;&#x30ED;&#x30F3;, &#x5FC3;&#x81D3;&#x69CB;&#x9020;&#x306E;&#x8868;&#x73FE;&#x3067;&#x524D;&#x4F8B;&#x306E;&#x306A;&#x3044;&#x8A73;&#x7D30;&#x3092;&#x63D0;&#x4F9B;&#x3059;&#x308B;&#x30B7;&#x30DF;&#x30E5;&#x30EC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x306E;&#x7814;&#x7A76;&#x306E;&#x305F;&#x3081;&#x306E;&#x9806;&#x5E8F;&#x3067;&#x306E;&#x8981;&#x7D20;&#x306E;&#x6570;&#x767E;&#x4E07;&#x4EBA;&#x304C;&#x542B;&#x307E;&#x308C;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;

&#x30A4;&#x30E1;&#x30FC;&#x30B8; &#x30D9;&#x30FC;&#x30B9;&#x306E;&#x30E2;&#x30C7;&#x30EB;&#x306E;&#x5065;&#x5EB7;&#x3068;&#x75C5;&#x6C17;&#x5FC3;&#x81D3;&#x306E;&#x69CB;&#x9020;&#x3002;

&#xAC74;&#xAC15; &#xD558; &#xACE0; &#xBCD1;&#xC5D0; &#xAC78;&#xB9B0; &#xB9C8;&#xC74C; electromechanics &#xC870;&#xC0AC; &#xC804;&#xC0B0; &#xC811;&#xADFC; &#xC2EC;&#xC7A5; &#xAE30;&#xB2A5;&#xC758; &#xD3EC;&#xAD04;&#xC801;&#xC778; &#xC774;&#xD574;&#xB97C; &#xC704;&#xD55C; &#xD544;&#xC218; &#xB418;&#xACE0;&#xC788;&#xB2E4;. &#xC774; &#xBB38;&#xC11C;&#xC5D0;&#xC11C; &#xC6B0;&#xB9AC;&#xB294; &#xBA3C;&#xC800; &#xC2EC;&#xC7A5; &#xAD6C;&#xC870;&#xC758; &#xAE30;&#xC874; &#xC774;&#xBBF8;&#xC9C0; &#xAE30;&#xBC18; &#xACC4;&#xC0B0; &#xBAA8;&#xB378;&#xC758; &#xAC04;&#xB7B5; &#xD55C; &#xAC80;&#xD1A0; &#xC81C;&#xC2DC;. &#xC6B0;&#xB9AC;&#xB294; &#xB2E4;&#xC74C; &#xACE0;&#xD574;&#xC0C1;&#xB3C4; &#xAD6C;&#xC870;&#xC5D0;&#xC11C; &#xC2EC;&#xC7A5;&#xC758; &#xD604;&#xC2E4;&#xC801;&#xC778; &#xACC4;&#xC0B0; &#xBAA8;&#xB378;&#xACFC; &#xBE44;&#xBCF4; &#xC804; &#xC778;&#xC218; &#xD655;&#xC0B0; &#xD150;&#xC11C; (DT) &#xC790;&#xAE30; &#xACF5;&#xBA85; (MR) &#xC774;&#xBBF8;&#xC9C0;&#xB97C; &#xC0DD;&#xC131; &#xD558;&#xB294; &#xB370; &#xC6B0;&#xB9AC;&#xB294; &#xCD5C;&#xADFC;&#xC5D0; &#xAC1C;&#xBC1C; &#xD558;&#xB294; &#xCC98;&#xB9AC; &#xD30C;&#xC774;&#xD504;&#xB77C;&#xC778;&#xC5D0; &#xB300; &#xD55C; &#xC790;&#xC138;&#xD55C; &#xC124;&#xBA85;&#xC744; &#xC81C;&#xACF5; &#xD569;&#xB2C8;&#xB2E4;. &#xD30C;&#xC774;&#xD504;&#xB77C;&#xC778;&#xC758; &#xD504;&#xB808; &#xC820; &#xD14C;&#xC774; &#xC158; &#xD1B5;&#xD569; &#xBAA8;&#xB378;&#xC758; &#xC2EC;&#xC7A5; &#xAD6C;&#xC870;&#xB97C; &#xC7AC;&#xAD6C;&#xC131; &#xD558;&#xB294; &#xBC29;&#xBC95;&#xB860;&#xC758; &#xAC80;&#xD1A0;. &#xC774; &#xD30C;&#xC774;&#xD504;&#xB77C;&#xC778; &#xAD6C;&#xC870; &#xC774;&#xBBF8;&#xC9C0; &#xC2EC;, &#xC815;&#xC0C1;&#xC801;&#xC778; &#xC2EC;&#xADFC; &#xACBD;&#xC0C9; &#xC7AC;&#xAD6C;&#xC131; &#xD558; &#xC138;&#xADF8;&#xBA3C;&#xD2B8;&#xC785;&#xB2C8;&#xB2E4;. &#xC138;&#xADF8;&#xBA3C;&#xD2B8; &#xAD6C;&#xC870; &#xC774;&#xBBF8;&#xC9C0;&#xC5D0;&#xC11C; &#xC720;&#xD55C; &#xC694;&#xC18C; &#xBA54;&#xC26C; &#xC0DD;&#xC131; &#xBC0F; &#xC12C;&#xC720; &#xBC29;&#xD5A5; DTMR &#xB370;&#xC774;&#xD130;&#xB97C; &#xAE30;&#xBC18;&#xC73C;&#xB85C; &#xC694;&#xC18C;&#xC5D0; &#xD560;&#xB2F9; &#xB429;&#xB2C8;&#xB2E4;. &#xBA54;&#xC11C;&#xB4DC;&#xB294; &#xAC74;&#xAC15; &#xD558; &#xACE0; &#xBCD1;&#xC5D0; &#xAC78;&#xB9B0; &#xB9C8;&#xC74C;&#xC758; 7 &#xAC00;&#xC9C0; &#xBAA8;&#xB378; &#xAD6C;&#xC131;&#xC5D0; &#xC801;&#xC6A9; &#xD588;&#xB2E4;. &#xC774;&#xB7EC;&#xD55C; &#xBAA8;&#xB378; &#xC218;&#xBC31;&#xB9CC;&#xC758; &#xC218;&#xBC31; &#xBBF8;&#xD06C;&#xB860;, &#xC2DC;&#xBBAC;&#xB808;&#xC774;&#xC158; &#xC5F0;&#xAD6C;&#xB97C; &#xC704;&#xD55C; &#xC2EC;&#xC7A5; &#xAD6C;&#xC870;&#xC758; &#xD45C;&#xD604;&#xC5D0; &#xC804;&#xB840; &#xC5C6;&#xB294; &#xC815;&#xBC00;&#xB3C4; &#xC81C;&#xACF5; &#xD558; &#xACE0; &#xC21C;&#xC11C;&#xC5D0; &#xB530;&#xB77C; &#xACF5;&#xAC04; &#xD574;&#xC0C1;&#xB3C4; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xC694;&#xC18C;&#xB97C; &#xD3EC;&#xD568; &#xD569;&#xB2C8;&#xB2E4;.

&#xAC74;&#xAC15;&#xACFC; &#xC9C8;&#xBCD1;&#xC5D0; &#xC2EC;&#xC7A5; &#xAD6C;&#xC870;&#xC758; &#xC774;&#xBBF8;&#xC9C0; &#xAE30;&#xBC18; &#xBAA8;&#xB378;.

Enfoques computacionales para investigar la electromec&aacute;nica de corazones sanos y enfermos se est&aacute;n convirtiendo en esenciales para la comprensi&oacute;n integral de la funci&oacute;n cardiaca. En este art&iacute;culo, primero presentamos una breve revisi&oacute;n de los actuales modelos computacionales basadas en im&aacute;genes de estructura cardiaca. Nosotros proveeremos una explicaci&oacute;n detallada de una canalizaci&oacute;n de procesamiento que hemos desarrollado recientemente para la construcci&oacute;n de modelos computacionales realistas del coraz&oacute;n de alta resoluci&oacute;n estructural e im&aacute;genes de resonancia magn&eacute;tica (RM) de tensor (DT) de difusi&oacute;n adquiridas ex vivo. La presentaci&oacute;n de la tuber&iacute;a incorpora una revisi&oacute;n de las metodolog&iacute;as que pueden utilizarse para reconstruir modelos de estructura cardiaca. En este gasoducto, la imagen estructural est&aacute; segmentada para reconstruir los ventr&iacute;culos, el miocardio normal y el infarto. Se genera una malla de elementos finitos de la imagen estructural segmentada y orientaciones de la fibra se asignan a los elementos con base en datos DTMR. Se aplicaron los m&eacute;todos para construir siete modelos diferentes de corazones sanos y enfermos. Estos modelos contienen millones de elementos, con resoluciones espaciales en el orden de cientos de micras, proporcionando detalles sin precedentes en la representaci&oacute;n de la estructura cardiaca para estudios de simulaci&oacute;n.

Basado en im&aacute;genes modelos de estructura cardiaca en salud y enfermedad.

&#x60A3;&#x8005;&#x56FA;&#x6709;&#x30B7;&#x30DF;&#x30E5;&#x30EC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x306E;&#x5FC3;&#x81D3;&#x6CBB;&#x7642;&#x30D1;&#x30FC;&#x30BD;&#x30CA;&#x30E9;&#x30A4;&#x30BA;&#x3092;&#x76EE;&#x6307;&#x3057;&#x305F;&#x5FC3;&#x81D3; (dys) &#x6A5F;&#x80FD;&#x306E;&#x81E8;&#x5E8A;&#x7684;&#x306B;&#x5FC3;&#x7B4B;&#x306E;&#x7E4A;&#x7DAD;&#x65B9;&#x5411;&#x3092;&#x53D6;&#x5F97;&#x3059;&#x308B;&#x305F;&#x3081;&#x306E; in vivo &#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x30F3;&#x30B0;&#x6280;&#x8853;&#x306E;&#x6B20;&#x5982;&#x306B;&#x3088;&#x3063;&#x3066;&#x59A8;&#x3052;&#x306B;&#x306A;&#x3063;&#x3066;&#x304F;&#x3060;&#x3055;&#x3044;&#x3002;&#x672C;&#x7814;&#x7A76;&#x3067;&#x306F;, &#x4E0E;&#x3048;&#x3089;&#x308C;&#x305F;&#x5FC3;&#x3068;&#x30A2;&#x30C8;&#x30E9;&#x30B9;&#x306E;&#x5F62;&#x72B6;&#x306B;&#x5FCD;&#x8010;&#x306E;&#x5FC3;&#x306E;&#x5FC3;&#x5BA4;&#x306E;&#x7E4A;&#x7DAD;&#x65B9;&#x5411;&#x3092;&#x4E88;&#x6E2C;&#x3059;&#x308B;&#x65B9;&#x6CD5;&#x8AD6;&#x3092;&#x958B;&#x767A;&#x3057;&#x307E;&#x3059;&#x3002;&#x6211;&#x3005; &#x306F;&#x3001;&#x65B9;&#x6CD5;&#x8AD6;&#x6210;&#x679C;&#x3067;&#x666E;&#x901A;&#x306E;&#x96FB;&#x6C17;&#x751F;&#x7406;&#x5B66;&#x7684;&#x30B7;&#x30DF;&#x30E5;&#x30EC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x306E;&#x63A8;&#x5B9A;&#x8AA4;&#x5DEE;&#x306E;&#x5F71;&#x97FF;&#x3092;&#x5B9A;&#x91CF;&#x5316;&#x3057;&#x3001;&#x4E0D;&#x5168;&#x72AC;&#x5FC3;&#x3067;&#x63A8;&#x5B9A;&#x7E4A;&#x7DAD;&#x65B9;&#x5411;&#x6E2C;&#x5B9A;&#x3055;&#x308C;&#x305F;&#x3082;&#x306E;&#x3068;&#x6BD4;&#x8F03;&#x3059;&#x308B;&#x3053;&#x3068;&#x306B;&#x3088;&#x308A;&#x30C6;&#x30B9;&#x30C8;&#x3057;&#x307E;&#x3059;&#x3002;&#x30D7;&#x30ED;&#x30B8;&#x30A7;&#x30AF;&#x30C8;&#x304B;&#x3089;&#x5F97;&#x3089;&#x308C;&#x308B;&#x65B0;&#x305F;&#x306A;&#x6D1E;&#x5BDF;&#x533B;&#x5E2B;&#x30D1;&#x30FC;&#x30BD;&#x30CA;&#x30E9;&#x30A4;&#x30BA;&#x3055;&#x308C;&#x305F;&#x8A3A;&#x65AD;&#x3068;&#x96FB;&#x6C17;&#x751F;&#x7406;&#x5B66;&#x7684;&#x4ECB;&#x5165;&#x306B;&#x95A2;&#x3059;&#x308B;&#x6C7A;&#x5B9A;&#x3067;&#x52A9;&#x3051;&#x308B;&#x3053;&#x3068;&#x304C;&#x3067;&#x304D;&#x308B;&#x5FC3;&#x81D3;&#x306E;&#x60A3;&#x8005;&#x56FA;&#x6709;&#x306E;&#x30E2;&#x30C7;&#x30EB;&#x306E;&#x958B;&#x767A;&#x304C;&#x9053;&#x3068;&#x306A;&#x308A;&#x307E;&#x3059;&#x3002;

