RESEARCH
Peer reviewed scientific video journal
Video encyclopedia of advanced research methods
Visualizing science through experiment videos
EDUCATION
Video textbooks for undergraduate courses
Visual demonstrations of key scientific experiments
BUSINESS
Video textbooks for business education
OTHERS
Interactive video based quizzes for formative assessments
Products
RESEARCH
JoVE Journal
Peer reviewed scientific video journal
JoVE Encyclopedia of Experiments
Video encyclopedia of advanced research methods
EDUCATION
JoVE Core
Video textbooks for undergraduates
JoVE Science Education
Visual demonstrations of key scientific experiments
JoVE Lab Manual
Videos of experiments for undergraduate lab courses
BUSINESS
JoVE Business
Video textbooks for business education
Solutions
Language
Spanish
Menu
Menu
Menu
Menu
Please note that some of the translations on this page are AI generated. Click here for the English version.
Fuente: Hannah L. Cebull1, Arvin H. Soepriatna1, John J. Boyle2 y Craig J. Goergen1
1 Weldon School of Biomedical Engineering, Universidad Purdue, West Lafayette, Indiana
2 Ingeniería Mecánica y Ciencia de los Materiales, Universidad de Washington en St. Louis, St Louis, Missouri
El comportamiento mecánico de los tejidos blandos, como los vasos sanguíneos, la piel, los tendones y otros órganos, está fuertemente influenciado por su composición de elastina y colágeno, que proporcionan elasticidad y fuerza. La orientación de la fibra de estas proteínas depende del tipo de tejido blando y puede variar desde una sola dirección preferida hasta intrincadas redes malladas, que pueden alterarse en el tejido enfermo. Por lo tanto, los tejidos blandos a menudo se comportan anisotrópicamente a nivel celular y de órganos, creando una necesidad de caracterización tridimensional. Desarrollar un método para estimar de forma fiable los campos de deformación unitaria dentro de tejidos o estructuras biológicas complejas es importante para caracterizar y comprender mecánicamente la enfermedad. La tensión representa cómo el tejido blando se deforma relativamente con el tiempo, y se puede describir matemáticamente a través de varias estimaciones.
La adquisición de datos de imagen a lo largo del tiempo permite estimar la deformación y la tensión. Sin embargo, todas las modalidades de imágenes médicas contienen cierta cantidad de ruido, lo que aumenta la dificultad de estimar con precisión la tensión in vivo. La técnica descrita aquí supera con éxito estos problemas mediante el uso de un método de estimación de deformación directa (DDE) para calcular campos de deformación unitaria 3D que varían espacialmente a partir de datos de imagen volumétrica.
Los métodos actuales de estimación de deformación unitaria incluyen correlación de imágenes digitales (DIC) y correlación de volumen digital. Desafortunadamente, DIC sólo puede estimar con precisión la tensión de un plano 2D, limitando severamente la aplicación de este método. Si bien son útiles, los métodos 2D como DIC tienen dificultadpara cuantificar la tensión en regiones que se someten a deformación 3D. Esto se debe a que el movimiento fuera del plano crea errores de deformación. La correlación de volumen digital es un método más aplicable que divide los datos de volumen inicialen regiones y encuentra la región más similar del volumen deformado, lo que reduce el error fuera del plano. Sin embargo, este método demuestra ser sensible al ruido y requiere suposiciones sobre las propiedades mecánicas del material.
La técnica que se muestra aquí elimina estos problemas mediante el uso de un método DDE, por lo que es muy útil en el análisis de datos de imágenes médicas. Además, es robusta a cepa alta o localizada. Aquí describimos la adquisición de datos de ultrasonido 4D cerrados y volumétricos, su conversión en un formato analizable y el uso de un código Matlab personalizado para estimar la deformación 3D y las cepas de Green-Lagrange correspondientes, un parámetro que describe mejor las grandes deformaciones. El tensor de cepa Green-Lagrange se implementa en muchos métodos de estimación de deformación unitaria 3D porque permite calcular F a partir de un ajuste de mínimos cuadrados (LSF) de los desplazamientos. La ecuación siguiente representa el tensor de cepa Green-Lagrange, E, donde F y I representan el gradiente de deformación y el tensor de identidad de segundo orden, respectivamente.
