0:07
Overview
1:14
Principles of Strain Mapping
3:40
4D Ultrasound Set-up
4:58
Ultrasound Image Acquisition
5:45
Image Analysis
7:30
Results
8:41
Applications
10:02
Summary
资料来源:汉娜·塞布尔1, 阿尔文·苏普里阿特纳1, 约翰·博伊尔2和克雷格·戈尔根1
1韦尔登生物医学工程学院,普渡大学,拉斐特,印第安纳州
2密苏里州圣路易斯华盛顿大学机械工程与材料科学
软组织(如血管、皮肤、肌腱和其他器官)的机械行为受到弹性蛋白和胶原蛋白组成的强烈影响,后者提供弹性和强度。这些蛋白质的纤维方向取决于软组织的类型,范围从单一的首选方向到复杂的网状网络,在病变组织中可能发生变化。因此,软组织在细胞和器官水平上经常具有同一性,因此需要三维表征。开发一种可靠地估计复杂生物组织或结构中的应变场的方法,对于机械地描述和理解疾病非常重要。应变表示软组织如何随时间相对变形,并且可以通过各种估计进行数学描述。
随着时间的推移获取图像数据,可以估计变形和应变。然而,所有医学成像方式都含有一定量的噪音,这增加了准确估计体内应变的难度。此处描述的技术通过使用直接变形估计 (DDE) 方法从体积图像数据中计算空间变化的 3D 应变场,从而成功地克服了这些问题。
目前的应变估计方法包括数字图像相关(DIC)和数字体积相关性。不幸的是,DIC只能准确地估计来自二维平面的应变,严重限制了该方法的应用。虽然有用,但 DIC 等 2D 方法很难在经历 3D 变形的区域量化应变。这是因为平面外运动会产生变形误差。数字体积相关性是一种更适用的方法,将初始体积数据划分为多个区域,并找到变形体积的最相似区域,从而减少平面外误差。然而,这种方法证明对噪声很敏感,需要对材料的机械性能进行假设。
此处演示的技术通过使用 DDE 方法消除了这些问题,从而在医学成像数据分析中非常有用。此外,它对于高应变或局部应变是健壮的。在这里,我们描述了门控、体积4D超声数据的采集、其转换为可分析格式,以及使用自定义 Matlab 代码来估计 3D 变形和相应的 Green-Lagrange 应变,该参数能够更好地描述大变形。绿拉格朗日应变张量在许多三维应变估计方法中实现,因为它允许从位移的最小平方拟合 (LSF) 计算F。下面的方程表示绿-拉格朗日应变张数,E,其中F和I分别表示变形梯度和二阶标识张子。
(1)
Tags
ABOUT JoVE
Copyright © 2024 MyJoVE Corporation. All rights reserved