Magnetic Resonance Derived Myocardial Dehnungs-Beurteilung anhand von Feature-Tracking-

Summary

Eine genaue und praktische Methode, um Parameter wie Spannung im Herzmuskelgewebe Maßnahme ist von großem klinischen Nutzen, da es sich gezeigt hat, dass der Stamm eine sensiblere und früher Marker für kontraktile Dysfunktion als die häufig verwendete Parameter EF ist.

Abstract

Zweck: Eine genaue und praktische Methode, um Parameter wie Spannung im Herzmuskelgewebe Maßnahme ist von großem klinischen Nutzen, da es sich gezeigt hat, ist, dass der Stamm eine sensiblere und früher Marker für kontraktile Dysfunktion als die häufig verwendete Parameter EF. Aktuelle Technologien für die CMR sind zeitaufwendig und schwierig, in die klinische Praxis umzusetzen. Feature-Tracking ist eine Technologie, die zu mehr Automatisierung und Robustheit der quantitativen Analyse von medizinischen Bildern mit weniger Zeitaufwand als bei vergleichbaren Methoden führen kann.

Methoden: Eine automatische oder manuelle Eingabe in einer einzigen Phase dient als Initialisierung, aus denen das System beginnt mit der Verschiebung der einzelnen Muster darstellt anatomischen Strukturen im Laufe der Zeit zu verfolgen. Das Besondere an dieser Methode ist, dass die Bilder müssen nicht in irgendeiner Weise vorher, wie zB Kennzeichnung von CMR Bilder manipuliert werden können.

Ergebnisse: Die Methode ist sehr gut für die Verfolgung von Muskelgewebe und damit ermöglichen quantitative Ausarbeitung von Myokard und auch die Durchblutung geeignet.

Schlussfolgerung: Diese neue Methode bietet eine robuste und zeitsparende Verfahren zur Myokard-Gewebe und Blut mit Verschiebung, Geschwindigkeit und Verformung Parameter auf regelmäßige Folgen von CMR Bildgebung quantifizieren. Es kann daher in der klinischen Praxis umgesetzt werden.

Protocol

1. Einführung

Automatische Erkennung von Grenzen ist ein grundlegendes Problem in der Bildanalyse. In kardiale Bildgebung, wäre die Möglichkeit, eine automatische Erkennung der Endokardkontur in der Bildgebung des linken Ventrikels geben objektive Messung der ventrikulären Volumina und Myokard-Verformung (Dehnung). Dies war in der Echokardiographie mit Speckle-Tracking-Technik durchgeführt. Die Entwicklung von zuverlässigen Methoden für die automatische Erkennung Grenze ist eine anspruchsvolle Aufgabe, die nicht allgemein zuverlässige Lösung hat in der kardialen Magnetresonanztomographie (CMR) erhielt. In der Tat, in der klinischen Praxis sind die Grenzen entweder manuell durch den Bediener gezogen oder Software erkennt Schnittstelle zwischen Myokard und Vertiefung ^1,2. In aktuellen Artikel werden wir einen anderen Ansatz, wo die Grenzen sind nicht "erkannt" einzuführen, sondern sie sind "verfolgt", gefolgt dh in der Zeit, ausgehend von einem zuverlässigen bestehenden momentanen Spur, die häufig, aber nicht unbedingt-manuell durch den erfahrenen Operateur gezeichnet wird über einen einzigen Frame. Die einzelnen Punkte Komponieren eine solche erste zuverlässige Spur sind in der Zeit durch die Suche die gleichen Funktionen, die über einen Punkt in ihrer Nachbarschaft sind in den folgenden Bildern gefolgt. Die verfolgten Features kann der Hohlraum-Gewebe Grenze oder anatomischen Elemente, die verschiedenen auf dem Gewebe sind. Sie werden durch Methoden der Maximum-Likelihood in zwei Regionen der Interessen zwischen zwei Frames gefunden.

