Name: Modelado específico del paciente del corazón: Estimación de las orientaciones de las fibras ventriculares (Video) | JoVE Journal
Uploaded: 2013-01-08T13:00:00.000+00:00
Duration: 12 min 9 s
Description: Aprende a estimar orientaciones de fibras ventriculares para modelado cardíaco personalizado usando imágenes in vivo y morfometría de atlas. Este método validado en corazones caninos mejora la precisión de simulaciones electrofisiológicas sin necesidad de DTI.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Agradecemos a los Dres. Raimond Winslow, Elliot McVeigh, y Helm Patrick de la Johns Hopkins University de proporcionar conjuntos de datos ex vivo la investigación online.This fue apoyada por los Institutos Nacionales de Salud de subvención R01-HL082729 y National Science Foundation de subvención CBET-0.933.029.

1. Orientaciones de fibra Estimación <ol><li> Adquirir imágenes de MRI estructurales y DTMRI de un corazón humano adulto normal en diástole, con una resolución de 1 mm 3. Usando ImageJ, extraer el miocardio ventricular de la imagen estructural atlas por ajuste, para cada rebanada de eje corto, cerrado splines a través de un conjunto de puntos de señal colocados a lo largo de los límites epicárdicos y endocárdicos en la rebanada (Figura 2A y la figura 2B). Realizar la colocación de puntos de señal manualmente para cada rebanada 10 ª en la imagen. Obtener los puntos de señal para las rebanadas restantes al interpolar linealmente los puntos manualmente identificados, usando MATLAB.Reconstruct las orientaciones de las fibras del corazón atlas mediante el cálculo de los vectores propios primarias de los DTS en la imagen DTMRI (Figura 2C). </li><li> Adquirir una imagen de la geometría del corazón del paciente en diástole utilizando in vivo cardíaco CT o MRI. Reconstruct la geometría del corazón del paciente de la imagen de manera similar a la forma en que se construyó el atlas (Figura 3A y la Figura 3B). La imagen de paciente debe volver a tomar muestras antes de la reconstrucción de tal manera que la resolución en el plano es de 1 mm 2. De manera similar, el número de cortes para que puntos de referencia son recogidos manualmente, y el intervalo de interpolación fuera de plano debe ajustarse de modo que la imagen segmentada paciente corazón tiene un grosor de corte de 1 mm. </li><li> Deformar la imagen ventricular atlas para que coincida con la imagen geometría paciente en dos pasos. En el primer paso, realizar una transformación afín sobre la base de un conjunto de puntos de puntos de referencia de trece: el ventrículo izquierdo (LV) ápice, el ventrículo dos a la derecha (RV) puntos de inserción en la base, los dos puntos de inserción de RV a mitad de camino entre la base y el ápice, y cuatro conjuntos de dos puntos que dividen uniformemente RV LV epicardio y los contornos en la base, ya mitad de camino entre la base y el ápice (Figura 4A y <strong&gt; Figura 4B). En el segundo paso, deformar la transformada afín-atlas ventrículos aún más para que coincida con la geometría de la paciente, utilizando la correlación de gran difeomorfa deformación métrico (LDDMM) (Figura 4C). </li><li> Morph la imagen DTMRI del atlas por el cambio de posición de voxels de imagen y reorientando los DTS de acuerdo con la matriz de transformación de la correspondencia afín y el campo de deformación de la transformación LDDMM. Realizar la re-orientación de los DTs con la preservación de las direcciones principales (PPD) método. </li><li> Obtener la estimación de las orientaciones de las fibras de pacientes de la transformada imagen atlas DTMRI calculando el vector propio principal de la DT (Figura 5). </li></ol> 2. Medición del error de estimación <ol><li> Adquirir ex vivo estructural y MR imágenes DTMR de seis normales y tres corazones insuficientes caninos, a una resolución de 312,5 x 312,5 x 800 m 3. Aquí, el corazón faiseñuelo se debe generar en los caninos a través de la ablación por radiofrecuencia de la rama izquierda seguido de 3 semanas de tachypacing a 210 min -1. </li><li> Segmento de los ventrículos del corazón canino de manera similar al corazón humano, atlas, tal como se describe en el § 1.1. Denotar ventrículos segmentados de corazones caninos normales como