Method Article

Un protocolo computacional basado en imágenes de resonancia magnética para el análisis de la morfología y hemodinámica de la placa en pacientes con estenosis de la arteria carótida

DOI:

10.3791/68447

⸱

August 12th, 2025

 ,  ,  ,  ,  ,  ,  ,  , 
1Department of Surgery, University of Michigan, 2Department of Biomedical Engineering, University of Michigan, 3School of Medicine, University of Cincinnati, 4Department of Biomedical Sciences, Cedars Sinai Medical Center, 5Department of Radiology, University of Michigan

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La evaluación de la estenosis de la arteria carótida interna (ACI) se basa en la estimación del porcentaje de estenosis, que no tiene en cuenta los factores de riesgo fisiológicamente relevantes para el accidente cerebrovascular, como la composición de la placa y la hemodinámica. Este protocolo aprovecha la resonancia magnética cuantitativa y la dinámica de fluidos computacional para caracterizar la composición y la hemodinámica de la placa ICA.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La evaluación y el tratamiento actuales de la estenosis de la arteria carótida interna (ACI) se basan en la estimación del porcentaje de estenosis mediante ecografía dúplex (DUS) o angiografía por tomografía computarizada (ATC), que no tiene en cuenta los factores de riesgo fisiológicamente relevantes para el accidente cerebrovascular, como la vulnerabilidad a la placa y la hemodinámica. El conocimiento de la composición de la placa carotídea y las cargas hemodinámicas en la placa se puede utilizar para proporcionar una evaluación mucho más completa del potencial embólico de la placa en lugar de usar solo el porcentaje de estenosis. Mediante el emparejamiento de imágenes por resonancia magnética (RM) y dinámica de fluidos computacional (CFD) específica del paciente, se pueden identificar diferencias tanto en la hemodinámica en una estenosis ICA como en la composición de la placa. La resonancia magnética cuantitativa de caracterización de aterosclerosis de contraste múltiple (qMatch) permite un análisis detallado de la composición de la placa. Los modelos CFD se pueden crear utilizando resonancia magnética de contraste de fase (PC), que se puede utilizar para obtener formas de onda de flujo y CTA y/o anatomía de tiempo de vuelo (TOF)-MRI. Después de crear un modelo geométrico 3D de la bifurcación carotídea, se prescriben formas de onda derivadas de PC-MRI para el flujo de entrada de la arteria carótida común y el flujo de salida de la arteria carótida externa. A continuación, se prescribe a la ACI un modelo de Windkessel de tres elementos, que se ajusta iterativamente para que coincida con la presión arterial del paciente. Finalmente, se obtienen soluciones a las ecuaciones incompresibles de Navier-Stokes para proporcionar velocidad y presión de alta resolución y así capturar la hemodinámica a través de la bifurcación carotídea y la estenosis ICA. Este artículo proporciona un protocolo detallado que permite la caracterización no invasiva y específica del paciente de la composición de la placa y las cargas hemodinámicas de pacientes con estenosis ICA.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La estenosis de la arteria carótida interna (ACI) es una de las principales causas de accidente cerebrovascular, discapacidad a largo plazo y muerte 1,2,3,4,5,6,7. La evaluación y el tratamiento actuales de la estenosis ICA se basan en la estimación del porcentaje de estenosis a través de velocidades de ultrasonido dúplex (DUS) o anatomía transversal [angiografía por tomografía computarizada (CTA) y/o resonancia magnética (MRI)]. Sin embargo, el porcentaje de estenosis no tiene en cuenta los factores de riesgo fisiológicamente relevantes para el accidente cerebrovascular, como la vulnerabilidad a la placa y las cargas hemodinámicas a través de la placa 8,9,10,11,12,13,14. Aunque se ha demostrado una reducción del riesgo de accidente cerebrovascular después de la endarterectomía carotídea (ACE) en pacientes sintomáticos con estenosis superior al 50%, se debate el beneficio de la ACE en pacientes asintomáticos 3,4. De hecho, muchos cirujanos reservan la intervención operatoria para aquellos con lesiones estenóticas >80% y/o en casos con morfología de placa de alto riesgo (vulnerable)15. Se justifican métodos mejorados para determinar qué estenosis de ACI están en riesgo de embolia de placas y, por lo tanto, se beneficiarían de la CEA.

La caracterización cuantitativa de la aterosclerosis multicontraste (qMatch) es una técnica de resonancia magnética que utiliza modelos de bajo rango para permitir imágenes 3D de alta resolución que proporcionan imágenes de sangre oscura y sangre brillante de contraste múltiple registradas conjuntamente, e imágenes de relaxometría para una evaluación completa y cuantitativa de las placas arteriales carotídeas16,17. qMatch ha mejorado la resolución isotrópica 3D, la gran cobertura anatómica y la evaluación cuantitativa de la carga de placa de la arteria carótida en comparación con la resonancia magnética convencional. La dinámica de fluidos computacional (CFD) específica del paciente se puede utilizar para caracterizar las cargas hemodinámicas en la placa, proporcionando así información única sobre el riesgo hemodinámico y biomecánico de eventos embólicos cerebrovasculares 18,19,20,21,22,23. El conocimiento de la composición de la placa carotídea y las cargas hemodinámicas en la placa podría usarse para proporcionar una evaluación más completa del potencial embólico que el porcentaje de estenosis sola. En este trabajo, presentamos un protocolo que utiliza tanto qMatch MRI como CFD informado por MRI para identificar diferencias en la composición de la placa y la hemodinámica a través de una estenosis ICA.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

El estudio fue aprobado por la Junta de Revisión Institucional de la Universidad de Michigan y se obtuvo el consentimiento informado de cada sujeto del estudio. Este protocolo utiliza CRIMSON, un marco de hemodinámica computacional validado y de código abierto que realiza tareas clave de modelado computacional, como la generación de mallas, la especificación de condiciones de contorno y el análisis de elementos finitos24,25. Para descargar CRIMSON y/o revisar tutoriales de modelado, visite el sitio web (https://crimson.software). La GUI de CRIMSON requiere un sistema operativo Windows. El solucionador de flujo CRIMSON está disponible tanto para Windows como para Linux.