Die lokalen Frame-to-frame Verschiebung ist gleichbedeutend mit der Bewertung der lokalen Geschwindigkeit (Verhältnis zwischen Weg und Zeit-Intervall). Die automatische Auswertung der Geschwindigkeit in einem Punkt ist aus dem Vergleich der Verschiebung der Bilddaten über eine solche Stelle in zwei aufeinander folgenden Frames bestimmt. Solche Methoden wurden in verschiedenen Formulierungen in vielen Forschungsgebieten. Sie fallen in die allgemeine Kategorie wie Optical Flow bekannt, in fortgeschrittenen Bildanalyse ^3,4. Sie sind gemeinhin als Tracking in echographischen Bildgebung bei solchen Geschwindigkeiten verwendet werden, um physiologische Bewegung ^{5, 6} folgen, sondern auch für alle anderen Bild-Modalität wie CMR, wo diese Methoden als Feature-Tracking oder border-Tracking bezeichnet werden Speckle.

2. Material und Methoden

Feature-Tracking-Methode

Endocardial oder epikardialen Grenzen eines 2D-CMR cine wird manuell auf einem beliebigen Bild (siehe Abbildung 1) zurückverfolgen. Mid-Myokard-Funktionen können auch verfolgt werden. Solche Grenze wird dann als eine Folge von N Punkten, gefolgt von ihrer Koordinatenpaare identifiziert definiert (x _i, y _i) mit i = 1 ... N. Die Grenze verläuft über Tracking Tracking jedes einzelnen Punkt, ist eine solche Verfolgung auf einem hierarchischen Algorithmus auf mehreren Skalen und durch eine Kombination von 1D-Tracking-Techniken, die eine höhere Genauigkeit und 2D-Tracking, die notwendig ist, um richtig erkennt die 2D räumlich erweiterte Garantie auf Features.

Um zum ersten fangen die großen geometrischen Verschiebung der Grenze, ist die Verfolgung in der Richtung senkrecht zu der Grenze selbst, wo der Hohlraum-Gewebe Grenze ist am besten erkennbar durchgeführt. Das Tracking entlang dieser Richtung wird durch die Verwendung der Methode der transmurale Schnitte wie folgt (siehe Abbildung 3) durchgeführt. Eine Linie überquert die Mauer, durch den Punkt und senkrecht zu er gezogen ist. Die Pixel entlang der transmuralen Linie sind in Spalten angeordnet, jede Spalte entspricht einem Bild der Sequenz von Bildern. Auf diese Weise die Entwicklung entlang einer transmuralen schneiden kann für alle Augenblicke auf einmal in eine zweidimensionale Darstellung, wo eine Achse ist der Abstand entlang der Linie und die andere Achse ist die Zeit (siehe Abbildung 2) dargestellt werden. Diese Darstellung ist ähnlich zu dem, was als M-Mode in der Echokardiographie, in CMR es entspricht eher dem "Scout"-Funktion bezeichnet. Zur Verbesserung der Qualität der Analyse, im Fall von schlechten Bildern mit geringem Signal-Rausch-Verhältnis, ist die Raum-Zeit-Darstellung gebaut mit einer Zeile für den transmuralen Schnitt mit einer Dicke von 5 Pixeln. Die Grenze Tracking wird dann entlang der Raum-Zeit-Bild durchgeführt.

In einem zweiten Schritt zur Rechenschaft für die 2D-Verschiebung der Grenze, eine Standard-2D-Tracking (Optical-Flow-based) durchgeführt wird, für jeden Punkt unabhängig, auf einem MXM bewegenden Fenster, das immer auf der zuvor geschätzten Grenzpunkt zentriert ist. 2D-Tracking wird in zwei Schritten durchgeführt, wo die Hälfte der ersten Schätzung wird zum Zentrum der Bewegung von Fenstern in der zweiten Tracking Passage beschäftigt. Das Fenster wird dann 32 bis 16 in zwei weiteren Durchgängen reduziert.