corazones 1 a 6, y los de no segmentado corazones caninos como corazones 7 a 9 (Figura 6). </li><li> Obtener cinco diferentes estimaciones de orientaciones de las fibras ventriculares del corazón 1 mediante el uso de cada uno de los corazones de 2 a 6 como un atlas (Figura 7). </li><li> Estimar orientaciones de las fibras para cada uno de los ventrículos del corazón fallan al usar 1 como el atlas (Figura 8). </li><li> Foreach punto de datos de cada conjunto de orientaciones de fibra estimados, calcular el error de estimación como | θ c-θ a |, donde θ θ c y A son los ángulos de inclinación de un estimadod adquirido orientaciones de las fibras en ese punto, respectivamente. </li><li> Para cada punto de datos en cada conjunto de orientaciones de fibra estimados, calcular el ángulo agudo betweenestimated y adquirió direcciones de las fibras en tres dimensiones (3D) por medio de thevector producto escalar. </li></ol> 3. La medición de los efectos del error de estimación en las simulaciones <ol><li> De corazón 1, la construcción de seis modelos, uno con las orientaciones de fibra DTMRI-adquiridas de corazón 1 (denominado modelo 1), y cinco con las cinco orientaciones de fibra estimados conjuntos de datos (modelos de 2 a 6). Para cada uno de el corazón tres defecto geometrías, construir dos modelos ventriculares, uno con los DTMRI adquiridas en orientaciones de fibra y el otro con las orientaciones de fibra estimados. Aquí, la resolución espacial de los modelos, calculado en términos de la longitud de borde media de las mallas, debe ser de aproximadamente 600 micras. Denotemos los modelos de insuficiencia cardiaca con fibras DTMRI adquiridas como modelos de 7 a 9, y los que tienen estifibras ed como modelos de 10 a 12.In los modelos, representación monodominio utilizar para describir el tejido cardíaco, con las ecuaciones que rigen: </li></ol><img src="/files/ftp_upload/50125/50125eq1.jpg" alt="Ecuación 1" fo:content-width="2.18in" fo:src="/files/ftp_upload/50125/50125eq1highres.jpg" /> donde σ b es el tensor de conductividad a granel que se calcula a partir de los tensores de conductividad bidomain como se describe por Potse et al 30; V m es el potencial transmembrana; m C es la capacitancia de membrana específico, y de iones I es la densidad de la corriente transmembrana, que a su vez depende de V m y un conjunto de variables de estado μ describir la dinámica de los flujos iónicos a través de la m membrane.For C, utilizar un valor de 1 μ F / cm 2. Para i σ en los modelos normales del corazón canino, utilice longitudinalnales y transversales valores de conductividad de 0,34 S / m y 0,06 S / m, respectivamente. Representar lon l en los modelos Greenstein Winslow-iónicos del miocito ventricular canino. Disminuir las conductividades eléctricas en modelos caninos cardíacos ventriculares falla en un 30% (Figura 9). <ol start="2"><li> Usando el paquete de software CARP (CardioSolv, LLC), el ritmo sinusal simular con todos los modelos. Inducir taquicardia ventricular reentrante (VT) en los seis modelos fallan al usar un protocolo de estimulación S1-S2. Elige la sincronización entre S1 y S2 para obtener actividad TV sostenida durante 2 segundos después de la entrega S2. Si VT no se induce para cualquier sincronización S1-S2, disminuir las conductividades de hasta un 70% hasta VT fue inducida (Figura 10). </li><li> Para cada simulación, calcular pseudo-ECGs tomando la diferencia de los potenciales extracelulares entre dos puntos en un baño de isotrópica que rodea el corazón. Coloque los dos puntos cerca de la base del corazón separadospor 18 cm, de tal manera que la línea que conecta ellos es perpendicular al plano de base-vértice del septo como se ilustra en la Figura 10. Para cada simulación con orientaciones de fibra estimados, calcular la métrica como MAD </li></ol><img src="/files/ftp_upload/50125/50125eq2.jpg" alt="Ecuación 2" fo:content-width="2.77in" fo:src="/files/ftp_upload/50125/50125eq2highres.jpg" /> donde X es la forma de onda de ECG de la simulación con orientaciones de fibra estimados, Y es la forma de onda de ECG de thecorresponding simulación con orientaciones de fibra adquiridos, X es el valor medio de X, Y es el valor medio de Y, y n es la longitud de X e Y.