1. Reclutamiento de pacientes y adquisición de datos específicos del paciente

  1. Reclutar pacientes adultos que tengan un diagnóstico de estenosis grave de la ACI demostrada en DUS y/o ATC (según lo definido por los criterios del North American Symptomatic Carotid Endarterectomy Trial (NASCET))26. Incluya pacientes que no tengan una contraindicación conocida para la resonancia magnética (es decir, implantes metálicos) o intolerancia a la resonancia magnética (es decir, claustrofobia, incapacidad para acostarse o permanecer quieto). Excluir a las pacientes si están embarazadas o tienen una contraindicación para la resonancia magnética. Obtener el consentimiento informado, que debe incluir una discusión y comprensión del procedimiento del estudio, los riesgos, los beneficios, las garantías de confidencialidad, la duración del estudio y el derecho a retirarse del estudio.
  2. Obtenga datos retrospectivos y/o prospectivos de pacientes para informar los modelos CFD. Use imágenes de CTA, MRI y / o angiografía para la anatomía del paciente.
    NOTA: Las condiciones de contorno se discutirán con más detalle más adelante. Sin embargo, en general, los datos para informar las condiciones de contorno a menudo incluyen presión no invasiva o invasiva, velocidades DHE y / o flujo derivado de contraste de fase (PC) y resonancia magnética.
  3. Antes de la resonancia magnética, realice un formulario de seguridad de resonancia magnética previo detallado para cada paciente inscrito para identificar cualquier contraindicación para la resonancia magnética. Revise los formularios de seguridad de la resonancia magnética con 2+ miembros del equipo del estudio. Indique a los sujetos inscritos que se quiten todos los artículos metálicos y les proporcionen una bata.
  4. Coloque al sujeto en decúbito supino en un sistema de resonancia magnética 3T, proporcione protección auditiva y manta para la comodidad del paciente, y coloque una bobina para la cabeza y el cuello.
  5. Después de realizar secuencias de localización iniciales para establecer la orientación adecuada sobre la bifurcación carotídea, realice las siguientes tres secuencias:
    1. Obtener una resonancia magnética de tiempo de vuelo en 3D de la cabeza y el cuello para la caracterización anatómica de la vasculatura desde la arteria carótida común (CCA) en C5 hasta la ICA distal del foramen magnum.
    2. Obtenga una resonancia magnética por PC con compuerta cardíaca 2D a nivel de la CCA en C5 y por encima de la bifurcación carotídea en la arteria carótida externa proximal (ECA) y la ICA media distal a la lesión para medir las formas de onda del flujo sanguíneo volumétrico. La codificación de velocidad específica del paciente (Venc) se basa en la velocidad sistólica máxima (PSV) en cada vaso (CCA, ECA y ICA media distal a la lesión) medida a través de DUS. En general, apunte a un Venc ~ 20% más alto que el del PSV en el recipiente de interés.
    3. Utilice la secuencia de resonancia magnética qMatch localizada sobre la bifurcación carotídea para obtener información detallada sobre la composición de la placa y la vulnerabilidad de la placa.

2. Obtención de formas de onda de flujo a partir de PC-MRI

  1. Después de obtener la resonancia magnética por PC con compuerta cardíaca 2D en las ubicaciones anteriores, obtenga formas de onda de flujo volumétrico utilizando el software incorporado en el escáner de resonancia magnética.
    1. En el escáner de resonancia magnética, identifique y utilice el software de cuantificación de flujo respectivo para obtener formas de onda de flujo derivadas de PC-MRI.
    2. Seleccione cada recipiente de interés (es decir, CCA, ECA e ICA) y coloque un contorno alrededor del recipiente especificado para proporcionar una forma de onda de flujo automatizada. Edite manualmente los contornos para garantizar el área precisa de la embarcación.
    3. Exporte las formas de onda de flujo desde el software respectivo.
      NOTA: El software de cuantificación de flujo puede diferir entre los diferentes fabricantes de MRI.
  2. Utilice una transformación de Fourier para interpolar y crear una forma de onda de flujo que sea suave, continua y tenga un mayor número de puntos de datos, lo que permite un perfil de flujo más refinado para las simulaciones CFD.
    NOTA: imponiendo el flujo en CRIMSON24 (que se discutirá más adelante) es importante que la función de forma de onda sea continua: tanto la función en sí como sus derivadas existen y son continuas para todos los valores de tiempo. La interpolación de Fourier genera una forma de onda continua basada en cualquier combinación arbitraria de puntos de datos de flujo medidos (PC-MRI) y puntos de tiempo deseados (para análisis CFD).
  3. Para garantizar la conservación de la masa entre las caras de entrada y salida, compare el flujo promedio de CCA, ECA e ICA después de la transformación de Fourier.
    1. En los casos en que la conservación de la masa (es decir, flujo CCA = flujo ECA + flujo ICA) no esté dentro del 10%, no avance y proceda con la resolución de problemas.
    2. Primero, verifique que se usó un PSV preciso para Venc y verifique si la forma de onda de flujo derivada de ECA PC-MRI se midió después de una rama grande (o ramas).
    3. En los casos en que la forma de onda de flujo PC-MRI se obtuvo después de grandes ramas de ECA, aumente el flujo a la ECA y vuelva a verificar la conservación de la masa.

3. Modelado computacional de dinámica de fluidos: geometría

  1. Importe datos de imágenes DICOM no identificados para la anatomía específica del paciente (CTA, MRI, angiografía) en CRIMSON utilizando el botón de importación en el administrador de datos.
  2. Utilice la ventana Modelado de geometría para seleccionar Edición de trayectoria de vasos y crear un árbol de vasos que consta del rango anatómico de interés (CCA, ECA e ICA).
  3. Utilice la ventana Edición de ruta de vaso para colocar puntos de línea central a lo largo de cada vaso en la anatomía de interés (CCA, ECA e ICA).
    1. La línea central de CCA generalmente se inicia en el nivel de C5, correspondiente a la ubicación donde se obtuvo la forma de onda de flujo de PC-MRI.
    2. La línea central de ICA generalmente termina a 1-2 cm distal de la estenosis, correspondiente a la ubicación donde se obtuvo la forma de onda de flujo de PC-MRI.
    3. La línea central de la ECA generalmente termina proximal a las ramas de primer orden de la ECA, correspondiente a la ubicación donde se obtuvo la forma de onda de flujo de la resonancia magnética de PC.
  4. Con la ventana Volver a cortar recipiente , se visualiza la longitud de los puntos de línea central a lo largo de cada recipiente. Esta ventana aparecerá después de que se hayan agregado al menos dos puntos a lo largo de la línea central del vaso y contiene una vista transversal a lo largo (perpendicular) de la línea central.
    NOTA: Las líneas centrales de los recipientes también se pueden importar en CRIMSON (deben estar en formato de archivo VTK).
  5. Utilice la ventana Recortar recipiente para especificar los límites de la pared del recipiente agregando contornos de recipiente (mediante un círculo, una elipse o un contorno manual). La ventana Recorte de vaso proporciona una vista del vaso a lo largo de la línea central para que se puedan definir contornos precisos. El usuario agrega manualmente los contornos en diferentes puntos de la línea central del recipiente en la ventana Recorte del recipiente .
    NOTA: En el lado izquierdo de la ventana de recorte del vaso se muestra la imagen original. En el lado derecho de la ventana de recorte de recipientes se muestra el degradado de la imagen. La vista de imagen degradada puede ser útil al definir contornos, ya que puede mostrar el límite del lumen con mayor claridad.
    1. Coloque los contornos con la frecuencia suficiente a lo largo de la línea central para capturar completamente la curvatura y la geometría cambiante de la vasija, sin que estén demasiado cerca de sobreajustarse o producir artefactos.
  6. Una vez que se hayan colocado las curvas de nivel en las vasijas de interés, utilice el botón Loft de la ventana Modelado de curvas de nivel de embarcaciones para crear un modelo sólido 3D combinado de cada geometría mediante un proceso conocido como solevación.
  7. Seleccione la ventana Fusión de recipientes para generar un único recipiente de geometría sólida. El algoritmo más común para mezclar es el empalme. El tamaño típico del filete es de 0,3 a 1 mm.