Zur Verbesserung der Genauigkeit der Bewegung entlang der Grenze, die zur Rotation und Torsion Schätzung ist, wird die 1D-Tracking sowie Raum-Zeit-Bilder von dicken Schnitte "parallel" zu der gekrümmten Rand (siehe Abbildung 3) gebaut durchgeführt. An jedem Punkt, unabhängig voneinander, die Pixelentlang der Grenze bewegt, zentriert auf die beweglichen Grenzübergängen sind in Spalten angeordnet, jede Spalte entspricht einem Bild der Sequenz von Bildern. Zur Verbesserung der Qualität der Analyse, um und am besten fangen die Funktionen an der Grenze der Linie 5 Pixel in das Gewebe (sub-Endokard) erweitert wird. Die Grenze Tracking wird dann entlang der Raum-Zeit-Bild mit dem oben beschriebenen Verfahrens durchgeführt. Zur Sicherstellung der räumlichen Kohärenz in der überwachten Grenze, eine 3-Punkt-Median-Filter und einem 3-Punkt-Gauß-Filter (der Gewichte 0,25, 0,5, 0,25) ist für die Verschiebung an benachbarten Punkten bei jedem Schritt berechnet angewendet.

Tracking Entlang der 2D-Space-Time Image

Dieser Abschnitt beschreibt ein Verfahren zur nach einer Grenze entlang einer Richtung in einem zweidimensionalen Bild (M-mode-like) ausgehend von einer bekannten Position in einem Moment.

X ist als die horizontale Richtung und y die vertikale Richtung definiert. Die Spalten werden kommentierten x _i, i = 1 ... M, wobei M die Anzahl der Spalten in das Bild. Das Tracking erfolgt durch Bestimmung einer diskreten Folge von reellen Zahlen y _i = y (x _i) gegeben, ausgehend von einem bekannten Punkt y _k entsprechend den Spalten x _k.

Die Verschiebung von der bekannten Punkt y _k auf den Punkt y _k +1 wird durch die Auswertung der Kreuzkorrelation zwischen die gesamte Spalte auf x _k mit der gesamten Kolonne bei x _k +1 geschätzt. Die Kreuzkorrelationsfunktion wird ein Maximum vorhanden ist, die Position des Maximums der Wert der vertikalen Verschiebung erforderlich, um die Ähnlichkeit zwischen den beiden Säulen zu maximieren gibt, ist daher y _k +1, indem eine solche Verschiebung zu y _k geschätzt. Dieses Verfahren ist zwischen allen Paaren in der nähe des Spalten wiederholt und das Ergebnis ist eine Schätzung der gesamten Grenze y _i, i = 1 ... M. Die Kreuzkorrelation wird hier berechnet mit einer Fast-Fourier-Transform-Algorithmus, um Rechenzeit zu reduzieren.

Die erste Schätzung y _i wird weiter verfeinert iterativ. Um dies zu erreichen soll eine Teilmenge des Bildes ist, indem sie ein paar Punkte oberhalb und unterhalb der vorherigen Schätzung y _i und ein neues Bild, dessen Mittelpunkt entspricht der Reihenfolge y _i generiert und dient zur Korrektur Tracking extrahiert. Diese Ausgestaltung wird wiederholt, bis keine Korrektur gefunden.

Eine verbesserte und natürlichere Ergebnis wird dann durch eine endgültige Schlange Verfahren [5] erreicht zu folgen, in der Raum-Zeit-Bild, so geht die Bildhelligkeit Niveau, das durch den festen Punkt y _k. Der gesamte Prozess nutzt die Zeit, die Periodizität zu einer periodischen Ergebnis zu gewährleisten und vermeiden Sie die Drift-Effekt.