&#x30A4;&#x30E1;&#x30FC;&#x30B8; &#x30D9;&#x30FC;&#x30B9;&#x63A8;&#x5B9A;&#x5FC3;&#x5BA4;&#x306E;&#x7E4A;&#x7DAD;&#x65B9;&#x5411;&#x60A3;&#x8005;&#x56FA;&#x6709;&#x306E;&#x30B7;&#x30DF;&#x30E5;&#x30EC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x306E;&#x305F;&#x3081;&#x306E;&#x3002;

&#x5FC3; (dys) &#x529F;&#x80FD;&#x65E8;&#x5728;&#x4F7F;&#x4E2A;&#x6027;&#x5316;&#x5FC3;&#x810F;&#x6CBB;&#x7597;&#x75C5;&#x4EBA;&#x7279;&#x5B9A;&#x6A21;&#x62DF;&#x53D7;&#x5230;&#x4F53;&#x5185;&#x6210;&#x50CF;&#x6280;&#x672F;&#x7684;&#x4E34;&#x5E8A;&#x83B7;&#x5F97;&#x5FC3;&#x808C;&#x7EA4;&#x7EF4;&#x65B9;&#x5411;&#x6CA1;&#x6709;&#x3002;&#x5728;&#x8FD9;&#x4E2A;&#x7814;&#x7A76;&#x4E2D;&#xFF0C;&#x6211;&#x4EEC;&#x5236;&#x5B9A;&#x4E00;&#x79CD;&#x65B9;&#x6CD5;&#x6765;&#x9884;&#x6D4B;&#x5FC3;&#x5BA4;&#x7EA4;&#x7EF4;&#x65B9;&#x5411;&#x7684;&#x75C5;&#x4EBA;&#x7684;&#x5FC3;&#x810F;&#xFF0C;&#x7531;&#x4E8E;&#x5FC3;&#x810F;&#x548C; atlas &#x7684;&#x51E0;&#x4F55;&#x3002;&#x6211;&#x4EEC;&#x6D4B;&#x8BD5;&#x65B9;&#x6CD5;&#xFF0C;&#x901A;&#x8FC7;&#x6BD4;&#x8F83;&#x4E0E;&#x6D4B;&#x91CF;&#x7684;&#x4F30;&#x8BA1;&#x7684;&#x7EA4;&#x7EF4;&#x65B9;&#x5411;&#x548C;&#x91CF;&#x5316;&#x4F30;&#x8BA1;&#x8BEF;&#x5DEE;&#x5BF9;&#x7ED3;&#x679C;&#x7535;&#x751F;&#x7406;&#x6A21;&#x62DF;&#x65B9;&#x6CD5;&#xFF0C;&#x5728;&#x6B63;&#x5E38;&#x548C;&#x6545;&#x969C;&#x72AC;&#x5FC3;&#x3002;&#x4ECE;&#x9879;&#x76EE;&#x4E2D;&#x83B7;&#x5F97;&#x7684;&#x65B0;&#x7684;&#x89C1;&#x89E3;&#x5C06;&#x75C5;&#x4EBA;&#x7279;&#x5B9A;&#x6A21;&#x578B;&#x7684;&#x5FC3;&#x810F;&#xFF0C;&#x53EF;&#x4EE5;&#x5E2E;&#x52A9;&#x4E2A;&#x6027;&#x5316;&#x7684;&#x8BCA;&#x65AD;&#x548C;&#x7535;&#x751F;&#x7406;&#x5E72;&#x9884;&#x63AA;&#x65BD;&#x6709;&#x5173;&#x7684;&#x51B3;&#x5B9A;&#xFF0C;&#x533B;&#x751F;&#x7684;&#x53D1;&#x5C55;&#x94FA;&#x5E73;&#x9053;&#x8DEF;&#x3002;

&#x57FA;&#x4E8E;&#x56FE;&#x50CF;&#x7684;&#x4F30;&#x8BA1;&#x75C5;&#x4EBA;&#x7279;&#x5B9A;&#x6A21;&#x62DF;&#x5FC3;&#x5BA4;&#x7EA4;&#x7EF4;&#x65B9;&#x5411;&#x3002;

Patient-specific simulation of heart (dys)function aimed at personalizing cardiac therapy are hampered by the absence of in vivo imaging technology for clinically acquiring myocardial fiber orientations. In this research, we develop a methodology to predict ventricular fiber orientations of a patient heart, given the geometry of the heart and an atlas. We test the methodology by comparing the estimated fiber orientations with measured ones, and by quantifying the effect of the estimation error on outcomes of electrophysiological simulations, in normal and failing canine hearts. The new insights obtained from the project will pave the way for the development of patient-specific models of the heart that can aid physicians in personalized diagnosis and decisions regarding electrophysiological interventions.

Image-based estimation of ventricular fiber orientations for patient-specific simulations.

Simulation ax&eacute;e sur le patient de la fonction cardiaque (dys) vise &agrave; personnaliser le traitement cardiaque sont g&ecirc;n&eacute;s par l&#39;absence de technologie de l&#39;imagerie in vivo pour acqu&eacute;rir cliniquement des orientations des fibres myocardiques. Dans cette recherche, nous d&eacute;veloppons une m&eacute;thodologie afin de pr&eacute;dire les orientations de fibres ventriculaires d&#39;un patient cardiaque, compte tenu de la g&eacute;om&eacute;trie du c&oelig;ur et un atlas. Nous testons la m&eacute;thodologie en comparant les orientations fibre estim&eacute;s avec celles mesur&eacute;es et de quantification de l&#39;effet de l&#39;erreur d&#39;estimation sur les r&eacute;sultats de simulations &eacute;lectrophysiologiques, dans des conditions normales et &agrave; d&eacute;faut de coeur canin. Les nouvelles connaissances obtenues par le projet ouvrira la voie pour le d&eacute;veloppement de mod&egrave;les sp&eacute;cifiques au patient du c&oelig;ur qui peuvent aider les m&eacute;decins dans le diagnostic personnalis&eacute; et les d&eacute;cisions concernant les interventions &eacute;lectrophysiologiques.

Estimation bas&eacute;e sur image d&#39;orientations de fibres ventriculaires pour des simulations sp&eacute;cifiques au patient.

Patientenspezifische Simulation der Herzfunktion (Dys) zur Personalisierung von kardialen Therapie werden behindert, durch das Fehlen einer in-vivo imaging-Technologie f&uuml;r den Erwerb der klinisch myokardialen Faser Orientierungen. In dieser Forschung entwickeln wir eine Methodik zur ventrikul&auml;re Faser Ausrichtungen eines Patienten Herzens Vorhersage gegeben die Geometrie des Herzens und einen Atlas. Wir testen die Methodik, durch den Vergleich der gesch&auml;tzten Faser-Orientierungen mit gemessenen und Quantifizierung der Auswirkungen des Fehlers Sch&auml;tzung auf Ergebnisse von elektrophysiologischen Simulationen, in normalen und in Ermangelung eckzahn Herzen. Die neue Erkenntnisse aus dem Projekt gewonnen werden den Weg f&uuml;r die Entwicklung der Patienten-spezifischen Modelle des Herzens ebnen, die &Auml;rzte und personalisierte Diagnostik und &uuml;ber elektrophysiologische Interventionen unterst&uuml;tzen k&ouml;nnen.

Image-basierte Sch&auml;tzung der ventrikul&auml;ren Faser Orientierungen f&uuml;r die patientenspezifische Simulationen.

Simulazione del paziente-specifici della funzione cardiaca (dis) volti a personalizzare la terapia cardiaca sono ostacolati dalla mancanza di tecnologia di imaging in vivo per clinicamente acquisendo orientamenti fibra miocardica. In questa ricerca, sviluppiamo una metodologia per prevedere gli orientamenti fibra ventricolare del cuore paziente, data la geometria del cuore e un Atlante. Testiamo la metodologia confrontando gli orientamenti fibra stimato con quelli misurati e di quantificare l&#39;effetto dell&#39;errore di stima sui risultati delle simulazioni elettrofisiologici, in condizioni normali e in mancanza di cuori canino. Le nuove intuizioni ottenute dal progetto spianer&agrave; la strada per lo sviluppo di modelli specifici del paziente del cuore che possono aiutare i medici nella diagnosi personalizzata e le decisioni per quanto riguarda gli interventi elettrofisiologici.

Stima basata su immagine di orientamenti fibra ventricolare per simulazioni di paziente-specifici.

&#xC2EC;&#xC7A5; (dys) &#xAE30;&#xB2A5;&#xC744; &#xACA8;&#xB0E5; &#xD55C; &#xB9DE;&#xCDA4; &#xC2EC;&#xC7A5; &#xCE58;&#xB8CC;&#xC758; &#xD658;&#xC790; &#xAD00;&#xB828; &#xC2DC;&#xBBAC;&#xB808;&#xC774;&#xC158; &#xC784;&#xC0C1;&#xC801;&#xC73C;&#xB85C; &#xC2EC;&#xADFC; &#xC12C;&#xC720; &#xBC29;&#xD5A5; &#xD68D;&#xB4DD;&#xC744; &#xC704;&#xD55C; &#xC0DD;&#xCCB4; &#xC870;&#xAC74; &#xC774;&#xBBF8;&#xC9D5; &#xAE30;&#xC220;&#xC758; &#xBD80;&#xC7AC;&#xC5D0; &#xC758;&#xD574; &#xBC29;&#xD574; &#xB429;&#xB2C8;&#xB2E4;. &#xC774; &#xC5F0;&#xAD6C;&#xC5D0;&#xC11C; &#xC6B0;&#xB9AC;&#xB294; &#xB9C8;&#xC74C;&#xACFC; &#xC544;&#xD2C0;&#xB77C;&#xC2A4;&#xC758; &#xD615;&#xC0C1;&#xC744; &#xC8FC;&#xC5B4; &#xD658;&#xC790; &#xC2EC;&#xC7A5;&#xC758; &#xC2EC; &#xC2E4; &#xC12C;&#xC720; &#xBC29;&#xD5A5;&#xC744; &#xC608;&#xCE21; &#xD558;&#xB294; &#xBC29;&#xBC95;&#xC744; &#xAC1C;&#xBC1C; &#xD55C;&#xB2E4;. &#xC6B0;&#xB9AC;&#xB294; &#xC608;&#xC0C1;&#xB41C; &#xC12C;&#xC720; &#xBC29;&#xD5A5; &#xCE21;&#xC815; &#xB41C; &#xAC83; &#xB4E4;&#xACFC; &#xBE44;&#xAD50; &#xD558; &#xC5EC; &#xACE0; &#xAC1C; &#xB9C8;&#xC74C; &#xC2E4;&#xD328; &#xD558; &#xACE0; &#xAE30;&#xBCF8;&#xC5D0;&#xC11C; electrophysiological &#xC2DC;&#xBBAC;&#xB808;&#xC774;&#xC158;&#xC758; &#xACB0;&#xACFC;&#xC5D0; &#xCD94;&#xC815; &#xC624;&#xB958;&#xC758; &#xD6A8;&#xACFC; &#xCE21;&#xC815; &#xD558; &#xC5EC; &#xBC29;&#xBC95;&#xB860;&#xC744; &#xD14C;&#xC2A4;&#xD2B8; &#xD569;&#xB2C8;&#xB2E4;. &#xD504;&#xB85C;&#xC81D;&#xD2B8;&#xC5D0;&#xC11C; &#xC5BB;&#xC740; &#xC0C8;&#xB85C;&#xC6B4; &#xD1B5;&#xCC30;&#xB825; &#xC758;&#xC0AC; &#xB9DE;&#xCDA4; &#xC9C4;&#xB2E8;&#xACFC; electrophysiological &#xAC1C;&#xC785;&#xC5D0; &#xAD00;&#xD55C; &#xACB0;&#xC815;&#xC5D0; &#xB3C4;&#xC6C0;&#xC774; &#xC218; &#xC788;&#xB294; &#xC2EC;&#xC7A5;&#xC758; &#xD658;&#xC790; &#xAD00;&#xB828; &#xBAA8;&#xB378; &#xAC1C;&#xBC1C;&#xC744; &#xC704;&#xD55C; &#xAE38;&#xC744; &#xB2E6;&#xC740; &#xAC83; &#xC774;&#xB2E4;.