4. Modelado de dinámica de fluidos computacional: mallado

  1. Seleccione la ventana Configuración de mallado y solucionador y utilice el botón de mallado para visualizar las opciones de mallado y seleccionar parámetros de malla específicos.
    NOTA: Una malla consta de múltiples elementos tetraédricos y se requiere para ejecutar una simulación, ya que las ecuaciones de Navier-Stokes para velocidad y presión se resuelven en cada punto (nodo) a través de la malla. Una malla básica se puede definir utilizando características globales y/o locales. Específicamente, la malla se puede definir por el tamaño del elemento (es decir, un tamaño de elemento más pequeño conduce a una malla más pequeña o más refinada), el refinamiento de la curvatura (que agrega más elementos de malla a las áreas con mayor curvatura) u otras características de refinamiento de malla local. Las estrategias de mallado específicas pueden diferir en función de las diferentes geometrías de interés. En el contexto de la geometría de interés actual (es decir, la CCA, la ICA proximal y la ECA proximal), utilice características de malla globales y locales.
  2. Utilice la ventana de opciones globales para establecer el tamaño global del elemento en un valor absoluto que oscile entre 0,5 mm y 0,75 mm.
  3. Utilice la ventana de opciones globales para especificar el tipo de capa límite como crecimiento geométrico. Establezca el número total de capas en 3, el grosor de la primera capa en 0,2 mm y el grosor total de la capa en 1,0 mm, lo que permite una malla más fina a lo largo del exterior de la cara y una malla menos fina a lo largo de la mitad de la cara.
  4. Por último, use un refinamiento de curvatura para agregar más elementos de malla en áreas con curvatura (es decir, en la estenosis).
    NOTA: Las opciones de refinamiento de malla local también se pueden utilizar para crear una malla más fina en recipientes específicos, áreas de bifurcación o caras de entrada/salida.
  5. Revise los elementos de malla haciendo clic en el botón Información de malla después de hacer clic con el botón derecho en la malla.
    NOTA: Una malla final debe contener elementos con relaciones de aspecto apropiadas (relación entre el lado más grande y el lado más pequeño de un elemento tetraédrico dado, más pequeño es mejor), una distribución de elementos que capturen características de flujo en áreas críticas (es decir, la estenosis, las salidas de los vasos, las capas límite) y evitar una distorsión excesiva o cambios bruscos en el tamaño de la celda.
    Las mallas finales de la geometría actual de interés deben contener entre 400.000 y 700.000 elementos.
    La Figura 1A muestra los pasos críticos relacionados con la geometría y el mallado del paciente.

5. Modelado computacional de dinámica de fluidos: condiciones de contorno

  1. Para especificar las condiciones de contorno, seleccione la ventana Configuración de mallado y solucionador y, a continuación, seleccione el icono Configuración de solucionador . En la ventana Configuración del solucionador , agregue un conjunto de condiciones de contorno (denominado "Conjunto BC") y, a continuación, seleccione una condición de contorno específica mediante el icono BC .
    NOTA: Las condiciones de contorno se utilizan para representar la presión y el flujo sanguíneo más allá de los límites del modelo segmentado. La decisión de qué condiciones de contorno usar y dónde se prescriben es posiblemente el aspecto más importante y crítico de cualquier modelo CFD y debe hacerse deliberadamente y estar respaldada por un significado fisiológicamente relevante. Las condiciones límite deben seleccionarse y ajustarse para que coincidan con los valores específicos del paciente y, en los casos en que los valores específicos del paciente no estén disponibles, los datos de la literatura se pueden utilizar para informar el modelo computacional.
  2. Observe las condiciones de contorno que están disponibles actualmente en CRIMSON:
    1. Entrada: Presión, velocidad prescrita (forma de onda de flujo), circuito de parámetros agrupados personalizados (cualquier combinación arbitraria de resistencias, condensadores, inductores, nodos de presión y elementos de circuito personalizados definidos a través de un script de Python).
    2. Pared: Sin deslizamiento (se refiere a una pared rígida o indeformable), deformable.
    3. Salida: Presión, RCR, velocidad prescrita (forma de onda de flujo), circuito de parámetros agrupados personalizados.
  3. Haga clic en el icono BC para seleccionar una condición de contorno específica. Primero, seleccione Sin deslizamiento para implementar paredes rígidas e indeformables y aplíquelo a todas las paredes usando el botón Aplicar a todas las paredes .
  4. A continuación, haga clic en el icono BC y seleccione la velocidad prescrita para importar la forma de onda de flujo de entrada definida previamente (es decir, el flujo CCA derivado de PC-MRI después de la transformación de Fourier). En la ventana de condiciones de contorno, asigne el perfil de velocidad parabólica a la entrada del CCA.
    NOTA: En CRIMSON, la convención es que los flujos de entrada sean negativos y los flujos de salida sean positivos.
  5. De manera similar, importe la forma de onda de salida de ECA pulsátil (velocidad prescrita) reconstruida a partir de PC-MRI y asigne el perfil de velocidad parabólica a la salida del ECA.
  6. Seleccione el icono BC | RCR para rellenar un modelo de Windkessel (RCR) de tres elementos, que consta de una resistencia proximal (Rp), una resistencia distal (Rd) y un condensador (C). Asigne el RCR a la salida del ICA. Calcule los valores aproximados de RCR específicos del paciente utilizando los datos de flujo de PC-MRI y la presión arterial de los pacientes.
    1. La resistencia arterial total es RT = Pmedia / QT, donde la presión arterial media Pmedia = 1/3 Psistólica + 2/3 Pdiastólica, y QT es el flujo cardíaco total que ingresa al modelo (en este caso, flujo CCA).
    2. La distensibilidad arterial total es CT = (QT,max-Q T,min)/(Psistólica-P diastólica)*Δt, donde QT,max y QT,min son valores máximos y mínimos de flujo de entrada de CCA, y Δt es el lapso de tiempo entre estos valores.
    3. Las estimaciones iniciales de los parámetros del modelo de Windkessel se basan en imágenes específicas del paciente y se obtienen distribuyendo una fracción de RT y CT en la salida de ICA.
      NOTA: La Figura 1B muestra las condiciones de contorno utilizadas en el presente esquema de modelado. El presente estudio utiliza el conjunto de condiciones de contorno antes mencionado; sin embargo, se podrían utilizar otros conjuntos de condiciones de contorno.