<ol><li>Trayanova, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Whole+Heart+Modeling%3A+Applications+to+Cardiac+Electrophysiology+and+Electromechanics%5BTitle%5D)+AND+%22Circulation+Research%22%5BJournal%5D)">Whole Heart Modeling: Applications to Cardiac Electrophysiology and Electromechanics.</a> Circulation Research. 108, 113-128 Forthcoming.</li>
<li>Vadakkumpadan, F., Arevalo, H., Ceritoglu, C., Miller, M., Trayanova, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Image-Based+Estimation+of+Ventricular+Fiber+Orientations+for+Personalized+Modeling+of+Cardiac+Electrophysiology%5BTitle%5D)+AND+%22IEEE+Transactions+on+Medical+Imaging%22%5BJournal%5D)">Image-Based Estimation of Ventricular Fiber Orientations for Personalized Modeling of Cardiac Electrophysiology.</a> IEEE Transactions on Medical Imaging. 31 (5), 1051-1060 Forthcoming.</li>
<li>Vadakkumpadan, F., Gurev, V., Constantino, J., Arevalo, H., Trayanova, N. Modeling of Whole-Heart Electrophysiology and Mechanics: Towards Patient-Specific Simulations. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aVadakkumpadan%2C+F+%22Patient-Specific+Modeling+of+the+Cardiovascular+System%3A+Technology-Driven+Personalized+Medicine%22">Patient-Specific Modeling of the Cardiovascular System: Technology-Driven Personalized Medicine</a>. Kerckhoffs, R. , Springer. 145-165 (2010).</li>
<li>Buxton, A. E., Lee, K. L., DiCarlo, L., Gold, M. R., Greer, G. S., Prystowsky, E. N., O'Toole, M. F., Tang, A., Fisher, J. D., Coromilas, J., Talajic, M., Hafley, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Electrophysiologic+testing+to+identify+patients+with+coronary+artery+disease+who+are+at+risk+for+sudden+death.+Multicenter+Unsustained+Tachycardia+Trial+Investigators%5BTitle%5D)+AND+%22The+New+England+Journal+of+Medicine%22%5BJournal%5D)">Electrophysiologic testing to identify patients with coronary artery disease who are at risk for sudden death. Multicenter Unsustained Tachycardia Trial Investigators.</a> The New England Journal of Medicine. 342 (26), 1937-1945 (2000).</li>
<li>Wei, D., Okazaki, O., Harumi, K., Harasawa, E., Hosaka, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Comparative+simulation+of+excitation+and+body+surface+electrocardiogram+with+isotropic+and+anisotropic+computer+heart+models%5BTitle%5D)+AND+%22IEEE+Transactions+on+Biomedical+Engineering%22%5BJournal%5D)">Comparative simulation of excitation and body surface electrocardiogram with isotropic and anisotropic computer heart models.</a> IEEE Transactions on Biomedical Engineering. 42 (4), 343-357 (1995).</li>
<li>Leon, L. J., Horacek, B. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Computer+model+of+excitation+and+recovery+in+the+anisotropic+myocardium.+II.+Excitation+in+the+simplified+left+ventricle%5BTitle%5D)+AND+%22Journal+of+Electrocardiology%22%5BJournal%5D)">Computer model of excitation and recovery in the anisotropic myocardium. II. Excitation in the simplified left ventricle.</a> Journal of Electrocardiology. 24 (1), 17-31 (1991).</li>
<li>Rohmer, D., Sitek, A., Gullberg, G. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Reconstruction+and+Visualization+of+Fiber+and+Laminar+Structure+in+the+Normal+Human+Heart+from+Ex+Vivo+Diffusion+Tensor+Magnetic+Resonance+Imaging+%28DTMRI%29+Data%5BTitle%5D)+AND+%22Investigative+Radiology%22%5BJournal%5D)">Reconstruction and Visualization of Fiber and Laminar Structure in the Normal Human Heart from Ex Vivo Diffusion Tensor Magnetic Resonance Imaging (DTMRI) Data.</a> Investigative Radiology. 42 (11), 777-789 (2007).</li>