&#xC774;&#xBBF8;&#xC9C0; &#xAE30;&#xBC18; &#xCD94;&#xC815; &#xD658;&#xC790; &#xAD00;&#xB828; &#xC2DC;&#xBBAC;&#xB808;&#xC774;&#xC158;&#xC5D0; &#xB300; &#xD55C; &#xC2EC; &#xC2E4; &#xC12C;&#xC720; &#xBC29;&#xD5A5;.

Espec&iacute;fico para cada paciente simulaci&oacute;n de la funci&oacute;n del coraz&oacute;n (DIS) para personalizar la terapia cardiaca se ven obstaculizados por la ausencia de tecnolog&iacute;a de imagen in vivo para adquirir cl&iacute;nicamente las orientaciones de la fibra mioc&aacute;rdica. En esta investigaci&oacute;n, desarrollamos una metodolog&iacute;a para predecir las orientaciones de la fibra ventricular de un coraz&oacute;n paciente, dada la geometr&iacute;a del coraz&oacute;n y un atlas. Probamos la metodolog&iacute;a comparando las orientaciones de fibra aproximadamente unas medidas y cuantificar el efecto del error de estimaci&oacute;n sobre los resultados de las simulaciones electrofisiol&oacute;gicos, en condiciones normales y no corazones canina. La nueva informaci&oacute;n obtenida con el proyecto allanar&aacute; el camino para el desarrollo de modelos paciente-espec&iacute;ficos del coraz&oacute;n que puede ayudar a los m&eacute;dicos en diagn&oacute;stico personalizado y las decisiones sobre las intervenciones electrofisiol&oacute;gicas.

Estimaci&oacute;n basada en im&aacute;genes de orientaciones de la fibra ventricular para simulaciones espec&iacute;fico para cada paciente.

&#x6280;&#x672F;&#x9650;&#x5236;&#x75C5;&#x4EBA;&#x7279;&#x5B9A;&#x5EFA;&#x6A21; (dys) &#x5FC3;&#x529F;&#x80FD;&#x7684;&#x5FC3;&#x808C;&#x7EA4;&#x7EF4;&#x53D6;&#x5411;&#x7684;&#x91C7;&#x96C6;&#x548C;&#x8BC4;&#x4F30;&#x6CBB;&#x7597;&#x7684;&#x4E00;&#x4E2A;&#x4E3B;&#x8981;&#x6311;&#x6218;&#x3002;&#x8FD9;&#x4E00;&#x9879;&#x76EE;&#x7684;&#x76EE;&#x6807;&#x662F;&#x5236;&#x5B9A;&#x4E00;&#x79CD;&#x65B9;&#x6CD5;&#x6765;&#x4F30;&#x8BA1;&#x5FC3;&#x810F;&#x7EA4;&#x7EF4;&#x65B9;&#x5411;&#x4ECE;&#x4F53;&#x5185;&#x56FE;&#x50CF;&#x7684;&#x60A3;&#x8005;&#x5FC3;&#x51E0;&#x4F55;&#x56FE;&#x5F62;&#x3002;&#x5206;&#x522B;&#x662F;&#x4ECE; ex &#x4F53;&#x5185;&#x7ED3;&#x6784;&#x78C1;&#x5171;&#x632F; (MR) &#x548C;&#x6B63;&#x5E38;&#x4EBA;&#x7684;&#x5FC3;&#x810F;&#xFF0C;&#x79F0;&#x4E3A; atlas &#x7684;&#x6269;&#x6563;&#x5F20;&#x91CF; (DT) MR &#x56FE;&#x50CF;&#x7684;&#x9AD8;&#x5206;&#x8FA8;&#x7387;&#x91CD;&#x5EFA;&#x51C6;&#x786E;&#x5730;&#x8868;&#x8FBE;&#x4E86;&#x5FC3;&#x5BA4;&#x51E0;&#x4F55;&#x548C;&#x7EA4;&#x7EF4;&#x7684;&#x53D1;&#x5C55;&#x65B9;&#x5411;&#x3002;&#x901A;&#x8FC7;&#x534A;&#x81EA;&#x52A8;&#x5206;&#x5272;&#xFF0C;&#x4ECE;&#x4F53;&#x5185;&#x7684;&#x8BA1;&#x7B97;&#x673A;&#x65AD;&#x5C42;&#x626B;&#x63CF; (CT) &#x56FE;&#x50CF;&#xFF0C;&#x63D0;&#x53D6;&#x7684;&#x75C5;&#x4EBA;&#x5FC3;&#x810F;&#x5FC3;&#x5BA4;&#x51E0;&#x4F55;&#x3002;&#x4F7F;&#x7528;&#x56FE;&#x50CF;&#x8F6C;&#x6362;&#x7B97;&#x6CD5;&#xFF0C;atlas &#x5FC3;&#x5BA4;&#x51E0;&#x4F55;&#x88AB;&#x7578;&#x5F62;&#x7684;&#x75C5;&#x4EBA;&#xFF0C;&#x4EE5;&#x5339;&#x914D;&#x3002;&#x6700;&#x540E;&#xFF0C;&#x5F62;&#x53D8;&#x573A;&#x88AB;&#x5E94;&#x7528;&#x5230; atlas &#x7EA4;&#x7EF4;&#x65B9;&#x5411;&#xFF0C;&#x4EE5;&#x83B7;&#x53D6;&#x75C5;&#x4EBA;&#x7EA4;&#x7EF4;&#x65B9;&#x5411;&#x7684;&#x4F30;&#x8BA1;&#x3002;&#x4F7F;&#x7528;&#x516D;&#x4E2A;&#x6B63;&#x5E38;&#x548C;&#x6545;&#x969C;&#x72AC;&#x5FC3;&#x4E09;&#x7EA4;&#x7EF4;&#x4F30;&#x8BA1;&#x7684;&#x51C6;&#x786E;&#x6027;&#x8FDB;&#x884C;&#x4E86;&#x8BC4;&#x4F30;&#x3002;15.4 &deg; &#x503E;&#x89D2;&#x7684;&#x83B7;&#x5F97;&#x6027;&#x548C;&#x4F30;&#x8BA1;&#x7684;&#x7EA4;&#x7EF4;&#x65B9;&#x5411;&#x7684;&#x5E73;&#x5747;&#x7EDD;&#x5BF9;&#x5DEE;&#x989D;&#x3002;&#x8BA1;&#x7B97;&#x6A21;&#x62DF;&#x5FC3;&#x5BA4;&#x6FC0;&#x6D3B;&#x5730;&#x56FE;&#x548C;&#x4F2A;&#x5FC3;&#x7535;&#x56FE;&#x7AA6;&#x6027;&#x5FC3;&#x5F8B;&#x53CA;&#x5BA4;&#x6027;&#x5FC3;&#x52A8;&#x8FC7;&#x901F;&#x7684;&#x8868;&#x793A;&#x5728;&#x4E34;&#x5E8A;&#x4E0A;&#x53EF;&#x89C2;&#x5BDF;&#x5230;&#x4E00;&#x7EA7;&#x7684;&#x4F30;&#x8BA1;&#x548C;&#x83B7;&#x5F97;&#x6027;&#x7EA4;&#x7EF4;&#x65B9;&#x5411;&#x4E4B;&#x95F4;&#x6CA1;&#x6709;&#x663E;&#x8457;&#x5DEE;&#x5F02;&#x3002;

&#x57FA;&#x4E8E;&#x56FE;&#x50CF;&#x7684;&#x4F30;&#x8BA1;&#x7684;&#x5FC3;&#x5BA4;&#x7EA4;&#x7EF4;&#x65B9;&#x5411;&#x7684;&#x4E2A;&#x6027;&#x5316;&#x5EFA;&#x6A21;&#x7684;&#x5FC3;&#x810F;&#x7535;&#x751F;&#x7406;&#x68C0;&#x67E5;&#x3002;

Technological limitations pose a major challenge to acquisition of myocardial fiber orientations for patient-specific modeling of cardiac (dys)function and assessment of therapy. The objective of this project was to develop a methodology to estimate cardiac fiber orientations from in vivo images of patient heart geometries. An accurate representation of ventricular geometry and fiber orientations was reconstructed, respectively, from high-resolution ex vivo structural magnetic resonance (MR) and diffusion tensor (DT) MR images of a normal human heart, referred to as the atlas. Ventricular geometry of a patient heart was extracted, via semiautomatic segmentation, from an in vivo computed tomography (CT) image. Using image transformation algorithms, the atlas ventricular geometry was deformed to match that of the patient. Finally, the deformation field was applied to the atlas fiber orientations to obtain an estimate of patient fiber orientations. The accuracy of the fiber estimates was assessed using six normal and three failing canine hearts. The mean absolute difference between inclination angles of acquired and estimated fiber orientations was 15.4Â°. Computational simulations of ventricular activation maps and pseudo-ECGs in sinus rhythm and ventricular tachycardia indicated that there are no significant differences between estimated and acquired fiber orientations at a clinically observable level.

Image-based estimation of ventricular fiber orientations for personalized modeling of cardiac electrophysiology.

Limites technologiques posent un d&eacute;fi majeur pour l&#39;acquisition des orientations de la fibre myocardique pour la mod&eacute;lisation de la fonction cardiaque (dys) sp&eacute;cifique au patient et l&#39;&eacute;valuation de la th&eacute;rapie. L&#39;objectif de ce projet &eacute;tait de d&eacute;velopper une m&eacute;thodologie pour estimer les orientations de la fibre cardiaque d&#39;images in vivo de g&eacute;om&eacute;tries de patients cardiaques. Une repr&eacute;sentation exacte des orientations ventriculaires de g&eacute;om&eacute;trie et de la fibre a &eacute;t&eacute; reconstruite, respectivement, de haute r&eacute;solution ex vivo structurelle par r&eacute;sonance magn&eacute;tique (RM) et diffusion tensor (DT) M. images d&#39;un c&oelig;ur humain normal, d&eacute;nomm&eacute; l&#39;atlas. La g&eacute;om&eacute;trie d&#39;un patient cardiaque ventriculaire a &eacute;t&eacute; extrait, par l&#39;interm&eacute;diaire de segmentation semi-automatique, d&#39;une image in vivo de la tomodensitom&eacute;trie (TDM). &Agrave; l&#39;aide d&#39;algorithmes de transformation d&#39;images, la g&eacute;om&eacute;trie ventriculaire de l&#39;atlas a &eacute;t&eacute; d&eacute;form&eacute;e pour correspondre &agrave; celle du patient. Enfin, le champ de d&eacute;formation a &eacute;t&eacute; appliqu&eacute; aux orientations pour obtenir une estimation des orientations des patients fibre fibre atlas. L&#39;exactitude des estimations des fibre a &eacute;t&eacute; &eacute;valu&eacute;e &agrave; l&#39;aide de six normal et trois faute de coeur canin. La moyenne absolue de la diff&eacute;rence entre les angles d&#39;inclinaison des orientations fibre acquises et estim&eacute;e &eacute;tait de 15,4 &deg;. Les simulations informatiques des cartes d&#39;activation ventriculaire et pseudo-ECG en rythme sinusal et tachycardie ventriculaire a indiqu&eacute; qu&#39;il n&#39;y a aucune diff&eacute;rence significative entre orientations fibre estim&eacute;s et acquise &agrave; un niveau cliniquement observable.

Imageur estimation des orientations de fibres ventriculaires de mod&eacute;lisation personnalis&eacute;e de l&#39;&eacute;lectrophysiologie cardiaque.

