Un abonnement à JoVE est nécessaire pour voir ce contenu. Connectez-vous ou commencez votre essai gratuit.
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.
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.
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.
1. Fibre Orientations Estimation
2. Mesure de l'erreur d'estimation
3. La mesure des effets de l'erreur d'estimation sur les simulations
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).
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.
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...
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...
Aucun conflit d'intérêt déclaré.
Nous remercions les Drs. Raimond Winslow, Elliot McVeigh, et Helm Patrick à la Johns Hopkins University de fournir les bases de données ex vivo ligne.C recherche a été financée par le National Institutes of Health subvention R01-HL082729, et la National Science Foundation subvention CBET-0933029.
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 |
Demande d’autorisation pour utiliser le texte ou les figures de cet article JoVE
Demande d’autorisationExplorer plus d’articles
This article has been published
Video Coming Soon