Spécifique au patient Modeling of the Heart: Estimation des orientations des fibres ventriculaires

Résumé

Une méthodologie pour estimer les orientations des fibres ventriculaires à partir des images in vivo de géométries cardiaques des patients pour la modélisation personnalisée est décrite. Validation de la méthodologie effectuée à l'aide normaux et défaillants coeurs canins démontrer que qu'il n'y a pas de différences significatives entre les orientations des fibres estimés et acquis à un niveau cliniquement observable.

Résumé

Spécifiques au patient des simulations de coeur (dys) fonction vise à personnaliser thérapie cardiaque sont entravés par l'absence de la technologie d'imagerie in vivo pour l'acquisition cliniquement orientations des fibres myocardiques. L'objectif de ce projet était de développer une méthodologie pour estimer orientations des fibres cardiaques à partir des images in vivo de géométries cardiaques des patients. Une représentation précise de la géométrie ventriculaire et des orientations de fibres a été reconstruite, respectivement, de haute résolution, ex vivo par résonance magnétique structurelle (MR) et tenseur de diffusion (DT) des images RM d'un coeur humain normal, dénommé atlas. Géométrie ventriculaire d'un cœur patient a été extrait, par l'intermédiaire de segmentation semi-automatique, à partir d'une in vivo la tomodensitométrie (TDM) image. En utilisant des algorithmes de transformation d'image, la géométrie ventriculaire atlas a été déformée pour correspondre à celle du patient. Enfin, le champ de déformation a été appliquée à la fibre orientat atlasions pour obtenir une estimation des orientations de fibres de patients. La précision des estimations de fibres a été évaluée au moyen de six normales et trois à défaut coeurs canins. La différence absolue moyenne entre les angles d'inclinaison des orientations des fibres acquises et estimé était de 15,4 °. Simulations numériques de cartes d'activation ventriculaire et pseudo-ECG en rythme sinusal et la tachycardie ventriculaire indiqué qu'il n'y ait pas de différences significatives entre les orientations des fibres estimés et acquis à une clinique observables level.The de nouvelles connaissances obtenues à partir du projet ouvrira la voie pour le développement de spécifiques au patient modèles du cœur qui peuvent aider les médecins dans le diagnostic personnalisé et des décisions concernant les interventions électrophysiologiques.

Introduction

L'approche de calcul devient centrale pour l'avancement de la compréhension de la fonction du cœur dans la santé et la maladie. State-of-the-art tout-cardiaques modèles de l'électrophysiologie et de l'électromécanique sont actuellement utilisées pour étudier un large éventail de phénomènes, comme la propagation ventriculaire normale, de l'arythmie, la défibrillation, couplage électromécanique et de resynchronisation cardiaque ^1. Cependant, à l'approche de calcul pour être directement applicable dans l'environnement clinique, il est impératif que les modèles soient spécifiques au patient, à savoir les modèles doivent être basés sur l'architecture spécifique et les propriétés électrophysiologiques ou électromécanique du cœur malade du patient. Simulation avec ces modèles aideront les médecins à prendre des décisions hautement personnalisés pour les interventions électrophysiologiques ainsi que la prophylaxie, ce qui améliore considérablement la santé cardiaque ^2-4.

contenu "> Création de modèles réalistes cardiaque nécessite l'acquisition de la structure de la géométrie et de la fibre d'un cœur patient. orientations de fibre de déterminer les orientations de la propagation électrique et les distributions de contrainte dans le cœur, et donc de les acquérir est essentiel à la modélisation cardiaque ^{5, 6.} Avec les progrès récents de l'imagerie médicale, il est maintenant possible d'obtenir la géométrie d'un patient cardiaque, remodelage includingstructural comme un infarctus, in vivo à haute résolution à l'aide imagerie par résonance magnétique (IRM) et la tomodensitométrie (TDM) technologies. Toutefois, il n'est pas méthode pratique pour l'acquisition d'une structure de fibre cardiaque du patient in vivo. du tenseur de diffusion (DT) IRM ^{7, 8,} la seule technique pour acquérir des orientations des fibres du cœur intact, n'est pas largement disponible in vivo en raison de certaines limitations ^9. Une brève description des efforts précédents pour traduire IRMtd à la clinique peut être trouvé elsewhavant ^2. Bien que des méthodologies telles que fondé sur des règles d'affectation des orientations des fibres offrir des alternatives aux IRMtd, ces méthodes présentent certaines limitations graves ^{2, 10.} Ainsi, des difficultés à acquérir structure de fibre cardiaque in vivo actuellement obstacle à l'application de électrophysiologiques cardiaques et électromécaniques simulations en milieu clinique. L'objectif de cette recherche était de s'attaquer directement à ce besoin.