<li>Daubert, J. P., Zareba, W., Hall, W. J., Schuger, C., Corsello, A., Leon, A. R., Andrews, M. L., McNitt, S., Huang, D. T., Moss, A. J., Investigators, M. I. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Predictive+value+of+ventricular+arrhythmia+inducibility+for+subsequent+ventricular+tachycardia+or+ventricular+fibrillation+in+Multicenter+Automatic+Defibrillator+Implantation+Trial+%28MADIT%29+II+patients%5BTitle%5D)+AND+%22Journal+of+Americal+College+of+Cardiology%22%5BJournal%5D)">Predictive value of ventricular arrhythmia inducibility for subsequent ventricular tachycardia or ventricular fibrillation in Multicenter Automatic Defibrillator Implantation Trial (MADIT) II patients.</a> Journal of Americal College of Cardiology. 47 (1), 98-107 (2006).</li>
<li>Sosnovik, D. E., Wang, R., Dai, G., Reese, T. G., Wedeen, V. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Diffusion+MR+tractography+of+the+heart%5BTitle%5D)+AND+%22Journal+of+Cardiovascular+Magnetic+Resonance%22%5BJournal%5D)">Diffusion MR tractography of the heart.</a> Journal of Cardiovascular Magnetic Resonance. 11 (1), 47-61 (2009).</li>
<li>Sundar, H., Shen, D., Biros, G., Litt, H., Davatzikos, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Estimating+myocardial+fiber+orientations+by+template+warping%5BTitle%5D)+AND+%22Proc.+IEEE+International+Symposium+on+Biomedical+Imaging%22%5BJournal%5D)">Estimating myocardial fiber orientations by template warping.</a> Proc. IEEE International Symposium on Biomedical Imaging. , 73-76 (2006).</li>
<li>Beg, M. F., Helm, P. A., McVeigh, E., Miller, M. I., Winslow, R. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Computational+Cardiac+Anatomy+Using+MRI%5BTitle%5D)+AND+%22Magnetic+Resonance+in+Medicine%22%5BJournal%5D)">Computational Cardiac Anatomy Using MRI.</a> Magnetic Resonance in Medicine. 52 (5), 1167-1174 (2004).</li>
<li>Alexander, D. C., Pierpaoli, C., Basser, P. J., Gee, J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Spatial+Transformations+of+Diffusion+Tensor+Magnetic+Resonance+Images%5BTitle%5D)+AND+%22IEEE+Transactions+on+Medical+Imaging%22%5BJournal%5D)">Spatial Transformations of Diffusion Tensor Magnetic Resonance Images.</a> IEEE Transactions on Medical Imaging. 20, 1131-1139 (2001).</li>
<li>Helm, P. A., Younes, L., Beg, M. F., Ennis, D. B., Leclercq, C., Faris, O. P., McVeigh, E., Kass, D., Miller, M. I., Winslow, R. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evidence+of+Structural+Remodeling+in+the+Dyssynchronous+Failing+Heart%5BTitle%5D)+AND+%22Circulation+Research%22%5BJournal%5D)">Evidence of Structural Remodeling in the Dyssynchronous Failing Heart.</a> Circulation Research. 98, 125-132 (2006).</li>
<li>Helm, P., Beg, M. F., Miller, M., Winslow, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Measuring+and+mapping+cardiac+fiber+and+laminar+architecture+using+diffusion+tensor+MR+imaging%5BTitle%5D)+AND+%22Annals+of+the+New+York+Academy+of+Sciences%22%5BJournal%5D)">Measuring and mapping cardiac fiber and laminar architecture using diffusion tensor MR imaging.</a> Annals of the New York Academy of Sciences. 1047, 296-307 (2005).</li>
<li>Helm, P. A., Tseng, H. -J., Younes, L., McVeigh, E. R., Winslow, R. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Ex+vivo+3D+diffusion+tensor+imaging+and+quantification+of+cardiac+laminar+structure%5BTitle%5D)+AND+%22Magnetic+Resonance+in+Imaging%22%5BJournal%5D)">Ex vivo 3D diffusion tensor imaging and quantification of cardiac laminar structure.</a> Magnetic Resonance in Imaging. 54, 850-859 (2005).</li>
<li>Scollan, D. F., Holmes, A., Winslow, R., Forder, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Histological+validation+of+myocardial+microstructure+obtained+from+diffusion+tensor+magnetic+resonance+imaging%5BTitle%5D)+AND+%22American+Journal+of+Physiology+-+Heart+and+Circulatory+Physiology%22%5BJournal%5D)">Histological validation of myocardial microstructure obtained from diffusion tensor magnetic resonance imaging.</a> American Journal of Physiology - Heart and Circulatory Physiology. 275 (6), H2308-H2318 (1998).</li>