6. Modelado computacional de dinámica de fluidos: simulación

  1. En la ventana Configuración de mallado y solucionador , seleccione el icono Configuración de solucionador | Parámetros de Sovler para especificar los parámetros del solucionador dentro de CRIMSON.
    1. Ejecute simulaciones utilizando un tamaño de paso de tiempo de 0,1 ms para cuatro ciclos cardíacos.
      NOTA: El residuo requerido para que una solución se considere convergente para cada paso de tiempo es 1 x 10-4. Debido a que las estenosis ICA de alto grado tienen regiones de flujo complejo y recirculatorio, la sangre modelo como un fluido no newtoniano incompresible utilizando el modelo de Carreau-Yasuda. Esto se puede hacer agregando un modelo de constante de viscosidad al archivo de entrada del solucionador (ver 6.3.1). Establezca la densidad de la sangre en 1,060 kg·m−3.
      Una formulación de elementos finitos estabilizada para las ecuaciones incompresibles de Navier-Stokes resuelve la velocidad y las presiones del flujo sanguíneo en los modelos.
  2. Para iniciar una simulación, prepare archivos de simulación utilizando Solver Setup en CRIMSON. Específicamente, genere archivos que contengan los datos de flujo (bct.dat), el flujo de entrada en cada paso de tiempo (bctFlowWaveform.dat), información sobre la malla y las condiciones de contorno (geombc.dat), información para la cara en la que se aplica cada condición de contorno (faceinfo.dat), el número de primer paso de tiempo de la simulación (numstart.dat), datos de Windkessel de 3 elementos (rcrt.dat), archivos que contienen información sobre la presión y la velocidad en cada punto de la malla (archivos de reinicio), y las instrucciones para el solucionador de flujo (solver.inp).
    1. Agregue el modelo de Carreau-Yasuda en solver.inp y agréguelo a los archivos de simulación para permitir que la sangre se modele como un fluido no newtoniano.
  3. Para ejecutar simulaciones, elija una de las siguientes opciones:
    1. Para obtener la forma más sencilla de ejecutar el solucionador de flujo CRIMSON Navier-Stokes, presione el botón Ejecutar simulación en el panel Estudio de la ventana Configuración del solucionador . Esto abrirá una ventana de comandos, que permite al usuario especificar cuántos procesadores usar.
      NOTA: El solucionador de flujo también se puede ejecutar desde la línea de comandos mediante un archivo por lotes de Windows.
      Aunque algunas simulaciones (es decir, aquellas bajo el supuesto de estado estacionario) se pueden ejecutar directamente a través de CRIMSON en una computadora de escritorio local con Windows, las simulaciones pulsátiles con una malla que consta de muchos elementos tetraédricos (> 200,000) requerirán un clúster de computación de alto rendimiento (HPC) más informático con un sistema operativo Linux.
  4. Utilice el solucionador de flujo CRIMSON Navier-Stokes para realizar cálculos con 72-108 núcleos en un clúster HPC. Si realiza simulaciones en un clúster de HPC, transfiera todos los archivos presolver al clúster.
    NOTA: El proceso de transferencia de archivos a un clúster de HPC diferirá para cada individuo e institución en función de la tecnología y el software que estén disponibles para ellos.
  5. Cuando el solucionador comience a ejecutarse, observe que se imprime un archivo de salida denominado "histor.dat" en la línea de comandos. Los archivos de salida de la simulación se guardarán en un nuevo directorio llamado "n-procs-case" donde "n" es el número de procesadores para la simulación.
    1. Utilice el indicador de linux: tail -f histor.dat para ver el archivo "histor.dat" en tiempo real. El archivo histor.dat consta de varias columnas; sin embargo, las primeras cuatro columnas son las más importantes.
      1. Observe que la primera columna es el paso de tiempo actual, que puede aparecer varias veces porque dentro de cada paso, las ecuaciones de Navier-Stokes se resuelven varias veces para aumentar la precisión de la solución numérica antes de continuar con el siguiente paso (es decir, acercarse al residuo especificado).
      2. Observe que la segunda columna es el tiempo de simulación transcurrido en segundos.
      3. Tenga en cuenta que la tercera columna es el residuo no lineal, que es una medida de la calidad de la solución actual (un número más bajo indica una solución mejorada).
      4. Observe que la cuarta columna es el valor logarítmico del residuo actual en comparación con el residuo inicial al inicio de la simulación, lo que proporciona una medida del residuo actual en relación con los puntos de partida.

7. Modelado de dinámica de fluidos computacional: posprocesamiento

  1. Verifique la convergencia después de que se haya completado la simulación (es decir, si el enfoque de simulación logró cumplir con el residuo especificado). Utilice la información contenida en el archivo "histor.dat" para trazar y/o visualizar los residuos.
  2. Para visualizar los resultados detallados de la simulación, se requiere un posprocesamiento. Navegue a la carpeta "n-procs-case" y realice los ejecutables postsolver y multipostsolver (los cuales se pueden encontrar en los archivos de instalación de CRIMSON flowsolver).
    1. Utilice el ejecutable postsolver (postsolver -sn <último paso de tiempo> -td -ph -ybar) para generar un archivo "ybar", que contiene una medida de errores para cada nodo de la malla.
    2. Utilice el ejecutable multipostsolver (multipostsolver <último paso de tiempo> ) para combinar los archivos de reinicio recuperando los resultados en el incremento especificado entre el primer y el último periodo de tiempo especificado.
  3. Verifique la conservación de la masa inspeccionando el archivo "FlowHist.dat", que contiene las formas de onda de flujo para el flujo de entrada de CCA y el flujo de salida de ECA e ICA.
  4. Inspeccione la presión, incluida la presión máxima (SBP), la presión mínima (DBP), MAP y la presión de pulso (presión de pulso = SBP-DBP), mirando el archivo "PressHist.dat".
  5. Ajuste los parámetros de RCR para garantizar la concordancia con la información específica del paciente, como la presión arterial. Específicamente, la resistencia y la capacitancia se ajustan de modo que la presión de pulso simulada en la salida de CCA esté dentro del 5% de la presión de pulso del paciente y el 10% de MAP (de la medición del manguito).
    NOTA: Aumente la resistencia para aumentar la presión (SBP, DBP y MAP) y aumente la distensibilidad para disminuir la presión del pulso (viceversa). El ajuste del RCR es un proceso iterativo, que a menudo se conoce como iteración de punto fijo.

8. Modelado de dinámica de fluidos computacional: análisis de datos

  1. Una vez que una simulación haya pasado el ajuste designado (es decir, presión de pulso simulada dentro del 5% de la presión de pulso del paciente), exporte, visualice y analice los datos.
  2. Identifique el archivo "view.pht" en la carpeta que se creó después de ejecutar el ejecutable multipostsolver [es decir, (multipostsolver <último paso de vez> )] e impórtelo a Paraview.
  3. Calcule y visualice las siguientes variables en Paraview.
    1. Velocidad (y flujo): CRIMSON informa la velocidad en mm/s, sin embargo, en las imágenes DUS la velocidad se informa en cm/s. Convierta la velocidad a cm/s usando una calculadora en Paraview.
      NOTA: Debido a que se utilizó una condición de contorno de muro rígido o antideslizante, la velocidad en el muro será cero. Por lo tanto, es mejor visualizar la velocidad utilizando una técnica de renderizado de volumen.
      1. Capture el perfil de velocidad de una parte específica del modelo (es decir, el punto de estenosis máxima) utilizando una función de recorte o corte en Paraview.
    2. Presión (y relación de presión)
      NOTA: CRIMSON informa presión en Pascal (Pa); sin embargo, clínicamente, la presión se informa en mmHg. Convierte la presión a mmHg usando una calculadora dividiendo la presión (en Pa) por 133,33.
      1. Use un clip o corte para capturar la presión proximal y distal a la estenosis ICA. Utilice el filtro "Trazar tiempo de datos manifiestos" en Paraview para obtener una forma de onda de presión a lo largo del tiempo (análoga a la forma de onda que se obtendría con una medición de presión invasiva).
      2. Calcule la relación de presión dividiendo la presión distal media por la presión proximal media.
    3. Esfuerzo cortante de pared (WSS): Calcule el WSS promediado en el tiempo seleccionando primero el área de interés (la estenosis ICA), usando una calculadora para obtener la magnitud del WSS y usando el "Filtro de estadísticas temporales".
    4. Calcule el índice de corte oscilatorio (OSI) en Paraview después de calcular el WSS promediado en el tiempo (ver arriba).
      NOTA: OSI es una medida de cuánto cambia el WSS de dirección y magnitud durante un ciclo cardíaco. Los valores de OSI oscilan entre 0 y 0,5, donde 0 indica WSS unidireccional y 0,5 indica WSS con un promedio de tiempo de cero.