Nous avons supposé que des orientations de fibres ventriculaires d'un cœur peut être prédit avec précision compte tenu de la géométrie du cœur et un atlas, où l'atlas est un cœur dont la géométrie et de la fibre orientations sont disponibles. En conséquence, nous avons utilisé l'état de l'art des techniques pour développer une méthodologie pour l'estimation des orientations des fibres cardiaques in vivo, et testé l'hypothèse normale et de ne pas ventricules canines ^2. L'idée centrale de notre méthode d'estimation de la fibre est d'exploiter similarities dans les orientations des fibres, par rapport à la géométrie, entre les différents cœurs afin de rapprocher la structure des fibres d'un cœur (cible) pour lesquels l'information est disponible géométrie. Au cœur de notre méthode d'estimation est l'enregistrement de la géométrie de l'atlas avec la géométrie de la cible à l'aide cartographie à grande difféomorphe déformation métrique (LDDMM) ^11, et le morphing des orientations des fibres atlas en utilisant la préservation des composantes principales (PPD) ^{2, 12.} L'diffeomorphicproperty des garanties LDDMM que l'atlas ne «repliement» lui-même lors de la déformation, ce qui préserve les structures anatomiques integrityof. Figure 1 illustre le pipeline de traitement de notre méthodologie. La section texte du protocole § 1 décrit les divers composants du pipeline en démontrant comment l'estimation peut être réalisée pour un patient par exemple. Les chiffres à l'intérieur une partie des blocs de la figure 1 se référer au correspondantparagraphes vertu de l'article § 1 du texte du protocole.

Nous avons évalué les performances de la méthode proposée par la quantification de l'erreur d'estimation et de mesurer l'effet de cette erreur onsimulations de l'électrophysiologie cardiaque, par calcul simulant les cartes locales activation électrique ainsi que les pseudo-électrocardiogrammes (ECG pseudo-). En raison de l'indisponibilité du cœur de l'homme, l'évaluation de la performance a été réalisée à l'aide coeurs canins disponibles à partir des études antérieures ^13-15. L'erreur d'estimation a été calculée au moyen d'angles d'inclinaison ^16, de la tradition de followingthe histologie, où les mesures d'angle sont des coupes de tissus qui sont coupés performedon parallèle à la epicardialsurface. Depuis le anglebetween la direction des fibres et épicardique plan tangent est generallysmall ^{17, 18,} ​​la perte d'informations dans la description d'un fiberdirection entièrement à l'aide de son angle d'inclinaison est insignifiante. Pour l'ordisimulations ational, l'image des modèles ont été construits comme indiqué précédemment ^{19, 20,} et le tissu cardiaque dans des modèles a été représenté établies sur la base de techniques mathématiques et les données expérimentales ^21-25. Rythme sinusal a été simulé par une activation de réplication provenant du réseau de Purkinje ^26, et une tachycardie ventriculaire, par une stimulation S1-S2 protocole ^27. Les pseudo-ECG ont été calculés par rapport à l'aide ²⁸ et l'écart absolu moyen (EAM) métrique ^29.