(1)
1. Configuración por ultrasonido 4D
2. Adquisición de ultrasonido sin ultrasonido 4D
3. Conversión de datos de ultrasonido 4D
4. Análisis de código de tensión 3D
La toma de imágenes tridimensionales por tensión se utiliza para estimar la deformación de los tejidos blandos a lo largo del tiempo y comprender la enfermedad. El comportamiento mecánico de los tejidos blandos, como la piel, los vasos sanguíneos, los tendones y otros órganos, está fuertemente influenciado por su composición extracelular, que puede verse alterada por el envejecimiento y la enfermedad. Dentro de los tejidos biológicos complejos, es importante caracterizar estos cambios, que pueden afectar significativamente las propiedades mecánicas y funcionales de un órgano.
El mapeo cuantitativo de deformación unitaria utiliza datos de imagen volumétrica y un método de estimación de deformación directa para calcular los campos de deformación unitaria que varían espacialmente. Este video ilustrará los principios del mapeo de deformación unitaria, demostrará cómo se utiliza el mapeo cuantitativo de cepas para estimar los campos de tensión dentro de tejidos biológicos complejos y discutirá otras aplicaciones.
Los tejidos biológicos están fuertemente influenciados por la composición y orientación de la elastina y el colágeno. La elastina proteica es un componente altamente elástico de los tejidos que se estiran y contraen continuamente, como los vasos sanguíneos y los pulmones. El colágeno es la proteína más abundante en el cuerpo, y se ensambla a partir de polímeros triple-helicales individuales que se agrupan en fibras más grandes que proporcionan integridad estructural a los tejidos que van desde la piel hasta los huesos.
La orientación de estas proteínas abarca desde fibras alineadas hasta redes de malla fibrosa, que afecta a las propiedades mecánicas del tejido. La tensión es una medida de la deformación relativa de los tejidos blandos a lo largo del tiempo, y se puede utilizar para visualizar lesiones y enfermedades. Se describe y mapea mediante estimaciones matemáticas.
Para mapear la tensión en órganos complejos, como el corazón, se pueden utilizar datos de ultrasonido en cuatro dimensiones, que proporcionan información de alta resolución, espacial y temporal. A continuación, se aplica el método de estimación de deformación directa, o DDE, a los datos. Un código se utiliza para estimar la deformación 3D y las cepas de Green-Lagrange correspondientes utilizando la siguiente ecuación.
El tensor de cepa Green-Lagrange depende del tensor gradiente de deformación y del tensor de identidad del segundo orden. Los tensores de gradiente de deformación se estiman tradicionalmente a partir de campos de desplazamiento. En el método DDE, una función de deformación está optimizada para ser directamente análoga al tensor de deformación. La función de deformación depende tanto de la posición espacial como del parámetro de deformación. El cálculo de la deformación se incorpora directamente a la función de deformación. Los primeros nueve elementos representan el tensor de gradiente de deformación.
Este método se utiliza para estimar deformaciones grandes y localizadas en tejidos blandos. Ahora que entendemos los principios de la asignación de cepas, veamos ahora cómo se realiza el mapeo de deformación unitaria para detectar aneurismas aórticos en ratones.
Para comenzar la configuración, abra el software Vivo 2100 y conecte el portátil al sistema de ultrasonido. Asegúrese de que la unidad de monitoreo fisiológico esté encendida para medir la frecuencia cardíaca y la temperatura. A continuación, inicialice la etapa del motor 3D.
Instale el transductor de ultrasonido y asegúrese de que se realizan todas las conexiones adecuadas. A continuación, anestesia al animal que será imageado usando 3% de isoflurano en una cámara derribada. Una vez anestesiado el ratón, muévalo a la etapa calentada y asegure un cono nasal para entregar 1-2% de isoflurano. Aplique pomada oftálmica a los ojos y fije las patas a los electrodos del escenario para monitorear la respiración y la frecuencia cardíaca del animal. A continuación, inserte una sonda de temperatura rectal. Aplicar crema depilatoria para eliminar el cabello de la zona de interés, y luego aplicar una generosa cantidad de gel de ultrasonido caliente en el área depilada.
Para iniciar la adquisición de imágenes, primero, abra la ventana de imágenes y seleccione el modo B. A continuación, baje el transductor sobre el animal y utilice las perillas del eje X e Y en el escenario para localizar el área de interés. Controle la frecuencia respiratoria para asegurarse de que no disminuya sustancialmente. Coloque el transductor en el centro de la región de interés. A continuación, aproxime la distancia necesaria para cubrir toda la región de interés.
