Summary
Эхокардиография обычно используется для неинвазивной характеристики и количественной оценки изменений в сердечной структуре и функции. Мы описываем ультразвуковой алгоритм визуализации, который предлагает улучшенную суррогатную меру микроструктуры миокарда и может быть выполнен с помощью программного обеспечения для анализа изображений с открытым доступом.
Abstract
Эхокардиография является широко доступным методом визуализации, который обычно используется для неинвазивно охарактеризовать и количественно изменения в сердечной структуре и функции. Ультразвуковые оценки сердечной ткани могут включать анализ интенсивности сигнала backscatter в данной области, представляющие интерес. Ранее установленные методы опирались преимущественно на интегрированное или среднее значение интенсивности сигнала backscatter, которое может быть восприимчиво к изменчивости от данных, полученных под псевдонимом, от низких частот кадров и задержек времени для алгоритмов, основанных на циклических вариациях. В этом примере мы описываем ультразвуковой алгоритм визуализации, который простирается от предыдущих методов, может быть применен к одному кадру изображения и объясняет полное распределение значений интенсивности сигнала, полученных из данного образца миокарда. При применении к репрезентативным данным мыши и изображений человека алгоритм проводит различие между объектами с хроническим сопротивлением после нагрузки и без него. Алгоритм предлагает улучшенную суррогатную меру микроструктуры миокарда и может быть выполнен с помощью программного обеспечения для анализа изображений с открытым доступом.
Introduction
Эхокардиография является широко доступным методом визуализации, который обычно используется для неинвазивно охарактеризовать и количественно изменения в сердечной структуре и функции. Ультразвуковые оценки сердечной ткани могут включать анализ интенсивности сигнала backscatter в данной области интереса в один момент времени, а также в течение сердечного цикла. Предыдущие исследования показали, что меры сонографической интенсивности сигнала может определить основное присутствие миокарда волокна беспорядка, жизнеспособной по сравнению с незвукими миокарда ткани, и интерстициальныйфиброз 1-3. Мы называем миокарда «микроструктурой» как архитектуру тканей, которую можно охарактеризовать, используя сонографический анализ, помимо линейных измерений валового размера и морфологии. Соответственно, анализы сонографической интенсивности сигнала были использованы для оценки микроструктурных изменений миокардной ткани в условиях гипертрофической и расширенныхкардиомиопатии 4,5,хронической ишемической болезни сердца 6,7и гипертоническойболезни сердца 8,9. Тем не менее, ранее установленные методы опирались преимущественно на интегрированное или среднее значение интенсивности сигнала backscatter, которые могут быть восприимчивы к изменчивости от случайногошума 5, псевдонимом данные из низкихчастот кадров 10, и задержки времени для алгоритмов, основанных на циклическихвариациях 11.
В этом случае мы описываем метод использования ультразвукового алгоритма анализа изображений, который простирается от предыдущих методов; этот алгоритм фокусируется на одном энд-диастолическом кадре для анализа изображений и объясняет полное распределение значений интенсивности сигнала, полученных из данного образца миокарда. Используя перикард в качестве в кадрессылки 12,13, алгоритм воспроизводит количественно изменения в сонографических распределения интенсивности сигнала и предлагает расширенную суррогатную меру микроструктуры миокарда. В пошаговом протоколе мы описываем методы подготовки изображений для использования, области выборки, представляющие интерес, и обработку данных в отдельных регионах, представляющих интерес. Мы также показываем репрезентативные результаты применения алгоритма к эхокардиографическим изображениям, полученным у мышей и людей с переменным воздействием нагрузки после нагрузки на левый желудочек.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. Подготовка изображений для анализа
- Получить murine или человека эхокардиографические B-режим изображения в парастернал долго оси зрения. Отрегулируйте настройки компенсации времени и размещения фокуса передачи для оптимизации визуализации LV и других сердечных структур в парастернальной зрения, в обычной практике. Убедитесь, что все изображения сохраняются в формате файла DICOM. Стандартизированные виды изображения помещаем в основание рамы выводную левую желудочковой стенку. Кадры должны отображать весь левый желудочковый миокард и перикард. Разрешение должно быть достаточно высоким, чтобы демаркировать перикардиаловую границу, миокардную стенку и эндокардиардную границу левого желудочка. Отбросьте изображения с избыточным отсева или изображения артефактов.