Protocole

1. Fibre Orientations Estimation

1. Acquérir des images IRM structurelles et IRMtd d'un cœur humain adulte normal en diastole, à une résolution de 1 mm ^3. Utiliser ImageJ, extraire le myocarde ventriculaire de l'image structurelle de l'atlas raccord, pour chaque tranche de petit axe, est fermée par des cannelures d'un ensemble de points de repère sont placées le long des frontières endocardique et épicardique de la tranche (figure 2A et la figure 2B). Effectuer la mise en place de points de repère manuellement pour chaque tranche de 10 ^e dans l'image. Obtenir des points de repère pour les tranches restantes en interpolant linéairement les points identifiés manuellement, à l'aide MATLAB.Reconstruct les orientations des fibres du coeur atlas en calculant les vecteurs propres principaux des DTS dans l'image IRMd (figure 2C).
2. Acquérir une image de la géométrie du coeur du patient en utilisant la diastole cardiaque in vivo CT ou IRM. Reconstruct de la géométrie cardiaque du patient à partir de l'image de manière similaire à la façon dont l'atlas a été construit (figure 3A et la figure 3B). L'image de patient doit être ré-échantillonnée avant la reconstruction de sorte que la résolution dans le plan est de 1 mm ^2. De même, le nombre de tranches pour lesquelles repères sont cueillies manuellement, et l'intervalle de out-of-plan d'interpolation doit être ajustée de sorte que l'image du patient segmenté coeur a une épaisseur de coupe de 1 mm.
3. Déformer l'image ventriculaire atlas pour correspondre à l'image géométrie du patient en deux étapes. Dans la première étape, effectuer une transformation affine basée sur un ensemble de points de repères treize: le ventricule gauche (LV) apex, le ventricule droit deux (RV) des points d'insertion, à la base, le deux points d'insertion RV à mi-chemin entre la base et le sommet, et quatre ensembles de deux points qui divisent équitablement RV et les contours LV épicardiques à la base, et à mi-chemin entre la base et le sommet (figure 4A & Figure 4B). Dans la seconde étape, la déformation affine transformée atlas ventricules en outre en fonction de la géométrie du patient, en utilisant la cartographie à grande déformation difféomorphique métrique (LDDMM) (figure 4C).
4. Morph l'image IRMtd de l'atlas par le repositionnement de voxels d'image et de réorienter les DTS en fonction de la matrice de transformation affine de l'appariement et le champ de déformation de la transformation LDDMM. Effectuer la réorientation des DTS à l'aide de la préservation des directions principales (PPD) de la méthode.
5. Obtenir l'estimation des orientations des fibres de patients de l'image morphed atlas IRMtd en calculant le vecteur propre principal de la DT (figure 5).

2. Mesure de l'erreur d'estimation

1. Acquérir ex vivo par résonance magnétique structurelle et images DTMR de six normales et trois coeurs canins à défaut, à une résolution de 312,5 × 312,5 × 800 um ^3. Ici, le cœur faiappât doit être généré dans les canines par l'ablation par radiofréquence de la gauche de branche suivie de 3 semaines de tachypacing à 210 min ^-1.
2. Segmenter les ventricules du cœur canines de même du cœur humain atlas, telles que décrites au § 1.1. Notons ventricules segmentés à partir normales coeurs canins que les coeurs 1 à 6, et ceux segmenté de cœurs défaillants canines que les cœurs 7 à 9 (figure 6).
3. Obtenir des cinq estimations différentes orientations de fibres ventriculaires du coeur 1 en utilisant chacun des coeurs 2 à 6 comme un atlas (figure 7).
4. Estimation des orientations de fibres pour chacun des ventricules cardiaques défaillantes en utilisant 1, comme l'atlas (figure 8).
5. Foreach point de données dans chaque ensemble d'orientations de fibres estimé, calculer l'erreur d'estimation en tant que | θ _{c-θ a} |, où θ _c θ et _A sont les angles d'inclinaison des estimations d'd acquise orientations des fibres à ce point, respectivement.
6. Pour chaque point de données dans chaque ensemble d'orientations de fibres estimé, calculer l'angle aigu et betweenestimated acquis directions des fibres dans trois dimensions (3D) par l'intermédiaire d'thevector produit scalaire.