Introduzca estas dimensiones en el código MATLAB y elija un tamaño de paso de 0,08 milímetros. Asegúrese de que el corazón del animal y las tasas respiratorias estén estables y, a continuación, ejecute el código MATLAB.
Después de la adquisición de imágenes, exporte los datos como archivos XML sin procesar y conviértalos en archivos MAT. Asegúrese de introducir el número de fotogramas, el tamaño del paso y la resolución de salida. A continuación, vuelva a muestrear la matriz en el plano pasante.
Importe el nuevo archivo MAT al código de análisis de deformación unitaria 3D. Puede ser necesario cambiar la escala del archivo para reducir el tiempo de cálculo. A continuación, introduzca la región que desea analizar. Proxime el número de píxeles en un sector bidimensional de la entidad rastreada y seleccione la plantilla de malla como un cuadro simple o polígonos elegidos manualmente. Elija el número de píxel óptimo para el tamaño de malla. Calcular los jacobianos y los gradientes. Repita el proceso para cada región. A continuación, aplique la función de deformación.
A continuación, utilizando deformaciones cartesianas calculadas a partir de DDE, determine los valores propios y los autovectores de la deformación. A continuación, seleccione los sectores para los que desea trazar los valores de deformación unitaria desplazándose por las vistas de eje largo, eje de ordenación y eje coronal.
Pulse Seleccionar colector para análisis. A continuación, utilice el cursor para colocar marcadores a lo largo de la pared aórtica, incluyendo el trombo, el aneurisma y partes sanas de la aorta. Repita el proceso para todas las vistas. Por último, utilice la asignación de color para trazar los resultados del campo de deformación unitaria sobre la región de interés.
Echemos un vistazo de cerca al ejemplo de un aneurisma suprarrenal inducido por angiotensina II adquirido de un ratón. En primer lugar, se obtienen varios bucles de visualización de kilohercios de kilohercio saque-zqui-eje corto con un tamaño de paso determinado a lo largo de la aorta y se combinan para crear datos 4D.
Después de realizar el cálculo de deformación unitaria 3D utilizando una función de deformación optimizada, se obtiene la gráfica de visualización de sectores 3D de la aorta infrarrenal. El mapa de color de la tensión verde principal se superpone para resaltar regiones de tensión de pared aórtica heterogénea. Además, las vistas de eje largo y eje corto revelan variaciones espaciales heterogéneas en la deformación unitaria, especialmente cuando hay un trombo presente.
Las gráficas de deformación unitaria correspondientes muestran valores de deformación unitaria más altos en regiones sanas de la aorta en el eje largo, mientras que la región aneurisma muestra una disminución de la tensión en el eje corto.
La visualización cuantitativa precisa de la tensión mediante estimación de deformación directa es una herramienta útil utilizada en diversas aplicaciones biomédicas.
Por ejemplo, se puede cuantificar la tensión cardíaca. Durante el ciclo cardíaco, el miocardio sufre deformación 3D. La cuantificación de la tensión en tres dimensiones es fundamental para caracterizar de forma fiable la dinámica de este tejido a lo largo del tiempo. Esto es útil para rastrear la progresión de la enfermedad en modelos animales.
Otra aplicación está en la caracterización del tejido intestinal. La imagen in vivo de los intestinos es difícil debido a los efectos de las estructuras circundantes. Sin embargo, calcular la tensión a partir de imágenes de fibrosis intestinal podría ser particularmente útil para proporcionar detección temprana de áreas problemáticas que requieren intervención quirúrgica.
A una escala mucho menor, este método DDE también se aplica al nivel celular mediante el uso de técnicas de imagen de mayor resolución, como la microscopía confocal. Sirve, por ejemplo, en la caracterización de la matriz extracelular para entender cómo las células se comunican bajo cambios mecánicos.
Acaba de ver la introducción de JoVE a la visualización cuantitativa de cepas. Ahora debe entender cómo medir la tensión tridimensional en los tejidos biológicos y cómo se utiliza en la detección temprana de enfermedades. ¡Gracias por mirar!
Las imágenes tridimensionales de deformación se utilizan para estimar la deformación de los tejidos blandos a lo largo del tiempo y comprender la enfermedad. El comportamiento mecánico de los tejidos blandos, como la piel, los vasos sanguíneos, los tendones y otros órganos, está fuertemente influenciado por su composición extracelular, que puede verse alterada por el envejecimiento y las enfermedades. Dentro de los tejidos biológicos complejos, es importante caracterizar estos cambios, que pueden afectar significativamente las propiedades mecánicas y funcionales de un órgano.