Technische Begrenzung von Feature-Tracking

Die Grenze Tracking-Technik, wie jeder Speckle-Tracking-Methode basiert auf die Quantifizierung von Veränderungen auf Pixelhelligkeit von einem Frame zum anderen basiert. Daraus ergibt sich eine untere Grenze, um die Geschwindigkeit in Bezug auf die Notwendigkeit zu sehen, ein Speckle, dass ein Pixel in einem Bild, Bewegung auf die benachbarten Pixel in den nächsten Frame. Diese Grenze ist daher

Gleichung 1
wo Ax ist die Pixelgröße und At ist das Zeitintervall zwischen den beiden Frames. Der Koeffizient k hängt von der Qualität des Tracking-Algorithmus und auf seiner Fähigkeit, dynamische Sub-Pixel-Variationen zu bewerten. Diese Grenze bedeutet, dass Geschwindigkeiten, die weit über dieser Grenze werden mit großer Genauigkeit geschätzt werden, ist eine solche Genauigkeit bei der Velocity-Werte Ansatz reduziert und fallen unter eine solche Grenze.

Diese Einschränkung bedeutet auch, dass eine Erhöhung der Akquisition Frame-Rate (Reduktion der At) auf der einen Seite eine leichtere Auswertung von großen Geschwindigkeiten und ihre rasche Veränderungen (wie bei der isovolumetrischen Phasen) ermöglicht. Auf der anderen Seite, erhöhen Sie die Erhöhung der Bildrate (Reduktion der At) diese Grenze und implizieren eine geringere Genauigkeit bei der Auswertung der niedrigeren Geschwindigkeiten bis es nicht durch eine ähnliche Erhöhung der räumlichen Auflösung (Reduktion von Ax) begleitet.

Phantom Bild Vorbereitung

Eine Reihe von künstlichen Computer-generated-Schleifen wurde erstellt, um Tests der Bildanalyse Verfahren in einfache und perfekt kontrollierten Bedingungen zu ermöglichen. Dazu wurde ein Phantom in einer kurzen Achse Projektion eines idealen linken Ventrikels wie folgt hergestellt.

Das Endokard und Epikard Grenzen sind durch zwei konzentrische Kreise mit dem Radius R ₀ (t) und R ₁ (t) bzw. vertreten. Das Bild wird, indem der Ring vorbereitet, die Vertreterts das Gewebe zwischen den beiden Grenzen, da gleichmäßig grau auf schwarzem Hintergrund. Dann wird ein 8x8-Hut-linearen Filter angewendet wird, um unphysikalische Diskontinuitäten zu vermeiden.

Das Epikard Bewegung genommen wird, in [mm], als R ₀ (t) = 10 +5 cos (2πt / T), wobei T die Heartbeat-Zeit als T übernommen = 1s. Die theoretische endokardiale Kinematik ist entlang der Grenze konstant und hängt von der Zeit nur, die Geschwindigkeit nur radiale und da durch ist V0 (t) = dR ₀ / dt =- π sin (2πt / T), in [cm / s]. Prozentuale Belastung, berechnet im Verhältnis zur Länge der Grenze hat zum Zeitpunkt Null, ist St ₀ (t) = 100x (R ₀ (t)-R _{0 (0))} / R _{0 (0)} = 100 (cos (2πt / T ) -1) / 3 und Dehnrate folgt aus (1) als SR ₀ (t) = 10 V0 / R _0, in [s ^-1]. Das Epikard ist entweder als Bewegung entsprechend einer konstanten Dicke, R ₁ (t) angenommen = R ₀ (t) +5 mm, oder als noch R ₁ (t) = R _{0 (0)} +5 mm.

Jedes Bild ist quadratisch von der Größe von 48mm, auf das Gewebe Ring zentriert und hat eine Auflösung NxN. Beispiel Bilder sind in Abbildung 4 dargestellt, Platten a und b; der Strain und Strain Rate Zeit-Profile sind in Abbildung 4, Platten c und d gezeigt Die Schleifen sind durch Variation der Auflösung N, die Frame-Rate FR und der epikardialen Art der Bewegung vorbereitet.
Die endokardiale Tracking-Methode ist es, solche Bilder, indem sie auf das erste Bild einer Anzahl N _p Punkte gleichmäßig entlang der kreisförmigen Endokard Abstand aufgetragen.