3. La mesure des effets de l'erreur d'estimation sur les simulations

1. De coeur 1, de construire six modèles, l'un avec les orientations IRMtd acquises fibre de coeur 1 (appelé modèle 1), et cinq avec les cinq orientations de fibres estimé ensembles de données (modèles 2 à 6). Pour chacun des trois coeur défaillant géométries, construire deux modèles ventriculaires, une des IRMtd acquises orientations des fibres et l'autre avec les orientations des fibres estimés. Voici la résolution spatiale des modèles, calculé en fonction de la longueur moyenne des arêtes des mailles, devrait être d'environ 600 um. Représentent les modèles d'insuffisance cardiaque avec des fibres IRMtd acquises en tant que modèles de 7 à 9, et ceux avec estimated fibres que les modèles de 10 à 12.In les modèles, utiliser la représentation monodomaine pour décrire le tissu cardiaque, avec des équations régissant:

où σ _b est le tenseur de conductivité en vrac, qui est calculée à partir des tenseurs de conductivité bidomaine comme décrit par Potse et al ^30, V _m est le potentiel transmembranaire; C _m est la capacité membranaire spécifique, et I _d'ions est la densité de courant la transmembranaire, qui à son tour dépend de V _m et un ensemble de variables d'état μ décrit la dynamique des flux ioniques à travers la _m membrane.For C, utilisez une valeur de 1 μ F / cm ^2. Pour _i σ dans des conditions normales modèles cardiaque canine, utilisez longitudinalesLes valeurs de conductivité internes et transversale de 0,34 S / m et 0,06 S / m, respectivement. Représenter l _lon par les modèles Greenstein-Winslow ioniques de la myocyte ventriculaire canine. Diminution de la conductivité électrique dans les modèles cardiaques ventriculaires canins échec de 30% (figure 9).

2. Utilisation du logiciel CARP (CardioSolv, LLC), le rythme sinusal simuler avec tous les modèles. Provoquer réentrante tachycardie ventriculaire (VT) dans les six modèles défaillants en utilisant un protocole de stimulation S1-S2. Choisissez l'intervalle entre S1 et S2 pour obtenir une activité soutenue VT pendant 2 secondes après la livraison S2. Si VT n'est pas induite pour n'importe quelle synchronisation S1-S2, diminuer les conductivités jusqu'à 70% jusqu'au VT a été induite (figure 10).
3. Pour chaque simulation, le calcul des pseudo-ECG en prenant la différence des potentiels extracellulaires entre deux points dans un bain isotrope entourant le cœur. Placez les deux points près de la base du cœur séparéspar 18 cm, de sorte que la ligne qui les relie est perpendiculaire au plan de base-sommet de la cloison comme illustré sur la Figure 10. Pour chaque simulation, avec des orientations de fibres estimé, calculer la métrique comme MAD

où X est la forme d'onde ECG de la simulation avec des orientations de fibres estimées, Y est la forme d'onde ECG de thecorresponding simulation avec des orientations de fibres acquises, X est la valeur moyenne de X, Y est la valeur moyenne de Y, et n est la longueur de X et Y.

Résultats

Figure 11, ca affiche des visualisations rationalisation des estimations ainsi que les orientations des fibres IRMtd dérivés dans les cœurs normaux et défaillants. Examen qualitatif montre que les orientations de fibres estimé cadrent bien avec IRMtd dérivés de ceux. Panneau D illustre, superposées sur la géométrie du cœur 1, la distribution de l'erreur dans les angles d'inclinaison des cœurs normaux », en moyenne sur les cinq estimations. Panneau E montre la répartition moyenne de...

Discussion

Cette recherche montre que quantitativement, en l'absence de IRMtd, des orientations de fibres myocardiques normales et des ventricules défaut peut être estimé à partir des images in vivo de leurs géométries pour l'utilisation dans des simulations de l'électrophysiologie cardiaque. La méthodologie proposée est démontrée avec des données in vivo CT, mais elle est également applicable aux images IRM in vivo de la géométrie ventriculaire, pallier le ma...

matériels

Name	Company	Catalog Number	Comments
LDDMM	Johns Hopkins University		http://cis.jhu.edu/software/lddmm-volume/index.php
MATLAB	Mathworks, Inc	R2011b	http://www.mathworks.com/products/matlab/
ImageJ	National Institutes of Health		http://rsbweb.nih.gov/ij/
Tarentule	CAE Software Solutions		http://www.meshing.at/Spiderhome/Tarantula.html
CARP	CardioSolv		http://cardiosolv.com/
Images Canine	Johns Hopkins University		http://www.ccbm.jhu.edu/research/DTMRIDS.php