- Импорт файла изображения для анализа в программное обеспечение платформы ImageJ v1.46 в качестве файла DICOM. Преобразование файла в 8-битный файл изображения.
- Прокрутите последовательные кадры сердечного цикла до достижения соответствующего качества конечной диастолической рамы. Кроме того, выберите конечный диастолический кадр в программе эхокардиографического просмотра, а затем экспортировать в формат файла с высоким .jpg для использования в ImageJ. Определите кадры, наиболее близкие к конечной диатоле, используя R-волну отслеживания ЭКГ, а затем определите единственный лучший кадр, который захватывает LV с максимальным внутренним измерением. Рассмотрим этот один кадр конца диастолической рамы.
- При выборе областей, представляющих интерес, пользователи могут быть ослеплены темой идентификации.
2. Выборка рентабельности инвестиций
- Перикардиальный выбор ссылок. При выборе перикардиальной области интереса (ROI), цель захвата неоднородности перикардиальной ткани. Обратите внимание, что яркость и контрастность изображения могут быть скорректированы для выбора рентабельности инвестиций, по мере необходимости, без какого-либо влияния на результаты анализа.
- Используя инструмент рисования прямоугольника ImageJ, выберите прямоугольник длиной, приближенный к средней трети базальной адголатеральной перикардиальной стены.
- Размер прямоугольной рентабельности инвестиций, чтобы охватить ширину перикардия с помощью инструмента размера roi.
- Поверните рентабельность инвестиций, чтобы лежать в перикардиальной области с помощью инструмента вращения ImageJ.
- Внесите необходимые коррективы в углы перикардиальной рентабельности инвестиций. Захват окончательного перикардиальной области интереса, которая находится в средней трети перикардиальной стены, и включает в себя ширину перикардиальной стены, не расширяясь в миокарда или экстра-сердечных областях. Цель состоит в том, чтобы захватить то же относительное местоположение и процент от общей площади перикардиала для всех мер, сделанных в данном исследовании.
- Примените алгоритм к выбору с помощью инструментов анализа ImageJ (см. раздел 3).
- Выбор миокарда. Еще раз, цель захватить неоднородность миокарда ткани в средней трети базальной адголатеральной стенки миокарда. Обратите внимание, что яркость и контрастность изображения могут быть скорректированы для выбора рентабельности инвестиций, по мере необходимости, без какого-либо влияния на результаты анализа.
- Выберите прямоугольник, который охватывает ширину стенки миокарда, за исключением эндокарда и эпикардия. Убедитесь, что выбор миокарда находится рядом с перикардиальным выбором и под тем же углом. Не включать области папиллярных мышц в области отбора.
- Поверните рентабельность миокарда так, что она лежит параллельно перикардиального выбора.
- Внесите необходимые коррективы в углы окупаемости миокарда. Изолировать окончательный миокарда области интереса, который находится в средней трети стенки миокарда, и захватывает ширину стены, не расширяя в перикардиальных или интралюминальных областях.
- Примените алгоритм к выбору с помощью макроса ImageJ.
3. Анализ и обработка данных
- Установите макрос ImageJ под названием "getHistogramValues.txt".
- Используйте инструмент анализа гистограммы ImageJ для просмотра распределения значений интенсивности сигнала в рамках рентабельности инвестиций (выполните этот шаг для выбора перикардиала и для выбора миокарда).
- Используйте макрос ImageJ для записи этих значений плотности сигнала для рентабельности инвестиций (выполните этот шаг для перикардиального выбора и для выбора миокарда).