3. Repräsentative Ergebnisse

Phantom-Studie

Die Anwendung der Bildanalyse-Verfahren zur computer-generierte Phantombilder ist hier analysiert. Ein globales Maß für die eventuelle Fehler wird durch die Wurzel berechnet mean square prozentuale Differenz. Die root mean square, durchschnittliche und maximale Fehler in der Endokard-Stamm als definiert sind

Gleichung 2
wo St ₀ (t) der exakte Wert ist, ist St (t) den Wert von der Bildanalyse berechnet, und die Summationen erstrecken sich über alle Frames N _F = FRxT. Die gleiche Definition wird für den Radius, der Geschwindigkeit und Strain Rate verwendet. Das Tracking ist ca. unabhängig von der Position entlang der Endokard ist die Unterschiede zwischen den verschiedenen Punkten deutlich unter 1%.

Die Ergebnisse in Tabelle I sind für 15 Phantome mit unterschiedlicher räumlicher Auflösung zusammengefasst, Frame-Rate und epikardialen Grenzen Art der Bewegung, ist der Effekt der Veränderung der Anzahl der Punkte verwendet werden, um die Endokardkontur track auch gezeigt.

Fehler werden in allen Fällen sehr klein für das Integral Mengen (Radius und Stamm) und etwas größer für die differentielle Größen (Geschwindigkeit und Strain Rate), die der Ableitung des ehemaligen verwandt sind. Dies war zu erwarten, da das Derivat Betreiber verstärkt Fehlern. Die Qualität der Ergebnisse wird abgebaut, wenn die Auflösung reduziert wird, in der Tat, die Genauigkeit ist die Pixelgröße, die (in einem lockeren Sinne) stellt die minimale Verschiebung lesbar von einem Frame zum anderen. Die zeitliche Auflösung hat keinen Einfluss auf die Ergebnisse deutlich, bis die Frame-Rate ist ausreichend, bei sehr hohen Frame-Rate Ergebnis nicht verbessern, da Frame für Frame Verschiebungen niedriger wird als die Pixelgröße. Dies zeigt, dass eine Erhöhung der Bildrate von wenig oder gar keinen Nutzen, wenn es nicht durch eine Erhöhung der räumlichen Auflösung einher.

Allerdings ist die einfache sinusförmige Bewegung hier als nicht erforderlich, eine extreme zeitliche Auflösung. Ebenso ist die Verwendung von nur 8 Punkte ausreichen, um die einfache, kreisförmige, endokardiale Form folgen. Endocardial Ergebnisse werden nicht merklich durch die Art der Bewegung, die das Epikard erfährt beeinflusst. Wir haben auch festgestellt, dass die Ergebnisse nicht wesentlich von den angenommenen Bildfilterung betroffen.

Eine visuelle Darstellung der Ergebnisse ist in Abbildung 4 dargestellt, wo die berechneten Endokardkontur zu zwei Zeitpunkten über die Phantombilder (Platten a und b) gemeldet wird. Die Strain und Strain Rate sind in (Platten c und d) für den Fall Nr. 1 und die kleine Auflösung Fall Nr. 8 berichtet. Die Strain und Strain Rate im Falle # 1 (Quadrate) stellt eine sehr gute Übereinstimmung mit dem theoretischen Wert, der mittlere Fehler gleich auf 0,6% und 3% betragen. Die Vereinbarung ist nur ein wenig schlechter im Falle Nr. 8, wo Bildauflösung halbiert, ist mit Fehlern um 0,9% und 4,5% für Strain und Strain Rate bzw..

Klinische Validierung ^1.