<li>Lombaert, H., Peyrat, J., Croisille, P., Rapacchi, S., Fanton, L., Cheriet, F., Clarysse, P., Magnin, I., Delingette, H., Ayache, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Human+Atlas+of+the+Cardiac+Fiber+Architecture%3A+Study+on+a+Healthy+Population%5BTitle%5D)+AND+%22IEEE+Transactions+on+Medical+Imaging%22%5BJournal%5D)">Human Atlas of the Cardiac Fiber Architecture: Study on a Healthy Population.</a> IEEE Transactions on Medical Imaging. 31 (7), 1436-1447 (2012).</li>
<li>Streeter, D. D. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aStreeter%2C+DD+%22Gross+morphology+and+fiber+geometry+of+the+heart%22">Gross morphology and fiber geometry of the heart</a>. , Johns Hopkins Press. Baltimore. (1979).</li>
<li>Vadakkumpadan, F., Rantner, L. J., Tice, B., Boyle, P., Prassl, A. J., Vigmond, E., Plank, G., Trayanova, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Image-Based+Models+of+Cardiac+Structure+with+Applications+in+Arrhythmia+and+Defibrillation+Studies%5BTitle%5D)+AND+%22Journal+of+Electrocardiology%22%5BJournal%5D)">Image-Based Models of Cardiac Structure with Applications in Arrhythmia and Defibrillation Studies.</a> Journal of Electrocardiology. 42, 151.e1-151.e10 (2009).</li>
<li>Plank, G., Zhou, L., Greenstein, J. L., Plank, G., Zhou, L., Greenstein, J. L., Cortassa, S., Winslow, R. L., O'Rourke, B., Trayanova, N. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((From+mitochondrial+ion+channels+to+arrhythmias+in+the+heart%3A+computational+techniques+to+bridge+the+spatio-temporal+scales%5BTitle%5D)+AND+%22Philosophical+Transactions+Series+A%2C+Mathematical%2C+Physical%2C+and+Engineering+Sciences%22%5BJournal%5D)">From mitochondrial ion channels to arrhythmias in the heart: computational techniques to bridge the spatio-temporal scales.</a> Philosophical Transactions Series A, Mathematical, Physical, and Engineering Sciences. 366 (1879), 3381-3409 (2008).</li>
<li>Roberts, D. E., Scher, A. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Effect+of+tissue+anisotropy+on+extracellular+potential+fields+in+canine+myocardium+in+situ%5BTitle%5D)+AND+%22Circulation+Research%22%5BJournal%5D)">Effect of tissue anisotropy on extracellular potential fields in canine myocardium in situ.</a> Circulation Research. 50, 342-351 (1982).</li>
<li>Greenstein, J., Wu, R., Po, S., Tomaselli, G. F., Winslow, R. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Role+of+the+Calcium-Independent+Transient+Outward+Current+I%28to1%29+in+Shaping+Action+Potential+Morphology+and+Duration%5BTitle%5D)+AND+%22Circulation+Research%22%5BJournal%5D)">Role of the Calcium-Independent Transient Outward Current I(to1) in Shaping Action Potential Morphology and Duration.</a> Circulation Research. 87, 1026-1033 (2000).</li>
<li>Winslow, R., Rice, J., Jafri, S., Marbán, E., O'Rourke, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mechanisms+of+altered+excitation-contraction+coupling+in+canine+tachycardia-induced+heart+failure%2C+II%3A+model+studies%5BTitle%5D)+AND+%22Circulation+Research%22%5BJournal%5D)">Mechanisms of altered excitation-contraction coupling in canine tachycardia-induced heart failure, II: model studies.</a> Circulation Research. 84 (5), 571-586 (1999).</li>
<li>Akar, F., Nass, R., Hahn, S., Cingolani, E., Shah, M., Hesketh, G., DiSilvestre, D., Tunin, R., Kass, D., Tomaselli, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Dynamic+Changes+in+Conduction+Velocity+and+Gap+Junction+Properties+During+Development+of+Pacing-Induced+Heart+Failure%5BTitle%5D)+AND+%22American+Journal+of+Physiology+-+Heart+and+Circulatory+Physiology%22%5BJournal%5D)">Dynamic Changes in Conduction Velocity and Gap Junction Properties During Development of Pacing-Induced Heart Failure.</a> American Journal of Physiology - Heart and Circulatory Physiology. 293 (2), H1223-H1230 (2007).</li>
<li>Gurev, V., Constantino, J., Rice, J. J., Trayanova, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Distribution+of+Electromechanical+Delay+in+the+Ventricles%3AInsights+from+a+3D+Electromechanical+Model+of+the+Heart%5BTitle%5D)+AND+%22Biophysical+Journal%22%5BJournal%5D)">Distribution of Electromechanical Delay in the Ventricles:Insights from a 3D Electromechanical Model of the Heart.</a> Biophysical Journal. 99 (3), 745-754 Forthcoming.</li>
