Anmelden

Zum Anzeigen dieser Inhalte ist ein JoVE-Abonnement erforderlich. Melden Sie sich an oder starten Sie Ihre kostenlose Testversion.

In diesem Artikel

  • Zusammenfassung
  • Zusammenfassung
  • Einleitung
  • Protokoll
  • Ergebnisse
  • Diskussion
  • Offenlegungen
  • Danksagungen
  • Materialien
  • Referenzen
  • Nachdrucke und Genehmigungen

Zusammenfassung

Das vorliegende Protokoll beschreibt PIV-Messungen (Particle Image Velocimetry), die durchgeführt wurden, um den Sinusfluss durch den In-vitro-Aufbau der Transkatheter-Aortenklappe (TAV) zu untersuchen. Die hämodynamischen Parameter basierend auf der Geschwindigkeit werden ebenfalls bestimmt.

Zusammenfassung

Aortenklappendysfunktion und Schlaganfall wurden kürzlich bei Patienten mit Transkatheter-Aortenklappenimplantation (TAVI) berichtet. Thrombus in der Aortenhöhle und Neo-Sinus aufgrund hämodynamischer Veränderungen wurde vermutet. In-vitro-Experimente helfen, die hämodynamischen Eigenschaften in den Fällen zu untersuchen, in denen sich eine In-vivo-Bewertung als begrenzt erweist. In-vitro-Experimente sind auch robuster, und die variablen Parameter werden leicht kontrolliert. Die Partikelbild-Velocimetrie (PIV) ist eine beliebte Velocimetrie-Methode für In-vitro-Studien . Es bietet ein hochauflösendes Geschwindigkeitsfeld, so dass auch kleinräumige Strömungsmerkmale beobachtet werden. Ziel dieser Studie ist es, zu zeigen, wie PIV verwendet wird, um das Strömungsfeld in der Aortenhöhle nach TAVI zu untersuchen. Der In-vitro-Aufbau des Aortenphantoms, TAVI für PIV sowie der Datenerfassungsprozess und die Nachbearbeitungsflussanalyse werden beschrieben. Die hämodynamischen Parameter werden abgeleitet, einschließlich der Geschwindigkeit, der Strömungstasierung, des Vortex, der Vortizität und der Partikelresidenz. Die Ergebnisse bestätigen , dass In-vitro-Experimente und PIV helfen, die hämodynamischen Merkmale in der Aortenhöhle zu untersuchen.

Einleitung

Aortenstenose ist eine häufige Erkrankung bei älteren Erwachsenen, und es ist, wenn sich die Aortenklappe nicht öffnet, was den Blutfluss reduziert. Das Problem wird durch die Verdickung oder Verkalkung der Aortenklappe1 verursacht. Daher ist es eine notwendige Behandlung, um den Blutfluss zu verbessern und die Belastung des Herzens zu verringern. Es wird behandelt, indem die Aortenklappe umgebaut oder durch eine künstliche Klappe ersetzt wird. Diese Studie konzentriert sich auf die Transkatheter-Aortenklappenimplantation (TAVI), bei der die fehlerhafte Aortenklappe durch eine künstliche mit einem Katheter ersetzt wird.

TAVI wurde für Patienten empfohlen, die in der Operation herausgefordert wurden, und die Mortalität war ebenfalls niedrig2. Kürzlich wurde berichtet, dass Thrombus bei Patienten nach TAVI Klappenfunktionsstörungen und Schlaganfallverursachte 3,4. Es wird vermutet, dass Thrombus in der Aortenhöhle und im Neosinus vermutet wird, wobei seine Ursache wahrscheinlich die durch TAVI verursachten Veränderungen in der Hämodynamik sind. Es wird durchgeführt, ohne die einheimischen Flugblätter zu entfernen; Diese Packungsbeilagen können den Sinusfluss stören und das Thromboserisiko erhöhen5.