9. Análisis de la morfología de la placa mediante resonancia magnética qMatch

  1. Ejecute datos de imágenes qMatch sin procesar a través del programa de reconstrucción de imágenes de MATLAB para obtener imágenes posprocesadas, incluidas imágenes de sangre oscura, ponderadas en T1, ponderadas en T2, MRA, qMatch T1 Map y qMatch T2 Map.
  2. Utilice un visor DICOM para visualizar las imágenes de resonancia magnética qMatch posprocesadas y evaluar la composición de la placa.
    NOTA: qMatch puede identificar componentes de la placa, incluido el calcio, la hemorragia intraplaca (IPH), los núcleos necróticos ricos en lípidos (LRNC) y el grosor de la capa fibrosa y su estado.
    1. En general, cada componente tendrá las siguientes características en los conjuntos de datos de qMatch (Tabla 1).
      1. Calcio: Hipointenso en imágenes de sangre oscura, ponderadas en T1 y T2.
      2. IPH reciente: Hiperintenso en imágenes ponderadas en T1 e hiper a isointenso en imágenes ponderadas en T2.
      3. IPH antiguo: hiperintenso en imágenes ponderadas en T1 e hipo a isointenso en imágenes ponderadas en T2.
      4. LRNC: Hiperintenso en imágenes ponderadas en T1 e hipointenso en imágenes ponderadas en T2.
      5. FC: Hiper a isointenso en imágenes ponderadas en T2.
  3. Clasificar las placas, según sus componentes, utilizando los sistemas de clasificación modificados de la American Heart Association27 y / o Plaque-RADS (Reporting and Data System) 28 .

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

El uso de este flujo de trabajo CFD informado por resonancia magnética junto con qMatch MRI permite la identificación de las cargas hemodinámicas a través de la estenosis ICA y los componentes específicos de la placa. Primero comenzamos asegurándonos de tener una malla de alta calidad para permitir una representación precisa de las características de flujo en áreas críticas. Una malla final debe contener un número adecuado de elementos de malla con relaciones de aspecto bajas (Figura 1A). Una malla gruesa con relaciones de aspecto altas probablemente conducirá a resultados de simulación inexactos. Luego avanzamos con la especificación de nuestras condiciones de contorno (Figura 1B). Después de completar con éxito la simulación y el ajuste adecuado de las condiciones límite, se puede recopilar hemodinámica no invasiva y específica del paciente.

Métricas hemodinámicas específicas que se pueden medir, que incluyen, entre otras, velocidad, flujo, presión (incluidas las relaciones de presión y los gradientes de presión), WSS y OSI. La Figura 2 muestra un perfil de velocidad representativo a través de la bifurcación carotídea y la estenosis ICA. La visualización del perfil de velocidad máxima a lo largo del ciclo cardíaco puede servir como sustituto de una forma de onda de velocidad derivada de DUS. Por lo tanto, se pueden aproximar tanto la PSV como la velocidad diastólica final (EDV). La Figura 3 muestra dos ejemplos representativos de la presión (mmHg) a través de la bifurcación carotídea y la estenosis de ACI. Un gradiente de presión se puede medir recogiendo formas de onda de presión proximales y distales a la estenosis.

En la Figura 3A, hay una diferencia mínima o nula en la presión proximal (línea roja) y distal a (línea azul) de la estenosis. Sin embargo, en la Figura 3B, hay una gran diferencia en la presión proximal (línea roja) y distal a (línea azul) de la estenosis. La Figura 4 muestra dos ejemplos representativos del WSS (Pa) mapeados a través de la bifurcación carotídea y la estenosis ICA. En la Figura 4A, hay un WSS bajo a través de la estenosis, mientras que en la Figura 4B, hay un WSS grande a través de la estenosis. La Figura 5 muestra una comparación de OSI mapeada a través de la bifurcación carotídea antes (Figura 5A: preoperatorio) y después (Figura 5B: postoperatorio) CEA. Los mapas postoperatorios muestran áreas de mayor OSI en comparación con las preoperatorias.

Después del posprocesamiento adecuado de las imágenes de qMatch, se generará un conjunto de datos con seis conjuntos de DICOM, incluidas las secuencias de sangre oscura, ponderadas en T1, ponderadas en T2, MRA, qMatch T1 Map y qMatch T2 Map. Con estos conjuntos de datos, se pueden visualizar y cuantificar los componentes de la placa, incluidos el calcio, la IPH, el LRNC y el grosor y/o la ruptura de la capa fibrosa (utilizando las secuencias del mapa T1 y T2). La Tabla 1 muestra las características generales de cada componente de la placa en los conjuntos de datos de qMatch. La Figura 6 muestra un conjunto de datos representativo de qMatch de un paciente con IPH. El contorno del ICA se representa con una línea blanca continua, mientras que la luz del flujo se representa con la línea blanca discontinua y la placa se representa con la línea amarilla discontinua. Características de IPH (línea roja continua) demostradas por una señal hiperintensa en la imagen ponderada en T1 y una medición de T1 reducida en el mapa T1. La Figura 7 muestra un conjunto de datos representativo de qMatch de un paciente con placa muy calcificada. El contorno del ICA se representa con una línea blanca continua, mientras que el lumen de flujo se representa con una línea blanca discontinua. Porción calcificada de la placa (línea naranja discontinua) demostrada por señal hipointensa en la sangre oscura, imágenes ponderadas en T1 y T2.

figure-results-1
Figura 1: Descripción general del método de modelado de dinámica de fluidos computacional. (A) Creación de geometría y mallado específicos del paciente, así como (B) especificación de condiciones de contorno. (A) Los datos de imágenes DICOM no identificados de CTA se importan a CRIMSON y se determina la anatomía de interés (incluidos CCA, ICA y ECA). Los puntos de la línea central se colocan a lo largo de cada vaso dentro de la anatomía de interés. Los límites de la pared del recipiente se especifican agregando contornos. Las ramas de los vasos se elevan y luego se combinan con una operación de filete. Luego, el modelo geométrico final se discretiza en una malla, que consta de múltiples elementos tetraédricos con refinamiento de malla local a nivel de la estenosis. (B) Se prescribe un Windkessel de 3 elementos a la salida ICA para permitir variaciones en la presión y la velocidad. La resonancia magnética por PC con compuerta cardíaca 2D se obtiene a nivel de la CCA en C5 (círculo rojo y elipse) y por encima de la bifurcación carotídea en la ECA proximal (círculo naranja y elipse) y la ICA media distal a la lesión (círculo azul y elipse) para medir las formas de onda del flujo sanguíneo volumétrico. Se prescribe una forma de onda de flujo a la entrada CCA y la salida ECA. Abreviaturas: CTA = angiografía por tomografía computarizada; CCA = arteria carótida común; ICA = arteria carótida interna; ECA = arteria carótida externa; PC = Contraste de fase. Haga clic aquí para ver una versión más grande de esta figura. 

figure-results-2
Figura 2: Información de velocidad del flujo de trabajo de CFD. Derecha) Velocidad (cm/s) mapeada a un modelo de una bifurcación carotídea que incluye la CCA, la ECA y la ICA con una estenosis severa en la vista anterior. Izquierda) Se puede visualizar la velocidad máxima a lo largo del tiempo para un ciclo cardíaco, lo que sirve como sustituto de la ecografía dúplex. Abreviaturas: CCA = arteria carótida común; ECA = arteria carótida externa; ICA = arteria carótida interna. Haga clic aquí para ver una versión más grande de esta figura.