- Назначьте значение интенсивности от 0 (темных) до 255 (самых ярких) единиц каждому пикселю в пределах выделения.
- Упорядочить значения интенсивности иерархически, в порядке увеличения интенсивности, чтобы произвести распределение интенсивности сигнала.
- Выберите и сообщите следующие значения процентиля для дистрибутива:20-й процентиль,50-й процентиль (средний) и 80-й процентиль.
- Нормализация интенсивности миокарда с помощью перикардиальной справки.
- Нормализация путем деления миокарда процентильные значения интенсивности на соответствующие перикардиальные процентныезначения интенсивности 12, или путем вычитания миокарда процентильное значение интенсивности от перикардиального процентильного значенияинтенсивности 13.
- Отчетные значения для четырех аналитических методов: нормализованные значения миокарда к перикардиалу для 20-го процентиля, 50-гопроцентиля (медианы) и 80-го процентильного значения.
4. Количественная оценка циклической изменчивости
- Применить алгоритм к выбору миокарда через последовательные кадры файла DICOM, двигаясь через сердечный цикл. Сравните различия в интенсивности распределения между кадрами, с вниманием к конца систолической и конца диастолических кадров.
Все описанные выше изображения выполняются в автономном режиме на неинвазивных эхокардиографических изображениях, ранее приобретенных и хранящихся в цифровом формате в формате DICOM. Все протоколы исследования были одобрены Бригамом и женским институциональным советом по обзору и Гарвардским медицинским районом, стоящим в Институциональном комитете по уходу за животными и использованию животных.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Анализ интенсивности сигнала выполняется в 4 основных шагах(рисунок 1), включая: 1) выборку изображения и форматирование, 2) рентабельность инвестиций и справочные области, 3) применение алгоритма и 4) обработку конечных значений для предоставления коэффициентов интенсивности миокарда к перикардиалу. Выбор и размер рентабельности инвестиций стандартизированы для ограничения интерпользователя, а также внутрипольной изменчивости(рисунок 2). Позиционирование каждой рентабельности инвестиций также стандартизировано в отношении анатомических структур каждого субъекта для ограничения межсубъектной, а также внутрисубъектной изменчивости.
В качестве меры плотности миокарда, алгоритм, как ожидается, выявить изменения интенсивности сигнала на протяжении всего сердечного цикла, что соответствует ожидаемому увеличению плотности миокарда в систоле по сравнению с диастолом. Как показано на рисунке 3, более высокие процентные значения интенсивности сигнала подчеркивают циклическую изменчивость у мышей с и без 7 недель воздействия сопротивления после нагрузки(т.е. мышь, которая подверглась восходящему сужению аорты по сравнению с мышью управления транспортным средством, которая перенесла фиктивную операцию).
Из анализа одного энд-диастолического кадра(рисунок 4), значительныеразличия также отмечены для мыши и человека, подверженных хроническому стрессу после нагрузки (случаи) по сравнению с их репрезентативными коллегами (контроль). Диапазон и величина интенсивности сигнала различаются между случаями и управления. Как видно из анализа циклической изменчивости, 80-е местопо сравнению с 50-мипроцентными значениями в рамках каждого распределения интенсивности сигнала свидетельствует о большей относительной разнице в интенсивности сигнала между случаями и контролем.
Алгоритм, представленный в настоящем, обеспечивает выход в виде миокарда к перикардиальным соотношениям интенсивности сигнала, где перикардиальные значения служат в качестве референта вкадре (рисунок 5). Коэффициент интенсивности сигнала миокарда к перикардиалу был определен на основе однокаумного анализа изображений, полученных от репрезентативного контроля, и случаев послезагрузочного стресса. Со согласием с результатами выше, миокарда к перикардиальной отношение80-й процентильной интенсивности сигнала значения предлагает наибольшую способность различать элементы управления и случаи. Ожидаемые различия в микроструктуре миокарда, основанные на результатах анализа изображений, соответствовали выводам гистологии миокардной ткани в контроле и случае мышей на 7 недель после фиктивной или аортальной хирургии, соответственно (Рисунок 6).