Es ist schwierig zu bestimmen, wie der Blutfluss durch TAVI beeinflusst wird und wie Thrombose bei Patienten induziert wird. Es ist wünschenswert, den Zusammenhang zwischen Blutfluss und Thrombusbildung in vivo aufzuklären. Ein Mangel an praktischen Techniken zur Messung des Blutflusses macht dies jedoch problematisch. Auf der anderen Seite haben In-vitro-Techniken den Vorteil, dass man die Veränderungen im Blutfluss überwachen kann, indem man die zu untersuchenden Parameter begrenzt. In-vitro-Setup und Partikelbild-Velocimetrie (PIV) wurden verwendet, um die Geschwindigkeit in medizinischen Bereichen zu identifizieren 6,7,8. Daher sind in vitro und PIV ausreichend, um die zu meldenden Parameter zu bestimmen, indem der Zustand des Patienten nachgeahmt wird: die Herzfrequenz und der Druck, die Viskosität und die Sinusgeometrie, und es ermöglicht, diese Parameter zu kontrollieren.

In dieser Studie werden in vitro Setup und PIV verwendet, um den Fluss in der Aortenhöhle nach TAVI zu untersuchen. Das Aortenphantom und TAVI für den PIV sowie den Datenerfassungsprozess und die Nachbearbeitungsflussanalyse werden in diesem Protokoll beschrieben. Verschiedene hämodynamische Parameter werden abgeleitet, einschließlich Geschwindigkeit, Stasis, Vortex, Vortizität und Partikeldomäne. Die Ergebnisse zeigen, dass in vitro Setup und PIV helfen, die hämodynamischen Merkmale in der Aortenhöhle zu untersuchen.

Protokoll

1. In-vitro-Setup

  1. Bereiten Sie den Versuchsaufbau auf einem optischen Tisch vor, einschließlich einer Kolbenpumpe, einer Datenerfassungsvorrichtung (DAQ) und einem Computer mit der erforderlichen Systementwicklungssoftware und einer Motorsteuerungssoftware (siehe Materialtabelle) (Abbildung 1).
    HINWEIS: Die Kolbenpumpe wurde zuvor getestet und kalibriert und besteht aus einem Motor, einem Motortreiber und einem Linearantrieb9.
  2. Importieren Sie die Tabellenkalkulationsdatei mit den Flussrateninformationen in die Systementwicklungssoftware.
    HINWEIS: Zum Beispiel beträgt die Herzfrequenz 60 bpm, die maximale Durchflussrate beträgt 20 l / min, das Herzzeitvolumen beträgt 4,8 l / min und das Schlagvolumen beträgt 70 ml.
  3. Legen Sie den Parameter in der Systems Engineering-Software fest, z. B. Datenerfassungseingangs- und -ausgangskanal. Die Sample-Uhr ist 1.000 und die Feedback-Iteration ist 10.
  4. Stellen Sie den Parameter in der Motorsteuerungssoftware ein; Die Länge der Gewindetriebe beträgt 10 mm, der analoge Eingang und Ausgang 14,5 mm / Spannung.
  5. Installieren Sie das Rückschlagventil und das Widerstandsventil am Behälter10.
    HINWEIS: Das Rückschlagventil ist als Einlass des Systems mit der Kolbenpumpe verbunden, und der Kugelhahn ist als Auslass des Systems mit dem Acryl-Sinus-Modell verbunden.
  6. Befestigen Sie das Acryl-Sinus-Modell (Abbildung 2) mit einer quadratischen Aluminiumstange am optischen Tisch.
    HINWEIS: Die Abmessungen des Acryl-Sinus-Modells sind in Tabelle 1 dargestellt.
  7. Installieren Sie das Manometer (~0-15 psi) am Druckhahn des Acryl-Sinusmodells, um ein Drucksignal von einem anderen Computer zu empfangen.
    HINWEIS: Die Druckhähne befinden sich 140 mm vom sinotubularen Übergang (STJ) entfernt.
  8. Bereiten Sie eine Arbeitsflüssigkeit vor, indem Sie Kochsalzlösung und Glycerin (siehe Materialtabelle) in einem Massenverhältnis von 60:40 mischen.
    HINWEIS: Ein Viskosimeter und ein Refraktometer wurden verwendet, um die Viskosität und den Brechungsindex des Arbeitsmediums zu messen. Die Viskosität beträgt ~ 4 cp, der Brechungsindex beträgt 1,45 und die Dichte beträgt 1.100 kg / m3.
  9. Verbinden Sie das Reservoir, die Kolbenpumpe und das Acryl-Sinus-Modell mit einem Silikonschlauch (siehe Materialtabelle).
  10. Binden Sie die Transkatheter-Aortenklappe (TAV) (siehe Materialtabelle) an die native Packungsbeilage, die von einem 3D-Drucker mit einem Gewinde11 hergestellt wird.
  11. Kombinieren Sie den festen TAV auf dem nativen Prospekt mit dem Acryl-Sinus-Modell.
    HINWEIS: Das hier verwendete TAV (kommerziell gewonnen) hat einen Durchmesser von 23 mm und 26 mm und die Höhe beträgt 18 mm bzw. 20 mm bzw.12 mm. Für TAV (23 mm) betrugen die Einsatztiefe und die native Packungslänge 1,8 mm bzw. 9 mm, und für TAV (26 mm) beträgt sie 2,0 mm bzw. 10 mm. Der Innendurchmesser der nativen Packungsbeilage betrug 21 mm, wenn man die Ringgröße des Patienten berücksichtigt.
    ACHTUNG: Das TAV trocknet aus, wenn es nicht in Salzlösung konserviert wird. Es wird in der Flüssigkeit gehalten, auch nachdem es an das native Blättchen gebunden wurde.
  12. Die Arbeitsflüssigkeit (Schritt 1.8) wird in das In-vitro-System gefüllt.
    VORSICHT. Vermeiden Sie Blasen auf dem Acryl-Sinus-Modell, da dies die PIV-Ergebnisse beeinflusst.