Technologische Grenzen stellen eine gro&szlig;e Herausforderung f&uuml;r den Erwerb der myokardialen Faser Orientierungen f&uuml;r die Patienten-spezifischen Modellierung der Herz-(Dys) Funktion und Bewertung der Therapie. Ziel dieses Projektes war, eine Methodik um kardiale Faser Orientierungen von in-vivo-Images geduldig Herz Geometrien zu sch&auml;tzen. Eine genaue Darstellung der ventrikul&auml;ren Geometrie und Faser-Orientierungen wurde von hochaufl&ouml;senden ex Vivo strukturelle Magnetresonanz (MR) und Diffusion Tensor (DT) Herr Bilder eines normalen menschlichen Herzens, als Atlas bezeichnet rekonstruiert. Ventrikul&auml;re Geometrie eines Patienten Herzens extrahiert wurde, &uuml;ber halbautomatische Segmentierung, aus einem in-vivo-Computertomographie (CT)-Bild. Mit Bild-Transformationsalgorithmen, wurde die Atlas ventrikul&auml;re Geometrie verformt, des Patienten entspricht. Schlie&szlig;lich wurde das Verformung-Feld auf der Atlas-Faser-Orientierungen zur eine Sch&auml;tzung der Patient Faser Orientierungen zu erhalten angewendet. Die Genauigkeit der Sch&auml;tzungen der Faser wurde bewertet mit sechs Normal und drei eckzahn Herz versagt. Die mittlere absolute Differenz zwischen Neigung Winkel der erworbenen und gesch&auml;tzte Faser Orientierungen betrug 15,4 &deg;. Computational Simulationen von ventrikul&auml;ren Aktivierung Karten und Pseudo-EKGs in Sinusrhythmus und ventrikul&auml;ren Tachykardien erkl&auml;rt, gibt es keine signifikanten Unterschiede zwischen gesch&auml;tzten und erworbenen Faser Ausrichtungen auf klinisch beobachtbaren Ebene.

Image-basierte Sch&auml;tzung der ventrikul&auml;ren Faser Leitlinien f&uuml;r personalisierte Modellierung der kardialen Elektrophysiologie.

Limitazioni tecnologiche pongono una sfida importante per l&#39;acquisizione di orientamenti fibra miocardica per la modellazione del paziente-specifici della funzione cardiaca (dis) e valutazione della terapia. L&#39;obiettivo di questo progetto era quello di sviluppare una metodologia per stimare gli orientamenti fibra cardiaca da immagini in vivo delle geometrie di cuore paziente. Una rappresentazione accurata di orientamenti di geometria e fibra ventricolare &egrave; stata ricostruita, rispettivamente, dall&#39;alta risoluzione ex vivo strutturali risonanza magnetica (MR) e diffusion tensor (DT) Signor immagini di un cuore umano normale, indicato come l&#39;Atlante. Geometria ventricolare del cuore paziente &egrave; stata estratta, tramite segmentazione semiautomatica, da un&#39;immagine in vivo e la tomografia computerizzata (CT). Utilizzando algoritmi di trasformazione dell&#39;immagine, la geometria ventricolare Atlante &egrave; stata deformata per corrispondere a quello del paziente. Infine, il campo di deformazione &egrave; stato applicato per gli orientamenti di fibra Atlante per ottenere una stima di orientamenti fibra paziente. L&#39;accuratezza delle stime di fibra &egrave; stata valutata utilizzando sei normale e tre fallendo cuori canino. La differenza media assoluta tra gli angoli di inclinazione degli orientamenti acquisiti e stimato fibra era 15,4 &deg;. Simulazioni computazionali di mappe di attivazione ventricolare e pseudo-ECG in ritmo sinusale e tachicardia ventricolare ha indicato che non vi sono differenze significative tra gli orientamenti di fibra stimato e acquisite ad un livello clinicamente osservabili.

Stima basata su immagine di orientamenti fibra ventricolare per modellazione personalizzati di elettrofisiologia cardiaca.

&#x6280;&#x8853;&#x7684;&#x306A;&#x5236;&#x9650;&#x306E;&#x5FC3;&#x7B4B;&#x306E;&#x7E4A;&#x7DAD;&#x65B9;&#x5411;&#x60A3;&#x8005;&#x56FA;&#x6709;&#x306E;&#x30E2;&#x30C7;&#x30EA;&#x30F3;&#x30B0; (dys) &#x5FC3;&#x6A5F;&#x80FD;&#x306E;&#x7372;&#x5F97;&#x3068;&#x7642;&#x6CD5;&#x306E;&#x8A55;&#x4FA1;&#x3078;&#x306E;&#x5927;&#x304D;&#x306A;&#x6311;&#x6226;&#x3092;&#x30DD;&#x30FC;&#x30BA;&#x3057;&#x307E;&#x3059;&#x3002;&#x3053;&#x306E;&#x30D7;&#x30ED;&#x30B8;&#x30A7;&#x30AF;&#x30C8;&#x306E;&#x76EE;&#x7684;&#x306F;&#x60A3;&#x8005;&#x306E;&#x5FC3;&#x81D3;&#x5F62;&#x72B6;&#x306E; in vivo &#x753B;&#x50CF;&#x304B;&#x3089;&#x5FC3;&#x81D3;&#x306E;&#x7E4A;&#x7DAD;&#x65B9;&#x5411;&#x3092;&#x63A8;&#x5B9A;&#x3059;&#x308B;&#x624B;&#x6CD5;&#x3092;&#x958B;&#x767A;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x5FC3;&#x5BA4;&#x306E;&#x5E7E;&#x4F55;&#x5B66;&#x304A;&#x3088;&#x3073;&#x7E4A;&#x7DAD;&#x65B9;&#x5411;&#x306E;&#x6B63;&#x78BA;&#x306A;&#x8868;&#x73FE;&#x3001;&#x305D;&#x308C;&#x305E;&#x308C;&#x3001;ex vivo &#x69CB;&#x9020;&#x306E;&#x78C1;&#x6C17;&#x5171;&#x9CF4; (MR) &#x3068;&#x62E1;&#x6563;&#x30C6;&#x30F3;&#x30BD;&#x30EB; (DT) MR &#x753B;&#x50CF;&#x30A2;&#x30C8;&#x30E9;&#x30B9;&#x3068;&#x3057;&#x3066;&#x547C;&#x3070;&#x308C;&#x308B;&#x3001;&#x901A;&#x5E38;&#x306E;&#x4EBA;&#x9593;&#x306E;&#x5FC3;&#x306E;&#x9AD8;&#x89E3;&#x50CF;&#x5EA6;&#x304B;&#x3089;&#x518D;&#x5EFA;&#x3055;&#x308C;&#x307E;&#x3057;&#x305F;&#x3002;In vivo &#x3067;&#x306E;&#x30B3;&#x30F3;&#x30D4;&#x30E5;&#x30FC;&#x30BF;&#x30FC;&#x65AD;&#x5C64;&#x64AE;&#x5F71; (CT) &#x753B;&#x50CF;&#x304B;&#x3089;&#x306E;&#x534A;&#x81EA;&#x52D5;&#x30BB;&#x30B0;&#x30E1;&#x30F3;&#x30C6;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x3092;&#x4ECB;&#x3057;&#x3066;&#x60A3;&#x8005;&#x306E;&#x5FC3;&#x81D3;&#x306E;&#x5FC3;&#x5BA4;&#x5F62;&#x72B6;&#x304C;&#x62BD;&#x51FA;&#x3055;&#x308C;&#x307E;&#x3057;&#x305F;&#x3002;&#x753B;&#x50CF;&#x5909;&#x63DB;&#x30A2;&#x30EB;&#x30B4;&#x30EA;&#x30BA;&#x30E0;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x3001;&#x30A2;&#x30C8;&#x30E9;&#x30B9;&#x5FC3;&#x5BA4;&#x30B8;&#x30AA;&#x30E1;&#x30C8;&#x30EA;&#x306F;&#x305D;&#x306E;&#x60A3;&#x8005;&#x3092;&#x4E00;&#x81F4;&#x3059;&#x308B;&#x3088;&#x3046;&#x306B;&#x5909;&#x5F62;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x6700;&#x5F8C;&#x306B;&#x3001;&#x5909;&#x5F62;&#x5834;&#x60A3;&#x8005;&#x7E4A;&#x7DAD;&#x65B9;&#x5411;&#x306E;&#x898B;&#x7A4D;&#x3082;&#x308A;&#x3092;&#x53D6;&#x5F97;&#x3059;&#x308B;&#x30A2;&#x30C8;&#x30E9;&#x30B9;&#x306E;&#x7E4A;&#x7DAD;&#x65B9;&#x5411;&#x3092;&#x9069;&#x7528;&#x3055;&#x308C;&#x307E;&#x3057;&#x305F;&#x3002;&#x7E4A;&#x7DAD;&#x306E;&#x898B;&#x7A4D;&#x3082;&#x308A;&#x306E;&#x7CBE;&#x5EA6;&#x306F;&#x3001;&#x30B7;&#x30C3;&#x30AF;&#x30B9;&#x6A19;&#x6E96;&#x3068;&#x4E0D;&#x5168;&#x72AC;&#x5FC3; 3 &#x3092;&#x7528;&#x3044;&#x3066;&#x8A55;&#x4FA1;&#x3057;&#x307E;&#x3057;&#x305F;&#x3002;&#x53D6;&#x5F97;&#x3057;&#x305F;&#x3068;&#x63A8;&#x5B9A;&#x3055;&#x308C;&#x308B;&#x7E4A;&#x7DAD;&#x65B9;&#x5411;&#x306E;&#x50BE;&#x659C;&#x89D2;&#x306E;&#x5E73;&#x5747;&#x7D76;&#x5BFE;&#x9055;&#x3044; 15.4 &deg; &#x3060;&#x3063;&#x305F;&#x3002;&#x5FC3;&#x5BA4;&#x306E;&#x6D3B;&#x6027;&#x5316;&#x30DE;&#x30C3;&#x30D7;&#x3068;&#x64EC;&#x4F3C;-&#x5FC3;&#x96FB;&#x56F3;&#x6D1E;&#x8ABF;&#x5F8B;&#x3068;&#x5FC3;&#x5BA4;&#x983B;&#x62CD;&#x306E;&#x8A08;&#x7B97;&#x30B7;&#x30DF;&#x30E5;&#x30EC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x63A8;&#x5B9A;&#x3068;&#x5F8C;&#x5929;&#x7684;&#x306E;&#x7E4A;&#x7DAD;&#x65B9;&#x5411;&#x306F;&#x81E8;&#x5E8A;&#x7684;&#x306B;&#x89B3;&#x5BDF;&#x53EF;&#x80FD;&#x306A;&#x30EC;&#x30D9;&#x30EB;&#x306E;&#x9593;&#x306B;&#x6709;&#x610F;&#x5DEE;&#x304C;&#x306A;&#x3044;&#x3053;&#x3068;&#x304C;&#x793A;&#x3055;&#x308C;&#x307E;&#x3057;&#x305F;&#x3002;

&#x30A4;&#x30E1;&#x30FC;&#x30B8; &#x30D9;&#x30FC;&#x30B9;&#x63A8;&#x5B9A;&#x5FC3;&#x81D3;&#x96FB;&#x6C17;&#x751F;&#x7406;&#x5B66;&#x306E;&#x5FC3;&#x5BA4;&#x306E;&#x7E4A;&#x7DAD;&#x65B9;&#x4F4D;&#x30D1;&#x30FC;&#x30BD;&#x30CA;&#x30E9;&#x30A4;&#x30BA;&#x3055;&#x308C;&#x305F;&#x30E2;&#x30C7;&#x30EA;&#x30F3;&#x30B0;&#x306E;&#x305F;&#x3081;&#x306E;&#x3002;