Wir verglichen Mitte LV ganze Scheibe umlaufende myokardiale Dehnung (ε _cc) durch die Harmonic Imaging Phase (Harfe) und FT-Techniken in 191 Duchene Muskeldystrophie Patients je nach Alter und Schweregrad der kardialen Dysfunktion gruppiert und 42 Jahren abgestimmt, Kontrollpersonen. Retrospektive, off-line-Analyse wurde auf abgestimmt markiert und SSFP Scheiben durchgeführt. Für die gesamte Studienpopulation (n = 233), bedeutet FT ε _cc (-13,3 ± 3,8%) waren mit HARP ε _cc (-13,6 ± 3,4%) mit einer Pearson-Korrelationskoeffizient von 0,899 korreliert. Der Mittelwert ε _ccm DMD-Patienten von Harfe (-12,52 ± 2,69%) und FT bestimmt (-12,16 ± 3,12%) unterschieden sich nicht signifikant (p = NS). Ebenso wurden die mittlere ε _cc der Kontrollgruppe bestimmt durch Harfe (-18,85 ± 1,86) und FT (-18,81 ± 1,83) nicht signifikant (p = NS). Wir schlossen daraus, dass FT-basierte Bewertung von ε _cc hoch korreliert mit ε _cc von markierten Bilder in einem großen DMD Patientenpopulation mit einer Vielzahl von kardialer Dysfunktion abgeleitet.

Phantom #	Frame Rate	Resol. N	Epikardiale Bewegung	N p	ε R	ε R max	ε V	ε V max	ε SR	ε SR max	ε St	ε St max
1	32	401	mit endo	16	0,57	1,10	3,98	8,26	2,95	6,55	0,59	1,34
2	32	401	keine Bewegung	16	0,27	0,60	3,62	8,53	2,90	5,99	0,75	1,29
3	64	401	mit endo	16	0,35	0,62	1,75	4,92	3,08	10,47	0,34	0,86
4	64	401	keine Bewegung	16	0,39	0,73	1,78	5,48	2,38	6,46	0,32	0,63
5	128	401	mit endo	16	0,22	0,40	1,57	3,66	2,73	8,39	0,35	0,89
6	16	401	mit endo	16	0,41	0,92	12,10	18,27	7,12	15,17	0,88	1,93
7	32	201	mit endo	16	0,43	0,82	3,84	7,03	4,21	7,79	0,83	1,52
8	32	201	keine Bewegung	16	0,49	0,90	4,00	8,54	4,54	10,84	0,93	1,64
9	32	101	mit endo	16	2,58	3,87	5,70	17,44	9,22	18,27	4,44	6,77
10	32	401	mit endo	64	0,32	0,73	3,98	8,09	3,11	8,86	0,48	1,10
11	32	401	keine Bewegung	64	0,33	0,53	3,56	7,83	2,78	7,44	0,70	0,98
12	32	401	mit endo	32	0,44	1,00	3,99	8,16	2,99	6,82	0,63	1,49
13	32	401	mit endo	8	0,20	0,41	3,64	6,84	3,09	9,10	0,43	0,74
14	32	401	keine Bewegung	8	0,22	0,41	3,36	7,42	2,76	5,93	0,58	1,01
15 *	32	401	mit endo	16	1,35	2,42	5,54	9,68	7,02	16,58	2,62	4,46

Tabelle 1 Phantom Analyse von Endokardkontur Tracking:. Root mean square und maximale prozentuale Fehler [%] sind für die wichtigsten Größen in der Korrespondenz von verschiedenen Phantom Parameter berechnet. Die Parameter fett zeigen die Abweichungen von der Phantom # 1. Die Abhängigkeit von Frame-Rate, Auflösung und Anzahl der überwachten Punkte berücksichtigt. Der Einfluss der Art der epikardialen Bewegung ist für die beiden Grenzfälle berücksichtigt werden, wenn der epikardialen Grenze nicht bewegt (keine Bewegung) oder bewegten sich mit Endo (keine Verdickung). Das letzte Phantom (*) ist ohne Filterung der grundlegenden schrittweise Bilder mit einer Helligkeit verändern abrupt in einem Pixel aufgebaut. Fehler über 10% sind fett markiert.