2. PIV-Einrichtung

  1. Platzieren Sie den Laser auf einem anderen optischen Tisch und einer Einachsschiene.
    HINWEIS: Der Laser ist ein kontinuierlicher Nd:YAG-Laser, der Licht mit einer Wellenlänge von 532 nm emittiert und dessen Leistung auf 10 W ansteigen kann (siehe Materialtabelle). Die Laserfolie, die durch die Optik geleitet wird, hat einen Abstand von 1 m vom Acryl-Sinusmodell.
  2. Suchen Sie die Hochgeschwindigkeitskamera auf einer 2-Achsen-Traverse und bewegen Sie die Traverse.
    ACHTUNG: Die Hochgeschwindigkeitskamera steht senkrecht zum Laserblech- und Acryl-Sinus-Modell.
  3. Rüsten Sie das Objektiv mit der Hochgeschwindigkeitskamera aus.
    HINWEIS: Das an der Hochgeschwindigkeitskamera montierte Makroobjektiv hat eine Brennweite von 105 mm und die Blende ist f/2.8.
  4. Saatgutpartikel (siehe Materialtabelle) im Reservoir.
    HINWEIS: Das Partikel ist eine Hohlglaskugel mit einem durchschnittlichen Durchmesser von 10 μm und einer Dichte von 1.090 kg/m3. Der Behälter hat eine rechteckige Form und die Breite, Länge und Höhe im Inneren beträgt 23 cm, 23 cm, 35 cm. Im oberen Teil befindet sich ein Loch zur Befestigung. Der Deckel hatte auch ein Loch zum Befestigen und einen Bolzenhahn, um die Glühbirnenpumpe zu installieren, um Druck auszuüben.
  5. Programmieren Sie einen externen Auslöser mit einer elektronischen Open-Source-Prototypenplattform, Arduino, (siehe Materialverzeichnis).
    HINWEIS: Wenn sich die Kolbenpumpe in einer vorgegebenen Entfernung bewegt, wird die Ausgabe von Arduino zu 1, die als zu fotografierender Auslöser an die Hochgeschwindigkeitskamera übertragen wird.
  6. Führen Sie die Kamerasteuerungssoftware aus (siehe Materialtabelle), klicken Sie auf Current Session Reference (CSR) und entfernen Sie den Objektivdeckel.
  7. Schalten Sie den Laser ein, stellen Sie ihn auf 7 W ein und platzieren Sie das Laserblatt in der Mitte des TAV.
  8. Machen Sie einen Schnappschuss und überprüfen Sie die Partikeldichte und den Durchmesser.
    HINWEIS: Um Fehler zu reduzieren, bestätigen Sie, dass sich ~ 8-10 Partikel im Abfragefenster befinden, mit einem Partikeldurchmesser von 2-4 Pixeln13.
  9. Stellen Sie die Parameter wie Auflösung (1280 x 720), zufällige Bildrate, Belichtungszeit auf Maximum entsprechend der zufälligen Bildrate in der Kamerasteuerungssoftware ein.
  10. Klicken Sie zunächst in der Motorsteuerungssoftware auf die Schaltfläche Aktivieren und klicken Sie in der Systems Engineering Software auf die Schaltfläche Start , um die Kolbenpumpe zu betreiben.
  11. Machen Sie ein Foto und prüfen Sie, ob der maximale Partikelabstand weniger als 4-6 Pixel beträgt.
    HINWEIS: Diese Studie entspricht 50% des Abfragefensters, das 16 Pixel zwischen Geschwindigkeitsvektoren setzt. Der maximale Abstand der Partikel im Abfragefenster ist auf 8 Pixel begrenzt.
  12. Wiederholen Sie Schritt 2.11, um den maximalen Partikelabstand innerhalb dieses Bereichs sicherzustellen, indem Sie die Bilder pro Sekunde (fps) anpassen, wenn sie mehr als 6 Pixel betragen, und die fps senken, wenn sie weniger als 4 Pixel betragen.