&#xAE30;&#xC220;&#xC801; &#xC81C;&#xD55C; &#xC2EC;&#xADFC; &#xC12C;&#xC720; &#xC2EC;&#xC7A5; (dys) &#xD568;&#xC218;&#xC758; &#xD658;&#xC790; &#xAD00;&#xB828; &#xBAA8;&#xB378;&#xB9C1;&#xC5D0; &#xB300; &#xD55C; &#xC624;&#xB9AC; &#xC5D4; &#xD14C;&#xC774; &#xC158;&#xC758; &#xC218;&#xC9D1; &#xBC0F; &#xCE58;&#xB8CC;&#xC758; &#xD3C9;&#xAC00;&#xC5D0; &#xB300; &#xD55C; &#xC8FC;&#xC694; &#xB3C4;&#xC804; &#xD3EC;&#xC988;. &#xC774; &#xD504;&#xB85C;&#xC81D;&#xD2B8;&#xC758; &#xBAA9;&#xD45C;&#xB294; &#xD658;&#xC790; &#xC2EC;&#xC7A5; &#xD615;&#xC0C1;&#xC758; &#xC0DD;&#xCCB4; &#xC870;&#xAC74; &#xC774;&#xBBF8;&#xC9C0;&#xC5D0;&#xC11C; &#xC2EC;&#xC7A5; &#xC12C;&#xC720; &#xBC29;&#xD5A5; &#xCD94;&#xC815; &#xBC29;&#xBC95;&#xB860;&#xC744; &#xAC1C;&#xBC1C; &#xD588;&#xB2E4;. &#xAC01;&#xAC01; &#xC2EC; &#xC2E4; &#xD615;&#xC0C1; &#xBC0F; &#xC12C;&#xC720; &#xBC29;&#xD5A5;&#xC758; &#xC815;&#xD655;&#xD55C; &#xD45C;&#xD604; ex vivo &#xAD6C;&#xC870; &#xC790;&#xAE30; &#xACF5;&#xBA85; (MR)&#xC640; &#xD655;&#xC0B0; &#xD150;&#xC11C; (DT) &#xC528; &#xC774;&#xBBF8;&#xC9C0;&#xB97C; &#xC544;&#xD2C0;&#xB77C;&#xC2A4; &#xB77C;&#xACE0; &#xC815;&#xC0C1;&#xC801;&#xC778; &#xC778;&#xAC04;&#xC758; &#xC2EC;&#xC7A5;&#xC758; &#xACE0;&#xD574;&#xC0C1;&#xB3C4;&#xC5D0;&#xC11C; &#xC7AC;&#xAC74; &#xB418;&#xC5C8;&#xB2E4;. Vivo&#xC5D0;&#xC11C; &#xACC4;&#xC0B0; &#xB41C; &#xB2E8;&#xCE35; &#xCD2C;&#xC601; (CT) &#xC774;&#xBBF8;&#xC9C0;&#xC5D0;&#xC11C; &#xBC18;&#xC790;&#xB3D9; &#xC138;&#xBD84;&#xD654;&#xB97C; &#xD1B5;&#xD574; &#xD658;&#xC790; &#xC2EC;&#xC7A5;&#xC758; &#xC2EC; &#xC2E4; &#xD615;&#xC0C1; &#xCD94;&#xCD9C; &#xD588;&#xB2E4;. &#xC774;&#xBBF8;&#xC9C0; &#xBCC0;&#xD658; &#xC54C;&#xACE0;&#xB9AC;&#xC998;&#xC744; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC;, &#xC544;&#xD2C0;&#xB77C;&#xC2A4; &#xC2EC; &#xC2E4; &#xAE30;&#xB97C; &#xD658;&#xC790;&#xC5D0; &#xB9DE;&#xAC8C; &#xBCC0;&#xD615; &#xB418;&#xC5C8;&#xB2E4;. &#xB9C8;&#xC9C0;&#xB9C9;&#xC73C;&#xB85C;, &#xBCC0;&#xD615; &#xD544;&#xB4DC; &#xD658;&#xC790; &#xC12C;&#xC720; &#xBC29;&#xD5A5; &#xC608;&#xC0C1; &#xC5BB;&#xC73C;&#xB824;&#xBA74; &#xC544;&#xD2C0;&#xB77C;&#xC2A4; &#xC12C;&#xC720; &#xBC29;&#xD5A5;&#xC5D0; &#xC801;&#xC6A9; &#xB418;&#xC5C8;&#xC2B5;&#xB2C8;&#xB2E4;. &#xC12C;&#xC720; &#xC608;&#xC0C1; &#xC815;&#xD655;&#xB3C4; 6 &#xC815;&#xC0C1;&#xACFC; 3 &#xAC1C; &#xC2EC; &#xD63C; &#xC2E4;&#xD328;&#xB97C; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xD3C9;&#xAC00; &#xB418;&#xC5C8;&#xC2B5;&#xB2C8;&#xB2E4;. &#xB9D0;&#xC740; &#xC808;&#xB300; &#xCC28;&#xC774; &#xD68D;&#xB4DD; &#xBC0F; &#xC608;&#xC0C1; &#xC12C;&#xC720; &#xBC29;&#xD5A5;&#xC758; &#xACBD;&#xC0AC; &#xAC01;&#xB3C4; 15.4 &deg;. &#xC2EC; &#xC2E4; &#xD65C;&#xC131;&#xD654; &#xC9C0;&#xB3C4; &#xBD80; &#xBE44; &#xB3D9; &#xB9AC;&#xB4EC;&#xACFC; &#xC2EC; &#xC2E4; &#xC2EC; &#xBC15; &#xAE09;&#xC9C4;&#xC5D0; &#xC758;&#xC0AC;-Ecgs&#xC758; &#xC804;&#xC0B0; &#xC2DC;&#xBBAC;&#xB808;&#xC774;&#xC158; &#xC784;&#xC0C1;&#xC801;&#xC73C;&#xB85C; &#xAD00;&#xCC30;&#xD560; &#xC218; &#xC788;&#xB294; &#xC218;&#xC900;&#xC5D0;&#xC11C; &#xC608;&#xC0C1; &#xD558; &#xACE0; &#xC778;&#xC218; &#xC12C;&#xC720; &#xBC29;&#xD5A5; &#xC0AC;&#xC774; &#xD070; &#xCC28;&#xC774;&#xAC00; &#xD45C;&#xC2DC;.

&#xC2EC;&#xC7A5; &#xC804;&#xAE30; &#xC0DD;&#xB9AC;&#xD559;&#xC758; &#xAC1C;&#xC778;&#xD654; &#xB41C; &#xBAA8;&#xB378;&#xB9C1;&#xC5D0; &#xB300; &#xD55C; &#xC2EC; &#xC2E4; &#xC12C;&#xC720; &#xC624;&#xB9AC; &#xC5D4; &#xD14C;&#xC774; &#xC158;&#xC758; &#xC774;&#xBBF8;&#xC9C0;&#xC5D0; &#xAE30;&#xCD08;&#xB97C; &#xB454; &#xD3C9;&#xAC00;.

Limitaciones tecnol&oacute;gicas representan un desaf&iacute;o importante para la adquisici&oacute;n de las orientaciones de la fibra mioc&aacute;rdica para modelado espec&iacute;fico para cada paciente de la funci&oacute;n cardiaca (DIS) y evaluaci&oacute;n de la terapia. El objetivo de este proyecto fue desarrollar una metodolog&iacute;a para estimar las orientaciones de la fibra cardiaca de im&aacute;genes en vivo de geometr&iacute;as del coraz&oacute;n del paciente. Una representaci&oacute;n precisa de orientaciones de geometr&iacute;a y de la fibra ventriculares fue reconstruida, respectivamente, de alta resoluci&oacute;n ex resonancia de vivo magn&eacute;tica estructural (MR) y Sr. im&aacute;genes del tensor (DT) de difusi&oacute;n de un coraz&oacute;n humano normal, denominado el atlas. Geometr&iacute;a ventricular de un coraz&oacute;n paciente fue extra&iacute;do, mediante la segmentaci&oacute;n semiautom&aacute;tica, de una imagen en vivo de la tomograf&iacute;a computada (CT). Utilizando algoritmos de transformaci&oacute;n de imagen, la geometr&iacute;a ventricular atlas fue deformada para coincidir con el del paciente. Finalmente, el campo de la deformaci&oacute;n se aplic&oacute; a las orientaciones de la fibra de atlas para obtener una estimaci&oacute;n de orientaciones de la fibra del paciente. La precisi&oacute;n de las estimaciones de la fibra se evalu&oacute; mediante seis normal y tres falta coraz&oacute;n canino. La media diferencia absoluta entre los &aacute;ngulos de inclinaci&oacute;n de orientaciones de fibra adquirida y Estimado fue de 15.4 &deg;. Simulaciones computacionales de mapas de activaci&oacute;n ventricular y pseudo-ECG en ritmo sinusal y taquicardia ventricular indican que existen diferencias significativas entre las orientaciones de fibra Estimado y adquirido un nivel cl&iacute;nicamente observables.

Estimaci&oacute;n basada en im&aacute;genes de orientaciones de la fibra ventricular para modelado personalizada de Electrofisiolog&iacute;a card&iacute;aca.

&#x4E2A;&#x6027;&#x5316;&#x8BA1;&#x7B97;&#x5FC3;&#x810F;&#x6A21;&#x578B;&#x6B63;&#x5728;&#x6210;&#x4E3A;&#x5FC3;&#x5F8B;&#x5931;&#x5E38;&#x673A;&#x5236;&#x7814;&#x7A76;&#x7684;&#x91CD;&#x8981;&#x5DE5;&#x5177;&#xFF0C;&#x5E76;&#x6709;&#x53EF;&#x80FD;&#x6210;&#x4E3A;&#x5F3A;&#x6709;&#x529B;&#x7684;&#x5DE5;&#x5177;&#xFF0C;&#x7528;&#x4E8E;&#x6307;&#x5BFC;&#x4E34;&#x5E8A;&#x7684;&#x6297;&#x5FC3;&#x5F8B;&#x5931;&#x5E38;&#x6CBB;&#x7597;&#x3002;&#x5728;&#x672C;&#x6587;&#x4E2D;&#xFF0C;&#x6211;&#x4EEC;&#x63D0;&#x51FA;&#x6784;&#x5EFA;&#x4F5C;&#x4E3A;&#x57FA;&#x6750;&#x5FC3;&#x623F;&#x7EA4;&#x98A4;&#x5FC3;&#x623F;&#x7EA4;&#x7EF4;&#x5316;&#x75C5;&#x4EBA;&#x7279;&#x5B9A;&#x6A21;&#x578B;&#x7684;&#x65B9;&#x6CD5;&#x3002;&#x4ECE;&#x9AD8;&#x5206;&#x8FA8;&#x7387;&#x665A;&#x9486;&#x589E;&#x5F3A;&#x78C1;&#x5171;&#x632F;&#x6210;&#x50CF; &#xFF08;&#x6F5C;&#x5728; MRI&#xFF09; &#x56FE;&#x50CF;&#x83B7;&#x5F97;&#x75C5;&#x4EBA;&#x60A3;&#x6709;&#x5FC3;&#x623F;&#x98A4;&#x52A8;&#xFF0C;&#x51C6;&#x786E;&#x6293;&#x4F4F;&#x75C5;&#x4EBA;&#x7684;&#x5FC3;&#x623F;&#x51E0;&#x4F55;&#x4E0E;&#x5FC3;&#x623F;&#x7EA4;&#x7EF4;&#x5316;&#x7684;&#x5730;&#x533A;&#x5206;&#x5E03;&#x4ECE;&#x4F53;&#x5185;&#x6784;&#x9020;&#x6A21;&#x578B;&#x3002;&#x5FC3;&#x623F;&#x7EA4;&#x7EF4;&#x53D6;&#x5411;&#x4F7F;&#x7528;&#x65B0;&#x7684;&#x57FA;&#x4E8E;&#x56FE;&#x50CF;&#x7684;&#x65B9;&#x6CD5;&#xFF0C;&#x4F30;&#x8BA1;&#x548C;&#x7EA4;&#x7EF4;&#x5316;&#x5728;&#x7279;&#x5B9A;&#x60A3;&#x8005;&#x7684;&#x809D;&#x7EA4;&#x7EF4;&#x5316;&#x533A;&#x57DF;&#x8868;&#x793A;&#x4E3A;&#x7EB3;&#x5165;&#x80F6;&#x539F;&#x9694;&#x57AB;&#x3001; &#x7F1D;&#x9699;&#x8FDE;&#x63A5;&#x91CD;&#x6784;&#x548C;&#x808C;&#x7EA4;&#x7EF4;&#x6BCD;&#x7EC6;&#x80DE;&#x589E;&#x6B96;&#x3002;&#x6298;&#x8FD4;&#x5FC3;&#x623F;&#x98A4;&#x52A8;&#x7684;&#x75C5;&#x4EBA;&#x7684;&#x809D;&#x7EA4;&#x7EF4;&#x5316;&#x4E2D;&#x5EAD;&#x6A21;&#x578B;&#x7684;&#x57FA;&#x672C;&#x6982;&#x5FF5;&#x8BC1;&#x660E;&#x6A21;&#x62DF;&#x7ED3;&#x679C;&#x7ED9;&#x51FA;&#x8BC1;&#x660E;&#x7684;&#x65B9;&#x6CD5;&#x5F00;&#x53D1;&#x5B8C;&#x6210;&#x3002;

&#x4F5C;&#x4E3A;&#x57FA;&#x6750;&#x5FC3;&#x623F;&#x7EA4;&#x98A4;&#x5FC3;&#x623F;&#x7EA4;&#x7EF4;&#x5316;&#x75C5;&#x4EBA;&#x7279;&#x5B9A;&#x5EFA;&#x6A21;&#x7684;&#x65B9;&#x6CD5;&#x3002;

Personalized computational cardiac models are emerging as an important tool for studying cardiac arrhythmia mechanisms, and have the potential to become powerful instruments for guiding clinical anti-arrhythmia therapy. In this article, we present the methodology for constructing a patient-specific model of atrial fibrosis as a substrate for atrial fibrillation. The model is constructed from high-resolution late gadolinium-enhanced magnetic resonance imaging (LGE-MRI) images acquired in vivo from a patient suffering from persistent atrial fibrillation, accurately capturing both the patient's atrial geometry and the distribution of the fibrotic regions in the atria. Atrial fiber orientation is estimated using a novel image-based method, and fibrosis is represented in the patient-specific fibrotic regions as incorporating collagenous septa, gap junction remodeling, and myofibroblast proliferation. A proof-of-concept simulation result of reentrant circuits underlying atrial fibrillation in the model of the patient's fibrotic atrium is presented to demonstrate the completion of methodology development.