figure-results-3
Figura 3: Ejemplo representativo de presión (mmHg) mapeado a través de la bifurcación carotídea para dos casos en la vista anterior. La presión se asigna a los modelos geométricos de CCA, ECA e ICA. (A) Caso con diferencia mínima o nula en la presión proximal (línea roja, forma de onda de presión roja) y distal a (línea azul, forma de onda de presión azul) la estenosis ICA. (B) Caso con gran diferencia de presión proximal a (línea roja, forma de onda de presión roja) y distal a (línea azul, forma de onda de presión azul) a la estenosis ICA. Abreviaturas: CCA = arteria carótida común; ECA = arteria carótida externa; ICA = arteria carótida interna. Haga clic aquí para ver una versión más grande de esta figura.

figure-results-4
Figura 4: Ejemplo representativo de esfuerzo cortante de pared (Pa) mapeado a través de la bifurcación carotídea para dos casos en la vista anterior. WSS se asigna a modelos geométricos de CCA, ECA e ICA. (A) Caso con bajo WSS en la estenosis ICA. (B) Caso con gran WSS a través de la estenosis ICA. Abreviaturas: WSS = esfuerzo cortante de pared; CCA = arteria carótida común; ECA = arteria carótida externa; ICA = arteria carótida interna. Haga clic aquí para ver una versión más grande de esta figura. 

figure-results-5
Figura 5: Comparación del índice de cizallamiento oscilatorio antes (preoperatorio) y después (postoperatorio) de la endarterectomía carotídea, incluidas las vistas anterior y posterior. OSI se asigna a modelos geométricos de CCA, ECA e ICA. Se resaltan la lesión y la lesión reparada (segmentos donde se comparan los OSI). Los mapas postoperatorios muestran áreas de mayor OSI en comparación con las preoperatorias. Abreviaturas: OSI = índice de cizallamiento oscilatorio; CCA = arteria carótida común; ECA = arteria carótida externa; ICA = arteria carótida interna; CEA = endarterectomía carotídea. Haga clic aquí para ver una versión más grande de esta figura. 

figure-results-6
Figura 6: Un conjunto de datos representativo de qMatch de un paciente con hemorragia intraplaca. (A) Sangre oscura, (B) T1 ponderado, (C) T2, (D) MRA, (E) qMatch T1 Map y (F) qMatch T2 Map secuencias. El contorno del ICA se representa con una línea blanca continua, mientras que la luz del flujo se representa con la línea blanca discontinua y la placa se representa con la línea amarilla discontinua. Características de IPH (línea roja continua) demostradas por una señal hiperintensa en la imagen ponderada en T1 y una medición de T1 reducida en el mapa T1. Abreviaturas: IPH = hemorragia intraplaca. Haga clic aquí para ver una versión más grande de esta figura.

figure-results-7
Figura 7: Un conjunto de datos representativo de qMatch de un paciente con placa calcificada. (A) Sangre oscura, (B) T1 ponderada, (C) T2, (D) ARM, (E) qMatch T1 Map y (F) qMatch T2 Map secuencias. El contorno del ICA se representa con una línea blanca continua, mientras que el lumen de flujo se representa con una línea blanca discontinua. Porción calcificada de la placa (línea naranja discontinua) demostrada por señal hipointensa en la sangre oscura, imágenes ponderadas en T1 y T2. Haga clic aquí para ver una versión más grande de esta figura.

Componente de placaMRASangre oscuraT1wT2wMapa T1Mapa T2
IPH++Utilizado para la cuantificaciónUtilizado para la cuantificación
Calcio---Utilizado para la cuantificaciónUtilizado para la cuantificación
LRNC=-Utilizado para la cuantificaciónUtilizado para la cuantificación
Tapa fibrosa-/=-/=-Utilizado para la cuantificaciónUtilizado para la cuantificación

Tabla 1: Características de los componentes de la placa en los conjuntos de datos de qMatch. Abreviaturas: ARM = Angiografía por resonancia magnética; T1w = T1 ponderado; T2w = ponderado T2; IPH = hemorragia intraplaca; LRNC = núcleo necrótico rico en lípidos; + = hiperintenso; - = hipointenso; (=) iso-intenso.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Aquí, presentamos un protocolo para caracterizar de forma no invasiva las cargas hemodinámicas y la composición de la placa a través de una estenosis de ACI, proporcionando así una evaluación más completa del potencial embólico que las modalidades de diagnóstico actuales que evalúan el porcentaje de estenosis sola. Comenzamos obteniendo datos de imágenes y presión de pacientes de manera retrospectiva y prospectiva, incluidos datos de CTA, PC-MRI y manguito de presión arterial para informar nuestros modelos CFD. Además, ajustamos las condiciones de contorno en nuestro modelo, específicamente el modelo de Windkessel, para que se correspondan con los datos conocidos del paciente. Como tal, este protocolo permite la recopilación de datos precisos y específicos del paciente relacionados con factores de riesgo fisiológicamente relevantes para la embolia de placas y el accidente cerebrovascular.

Informar modelos y condiciones de contorno con datos fisiológicamente precisos y específicos del paciente es fundamental para obtener resultados de simulación precisos. Algunas simulaciones computacionales en el espacio cerebrovascular se basan en DUS, métodos numéricos o supuestos no específicos del paciente para derivar formas de onda de flujo de entrada 21,29,30,31. El uso de DUS es atractivo dado que está ampliamente disponible, se usa con frecuencia en entornos clínicos, tiene un costo más bajo y es fácilmente accesible. Sin embargo, la resonancia magnética por PC generalmente se considera un método más preciso para medir el flujo 32,33,34. La resonancia magnética por PC puede cuantificar directamente la velocidad en múltiples ubicaciones dentro del lumen, acomodando así las asimetrías dentro del campo de flujo dentro de un recipiente y, por lo tanto, proporciona una representación más completa de la dinámica del flujo32,33. La resonancia magnética por PC tampoco está sujeta a sesgos específicos del operador introducidos por el DU, como el ángulo de interrogación y la ubicación de la selección de la medición. Por otro lado, el DUS a menudo depende del operador y es menos preciso en la captura del área del vaso y los patrones de flujo complejos que a menudo conducen a flujos inexactos. Sin embargo, las mediciones de flujo de PC-MRI no son perfectas con un error aproximado del 10%35,36. Se debe prestar especial atención para garantizar una codificación adecuada del vaso, mantener un plano de imagen que sea ortogonal al eje del vaso, resoluciones temporales y especiales apropiadas y minimizar los errores de desplazamiento de fase37. Por último, la RM puede sobrestimar la estenosis en comparación con la ATC, lo que debe tenerse en cuenta al evaluar la geometría del paciente38. Se justifica el trabajo futuro, centrado en comparar los resultados hemodinámicos de los modelos CFD informados por las formas de onda de flujo DHE y los informados por las formas de onda de flujo de PC-MRI.