3. Untersuchung der Hämodynamik

  1. Prüfen Sie, ob der Anschlussteil des Acryl-Sinus-Modells undicht ist oder der Silikonschlauch gefaltet wird.
  2. Importieren Sie die Excel-Datei mit gespeicherten Fluss- und BPM-Informationen in der System-Engineering-Software.
    HINWEIS: Zum Beispiel beträgt die Herzfrequenz 60 bpm, die maximale Durchflussrate beträgt 20 l / min, das Herzzeitvolumen beträgt 4,8 l / min und das Schlagvolumen beträgt 70 ml (Abbildung 3A).
  3. Bestätigen Sie den Systementwicklungssoftwareparameter, z. B. den Eingangs- und Ausgangskanal des Datenerfassungsgeräts. Der Sample-Takt ist 1.000 und die Feedback-Iteration ist 10.
  4. Bestätigen Sie den Parameter der Motorsteuerungssoftware, z. B. die Länge der Leitspindel beträgt 10 mm, der analoge Eingang und Ausgang beträgt 14,5 mm / Spannung.
  5. Schalten Sie die Hochgeschwindigkeitskamera ein und führen Sie die Kamerasteuerungssoftware aus.
  6. Klicken Sie auf CSR und entfernen Sie einen Objektivdeckel.
  7. Stellen Sie die Softwareparameter für die Kamerasteuerung ein, z. B. die Auflösung von 1280 x 720, eine Bildrate von 300 fps, eine Berstzeit von 200 μs und 150 μs, eine Berstzahl von 3 und die Belichtung (erzwungen durch die Berstperiode).
  8. Schalten Sie den Laser ein, stellen Sie ihn auf 7 W ein und platzieren Sie das Laserblatt in der Mitte des TAV. Konzentrieren Sie sich auf das Laserblatt, indem Sie das Objektiv steuern.
  9. Stellen Sie den Druck auf das Reservoir ein.
    HINWEIS: Der mittlere Nachklappendruck beträgt 100 mmHg während des Betriebs der Kolbenpumpe (Abbildung 3B,C).
  10. Klicken Sie zunächst in der Motorsteuerungssoftware auf die Schaltfläche Aktivieren und klicken Sie in der Systemtechnik-Software auf die Schaltfläche Start , um die Kolbenpumpe zu betreiben.
  11. Warten Sie, bis sich die Durchflussrate stabilisiert hat.
    HINWEIS: Die Durchflussrate berechnet die Differenz basierend auf dem Signal der Kolbenpumpe und führt eine negative Rückkopplung durch, so dass es einige Zeit dauert, bis sie sich stabilisiert hat.
  12. Überprüfen Sie einen Auslöser, der im seriellen Arduino-Plotter funktioniert.
  13. Erfassen Sie Partikelbilder für kontinuierliche 14 Zyklen und wiederholen Sie sie insgesamt sieben Mal.
    HINWEIS: Die Speicherkapazität einer Hochgeschwindigkeitskamera hängt mit der Auflösung und der Anzahl der Partikelbilder zusammen. Gemäß dem in Schritt 3.7 eingestellten Parameter ist es möglich, ein Bild nur für jeweils 14 Zyklen aufzunehmen.