Methodology for patient-specific modeling of atrial fibrosis as a substrate for atrial fibrillation.

Personnalis&eacute; les mod&egrave;les computationnels cardiaques sont en train de devenir un outil important pour l&#39;&eacute;tude des m&eacute;canismes de l&#39;arythmie cardiaque et ont le potentiel pour devenir des instruments puissants pour guider la th&eacute;rapie clinique antiarythmiques. Dans cet article, nous pr&eacute;sentons la m&eacute;thodologie pour la construction d&#39;un mod&egrave;le sp&eacute;cifique au patient de fibrose auriculaire comme substrat pour la fibrillation auriculaire. Le mod&egrave;le est construit &agrave; partir de haute r&eacute;solution tardive le gadolinium magnetic resonance imaging (LGE-MRI) images acquises in vivo d&#39;un patient souffrant de fibrillation auriculaire persistante, capturant avec pr&eacute;cision les g&eacute;om&eacute;trie auriculaire du patient et la distribution des r&eacute;gions fibreuses dans les oreillettes. Orientation des fibres auriculaires est estim&eacute;e &agrave; l&#39;aide d&#39;une m&eacute;thode ax&eacute;e sur l&#39;image originale et la fibrose est repr&eacute;sent&eacute;e dans les r&eacute;gions fibreuses sp&eacute;cifique au patient comme incorporant des septa collag&eacute;nique, gap junction remodelage et prolif&eacute;ration des myofibroblastes. Un r&eacute;sultat de la validation de simulation de circuits rentrants qui sous-tendent la fibrillation auriculaire dans le mod&egrave;le d&#39;atrium fibreuses du patient est pr&eacute;sent&eacute; pour d&eacute;montrer l&#39;ach&egrave;vement du d&eacute;veloppement de la m&eacute;thodologie.

M&eacute;thodologie de mod&eacute;lisation sp&eacute;cifiques &agrave; un patient de fibrose auriculaire comme substrat pour la fibrillation auriculaire.

Personalisierte kardiale Berechnungsmodelle als wichtiges Instrument f&uuml;r die Untersuchung von Herzrhythmusst&ouml;rungen Mechanismen entstehen, und haben das Potenzial, kraftvolle Instrumente f&uuml;r die Leitung von klinischen anti-arrhythmia Therapie geworden. In diesem Artikel pr&auml;sentieren wir die Methodik f&uuml;r das konstruieren ein Patienten-spezifischen Modell Vorhofflimmern Fibrose als Substrat f&uuml;r Vorhofflimmern. Das Modell ist aus hochaufl&ouml;senden sp&auml;ten Gadolinium-verst&auml;rkten magnetische Resonanz konstruiert Bildgebung (LGE-MRI) Bilder in-vivo aus einem Patienten leiden unter anhaltenden Vorhofflimmern, pr&auml;zise Erfassung des Patienten Vorhofflimmern Geometrie und die Verteilung der fibrotische Regionen in die Vorh&ouml;fe erworben. Vorhofflimmern Faserorientierung ist mit einer neuartige bildbasierte Methode gesch&auml;tzt und Fibrose wird in den Patienten-spezifischen fibrotische Regionen als Einbeziehung kollagenen Septen, L&uuml;cke Kreuzung umzugestalten und Myofibroblast Verbreitung dargestellt. Ein Proof-of-Concept-Simulation-Ergebnis eintrittsinvariante Schaltungen zugrunde liegenden Vorhofflimmern im Modell der fibrotische Atrium des Patienten wird pr&auml;sentiert, um die Fertigstellung der Methodik-Entwicklung zu demonstrieren.

Methodik f&uuml;r Patienten-spezifischen Modellierung von Vorhofflimmern Fibrose als Substrat f&uuml;r Vorhofflimmern.

Personalizzati modelli computazionali cardiaci stanno emergendo come un importante strumento per studiare i meccanismi di aritmia cardiaca e hanno il potenziale per diventare potenti strumenti per guidare la terapia clinica ipotensivi. In questo articolo, vi presentiamo la metodologia per la costruzione di un modello di paziente-specifici della fibrosi atriale come substrato per la fibrillazione atriale. Il modello &egrave; costruito in alta risoluzione fine gadolinio-enhanced magnetica risonanza imaging immagini (LGE-MRI) acquisite in vivo da un paziente affetto da fibrillazione atriale persistente, catturare accuratamente sia atriale geometria del paziente e la distribuzione delle regioni fibrotiche in atri. Orientamento fibre atriale &egrave; stimato utilizzando un metodo basato su immagine romanzo e fibrosi &egrave; rappresentata nelle regioni fibrotiche paziente-specifici come incorporando collagenosa setti, gap junction rimodellamento e myofibroblast proliferazione. Un risultato di prova di simulazione dei circuiti rientranti sottostante la fibrillazione atriale nel modello dell&#39;atrio fibrotica del paziente &egrave; presentato per dimostrare il completamento dello sviluppo della metodologia.

Metodologia per la modellazione del paziente-specifici della fibrosi atriale come substrato per la fibrillazione atriale.

&#x30D1;&#x30FC;&#x30BD;&#x30CA;&#x30E9;&#x30A4;&#x30BA;&#x3055;&#x308C;&#x305F;&#x8A08;&#x7B97;&#x5FC3;&#x81D3;&#x30E2;&#x30C7;&#x30EB;&#x306F;&#x4E0D;&#x6574;&#x8108;&#x306E;&#x30E1;&#x30AB;&#x30CB;&#x30BA;&#x30E0;&#x7814;&#x7A76;&#x306E;&#x305F;&#x3081;&#x306E;&#x91CD;&#x8981;&#x306A;&#x30C4;&#x30FC;&#x30EB;&#x3068;&#x3057;&#x3066;&#x6D6E;&#x4E0A;&#x3057;&#x3066;&#x3044;&#x308B;&#x3057;&#x3001;&#x81E8;&#x5E8A;&#x6297;&#x4E0D;&#x6574;&#x8108;&#x7642;&#x6CD5;&#x3092;&#x5C0E;&#x304F;&#x305F;&#x3081;&#x306E;&#x5F37;&#x529B;&#x306A;&#x697D;&#x5668;&#x306B;&#x306A;&#x308B;&#x53EF;&#x80FD;&#x6027;&#x304C;&#x3042;&#x308A;&#x307E;&#x3059;&#x3002;&#x3053;&#x306E;&#x8A18;&#x4E8B;&#x3067;&#x306F;&#x3001;&#x5FC3;&#x623F;&#x7D30;&#x52D5;&#x7528;&#x57FA;&#x677F;&#x3068;&#x3057;&#x3066;&#x5FC3;&#x623F;&#x7DDA;&#x7DAD;&#x75C7;&#x306E;&#x60A3;&#x8005;&#x56FA;&#x6709;&#x30E2;&#x30C7;&#x30EB;&#x3092;&#x69CB;&#x7BC9;&#x3059;&#x308B;&#x305F;&#x3081;&#x306E;&#x65B9;&#x6CD5;&#x8AD6;&#x3092;&#x63D0;&#x6848;&#x3059;&#x308B;.&#x30E2;&#x30C7;&#x30EB;&#x306F;&#x3001;&#x30A4;&#x30E1;&#x30FC;&#x30B8;&#x30F3;&#x30B0; &#xFF08;LGE MRI&#xFF09; &#x753B;&#x50CF;&#x3092; in vivo &#x5FC3;&#x623F;&#x306E;&#x7DDA;&#x7DAD;&#x5316;&#x9818;&#x57DF;&#x306E;&#x5206;&#x5E03;&#x3068;&#x60A3;&#x8005;&#x306E;&#x5FC3;&#x623F;&#x306E;&#x30B8;&#x30AA;&#x30E1;&#x30C8;&#x30EA;&#x3092;&#x6B63;&#x78BA;&#x306B;&#x30AD;&#x30E3;&#x30D7;&#x30C1;&#x30E3;&#x304B;&#x3089;&#x306E;&#x6C38;&#x7D9A;&#x7684;&#x306A;&#x5FC3;&#x623F;&#x7D30;&#x52D5;&#x306B;&#x82E6;&#x3057;&#x3080;&#x60A3;&#x8005;&#x304B;&#x3089;&#x8CB7;&#x53CE;&#x9AD8;&#x89E3;&#x50CF;&#x5EA6;&#x5F8C;&#x534A;&#x30AC;&#x30C9;&#x30EA;&#x30CB;&#x30A6;&#x30E0;&#x78C1;&#x6C17;&#x5171;&#x9CF4;&#x304B;&#x3089;&#x69CB;&#x7BC9;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x65B0;&#x898F;&#x30A4;&#x30E1;&#x30FC;&#x30B8; &#x30D9;&#x30FC;&#x30B9;&#x306E;&#x30E1;&#x30BD;&#x30C3;&#x30C9;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x5FC3;&#x623F;&#x7DDA;&#x7DAD;&#x65B9;&#x5411;&#x3092;&#x63A8;&#x5B9A;&#x3057;&#x3001;&#x7DDA;&#x7DAD;&#x75C7;&#x60A3;&#x8005;&#x56FA;&#x6709;&#x306E;&#x7DDA;&#x7DAD;&#x5316;&#x5730;&#x57DF;&#x3067;&#x30B3;&#x30E9;&#x30FC;&#x30B2;&#x30F3;&#x6027;&#x9694;&#x58C1;&#x3001;&#x6539;&#x9020;&#x3001;&#x30AE;&#x30E3;&#x30C3;&#x30D7;&#x7D50;&#x5408;&#x3068; myofibroblast &#x62E1;&#x6563;&#x3092;&#x7D44;&#x307F;&#x8FBC;&#x3093;&#x3060;&#x3068;&#x3057;&#x3066;&#x8868;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;&#x5FC3;&#x623F;&#x7D30;&#x52D5;&#x60A3;&#x8005;&#x306E;&#x7DDA;&#x7DAD;&#x5316;&#x30A2;&#x30C8;&#x30EA;&#x30A6;&#x30E0;&#x306E;&#x30E2;&#x30C7;&#x30EB;&#x5185;&#x306E;&#x57FA;&#x306B;&#x306A;&#x308B;&#x30EA;&#x30A8;&#x30F3;&#x30C8;&#x30E9;&#x30F3;&#x30C8;&#x56DE;&#x8DEF;&#x306E;&#x6982;&#x5FF5;&#x5B9F;&#x8A3C;&#x306E;&#x30B7;&#x30DF;&#x30E5;&#x30EC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x7D50;&#x679C;&#x306F;&#x65B9;&#x6CD5;&#x8AD6;&#x306E;&#x958B;&#x767A;&#x306E;&#x5B8C;&#x4E86;&#x3092;&#x793A;&#x3059;&#x305F;&#x3081;&#x306B;&#x63D0;&#x793A;&#x3055;&#x308C;&#x307E;&#x3059;&#x3002;