Рисунок 1. Процесс рабочего процесса для отдельного изображения. Этот процесс включает в себя четыре основных шага, которые могут быть повторены при сравнении предметов или при количественной оценке циклической изменчивости.
Нажмите здесь, чтобы просмотреть изображение большего размера.
Рисунок 2. Методика отбора проб по региону, представляющий интерес (ROI). Алгоритм анализа изображений стандартизирован для применения у мышей(A)и у людей(B). Показаны выбор миокарда и перикардиального выбора для репрезентативных изображений мыши и человека, соответственно.
Нажмите здесь, чтобы просмотреть изображение большего размера.
Рисунок 3. Изменение интенсивности сонографического сигнала на протяжении всего сердечного цикла. Алгоритм был применен к области миокарда, представляющие интерес для последовательных кадров изображений DICOM, полученных от репрезентативноймыши управления (A)и аортальной мыши(B). Частота кадров составила 212 для обоих изображений. Для этих изображений циклическая изменчивость оценивалась с помощью 3 огранок:20-й процентиль (алмаз), 50-йпроцентиль (квадрат) и 80-й процентиль (треугольник). Относительная циклическая изменчивость выше для значений80-го процента, чем для более низких значений точки разреза. Нажмите здесь, чтобы просмотреть изображение большего размера.
Рисунок 4. Распределение интенсивности сигнала показано на однока частотном анализе репрезентативных изображений мыши и человека. Гистограммы отображают распределение интенсивности сигнала, полученных из миокарда мыши управления на 7 недель после фиктивной хирургии (A), аорты полосатой мыши на 7 недель послеоперации( B ), нормотензивный человек (C), и гипертонической человека (D). Синие вертикальные линии обозначают20-й процентиль,50-й процентиль и 80-епроцентильное значения. Распределения интенсивности сигнала являются право-сдвинуты, и больше по диапазону, для субъектов с хроническим стрессом после нагрузки(т.е. аорты полосами по сравнению с контрольной мыши, и гипертонической по сравнению с нормотензивным человеком).
Нажмите здесь, чтобы просмотреть изображение большего размера.
Рисунок 5. Репрезентативные данные, полученные алгоритмом анализа изображений. (A) показывает данные из фиктивных работает (контроль) по сравнению с аорты полосатой (дело) мыши на 7 недель. (B) показывает данные от человека с нормальным кровяным давлением (контроль) по сравнению с человеком с хронической гипертензией (случай). Соотношение интенсивности миокарда к перикардиалу было определено с помощью 3 аналитических методов в алгоритме: соотношение20-процентных значений; соотношение 50-процентныхзначений; и соотношение 80-хпроцентилинных значений. Наибольшая разница между контролем и случаями демонстрируется с помощью соотношения80-х процентилинных значений интенсивности сигнала.
Нажмите здесь, чтобы просмотреть изображение большего размера.
Рисунок 6. Различия в гистологии миокарда тканей между мышами с и без воздействия после нагрузки стресса. Трихромные окрашенные участки левого желудочка представителя Массона показаны для мыши, которая перенесла фиктивную операцию(A: control) и мыши, которая подверглась полосированию аорты(B: case) через 7 недель после операции. Разделы показывают наличие существенного осаждения коллагена и интерстициального фиброза в случае по сравнению с контролем. Шкала баров составляет 50 мкм.
Нажмите здесь, чтобы просмотреть изображение большего размера.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Мы описываем протокол алгоритма анализа изображений, который количественно определяет распределение интенсивности сонографических сигналов и, в свою очередь, предлагает суррогатную меру микроструктуры миокарда. Стандартизированные особенности протокола, включая выбор, размер и позиционирование roi и справочного региона, служат для минимизации изменчивости на основе пользователей и предметов. Мы демонстрируем, что при применении к энд-диастолическим однокарамным эхокардиографическим изображениям алгоритм может надлежащим образом различать нормальный миокард и миокард, подверженный послезагрузочных нагрузкам.