4. Datenverarbeitung

  1. Konvertieren Sie mit der Kamerasteuerungssoftware von der .cine-Datei in .tiff-Dateien.
  2. Berechnen Sie das durchschnittliche Bild für alle Partikelbilder im Laufe der Zeit. Entfernen Sie den Bereich, der der Reflexion des Lasers an der Wand oder dem TAV entspricht, indem Sie das durchschnittliche Bild14 subtrahieren.
  3. Machen Sie die Maske, indem Sie die zu analysierenden Bereiche von denen trennen, die verworfen werden sollen.
    HINWEIS: In dieser Studie wurden zwei Masken verwendet: eine zur Analyse der Sinusregion allein und die andere zur Analyse der gesamten Region, die die Region nach STJ enthält.
  4. Führen Sie PIV mit PIVlab durch, einem Open-Source-Tool, das auf MATLAB15 basiert (siehe Materialverzeichnis).
    1. Importieren Sie Partikelbilder, die mit der zeitaufgelösten Methode oder der paarweisen Methode gespeichert wurden.
    2. Führen Sie die kontrastbegrenzte adaptive Histogrammentzerrung (CLAHE)16 aus.
      HINWEIS: CLAHE ist eine Methode zur Bildvorverarbeitung. Der Kontrast des Partikelbildes wird so verteilt, dass der Laser die Zunahme und Abnahme der Partikelintensität widerspiegelt. Das Partikelbild wird durch ein Fenster mit 20 Pixeln geteilt.
    3. Importieren Sie die Maske und wenden Sie sie auf alle Partikelbilder an.
    4. Legen Sie das Multi-Pass-Abfragefenster fest.
      HINWEIS: Das Abfragefenster wird von 64 x 64 auf 32 x 32 mit einer Überlappung von 50% reduziert. Der Abstand zwischen den beiden Vektoren entspricht 16 Pixeln.
    5. Führen Sie die Kreuzkorrelation 13 über das in den Frequenzbereichkonvertierte Teilchenbildpaar mit der schnellen Fourier-Transformation (FFT)13 aus.
    6. Finden Sie einen Spitzenwert mit einem 2 x 3 Gaußschen Anpassungsergebnis in der Korrelation.
      HINWEIS: Der im Gaußschen Fitting ausgewählte Spitzenwert bestimmte den Partikelabstand.
  5. Führen Sie den Glättungsprozess aus, der die folgenden Prozesse umfasst.
    1. Entfernen Sie die Ausreißer in ein "NaN" mit der integrierten Funktion "isoutlier" in MATLAB.
    2. Interpolieren Sie eine Nan zum Wert mithilfe der Funktion "inpaint_nans" in MATLAB15.
    3. Konvertieren Sie von "Pixel / Frame" in "m / s" entsprechend der Bildrate und der Burst-Periode.
      HINWEIS: Die Konvertierung bezieht sich auf das Zeitintervall, das durch die Bildrate und die Burst-Periode bestimmt wird. Insbesondere wird der Koeffizient der zeitaufgelösten Methode von der Bildrate abgeleitet, und der einer paarweisen Methode wird von der Berstperiode abgeleitet.
    4. Führen Sie die paarweise Methode und die zeitaufgelöste Methode mithilfe des Gewichtungsfaktors zusammen.
      HINWEIS: Der Gewichtungsfaktor hängt von der Geschwindigkeitsgröße ab und hat in jedem Abschnitt einen Gesamtwert von 1. Wenn die Geschwindigkeitsgröße einen bestimmten Schwellenwert überschreitet, ist der Faktor für die paarweise Methode höher als der für die zeitaufgelöste Methode.
    5. Führen Sie die "Glättungsfunktion" von DCT-PLS mit einem Glättungsfaktor von 0,5915,17 aus.
      HINWEIS: Die Funktionen "smoothn" und "inpaint_nans" sind im PIVlab vorhanden.