<li>Ten Tusscher, K. H. W. J., Hren, R., Panfilov, A. V. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Organization+of+Ventricular+Fibrillation+in+the+Human+Heart%5BTitle%5D)+AND+%22Circulation+Research%22%5BJournal%5D)">Organization of Ventricular Fibrillation in the Human Heart.</a> Circulation Research. 100 (12), e87-e101 (2007).</li>
<li>Gima, K., Rudy, Y. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Ionic+Current+Basis+of+Electrocardiographic+Waveforms%5BTitle%5D)+AND+%22Circulation+Research%22%5BJournal%5D)">Ionic Current Basis of Electrocardiographic Waveforms.</a> Circulation Research. 90, 889-896 (2002).</li>
<li>Gerstenfeld, E., Dixit, S., Callans, D., Rajawat, Y., Rho, R., Marchlinski, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantitative+comparison+of+spontaneous+and+paced+12-lead+electrocardiogram+during+right+ventricular+outflow+tract+ventricular+tachycardia%5BTitle%5D)+AND+%22Journal+of+Americal+College+of+Cardiology%22%5BJournal%5D)">Quantitative comparison of spontaneous and paced 12-lead electrocardiogram during right ventricular outflow tract ventricular tachycardia.</a> Journal of Americal College of Cardiology. 41 (11), 2046-2053 (2003).</li>
<li>Potse, M., Dube, B., Richer, J., Vinet, A., Gulrajani, R. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+comparison+of+monodomain+and+bidomain+reaction-diffusion+models+for+action+potential+propagation+in+the+human+heart%5BTitle%5D)+AND+%22IEEE+Transactions+on+Biomedical+Engineering%22%5BJournal%5D)">A comparison of monodomain and bidomain reaction-diffusion models for action potential propagation in the human heart.</a> IEEE Transactions on Biomedical Engineering. 53 (12), 2425-2435 (2006).</li>
<li>Peyrat, J. -M., Sermesant, M., Pennec, X., Delingette, H., Chenyang, X., McVeigh, E. R., Ayache, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Computational+Framework+for+the+Statistical+Analysis+of+Cardiac+Diffusion+Tensors%3A+Application+to+a+Small+Database+of+Canine+Hearts%5BTitle%5D)+AND+%22IEEE+Transactions+on+Medical+Imaging%22%5BJournal%5D)">A Computational Framework for the Statistical Analysis of Cardiac Diffusion Tensors: Application to a Small Database of Canine Hearts.</a> IEEE Transactions on Medical Imaging. 26, 1500-1514 (2007).</li>
<li>Chen, J., Song, S. -K., Liu, W., McLean, M., Allen, S. J., Tan, J., Wickline, S. A., Yu, X. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Remodeling+of+cardiac+fiber+structure+after+infarction+in+rats+quantified+with+diffusion+tensor+MRI%5BTitle%5D)+AND+%22American+Journal+of+Physiology+-+Heart+and+Circulatory+Physiology%22%5BJournal%5D)">Remodeling of cardiac fiber structure after infarction in rats quantified with diffusion tensor MRI.</a> American Journal of Physiology - Heart and Circulatory Physiology. 285 (3), H946-H954 (2003).</li>
<li>Stecker, E. C., Chugh, S. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prediction+of+sudden+cardiac+death%3A+next+steps+in+pursuit+of+effective+methodology%5BTitle%5D)+AND+%22Journal+of+Interventional+Cardiac+Electrophysiolog%22%5BJournal%5D)">Prediction of sudden cardiac death: next steps in pursuit of effective methodology.</a> Journal of Interventional Cardiac Electrophysiolog. 31 (2), 101-107 (2011).</li>
</ol>

No hay conflictos de interés declarado.

Esta investigación demuestra cuantitativamente que, en ausencia de DTMRI, las orientaciones de fibra de miocardio ventrículos normales y no puede ser estimado a partir de imágenes in vivo de sus geometrías para uso en las simulaciones de la electrofisiología cardiaca. La metodología propuesta se demuestra con datos de la TC en vivo, pero es igualmente aplicable a las imágenes de RM in vivo de la geometría ventricular, frente a la falta de capacidad para adquirir directamente del paciente orien...