&#x5FC3;&#x623F;&#x7D30;&#x52D5;&#x7528;&#x57FA;&#x677F;&#x3068;&#x3057;&#x3066;&#x5FC3;&#x623F;&#x7DDA;&#x7DAD;&#x75C7;&#x306E;&#x60A3;&#x8005;&#x56FA;&#x6709;&#x30E2;&#x30C7;&#x30EA;&#x30F3;&#x30B0;&#x306E;&#x305F;&#x3081;&#x306E;&#x65B9;&#x6CD5;&#x8AD6;&#x3002;

&#xC2EC;&#xC7A5; &#xBAA8;&#xB378; &#xAC1C;&#xC778;&#xB41C; &#xC804;&#xC0B0; &#xC2EC;&#xC7A5; &#xBD80;&#xC815;&#xB9E5; &#xBA54;&#xCEE4;&#xB2C8;&#xC998;, &#xACF5;&#xBD80;&#xB97C; &#xC704;&#xD55C; &#xC911;&#xC694; &#xD55C; &#xB3C4;&#xAD6C;&#xB85C; &#xB5A0;&#xC624;&#xB974;&#xACE0; &#xC788;&#xB2E4; &#xADF8;&#xB9AC;&#xACE0; &#xC784;&#xC0C1; &#xBD80;&#xC815;&#xB9E5; &#xCE58;&#xB8CC; &#xC548;&#xB0B4;&#xB97C; &#xC704;&#xD55C; &#xAC15;&#xB825;&#xD55C; &#xACC4;&#xAE30; &#xB420; &#xAC00;&#xB2A5;&#xC131;&#xC774; &#xC788;&#xB2E4;. &#xC774; &#xBB38;&#xC11C;&#xC5D0;&#xC11C;&#xB294; &#xC2EC; &#xBC29; &#xC138; &#xB3D9;&#xC5D0; &#xB300; &#xD55C; &#xAE30;&#xD310;&#xC73C;&#xB85C; &#xC2EC; &#xBC29; &#xC12C;&#xC720; &#xC99D;&#xC758; &#xD658;&#xC790; &#xAD00;&#xB828; &#xBAA8;&#xB378; &#xAD6C;&#xCD95;&#xC744; &#xC704;&#xD55C; &#xBC29;&#xBC95;&#xB860; &#xC18C;&#xAC1C;. &#xBAA8;&#xB378; &#xACE0;&#xD574;&#xC0C1;&#xB3C4; &#xB2A6;&#xC740; &#xAC00;&#xB3CC;&#xB9AC;&#xB284; &#xD5A5;&#xC0C1; &#xB41C; &#xC790;&#xAE30; &#xACF5;&#xBA85; &#xC774;&#xBBF8;&#xC9D5; (MRI &#xB514;&#xC2A4;&#xD50C;&#xB808;&#xC774;) &#xC774;&#xBBF8;&#xC9C0; &#xD68D;&#xB4DD; &#xD658;&#xC790;&#xC758; &#xC2EC; &#xD615;&#xC0C1; &#xBC0F;&#xB294; atria fibrotic &#xC9C0;&#xC5ED; &#xBD84;&#xD3EC;&#xB97C; &#xC815;&#xD655; &#xD558; &#xAC8C; &#xCEA1;&#xCC98; &#xC601;&#xAD6C; &#xC2EC; &#xBC29; &#xB3D9;&#xC5D0;&#xC11C; &#xACE0;&#xD1B5; &#xBC1B;&#xB294; &#xD658;&#xC790;&#xC5D0;&#xC11C; &#xC0DD;&#xCCB4; &#xC870;&#xAC74;&#xC5D0;&#xC11C; &#xC0DD;&#xC131; &#xB429;&#xB2C8;&#xB2E4;. &#xC2EC; &#xBC29; &#xC12C;&#xC720; &#xBC29;&#xD5A5; &#xC18C;&#xC124; &#xC774;&#xBBF8;&#xC9C0; &#xAE30;&#xBC18; &#xBA54;&#xC11C;&#xB4DC;&#xB97C; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xCD94;&#xC815; &#xB418; &#xACE0; &#xC12C;&#xC720; &#xC99D; collagenous septa, &#xB9AC; &#xBAA8;&#xB378;&#xB9C1;, &#xAC04;&#xACA9; &#xC811;&#xC18D;&#xC810; &#xBC0F; myofibroblast &#xD655;&#xC0B0;&#xC73C;&#xB85C; &#xD658;&#xC790; &#xBCC4; fibrotic &#xC601;&#xC5ED;&#xC5D0; &#xD45C;&#xC2DC; &#xB429;&#xB2C8;&#xB2E4;. &#xC2EC; &#xBC29; &#xC138; &#xB3D9;&#xACFC; &#xD658;&#xC790;&#xC758; fibrotic &#xC544; &#xD2B8;&#xB9AC; &#xC6C0;&#xC758; &#xBAA8;&#xB378;&#xC5D0; &#xAE30;&#xBCF8; &#xC7AC;&#xC9C4;&#xC785; &#xD68C;&#xB85C;&#xC758; &#xAC1C;&#xB150; &#xC99D;&#xBA85; &#xC2DC;&#xBBAC;&#xB808;&#xC774;&#xC158; &#xACB0;&#xACFC; &#xBC29;&#xBC95;&#xB860; &#xAC1C;&#xBC1C; &#xC644;&#xB8CC;&#xB97C; &#xBCF4;&#xC5EC; &#xC8FC;&#xAE30; &#xC704;&#xD574; &#xC81C;&#xACF5; &#xB429;&#xB2C8;&#xB2E4;.

&#xC2EC; &#xBC29; &#xC138; &#xB3D9;&#xC5D0; &#xB300; &#xD55C; &#xAE30;&#xD310;&#xC73C;&#xB85C; &#xC2EC; &#xBC29; &#xC12C;&#xC720; &#xC99D;&#xC758; &#xD658;&#xC790; &#xAD00;&#xB828; &#xBAA8;&#xB378;&#xB9C1;&#xC5D0; &#xB300; &#xD55C; &#xBC29;&#xBC95;&#xB860;.

Personalizada modelos computacionales de cardiacos est&aacute;n emergiendo como una importante herramienta para el estudio de mecanismos de arritmia cardiaca y tienen el potencial para convertirse en poderosos instrumentos para guiar la terapia cl&iacute;nica antiarr&iacute;tmicos. En este art&iacute;culo, presentamos la metodolog&iacute;a para la construcci&oacute;n de un modelo espec&iacute;fico para cada paciente de fibrosis auricular como sustrato para la fibrilaci&oacute;n auricular. Se construye el modelo de alta resoluci&oacute;n final gadolinio-realzada resonancia magn&eacute;tica por im&aacute;genes im&aacute;genes (LGE-MRI) adquirieron en vivo de un paciente que sufre de fibrilaci&oacute;n auricular persistente, capturar con precisi&oacute;n tanto geometr&iacute;a auricular del paciente y la distribuci&oacute;n de las regiones fibr&oacute;ticas de las aur&iacute;culas. Orientaci&oacute;n de la fibra se calcula utilizando un m&eacute;todo novedoso basado en im&aacute;genes, y la fibrosis se representa en las regiones fibr&oacute;ticas espec&iacute;fico para cada paciente como incorporar colagenosas septos, cruce de brecha remodelaci&oacute;n y proliferaci&oacute;n de miofibroblastos. Un resultado de prueba de concepto de simulaci&oacute;n de circuitos reentrantes subyacente de la fibrilaci&oacute;n auricular en el modelo del atrio fibr&oacute;tico del paciente se presenta para demostrar la terminaci&oacute;n del desarrollo de la metodolog&iacute;a.

Metodolog&iacute;a para el modelado espec&iacute;fico para cada paciente de fibrosis auricular como sustrato para la fibrilaci&oacute;n auricular.

Questo articolo recensisce gli ultimi sviluppi in computazionale cardiologia. Si concentra sul contributo della modellazione cardiaco per lo sviluppo di nuove terapie, come pure l&#39;avanzamento di quelli esistenti per aritmie cardiache e disfunzione di pompa. Rivisti sono cardiaci modellazione sforzi miranti a avanzando e ottimizzazione delle terapie esistenti per la malattia cardiaca (defibrillazione, ablazione di tachicardia ventricolare e la terapia di resincronizzazione cardiaca) e suggerendo nuovi trattamenti, tra cui nuovi bersagli molecolari, come pure gli sforzi per utilizzare modelli cardiaci nella stratificazione dei pazienti suscettibili di beneficiare di una determinata terapia e l&#39;utilizzo di modelli in procedure diagnostiche.

Computazionale cardiologia: come simulazioni al computer potrebbero essere utilizzate per sviluppare nuove terapie e avanzare quelli esistenti.

&#x8FD9;&#x7BC7;&#x6587;&#x7AE0;&#x56DE;&#x987E;&#x8BA1;&#x7B97;&#x5FC3;&#x810F;&#x75C5;&#x5B66;&#x7684;&#x6700;&#x65B0;&#x53D1;&#x5C55;&#x3002;&#x5B83;&#x7684;&#x91CD;&#x70B9;&#x662F;&#x5FC3;&#x810F;&#x6A21;&#x578B;&#x5F00;&#x53D1;&#x65B0;&#x7597;&#x6CD5;&#xFF0C;&#x4EE5;&#x53CA;&#x73B0;&#x6709;&#x7684;&#x5FC3;&#x5F8B;&#x5931;&#x5E38;&#x548C;&#x6CF5;&#x529F;&#x80FD;&#x969C;&#x788D;&#x7684;&#x5730;&#x4F4D;&#x4F5C;&#x51FA;&#x8D21;&#x732E;&#x3002;&#x5BA1;&#x67E5;&#x662F;&#x5FC3;&#x810F;&#x6A21;&#x62DF;&#x52AA;&#x529B;&#x65E8;&#x5728;&#x63A8;&#x8FDB;&#x548C;&#x4F18;&#x5316;&#x5B58;&#x5728;&#x6CBB;&#x7597;&#x5FC3;&#x810F;&#x75BE;&#x75C5; &#xFF08;&#x9664;&#x98A4;&#xFF0C;&#x6D88;&#x878D;&#x6CBB;&#x7597;&#x5BA4;&#x6027;&#x5FC3;&#x52A8;&#x8FC7;&#x901F;&#x548C;&#x5FC3;&#x810F;&#x518D;&#x540C;&#x6B65;&#x6CBB;&#x7597;&#xFF09; &#x548C;&#x6697;&#x793A;&#x65B0;&#x578B;&#x7597;&#x6CD5;&#xFF0C;&#x5305;&#x62EC;&#x65B0;&#x7684;&#x5206;&#x5B50;&#x9776;&#x70B9;&#xFF0C;&#x4EE5;&#x53CA;&#x52AA;&#x529B;&#x5728;&#x5206;&#x5C42;&#x7684;&#x75C5;&#x4EBA;&#x53EF;&#x80FD;&#x4F1A;&#x53D7;&#x76CA;&#x4E8E;&#x7ED9;&#x5B9A;&#x7684;&#x6CBB;&#x7597;&#x548C;&#x8BCA;&#x65AD;&#x7A0B;&#x5E8F;&#x4E2D;&#x7684;&#x6A21;&#x578B;&#x4F7F;&#x7528;&#x4E2D;&#x4F7F;&#x7528;&#x5FC3;&#x810F;&#x6A21;&#x578B;&#x3002;

&#x8BA1;&#x7B97;&#x5FC3;&#x810F;&#x75C5;&#x5B66;&#xFF1A; &#x5982;&#x4F55;&#x53EF;&#x4EE5;&#x7528;&#x8BA1;&#x7B97;&#x673A;&#x6A21;&#x62DF;&#x6765;&#x5F00;&#x53D1;&#x65B0;&#x7684;&#x6CBB;&#x7597;&#x548C;&#x4FC3;&#x8FDB;&#x73B0;&#x6709;&#x7684;&#x3002;

This article reviews the latest developments in computational cardiology. It focuses on the contribution of cardiac modelling to the development of new therapies as well as the advancement of existing ones for cardiac arrhythmias and pump dysfunction. Reviewed are cardiac modelling efforts aimed at advancing and optimizing existent therapies for cardiac disease (defibrillation, ablation of ventricular tachycardia, and cardiac resynchronization therapy) and at suggesting novel treatments, including novel molecular targets, as well as efforts to use cardiac models in stratification of patients likely to benefit from a given therapy, and the use of models in diagnostic procedures.