5. Datenanalyse

  1. Laden Sie PIV-Daten in MATLAB.
  2. Extrahieren Sie die Komponenten "u" und "v" aus den PIV-Daten.
  3. Berechnen Sie das Geschwindigkeitsfeld18 (Gleichung 1, Zusatzdatei 1).
  4. Leiten Sie Hämodynamikparameter unter Verwendung des hauseigenen Codes und der integrierten Funktion19 ab.
    1. Leiten Sie die Vortizität mit der MATLAB-integrierten Funktion "curl"18 ab (Gleichung 2, Zusatzdatei 1).
    2. Leiten Sie den Stillstand mit dem hauseigenen Code20 ab (Gleichung 3, Ergänzungsdatei 1).
    3. Leiten Sie die Γ1 mit dem hauseigenen Code21 ab (Gleichung 4, Zusatzdossier 1).
    4. Leiten Sie den Partikelwohnsitz mit einem hauseigenen Code19 ab (Gleichung 5, Zusatzdatei 1).
  5. Berechnen Sie den Durchschnitt und die Standardabweichung der hämodynamischen Parameter (Tabelle 2).
    HINWEIS: Spitzengeschwindigkeit, Vortizität, Γ1 und Stasis wurden für insgesamt 98 Zyklen berechnet. Der Zerfall wurde durch exponentielle Anpassung an den Prozentsatz der Teilchenresidenz erhalten. Der Zerfall legte 14 Zyklen als einen Datensatz fest und berechnete den Durchschnitt und die Standardabweichung für das Siebenfache.

Ergebnisse

Die Geschwindigkeitsfelder zeigten in Abbildung 4 je nach Ventildurchmesser eine unterschiedliche Sinusströmungsstruktur. Für TAV (23 mm) war die Geschwindigkeit höher als 0,05 m/s zwischen TAV und STJ von der frühen Systole bis zur Peak-Systole, dass TAV mit dem Weiterleitungsstrahl geöffnet wurde. Die hohe Geschwindigkeit wurde dann in einem engen Bereich in der Nähe des Stents an der späten Systole verteilt. Die Geschwindigkeit an der Diastole war niedriger als 0,025 m/s, und es er...

Diskussion

Die Sinusströmung änderte sich aufgrund unterschiedlicher Sinusgeometrie nach TAVI. Der Wirbel wurde durch die Aortenklappenöffnung und die Wechselwirkung mit dem Vorwärtsstrahl von Systole22 gebildet. Bei der Untersuchung der künstlichen chirurgischen Klappe ohne native Blättchen war der in der Sinusregion an der Systole beobachtete Wirbel normal23. Diese Studie bildet den an der Diastole präsentierten Wirbel, indem sie den Vorwärtsstrahl reduziert und in den Sinus...

Offenlegungen

Die Autoren haben nichts offenzulegen.

Danksagungen

Diese Forschung wurde durch das Basic Science Research Program der National Research Foundation of Korea unterstützt, das vom Bildungsministerium finanziert wird (NRF-2021R1I1A3040346 und NRF-2020R1A4A1019475). Diese Studie wurde auch durch den 2018 Research Grant (PoINT) der Kangwon National University unterstützt.