<html> El enfoque computacional se está convirtiendo central para el avance de la comprensión de la función del corazón en la salud y la enfermedad. State-of-the-art de todo corazón-modelos de electrofisiología y electromecánica se están utilizando para estudiar una amplia gama de fenómenos, tales como la propagación ventricular normal, la arritmia, la desfibrilación, el acoplamiento electromecánico, y la resincronización cardiaca 1. Sin embargo, para el enfoque computacional para ser directamente aplicables en el entorno clínico, es imperativo que los modelos de ser específica para el paciente, es decir, los modelos debe estar basado en la arquitectura específica y propiedades electrofisiológicas o electromecánicas de corazón enfermo del paciente. Simulación con estos modelos ayudarán a los médicos a llegar a decisiones altamente personalizadas para las intervenciones electrofisiológicos, así como la profilaxis, así dramáticamente mejorar la atención de la salud cardiaca 2-4. contenido &quot;&gt; Creación de modelos realistas cardíacos requiere la adquisición de la geometría y la estructura de fibra de un paciente cardíaco. orientaciones de fibra determinar direcciones de propagación eléctrica y distribuciones de tensión en el corazón, y por lo tanto la adquisición de ellos es esencial para el modelado cardíaco 5, 6. Con los recientes avances en imagen médica, es ahora posible obtener la geometría de un corazón paciente, remodelación includingstructural tales como el infarto, in vivo con alta resolución usando imágenes por resonancia magnética (MRI) y tomografía computarizada tecnologías (CT). Sin embargo, no hay método práctico para la adquisición de estructura de la fibra de un corazón paciente in vivo. tensor de difusión (DT) RM 7, 8, la única técnica para adquirir orientaciones de las fibras del corazón intacto, no está ampliamente disponible en vivo debido a ciertas limitaciones 9. Una breve descripción de los esfuerzos anteriores para traducir DTMRI para el entorno clínico se pueden encontrar elsewhere 2. Aunque metodologías como regla basada en la asignación de las orientaciones de fibra de ofrecer alternativas a DTMRI, estos métodos tienen ciertas limitaciones graves 2, 10. Así, las dificultades en la adquisición de estructura de la fibra cardiaca in vivo en la actualidad impiden la aplicación de simulaciones cardíacos electrofisiológicos y electromecánicos en la clínica. El objetivo de esta investigación fue abordar directamente esta necesidad. La hipótesis de que las orientaciones de fibra ventricular de un corazón puede predecirse con precisión debido a la geometría del corazón y de un atlas, donde el atlas es un corazón cuya geometría y orientaciones de fibra están disponibles. En consecuencia, se utilizó el estado de la técnica para desarrollar una metodología para la estimación de las orientaciones de las fibras cardíacas en vivo, y probaron la hipótesis de normalidad y de no ventrículos caninos 2. La idea central de nuestra metodología de estimación de fibra es explotar similarities en orientaciones de las fibras, con respecto a la geometría, entre corazones diferentes con el fin de aproximarse a la estructura de la fibra de un corazón (objetivo) para que sólo la información de geometría se encuentra disponible. En el corazón de nuestra metodología de estimación es el registro de la geometría atlas con la geometría de destino mediante mapas difeomorfa gran deformación métrica (LDDMM) 11, y la transformación de las orientaciones de fibra atlas con la preservación de los componentes principales (PPD) 2, 12. El diffeomorphicproperty de garantías LDDMM que el atlas no &quot;plegable&quot; sí durante la deformación, preservando así las estructuras anatómicas integrityof. Figura 1 ilustra la canalización de procesamiento de nuestra metodología. La sección del texto protocolo § 1 describe los diversos componentes de la tubería mediante la demostración de cómo la estimación se puede realizar para un paciente ejemplo. Los números dentro de algunos de los bloques en la Figura 1 se refieren a la correspondientesubsecciones en la sección § 1 del texto del protocolo. Se evaluó el desempeño de la metodología propuesta por la cuantificación del error de estimación, y medir el efecto de esta onsimulations de error de la electrofisiología cardiaca, por computacionalmente simulando locales mapas de activación eléctricas, así como pseudo-electrocardiogramas (ECGs pseudo-). Debido a la falta de disponibilidad de los corazones humanos, la evaluación del desempeño se realizó con corazones caninos disponibles a partir de estudios previos 13-15. El error de estimación se calcula por medio de ángulos de inclinación 16, la tradición followingthe de histología, donde las mediciones angulares son secciones performedon tejido que son cortadas en paralelo a la epicardialsurface. Desde el anglebetween la dirección de la fibra y el plano tangente epicárdica es generallysmall 17, 18, ​​la pérdida de información en la descripción de un fiberdirection enteramente usando su ángulo de inclinación es insignificante. Para la computsimulaciones acionales, basados ​​en imágenes modelos se construyeron como se informó anteriormente 19, 20, y el tejido cardíaco en los modelos fue representado establecidos sobre la base de técnicas matemáticas y los datos experimentales 21-25. El ritmo sinusal se simuló por la activación de replicación procedente de la red de Purkinje 26, y la taquicardia ventricular, por una estimulación S1-S2 protocolo 27. Los pseudo-ECG se calcularon 28 y compararon mediante la desviación media absoluta (MAD) métrica 29.