Computational cardiology: how computer simulations could be used to develop new therapies and advance existing ones.

Cet article passe en revue les derniers d&eacute;veloppements en cardiologie computationnelle. Il met l&#39;accent sur la contribution de la mod&eacute;lisation pour le d&eacute;veloppement de nouvelles th&eacute;rapies ainsi que la promotion de relations existantes pour les arythmies cardiaques et de dysfonctionnement de la pompe cardiaque. Examin&eacute; les efforts de mod&eacute;lisation cardiaques visent &agrave; faire progresser et d&#39;optimiser les th&eacute;rapies existentes pour la maladie cardiaque (d&eacute;fibrillation, ablation de tachycardie ventriculaire et la th&eacute;rapie de resynchronisation cardiaque) et &agrave; sugg&eacute;rer de nouveaux traitements, y compris les nouvelles cibles mol&eacute;culaires, mais aussi les efforts visant &agrave; utiliser des mod&egrave;les cardiaques dans la stratification des patients susceptibles de b&eacute;n&eacute;ficier d&#39;un traitement donn&eacute; et l&#39;utilisation des mod&egrave;les dans des proc&eacute;dures de diagnostic.

Computational cardiologie : comment les simulations informatiques pourraient servir &agrave; d&eacute;velopper de nouvelles th&eacute;rapies et faire progresser ceux qui existent d&eacute;j&agrave;.

Dieses Aufsatzes sind die neuesten Entwicklungen in der computational Kardiologie. Es konzentriert sich auf den Beitrag der kardialen Modellierung der Entwicklung neuer Therapien sowie die Weiterentwicklung bestehender f&uuml;r Herzrhythmusst&ouml;rungen und Pumpe Dysfunktion. &Uuml;berpr&uuml;ft sind kardiale Modellierung Bem&uuml;hungen an F&ouml;rderung und Optimierung der bestehende Therapien f&uuml;r Herzerkrankungen (Defibrillation, Ablation der ventrikul&auml;ren Tachykardie und kardiale Resynchronisation Therapie) und schl&auml;gt neue Behandlungen, einschlie&szlig;lich Roman Molekulare Ziele, sowie Bem&uuml;hungen, kardiale Modelle in Stratifikation der Patienten voraussichtlich von einer bestimmten Therapie profitieren und die Nutzung von Modellen in Diagnoseverfahren zu nutzen ausgerichtet.

Computational Kardiologie: wie Computersimulationen verwendet werden k&ouml;nnte, um neue Therapien zu entwickeln und bestehende zu f&ouml;rdern.

&#x3053;&#x306E;&#x8CC7;&#x6599;&#x306F;&#x3001;&#x8A08;&#x7B97;&#x306E;&#x5FC3;&#x81D3;&#x75C5;&#x306E;&#x6700;&#x65B0;&#x52D5;&#x5411;&#x3092;&#x30EC;&#x30D3;&#x30E5;&#x30FC;&#x3057;&#x307E;&#x3059;&#x3002;&#x5FC3;&#x81D3;&#x4E0D;&#x6574;&#x8108;&#x3068;&#x30DD;&#x30F3;&#x30D7;&#x6A5F;&#x80FD;&#x4E0D;&#x5168;&#x306E;&#x305F;&#x3081;&#x65E2;&#x5B58;&#x306E;&#x9032;&#x6B69;&#x3068;&#x540C;&#x69D8;&#x306B;&#x65B0;&#x3057;&#x3044;&#x7642;&#x6CD5;&#x306E;&#x958B;&#x767A;&#x306E;&#x30E2;&#x30C7;&#x30EA;&#x30F3;&#x30B0;&#x306E;&#x8CA2;&#x732E;&#x306B;&#x7126;&#x70B9;&#x3092;&#x5F53;&#x3066;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;&#x898B;&#x76F4;&#x3057;&#x5FC3;&#x81D3;&#x306E;&#x30E2;&#x30C7;&#x30EA;&#x30F3;&#x30B0;&#x52AA;&#x529B;&#x3092;&#x9032;&#x3081;&#x3001;&#x5FC3;&#x81D3;&#x75C5; &#xFF08;&#x30A2;&#x30D6;&#x30EC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x306E;&#x5FC3;&#x5BA4;&#x983B;&#x62CD;, &#x3068;&#x5FC3;&#x81D3;&#x518D;&#x540C;&#x671F;&#x7642;&#x6CD5;&#x9664;&#x7D30;&#x52D5;) &#x5B58;&#x5728;&#x3057;&#x306A;&#x3044;&#x6CBB;&#x7642;&#x306E;&#x6700;&#x9069;&#x5316;&#x3068;&#x65B0;&#x3057;&#x3044;&#x5206;&#x5B50;&#x6A19;&#x7684;&#x3068;&#x3057;&#x3066;&#x306E;&#x60A3;&#x8005;&#x306F;&#x6240;&#x5B9A;&#x306E;&#x7642;&#x6CD5;&#x304B;&#x3089;&#x306E;&#x6069;&#x6075;&#x3092;&#x53D7;&#x3051;&#x308B;&#x53EF;&#x80FD;&#x6027;&#x306E;&#x6210;&#x5C64;&#x3068;&#x8A3A;&#x65AD;&#x624B;&#x9806;&#x306E;&#x30E2;&#x30C7;&#x30EB;&#x306E;&#x4F7F;&#x7528;&#x5FC3;&#x81D3;&#x30E2;&#x30C7;&#x30EB;&#x3092;&#x4F7F;&#x7528;&#x3059;&#x308B;&#x52AA;&#x529B;&#x3092;&#x542B;&#x3080;&#x3001;&#x65B0;&#x3057;&#x3044;&#x6CBB;&#x7642;&#x6CD5;&#x3092;&#x793A;&#x5506;&#x3067;&#x76EE;&#x6307;&#x3057;&#x3066;&#x3044;&#x307E;&#x3059;&#x3002;

&#x8A08;&#x7B97;&#x5FAA;&#x74B0;&#x5668;: &#x30B3;&#x30F3;&#x30D4;&#x30E5;&#x30FC;&#x30BF; &#x30B7;&#x30DF;&#x30E5;&#x30EC;&#x30FC;&#x30B7;&#x30E7;&#x30F3;&#x3092;&#x4F7F;&#x7528;&#x3057;&#x3066;&#x65B0;&#x3057;&#x3044;&#x6CBB;&#x7642;&#x6CD5;&#x3092;&#x958B;&#x767A;&#x3057;&#x3001;&#x65E2;&#x5B58;&#x306E;&#x3082;&#x306E;&#x3092;&#x4E8B;&#x524D;&#x306B;&#x53EF;&#x80FD;&#x6027;&#x304C;&#x3042;&#x308A;&#x307E;&#x3059;&#x3002;

&#xC774; &#xBB38;&#xC11C;&#xC5D0;&#xC11C;&#xB294; &#xACC4;&#xC0B0; &#xC2EC;&#xC7A5;&#xD559;&#xC758; &#xCD5C;&#xC2E0; &#xAC1C;&#xBC1C; &#xAC80;&#xD1A0;. &#xADF8;&#xAC83;&#xC740; &#xC2EC;&#xC7A5; &#xBAA8;&#xB378;&#xB9C1; &#xC0C8;&#xB85C;&#xC6B4; &#xCE58;&#xB8CC;&#xBC95;&#xC758; &#xAC1C;&#xBC1C;&#xC73C;&#xB85C; &#xC2EC;&#xC7A5; &#xBD80;&#xC815;&#xB9E5; &#xBC0F; &#xD38C;&#xD504; &#xAE30;&#xB2A5; &#xC7A5;&#xC560;&#xC5D0; &#xB300; &#xD55C; &#xAE30;&#xC874;&#xC758; &#xAC83; &#xB4E4;&#xC758; &#xBC1C;&#xC804;&#xC5D0;&#xC758; &#xAE30;&#xC5EC;&#xB3C4;&#xC5D0; &#xCD08;&#xC810;&#xC744; &#xB9DE;&#xCD94;&#xACE0; &#xC788;&#xB2E4;. &#xAC80;&#xD1A0;&#xB294; &#xC2EC;&#xC7A5; &#xBAA8;&#xB378;&#xB9C1; &#xB178;&#xB825; &#xBAA9;&#xC801; &#xBC1C;&#xC804; &#xD558; &#xACE0; &#xC874;&#xC7AC; &#xD558;&#xC9C0; &#xC54A;&#xB294; &#xC694;&#xBC95; &#xC2EC;&#xC7A5; &#xC9C8;&#xD658; (&#xCDA9;&#xACA9;, &#xC2EC; &#xC2E4; &#xC2EC; &#xBC15; &#xAE09;&#xC9C4;, &#xADF8;&#xB9AC;&#xACE0; &#xC2EC;&#xC7A5; &#xC7AC; &#xB3D9;&#xAE30;&#xD654; &#xCE58;&#xB8CC;&#xC758; &#xC808;&#xC81C;)&#xC5D0; &#xB300; &#xD55C; &#xCD5C;&#xC801;&#xD654;&#xC640; &#xC9C4;&#xB2E8; &#xC808;&#xCC28;&#xC5D0; &#xBAA8;&#xB378; &#xC0AC;&#xC6A9; &#xD558; &#xC5EC; &#xD2B9;&#xC815;&#xB41C; &#xCE58;&#xB8CC;&#xB97C; &#xB204;&#xB9B4; &#xAC00;&#xB2A5;&#xC131;&#xC774; &#xD658;&#xC790;&#xC758; &#xACC4;&#xCE35;&#xC5D0;&#xC11C; &#xC2EC;&#xC7A5; &#xBAA8;&#xB378;&#xC744; &#xC0AC;&#xC6A9; &#xD558;&#xB294; &#xB178;&#xB825;&#xC73C;&#xB85C; &#xC0C8;&#xB85C;&#xC6B4; &#xBD84;&#xC790; &#xD45C;&#xC801; &#xB4F1; &#xC18C;&#xC124; &#xCE58;&#xB8CC;&#xB97C; &#xC81C;&#xC548;.

&#xC804;&#xC0B0; &#xC2EC;&#xC7A5;: &#xC5B4;&#xB5BB;&#xAC8C; &#xCEF4;&#xD4E8;&#xD130; &#xC2DC;&#xBBAC;&#xB808;&#xC774;&#xC158; &#xC0C8;&#xB85C;&#xC6B4; &#xCE58;&#xB8CC;&#xBC95;&#xC744; &#xAC1C;&#xBC1C; &#xD558; &#xACE0; &#xAE30;&#xC874;&#xC758; &#xAC83; &#xB4E4;&#xC744; &#xC0AC;&#xC804;&#xC5D0; &#xC0AC;&#xC6A9;&#xD560; &#xC218; &#xC788;&#xC2B5;&#xB2C8;&#xB2E4;.

Este art&iacute;culo repasa los &uacute;ltimos avances en cardiolog&iacute;a computacional. Se centra en la contribuci&oacute;n de modelado card&iacute;aco para el desarrollo de nuevas terapias, as&iacute; como el adelanto de las existentes para las arritmias cardiacas y la disfunci&oacute;n de la bomba. Ha comentado el esfuerzos de modelado cardiacos pretenden avanzar y optimizaci&oacute;n de terapias existentes para enfermedad cardiaca (desfibrilaci&oacute;n, ablaci&oacute;n de taquicardia ventricular y terapia de resincronizaci&oacute;n cardiaca) y sugiriendo nuevos tratamientos, incluyendo nuevas dianas moleculares, as&iacute; como esfuerzos para utilizar modelos cardiacos en la estratificaci&oacute;n de los pacientes susceptibles de beneficiarse de una terapia determinada y el uso de modelos en procedimientos de diagn&oacute;stico.

Cardiolog&iacute;a computacional: C&oacute;mo simulaciones de computadora podr&iacute;an utilizarse para desarrollar nuevas terapias y avanzar en los ya existentes.

Fijoy Vadakkumpadan

Institute for Computational Medicine and the Department of Biomedical Engineering

Johns Hopkins University

Patient-specific Modeling of the Heart: Estimation of Ventricular Fiber Orientations

Fijoy Vadakkumpadan

.css-o250i3{font-size:18px;font-family:Open Sans,sans-serif;line-height:21.6px;}Institute for Computational Medicine and the Department of Biomedical Engineering

Johns Hopkins University

Patient-specific Modeling of the Heart: Estimation of Ventricular Fiber Orientations

Institute for Computational Medicine and the Department of Biomedical Engineering