Materialien

NameCompanyCatalog NumberComments
3D PrinterPrusa ResearchOriginal Prusa i3 MK2; FDM printer
Aluminum bar (square)APSPROKHP-3030, KHP-6060Dimension: 30 mm x 30 mm, 60 mm x 60 mm
Bulb pumpSkyhopeMHL-1
Camera controlling softwarePhantomPCC 3.4 softwareThe software controll the high speed camera
Check valveHANJU STEEL PIPECheck valve; 1/2 inch (15A)
Digital Aqusition deviceNational InstrumentsUSB-6001
GlycerinANU KoreaIt used for making a working fluid
High-speed cameraPhantomPhantom VEO 710E-L
LaserChangchun New Industries Optoelectronics TechnologyMGL-W-532; CW Nd:YAG Laser
Linear actuatorTHOMSONPC-40; it converts the rotational motion to lenear motion
Macro lensNikonVR Micro-NIKKOR 105mm, f/2.8 G
MotorKOLLMORGENAKM33H-ANCNR-00; DC servo motor
Motor controlling softwareKOLLMORGENKollmorgen software; the software controll the motor driver
Motor driverKOLLMORGENAKD-B00606-NBAN-0000
Open-source electronic prototypic platformArduinoA000066Arduino Uno R3. It used for making a external trigger
Optic tableSMTECH1800 (W) x 900 (B) x 800 (H)
ParticleDantec Dynamics80A6011Hollow Glass Sphere. Mean diameter:10 µm, Density: 1090 kg/m3
PIVlabPIVlabOpen source algorithm based on MATLAB
https://kr.mathworks.com/matlabcentral/fileexchange/27659-pivlab-particle-image-velocimetry-piv-tool-with-gui
Pressure gaugeOMEGAPX309-015A5V. Measurement range: 0~15psi
RefractometerATAGO2350R-5000. Hand held refractometer; measurement range: 1.333-1.520
Resistance valveHANJU STEEL PIPEBall valve; 1/2 inch (15A)
SalineDAI HAN PHARMIt is used for making a working fluid and for preserving the TAV
Silicone hoseHSWInner diameter 26mm, Outter diameter 30mm; Inlet length 5m, Outlet length 1.5m
System enginnering softwareNational InstrumentsLabVIEW software. The software controlls the DAQ.
Transcatheter Aortic Valve, TAV (23 mm) and TAV (26 mm)Edwards LifesciencesSAPIEN3 23mm, SAPIEN3 26mm. It is supported by Seoul Asan Medical
ViscosmeterBrookfiledDVELV; Measurement range: 1-2x109 cp