La elección de las condiciones de contorno del flujo de salida puede tener una influencia significativa en los campos de velocidad y presión en las simulaciones CFD del flujo sanguíneo. En nuestro enfoque, elegimos imponer una forma de onda de salida parabólica al ECA y acoplar el ICA a un modelo de Windkessel de tres elementos. Este enfoque para la especificación de condiciones límite permite una aplicación sólida de la conservación de la masa entre la entrada y las salidas, al tiempo que permite una coincidencia precisa de la presión arterial del paciente39. Por lo tanto, sentimos que esto proporcionaría la representación más precisa de la hemodinámica de la ACI. Sin embargo, dado que estamos imponiendo una forma de onda de flujo a una de nuestras salidas modelo (es decir, el ECA) es importante garantizar que la forma de onda de salida esté sincronizada con la forma de onda de entrada CCA39. En nuestro enfoque, esto fue posible gracias a la recopilación de nuestros datos de flujo de PC-MRI con compuerta cardíaca 2D. Sin embargo, en los casos en que la obtención de dichos datos no es práctica, puede ser ventajoso un enfoque diferente de las condiciones de contorno (es decir, acoplar tanto el ECA como el ICA a los modelos de Windkessel de tres elementos) para que no sea necesario hacer suposiciones en la alineación temporal de las formas de onda de entrada y salida39.

Hay limitaciones importantes de este protocolo a tener en cuenta. En primer lugar, debido a que este enfoque de modelado solo consiste en la bifurcación carotídea ipsilateral, no incluye el círculo de Willis y/o factores importantes que afectan la hemodinámica cerebral, como la presencia de colaterales o la extensión de la estenosis ICA contralateral. Se ha demostrado que los pacientes con vías colaterales incompletas en el círculo de Willis tienen tasas más altas de accidente cerebrovascular grave y peor pronóstico después del accidente cerebrovascular 40,41,42. Además, la presencia de colaterales patentes se ha asociado con un menor riesgo de accidente cerebrovascular y accidente isquémico transitorio 9,43,44. Además, varios estudios han demostrado que la presencia de una estenosis (u oclusión) de la ACI contralateral afecta las velocidades de la ACI ipsilateral 45,46,47,48. Además, nuestro grupo ha demostrado recientemente que las estenosis y oclusiones contralaterales graves de la ACI afectan a la EAI ipsilateral WSS y a las presiones49. Sin embargo, el modelado de todo el círculo de Willis requiere muchos recursos y limita la utilidad clínica de nuestro protocolo actual.

Una limitación adicional de nuestro modelo es que no permitimos cambios en la resistencia y el cumplimiento en la salida de la ACI y, por lo tanto, no tenemos en cuenta la autorregulación cerebral que puede afectar la distribución del flujo sanguíneo con diferentes severidades de estenosis. Además, modelamos las paredes de los recipientes como rígidas, en lugar de deformables. Sin embargo, debido a que la estenosis de la arteria carótida se asocia con una mayor rigidez de los vasos, creemos que una suposición de pared rígida es razonable. Además, no existen umbrales bien definidos de WSS y PG para diferentes niveles de estenosis ICA y aún no se han definido las asociaciones con el riesgo de accidente cerebrovascular, por lo que en nuestro modelo actual no hemos validado la traducibilidad clínica y aún no podemos estimar el riesgo de accidente cerebrovascular de un paciente. Finalmente, la secuencia de resonancia magnética qMatch no está disponible en los escáneres de resonancia magnética estándar. qMatch requiere una máquina de resonancia magnética 3T y requiere la importación manual de la secuencia, ya que no es una secuencia de resonancia magnética clínica estándar. Además, como especifica nuestro protocolo, qMatch requiere un posprocesamiento complejo en MATLAB, lo que puede limitar aún más su generalización para un uso clínico generalizado.

Se justifican nuevas métricas para definir y evaluar el impacto hemodinámico de la estenosis ICA y estratificar mejor el riesgo de accidente cerebrovascular individualizado, como lo demuestra la principal prioridad de investigación actual de la Society of Vascular Surgery: desarrollar herramientas de diagnóstico, técnicas de imagen y estrategias de selección destinadas a identificar pacientes que se beneficiarían del tratamiento de la estenosis ICA asintomática50. Este protocolo está bien equipado para caracterizar de forma no invasiva tanto las cargas hemodinámicas como la composición de la placa a lo largo de una estenosis ICA, proporcionando así una evaluación más completa del potencial embólico de la placa ICA que las modalidades diagnósticas actuales. En nuestro trabajo futuro, buscamos definir mejor la asociación de las métricas hemodinámicas (como WSS y PG) con el riesgo de embolia de placa ICA y accidente cerebrovascular.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Los autores declaran no tener conflictos de intereses.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Este estudio fue apoyado por el Instituto Nacional de Salud F32HL168968 y la Sociedad Quirúrgica Frederick A. Coller.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
CARMESÍN/AN/ASoftware en línea de código abierto
HorosHorosN/ASoftware en línea de código abierto
MATLAB versión 14MathworksN/A
ParaviewN/AN/ASoftware en línea de código abierto
Escáner de resonancia magnética Siemens 3T VIDA Siemens HealthineersN/A