Abbildung 1. CMR Bild des linken Ventrikels, in langen Achse (linkes Bild) und in kurzen Achse (Bild rechts), mit einem zurückzuführen Endokardkontur oben gezogen.

Abbildung 2. Raum-Zeit-Darstellung, wo der Platz liegt an einem transmuralen geschnitten, der Bildsequenz. Die transmurale geschnitten ist als für den Startpunkt in Abbildung 3 entnommen. Die zeitliche Entwicklung der Ausgangspunkt, automatisch nachgeführt, wird berichtet.

Abbildung 3. Das Bild des linken Ventrikels, in langen Achse, mit transmurale Schnitte und Schnitte parallel zur gebogenen Rand.

Abbildung 4. Phantom-Studie. Zwei Bilder(Fall Nr. 2) bei maximaler Ausdehnung (Platte a) und Kontraktion (Platte b) werden die berechneten Endokardkontur Punkten überschneiden. Die Belastung (Platte c) und der Dehnrate (Platte d) mit zwei verschiedenen Phantomen (Fälle Nr. 1 und Nr. 8) sind im Vergleich zu den effektiven Werten dargestellt berechnet.

Abbildung 5. Beispiele für globale umlaufende (schwarze Kurve) und segmentale Stamm (Farbkurven) bei normalen Patienten (a). Beispiel des globalen Umfangs (schwarze Kurve) und segmentale circumferental starain (Farbkurven) bei Patienten mit depressiven linksventrikulärer Funktion und Linksschenkelblock (b). Hinweis unterschiedlichen Timings von peak Umfangsdehnung Hinweis auf Vorhandensein einer linksventrikulären Dyssynchronie

Discussion

Wir beschreiben eine neue Methode "Feature-Tracking", um eine Verformung und Auslenkungsparameter in Herzmuskelgewebe von SSFP Bildern abgeleiteten messen. Diese Methode wurde vor kurzem gegen HARP bei der Beurteilung der Spitze globalen Umfangsdehnung in einer großen Population von Patienten mit Duchenne-Muskeldystrophie (1) validiert. Wir fanden eine ausgezeichnete Korrelation zwischen diesen beiden Techniken. Feature-Tracking-Technologie ist relativ einfach im Gebrauch und benötigt keine zusätzliche bildgebende Sequenzen wie Tagging, SENSE oder dichten. Neben klinisch validierte Beurteilung der Spitze globalen Ecc können regionale Belastung abgeleitet sowie FT scheint eine robuste Technik in der Lage, in Längs-und radiale LV Stamm sowie Längs des rechten Ventrikels Belastung abzuschätzen sein.

Weitere Studien müssen durchgeführt, um die exakte Bestimmung der Grenzen der Technik in Bezug auf zeitliche und räumliche Auflösung des Bildes sein. FT ermöglicht Vergleiche zwischen anderen Modalitäten wie Echokardiographie, da das Grundprinzip ist das gleiche.

Abschluss

Feature-Tracking hat das Potential, in die klinische Praxis integriert werden, da sie die Notwendigkeit der zeitaufwendigen Analyse und zusätzlichen Erwerb Prozedur beseitigt. FT kann für die Beurteilung der linken und rechten Ventrikels globalen und segmentalen Stämme, linksventrikuläre Dyssynchronie verwendet werden. Weitere klinische Studien sind im Gange, um Nützlichkeit der FT in der klinischen Kardiologie zu beurteilen.

Materials

Name	Company	Catalog Number	Comments
Diogenes® Feature Tracking software	TomTec Imaging Systems, Fulda, Germany