Referenzen

  1. Carabello, B. A., Paulus, W. J. Aortic stenosis. The Lancet. 373 (9667), 956-966 (2009).
  2. Jakobsen, L., et al. Short-and long-term mortality and stroke risk after transcatheter aortic valve implantation. The American Journal of Cardiology. 121 (1), 78-85 (2018).
  3. Koo, H. J., et al. Computed tomography features of cuspal thrombosis and subvalvular tissue ingrowth after transcatheter aortic valve implantation. The American Journal of Cardiology. 125 (4), 597-606 (2020).
  4. Midha, P. A., et al. The fluid mechanics of transcatheter heart valve leaflet thrombosis in the neosinus. Circulation. 136 (17), 1598-1609 (2017).
  5. Abubakar, H., Ahmed, A. S., Subahi, A., Yassin, A. S. Thrombus in the Right Coronary Sinus of Valsalva Originating From the Left Atrial Appendage Causing Embolic Inferior Wall Myocardial Infarction. Journal of Investigative Medicine High Impact Case Reports. 6, 2324709618792023 (2018).
  6. Charonko, J., Karri, S., Schmieg, J., Prabhu, S., Vlachos, P. In vitro, time-resolved PIV comparison of the effect of stent design on wall shear stress. Annals of Biomedical Engineering. 37 (7), 1310-1321 (2009).
  7. Hariharan, P., et al. Inter-laboratory characterization of the velocity field in the FDA blood pump model using particle image velocimetry (PIV). Cardiovascular Engineering and Technology. 9 (4), 623-640 (2018).
  8. Lim, W., Chew, Y., Chew, T., Low, H. Pulsatile flow studies of a porcine bioprosthetic aortic valve in vitro: PIV measurements and shear-induced blood damage. Journal of Biomechanics. 34 (11), 1417-1427 (2001).
  9. Kim, J., Lee, Y., Choi, S., Ha, H. Pulsatile flow pump based on an iterative controlled piston pump actuator as an in-vitro cardiovascular flow model. Medical Engineering & Physics. 77, 118-124 (2020).
  10. Moore, B. L., Dasi, L. P. Coronary flow impacts aortic leaflet mechanics and aortic sinus hemodynamics. Annals of Biomedical Engineering. 43 (9), 2231-2241 (2015).
  11. Evans, B. . Practical 3D printers: The science and art of 3D printing. , (2012).
  12. Yudi, M. B., Sharma, S. K., Tang, G. H., Kini, A. Coronary angiography and percutaneous coronary intervention after transcatheter aortic valve replacement. Journal of the American College of Cardiology. 71 (12), 1360-1378 (2018).
  13. Adrian, R. J., Westerweel, J. . Particle Image Velocimetry. , (2011).
  14. Deen, N. G., et al. On image pre-processing for PIV of single-and two-phase flows over reflecting objects. Experiments in Fluids. 49 (2), 525-530 (2010).
  15. Thielicke, W., Stamhuis, E. PIVlab-towards user-friendly, affordable and accurate digital particle image velocimetry in MATLAB. Journal of Open Research Software. 2 (1), (2014).
  16. Pizer, S. M., et al. Adaptive histogram equalization and its variations. Computer Vision, Graphics, and Image Processing. 39 (3), 355-368 (1987).
  17. Garcia, D. Robust smoothing of gridded data in one and higher dimensions with missing values. Computational Statistics & Data Analysis. 54 (4), 1167-1178 (2010).
  18. Elger, D. F., LeBret, B. A., Crowe, C. T., Roberson, J. A. . Engineering Fluid Mechanics. , (2020).
  19. Raghav, V., Sastry, S., Saikrishnan, N. Experimental assessment of flow fields associated with heart valve prostheses using particle image velocimetry (PIV): recommendations for best practices. Cardiovascular Engineering and Technology. 9 (3), 273-287 (2018).
  20. Ncho, B., Sadri, V., Ortner, J., Kollapaneni, S., Yoganathan, A. In-Vitro Assessment of the Effects of Transcatheter Aortic Valve Leaflet Design on Neo-Sinus Geometry and Flow. Annals of Biomedical Engineering. 49 (3), 1046-1057 (2021).
  21. Graftieaux, L., Michard, M., Grosjean, N. Combining PIV, POD and vortex identification algorithms for the study of unsteady turbulent swirling flows. Measurement Science and Technology. 12 (9), 1422 (2001).
  22. Yap, C. H., Saikrishnan, N., Tamilselvan, G., Yoganathan, A. P. Experimental measurement of dynamic fluid shear stress on the aortic surface of the aortic valve leaflet. Biomechanics and Modeling in Mechanobiology. 11 (1), 171-182 (2012).
  23. Toninato, R., Salmon, J., Susin, F. M., Ducci, A., Burriesci, G. Physiological vortices in the sinuses of Valsalva: an in vitro approach for bio-prosthetic valves. Journal of Biomechanics. 49 (13), 2635-2643 (2016).
  24. Raghav, V., Midha, P., Sharma, R., Babaliaros, V., Yoganathan, A. Transcatheter aortic valve thrombosis: a review of potential mechanisms. Journal of the Royal Society Interface. 18 (184), 20210599 (2021).
  25. Ramanathan, T., Skinner, H. Coronary blood flow. Continuing Education in Anaesthesia, Critical Care & Pain. 5 (2), 61-64 (2005).
  26. Nobach, H., Bodenschatz, E. Limitations of accuracy in PIV due to individual variations of particle image intensities. Experiments in Fluids. 47 (1), 27-38 (2009).
  27. Gülan, U., et al. Performance analysis of the transcatheter aortic valve implantation on blood flow hemodynamics: An optical imaging-based in vitro study. Artificial Organs. 43 (10), 282-293 (2019).

Nachdrucke und Genehmigungen

Genehmigung beantragen, um den Text oder die Abbildungen dieses JoVE-Artikels zu verwenden

Genehmigung beantragen

Weitere Artikel entdecken

EngineeringAusgabe 180Aortenstenosein vitro Transkatheter Aortenklappe TAVThromboseH modynamikPartikelbild Velocimetrie PIV

This article has been published

Video Coming Soon

JoVE Logo

Datenschutz

Nutzungsbedingungen

Richtlinien

Forschung

Lehre

ÜBER JoVE

Copyright © 2025 MyJoVE Corporation. Alle Rechte vorbehalten