В протоколе подробно говорится о том, как можно использовать алгоритм с помощью пакета программного обеспечения ImageJ с открытым исходным кодом. В этой среде анализа изображений алгоритм может быть использован для получения данных о распределении значений интенсивности сигнала из данного образца миокардной ткани. Полученные распределения интенсивности сигнала могут отображаться в виде гистограмм. Гистограммы интенсивности значений в пределах выбора миокарда показывают, что больные ткани миокарда демонстрируют правильный сдвиг в распределении, и больший диапазон значений, по сравнению с nondiseased миокарда. Этот шаблон виден, когда алгоритм применяется как к человеческим, так и к муриным эхокардиографическим изображениям.
Наблюдается изменчивость интенсивности сигнала в течение сердечного цикла, что соответствует физиологическим изменениям плотности миокарда. Аналитический метод, который последовательно различает изменения плотности на протяжении всего сердечного цикла, как полагают, чувствительны к различиям в плотности миокарда, которые происходят в ответна патологические процессы 1,6. Действительно, циклическая изменчивость наблюдается при применении алгоритма к последовательным кадрам в мурин-эхокардиограммах. Более значительное изменение интенсивности сердечного цикла наблюдается для значений интенсивности изображения на более высоком по сравнению с более низкими процентилей в пределах общего распределения интенсивности сигнала.
Когда алгоритм применяется к репрезентативным образцам эхокардиографических изображений, полученных у испытуемых с устойчивостью к послегрузовой нагрузке и без нее, плотность соотношения миокарда к перикардиалу при выбранных процентных значениях особенно эффективна при различении предметов по сравнению с воздействием хронической после нагрузки. Этот вывод наблюдается в анализе репрезентативных данных мыши и человека. Повышенная плотность миокарда, как ожидается, будет рассматриваться в ткани миокарда субъектов, подверженных хроническому стрессу после нагрузки, так как такой стресс, как известно, способствует межстициального осаждения коллагена и развитияфиброза миокарда 14. Измерение изменений миокарда ткани с течением времени может быть использовано, чтобы обеспечить лучшее понимание реакции тканей на длительный стресс и прогрессирование заболевания. Необходимы дальнейшие исследования для оценки того, коррелируют ли колебания интенсивности сигнала с гистологическими изменениями с течением времени, а также с повышением тяжести данного фенотипа заболевания.
Алгоритм анализа изображений имеет ограниченную применимость к изображениям с артефактами, которые будут мешать рентабельности инвестиций и/или выбору ссылок, неполной визуализации границ эндокарда или общему низкого качества. Алгоритм может быть не в состоянии точно сравнить миокарда и перикардиальных областях, представляющих интерес, когда процентные значения демонстрируют нелинейную картину при сером отображении, или когда используется недостаточный динамический диапазон. Хотя такие случаи, как ожидается, будут редкими в пределах от10 до 90й процентильных значений интенсивности сигнала в большинстве фенотипов, предварительная оценка линейности backscatter и динамического диапазона может быть оправдано для изучения новых фенотипов интереса и / или анализа изображений, полученных с использованием нетрадиционных методов ультразвука. Алгоритм также ограничен отсутствием автоматизации рентабельности инвестиций и процесса отбора эталонных выборок. Кроме того, алгоритм имеет ограниченную емкость для использования в перекрестном сравнении изображений, снятых с использованием заметно различных параметров эхокардиографического приобретения. В текущем докладе изображения у мышей были получены с использованием трансдуцера 18-38 МГц при частоте кадров от 225-247 кадров в минуту; изображения у людей были приобретены с помощью трансдуцера 1-5 МГц при частоте кадров от 34-54 кадров в минуту. Необходимы дальнейшие исследования для определения возможных изменений протокола, которые могут потребоваться для изображений, полученных с использованием различного оборудования, и при частоте кадров, значительно превышающей вышеуказанные диапазоны.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Конфликт интересов не заявлен.