El mapeo cuantitativo de deformaciones utiliza datos de imágenes volumétricas y un método de estimación directa de deformaciones para calcular los campos de deformación tridimensionales que varían espacialmente. Este video ilustrará los principios del mapeo de deformación, demostrará cómo se utiliza el mapeo cuantitativo de deformaciones para estimar campos de deformación dentro de tejidos biológicos complejos y discutirá otras aplicaciones.
Los tejidos biológicos están fuertemente influenciados por la composición y orientación de la elastina y el colágeno. La proteína elastina es un componente altamente elástico de los tejidos que se estiran y contraen continuamente, como los vasos sanguíneos y los pulmones. El colágeno es la proteína más abundante en el cuerpo y se ensambla a partir de polímeros individuales de triple hélice que se agrupan en fibras más grandes que brindan integridad estructural a los tejidos que van desde la piel hasta los huesos.
La orientación de estas proteínas va desde fibras alineadas hasta redes de malla fibrosa, lo que afecta a las propiedades mecánicas del tejido. La deformación es una medida de la deformación relativa de los tejidos blandos a lo largo del tiempo y se puede utilizar para visualizar lesiones y enfermedades. Se describe y mapea mediante estimaciones matemáticas.
Para mapear la tensión en órganos complejos, como el corazón, se pueden utilizar datos de ultrasonido cuatridimensional, que proporcionan información de alta resolución, espacial y temporal. A continuación, se aplica a los datos el método de estimación de la deformación directa, o DDE. Se utiliza un código para estimar la deformación 3D y las deformaciones de Green-Lagrange correspondientes utilizando la siguiente ecuación.
El tensor de deformación de Green-Lagrange depende del tensor de gradiente de deformación y del tensor de identidad de segundo orden. Los tensores de gradiente de deformación se estiman tradicionalmente a partir de campos de desplazamiento. En el método DDE, una función de deformación se optimiza para que sea directamente análoga al tensor de deformación. La función de deformación depende tanto de la posición espacial como del parámetro de deformación. El cálculo de la deformación se incorpora directamente a la función de alabeo. Los primeros nueve elementos representan el tensor del gradiente de deformación.
Este método se utiliza para estimar deformaciones grandes y localizadas en los tejidos blandos. Ahora que entendemos los principios del mapeo de deformación, veamos cómo se realiza el mapeo de deformación para detectar aneurismas aórticos en ratones.
Para comenzar la configuración, abra el software Vivo 2100 y conecte la computadora portátil al sistema de ultrasonido. Asegúrese de que la unidad de monitoreo fisiológico esté encendida para medir la frecuencia cardíaca y la temperatura. A continuación, inicialice la etapa del motor 3D.
Instale el transductor de ultrasonido y asegúrese de que se realicen todas las conexiones adecuadas. A continuación, anestesiar al animal que se va a fotografiar con isoflurano al 3% en una cámara de desmontaje. Una vez que el ratón esté anestesiado, muévalo a la etapa calentada y asegure un cono de nariz para administrar 1-2% de isoflurano. Aplique ungüento oftálmico en los ojos y asegure las patas a los electrodos de la etapa para controlar la respiración y la frecuencia cardíaca del animal. A continuación, inserte una sonda de temperatura rectal. Aplique crema depilatoria para eliminar el vello del área de interés y luego aplique una cantidad generosa de gel de ultrasonido tibio en el área depilada.
Para iniciar la adquisición de imágenes, primero, abra la ventana de imágenes y seleccione el modo B. A continuación, baje el transductor sobre el animal y utilice los mandos de los ejes x e y de la platina para localizar el área de interés. Controle la frecuencia respiratoria para asegurarse de que no disminuya sustancialmente. Coloque el transductor en el centro de la región de interés. A continuación, aproxima la distancia necesaria para cubrir toda la región de interés.
Introduzca estas dimensiones en el código de MATLAB y elija un tamaño de paso de 0,08 milímetros. Asegúrese de que la frecuencia cardíaca y respiratoria del animal sea estable y, a continuación, ejecute el código de MATLAB.
Después de la adquisición de la imagen, exporte los datos como archivos XML sin procesar y conviértalos en archivos MAT. Asegúrese de introducir el número de fotogramas, el tamaño del paso y la resolución de salida. A continuación, vuelva a muestrear la matriz en el plano pasante.