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Flaherty, M. L., et al. Carotid artery stenosis as a cause of stroke. Neuroepidemiology. 40, 36-41 (2013).
  2. Feske, S. K. Ischemic stroke. Am J Med. 134 (12), 1457-1464 (2021).
  3. Kelly-Hayes, M., et al. The influence of gender and age on disability following ischemic stroke: the Framingham study. J Stroke Cerebrovasc Dis. 12 (3), 119-126 (2003).
  4. Virani, S. S., et al. Heart disease and stroke statistics-2020 update: a report from the American Heart Association. Circulation. 141 (9), e139-e596 (2020).
  5. Group Members, W. riting, et al. Heart disease and stroke statistics-2012 update: a report from the American Heart Association. Circulation. 125 (1), e3-e218 (2012).
  6. Lalla, R., Raghavan, P., Chaturvedi, S. Trends and controversies in carotid artery stenosis treatment. F1000Res. 9, 940(2020).
  7. Saini, V., Guada, L., Yavagal, D. R. Global epidemiology of stroke and access to acute ischemic stroke interventions. Neurology. 97, S6-S16 (2021).
  8. Saba, L., et al. Carotid artery wall imaging: perspective and guidelines from the ASNR vessel wall imaging study group and expert consensus recommendations of the American Society of Neuroradiology. AJNR Am J Neuroradiol. 39 (2), E9-E31 (2018).
  9. Bisschops, R. H. C., et al. Collateral flow and ischemic brain lesions in patients with unilateral carotid artery occlusion. Neurology. 60 (9), 1435-1441 (2003).
  10. Li, Y., et al. Clinical features and the degree of cerebrovascular stenosis in different types and subtypes of cerebral watershed infarction. BMC Neurol. 17 (1), 166(2017).
  11. Slager, C., et al. The role of shear stress in the generation of rupture-prone vulnerable plaques. Nat Rev Cardiol. 2 (8), 401-407 (2005).
  12. Liu, J., et al. Functional assessment of cerebral artery stenosis: a pilot study based on computational fluid dynamics. J Cereb Blood Flow Metab. 37 (7), 2567-2576 (2017).
  13. Zhang, C., et al. Flow patterns and wall shear stress distribution in human internal carotid arteries: the geometric effect on the risk for stenoses. J Biomech. 45 (1), 83-89 (2012).
  14. Dolan, J. M., Kolega, J., Meng, H. High wall shear stress and spatial gradients in vascular pathology: a review. Ann Biomed Eng. 41, 1411-1427 (2013).
  15. Howard, D. P. J., et al. Risk of stroke in relation to degree of asymptomatic carotid stenosis: a population-based cohort study, systematic review, and meta-analysis. Lancet Neurol. 20 (3), 193-202 (2021).
  16. Fan, Z., et al. Multi-contrast atherosclerosis characterization (MATCH) of carotid plaque with a single 5-min scan: technical development and clinical feasibility. J Cardiovasc Magn Reson. 16 (1), 53(2014).
  17. Xie, Y., et al. Quantitative multi-contrast atherosclerosis characterization: comprehensive quantitative evaluation of atherosclerosis in a single scan. Abstract #3122. ISMRM 25th annual meeting. , (2017).
  18. Schollenberger, J., et al. A combined computational fluid dynamics and arterial spin labeling MRI modeling strategy to quantify patient-specific cerebral hemodynamics in cerebrovascular occlusive disease. Front Bioeng Biotechnol. 9, 722445(2021).
  19. Schollenberger, J., et al. A magnetic resonance imaging-based computational analysis of cerebral hemodynamics in patients with carotid artery stenosis. Quant Imaging Med Surg. 13 (2), 1126-1137 (2023).
  20. Cibis, M., et al. Wall shear stress calculations based on 3D cine phase contrast MRI and computational fluid dynamics: a comparison study in healthy carotid arteries. NMR Biomed. 27 (7), 826-834 (2014).
  21. Liu, X., et al. Functional assessment of the stenotic carotid artery by CFD-based pressure gradient evaluation. Am J Physiol Heart Circ Physiol. 311 (3), H645-H653 (2016).
  22. Raschi, M., et al. CFD and PIV analysis of hemodynamics in a growing intracranial aneurysm. Int J Numer Method Biomed Eng. 28 (2), 214-228 (2012).
  23. Rayz, V. L., et al. Numerical simulations of flow in cerebral aneurysms: comparison of CFD results and in vivo MRI measurements. J Biomech Eng. 130 (5), 051011(2008).
  24. Arthurs, C. J., et al. CRIMSON: an open-source software framework for cardiovascular integrated modelling and simulation. PLoS Comput Biol. 17 (5), e1008881(2021).
  25. Xiao, N., Humphrey, J. D., Figueroa, C. A. Multi-scale computational model of three-dimensional hemodynamics within a deformable full-body arterial network. J Comput Phys. 244, 22-40 (2013).
  26. Barnett, H. J. M., et al. Benefit of carotid endarterectomy in patients with symptomatic moderate or severe stenosis. N Engl J Med. 339 (20), 1415-1425 (1998).
  27. Cai, J. -M., et al. Classification of human carotid atherosclerotic lesions with in vivo multicontrast magnetic resonance imaging. Circulation. 106 (11), 1368-1373 (2002).
  28. Saba, L., et al. Carotid Plaque-RADS: a novel stroke risk classification system. JACC Cardiovasc Imaging. 17 (1), 62-75 (2024).
  29. Buchanan, J. R., Kleinstreuer, C. Simulation of particle-hemodynamics in a partially occluded artery segment with implications to the initiation of microemboli and secondary stenoses. J Biomech Eng. 120 (4), 446-454 (1998).
  30. Augst, A. D., et al. Accuracy and reproducibility of CFD predicted wall shear stress using 3D ultrasound images. J Biomech Eng. 125 (2), 218-222 (2003).
  31. Allott, C. P., et al. Volumetric assessment of carotid artery bifurcation using freehand-acquired, compound 3D ultrasound. Br J Radiol. 72 (855), 289-292 (1999).
  32. He, Y., et al. Comparison of hemodialysis arteriovenous fistula blood flow rates measured by Doppler ultrasound and phase-contrast magnetic resonance imaging. J Vasc Surg. 68 (6), 1848-1857.e2 (2018).
  33. Chatzimavroudis, G. P., et al. Evaluation of the precision of magnetic resonance phase velocity mapping for blood flow measurements. J Cardiovasc Magn Reson. 3 (1), 11-19 (2001).
  34. Khan, M. A., et al. Measurement of cerebral blood flow using phase contrast magnetic resonance imaging and duplex ultrasonography. J Cereb Blood Flow Metab. 37 (2), 541-549 (2017).
  35. Nayak, K. S., et al. Cardiovascular magnetic resonance phase contrast imaging. J Cardiovasc Magn Reson. 17 (1), 71(2015).
  36. Papaharilaou, Y., Doorly, D. J., Sherwin, S. J. Assessing the accuracy of two-dimensional phase-contrast MRI measurements of complex unsteady flows. J Magn Reson Imaging. 14 (6), 714-723 (2001).
  37. Lotz, J., et al. Cardiovascular flow measurement with phase-contrast MR imaging: basic facts and implementation. Radiographics. 22 (3), 651-671 (2002).
  38. Antiga, L., Wasserman, B. A., Steinman, D. A. On the overestimation of early wall thickening at the carotid bulb by black blood MRI, with implications for coronary and vulnerable plaque imaging. Magn Reson Med. 60 (5), 1020-1028 (2008).
  39. Vignon-Clementel, I. E., et al. Outflow boundary conditions for three-dimensional finite element modeling of blood flow and pressure in arteries. Comput Methods Appl Mech Eng. 195 (29-32), 3776-3796 (2006).
  40. Oumer, M., Alemayehu, M., Muche, A. Association between circle of Willis and ischemic stroke: a systematic review and meta-analysis. BMC Neurosci. 22 (1), 3(2021).
  41. Lin, E., et al. Incomplete circle of Willis variants and stroke outcome. Eur J Radiol. 153, 110383(2022).
  42. Zhou, H., et al. Correlation between the integrity of the circle of Willis and the severity of initial noncardiac cerebral infarction and clinical prognosis. Medicine. 95 (10), e2892(2016).
  43. Henderson, R. D., et al. Angiographically defined collateral circulation and risk of stroke in patients with severe carotid artery stenosis. Stroke. 31 (1), 128-132 (2000).
  44. Hendrikse, J., et al. Collateral ability of the circle of Willis in patients with unilateral internal carotid artery occlusion: border zone infarcts and clinical symptoms. Stroke. 32 (12), 2768-2773 (2001).
  45. Henderson, R. D., et al. Effect of contralateral carotid artery stenosis on carotid ultrasound velocity measurements. Stroke. 31 (11), 2636-2640 (2000).
  46. AbuRahma, A. F., et al. Effect of contralateral severe stenosis or carotid occlusion on duplex criteria of ipsilateral stenoses: comparative study of various duplex parameters. J Vasc Surg. 22 (6), 751-762 (1995).
  47. Sachar, R., et al. Severe bilateral carotid stenosis: the impact of ipsilateral stenting on Doppler-defined contralateral stenosis. J Am Coll Cardiol. 43 (8), 1358-1362 (2004).
  48. Busuttil, S. J., et al. Carotid duplex overestimation of stenosis due to severe contralateral disease. Am J Surg. 172 (2), 144-147 (1996).
  49. Braet, D. J., et al. A systematic evaluation of the impact of contralateral stenosis on ipsilateral internal carotid artery hemodynamics. J Vasc Surg. 80 (3), e57(2024).
  50. Tzeng, E., et al. Updated research priorities of the Society for Vascular Surgery. J Vasc Surg. 76 (6), 1432-1439.e2 (2022).

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Carotid Artery StenosisPlaque MorphologyMagnetic Resonance ImagingComputational Fluid DynamicsPlaque HemodynamicsWall Shear StressPlaque CompositionWindkessel ModelVessel ContouringNon Newtonian Blood Flow

Related Articles