Acknowledgments
Мы благодарны за ресурсы, предоставляемые Гарвардской медицинской школы / Бригам и женской больницы сердечно-сосудистой физиологии Core Laboratory. Эта работа была частично поддержана финансированием из национальных институтов здравоохранения гранты HL088533, HL071775, HL093148, и HL099073 (RL). MB был получателем Американской ассоциации сердца основатель филиала постдокторской стипендии награду. KU является получателем Американской ассоциации сердца учредителей филиала постдокторской стипендии награду. SC была поддержана наградой от Фонда Эллисона.
Materials
| Name | Company | Catalog Number | Comments |
| ImageJ v 1.46 | NIH (Bethesda, MD) | open access software | |
| Power ShowCase | Trillium Technology (Ann Arbor, MI) | commercial software |
References
- Yamada, S., Komuro, K. Integrated backscatter for the assessment of myocardial viability. Curr. Opin. Cardiol. 21, 433-437 (2006).
- Mimbs, J. W., O'Donnell, M., Bauwens, D., Miller, J. W., Sobel, B. E. The dependence of ultrasonic attenuation and backscatter on collagen content in dog and rabbit hearts. Circ. Res. 47, 49-58 (1980).
- Picano, E., et al. In vivo quantitative ultrasonic evaluation of myocardial fibrosis in humans. Circulation. 81, 58-64 (1990).
- Mizuno, R., et al. Myocardial ultrasonic tissue characterization for estimating histological abnormalities in hypertrophic cardiomyopathy: comparison with endomyocardial biopsy findings. Cardiology. 96, 16-23 (2001).
- Mizuno, R., Fujimoto, S., Saito, Y., Nakamura, S. Non-invasive quantitation of myocardial fibrosis using combined tissue harmonic imaging and integrated backscatter analysis in dilated cardiomyopathy. Cardiology. 108, 11-17 (2007).
- Marini, C., et al. Cyclic variation in myocardial gray level as a marker of viability in man. A videodensitometric study. Eur. Heart. J. 17, 472-479 (1996).
- Komuro, K., et al. Sensitive detection of myocardial viability in chronic coronary artery disease by ultrasonic integrated backscatter analysis. J. Am. Soc. Echocardiogr. 18, 26-31 (2005).
- Ciulla, M., et al. Echocardiographic patterns of myocardial fibrosis in hypertensive patients: endomyocardial biopsy versus ultrasonic tissue characterization. J. Am. Soc. Echocardiogr. 10, 657-664 (1997).
- Maceira, A. M., Barba, J., Varo, N., Beloqui, O., Diez, J. Ultrasonic backscatter and serum marker of cardiac fibrosis in hypertensives. Hypertension. 39, 923-928 (2002).
- D'Hooge, J., et al. High frame rate myocardial integrated backscatter. Does this change our understanding of this acoustic parameter. Eur. J. Echocardiogr. 1, 32-41 (2000).
- Finch-Johnston, A. E., et al. Cyclic variation of integrated backscatter: dependence of time delay on the echocardiographic view used and the myocardial segment analyzed. J. Am. Soc. Echocardiogr. 13, 9-17 (2000).
- Di Bello, V., et al. Increased echodensity of myocardial wall in the diabetic heart: an ultrasound tissue characterization study. J. Am. Coll. Cardiol. 25, 1408-1415 (1995).
- Takiuchi, S., et al. Quantitative ultrasonic tissue characterization can identify high-risk atherosclerotic alteration in human carotid arteries. Circulation. 102, 766-770 (2000).
- Querejeta, R., et al. Serum carboxy-terminal propeptide of procollagen type I is a marker of myocardial fibrosis in hypertensive heart disease. Circulation. 101, 1729-1735 (2000).