Importe el nuevo archivo MAT en el código de análisis de deformación en 3D. Puede ser necesario cambiar la escala del archivo para reducir el tiempo de cálculo. A continuación, introduzca la región que se va a analizar. Calcule aproximadamente el número de píxeles de una división bidimensional de la entidad rastreada y seleccione la plantilla de malla como un cuadro simple o polígonos elegidos manualmente. Elija el número de píxeles óptimo para el tamaño de malla. Calcula los jacobianos y los gradientes. Repita el procedimiento para cada región. A continuación, aplique la función de deformación.
A continuación, utilizando deformaciones cartesianas calculadas a partir de DDE, determine los valores propios y los vectores propios de la deformación. A continuación, seleccione los sectores para los que desea trazar los valores de deformación desplazándose por las vistas de eje largo, eje de ordenación y eje coronal.
Presione Seleccionar colector para análisis. Luego, use el cursor para colocar marcadores a lo largo de la pared aórtica, incluyendo el trombo, el aneurisma y las partes sanas de la aorta. Repita el procedimiento para todas las vistas. Por último, utilice el mapeo de colores para trazar los resultados del campo de deformación en la región de interés.
Veamos de cerca el ejemplo de un aneurisma de aorta abdominal disecante suprarrenal inducido por angiotensina II adquirido de un ratón. En primer lugar, se obtienen múltiples bucles de visualización de kilohercios activados por ECG de eje corto a un tamaño de paso determinado a lo largo de la aorta y se combinan para crear datos 4D.
Después de realizar el cálculo de la deformación en 3D utilizando una función de deformación optimizada, se obtiene el gráfico de visualización de corte en 3D de la aorta infrarrenal. El mapa de colores de la deformación verde principal se superpone para resaltar las regiones de deformación heterogénea de la pared aórtica. Además, las vistas del eje largo y del eje corto revelan variaciones espaciales heterogéneas en la deformación, especialmente cuando hay un trombo presente.
Los diagramas de deformación correspondientes muestran valores de deformación más altos en las regiones sanas de la aorta en el eje largo, mientras que la región aneurismática muestra una deformación disminuida en el eje corto.
La visualización cuantitativa precisa de la deformación mediante la estimación directa de la deformación es una herramienta útil utilizada en diversas aplicaciones biomédicas.
Por ejemplo, se puede cuantificar la tensión cardíaca. Durante el ciclo cardíaco, el miocardio sufre una deformación 3D. La cuantificación de la deformación en tres dimensiones es fundamental para caracterizar de forma fiable la dinámica de este tejido a lo largo del tiempo. Esto es útil para rastrear la progresión de la enfermedad en modelos animales.
Otra aplicación es en la caracterización de tejido intestinal. La obtención de imágenes in vivo de los intestinos es un desafío debido a los efectos de las estructuras circundantes. Sin embargo, el cálculo de la deformación a partir de imágenes de fibrosis intestinal podría ser particularmente útil para proporcionar una detección temprana de áreas problemáticas que requieren intervención quirúrgica.
A una escala mucho menor, este método DDE también se aplica a nivel celular mediante el uso de técnicas de imagen de mayor resolución, como la microscopía confocal. Sirve, por ejemplo, en la caracterización de la matriz extracelular para entender cómo se comunican las células bajo cambios mecánicos.
Acabas de ver la introducción de JoVE a la visualización cuantitativa de cepas. Ahora debería comprender cómo medir la deformación tridimensional en los tejidos biológicos y cómo se utiliza en la detección temprana de enfermedades. ¡Gracias por mirar!
Related Videos
Biomedical Engineering
37.2K Vistas
Biomedical Engineering
25.3K Vistas
Biomedical Engineering
9.9K Vistas
Biomedical Engineering
15.2K Vistas
Biomedical Engineering
4.8K Vistas
Biomedical Engineering
6.1K Vistas
Biomedical Engineering
15.5K Vistas
Biomedical Engineering
12.4K Vistas
Biomedical Engineering
8.7K Vistas
Biomedical Engineering
12.7K Vistas
Biomedical Engineering
110.8K Vistas
Biomedical Engineering
8.1K Vistas
Biomedical Engineering
8.6K Vistas
Biomedical Engineering
8.6K Vistas
Biomedical Engineering
11.5K Vistas