<table border="1"><tbody><tr><td> LDDMM </td><td> Johns Hopkins University </td><td></td><td> <a href="http://cis.jhu.edu/software/lddmm-volume/index.php" target="_blank">http://cis.jhu.edu/software/lddmm-volume/index.php</a> </td></tr><tr><td> MATLAB </td><td> Mathworks, Inc. </td><td> R2011b </td><td> <a href="http://www.mathworks.com/products/matlab/" target="_blank">http://www.mathworks.com/products/matlab/</a> </td></tr><tr><td> ImageJ </td><td> Los Institutos Nacionales de la Salud </td><td></td><td> <a href="http://rsbweb.nih.gov/ij/" target="_blank">http://rsbweb.nih.gov/ij/</a> </td></tr><tr><td> Tarántula </td><td> CAE Software Solutions </td><td></td><td> <a href="http://www.meshing.at/Spiderhome/Tarantula.html" target="_blank">http://www.meshing.at/Spiderhome/Tarantula.html</a> </td></tr><tr><td> CARP </td><td> CardioSolv</td><td></td><td> <a href="http://cardiosolv.com/" target="_blank">http://cardiosolv.com/</a> </td></tr><tr><td> Imágenes caninas </td><td> Johns Hopkins University </td><td></td><td> <a href="http://www.ccbm.jhu.edu/research/DTMRIDS.php" target="_blank">http://www.ccbm.jhu.edu/research/DTMRIDS.php</a> </td></tr></tbody></table>

modelado específico del paciente del corazón: estimación de las orientaciones de las fibras ventriculares

Patient-specific Modeling of the Heart: Estimation of Ventricular Fiber Orientations

Específicos del paciente simulaciones de corazón (dis) función dirigida a la personalización de la terapia cardiaca se ve obstaculizada por la ausencia de la tecnología de formación de imágenes in vivo para clínicamente adquirir orientaciones de fibra de miocardio. El objetivo de este proyecto fue desarrollar una metodología para estimar las orientaciones de fibras cardíacas de imágenes in vivo de las geometrías del corazón del paciente. Una representación precisa de la geometría ventricular y orientaciones de las fibras fue reconstruido, respectivamente, de alta resolución ex vivo resonancia estructural magnética (RM) y tensor de difusión (DT) imágenes de MR de un corazón humano normal, referido como el atlas. Geometría ventricular de un corazón paciente se extrajo, a través de la segmentación semiautomática, a partir de un estudio in vivo tomografía computarizada (TC) de imagen. Usando algoritmos de transformación de la imagen, la geometría ventricular atlas se deforma para coincidir con la del paciente. Por último, el campo de deformación se aplicó a la orientat atlas fibraiones para obtener una estimación de orientaciones de fibra de pacientes. La precisión de las estimaciones de fibra se evaluó utilizando seis normales y tres corazones insuficientes caninos. La diferencia absoluta media entre los ángulos de inclinación de las orientaciones de fibra adquiridos y estimado fue de 15,4 °. Simulaciones computacionales de mapas de activación ventricular y pseudo-ECG en ritmo sinusal y taquicardia ventricular se indica que no hay diferencias significativas entre las orientaciones de fibra estimados y adquiridos a clínicamente observables ideas nuevas level.The obtenidos del proyecto allanará el camino para el desarrollo de específicos del paciente modelos del corazón que puede ayudar a los médicos en el diagnóstico personalizado y decisiones sobre las intervenciones electrofisiológicos.

La figura 11, muestra AC visualizaciones estilizadas de estimados, así como orientaciones de fibra DTMRI derivados en corazones normales y fallando. Examen cualitativo muestra que las orientaciones de fibra estimados alinean bien con DTMRI derivados de los. Panel D ilustra, superpuesta a la geometría del corazón 1, la distribución del error en ángulos de inclinación de los corazones normales &#39;, promediado en los cinco estimaciones. Panel E muestra la distribución media de error de no haber ángulos d...

Una metodología para estimar las orientaciones de fibras ventriculares de imágenes in vivo de las geometrías del corazón del paciente para el modelado personalizado se describe. Validación de la metodología a cabo utilizando normal y no corazones caninos demostrar que que no hay diferencias significativas entre las orientaciones de las fibras estimados y adquirido a un nivel clínicamente observable.

Modelado específico del paciente del corazón: Estimación de las orientaciones de las fibras ventriculares

Patient-specific  simulations of heart (dys)function aimed at personalizing cardiac therapy are hampered  by the absence of in vivo imaging technology for ...

El objetivo del siguiente experimento es estimar las orientaciones de las fibras del corazón de un paciente para simulaciones personalizadas de electrofisiología cardíaca, ya que actualmente no es factible adquirir clínicamente las orientaciones de las fibras cardíacas. Esto se logra deformando la geometría de un atlas del corazón para que coincida con la geometría del corazón del paciente disponible en una imagen clínica de tomografía computarizada o resonancia magnética como segundo paso. El campo de deformación de la geometría se utiliza para transformar las orientaciones de las fibras del atlas, que luego genera una estimación de las orientaciones de las fibras cardíacas del paciente.A continuación, utilizando corazones caninos cuyas orientaciones de las fibras se miden de forma no clínica mediante tensor de difusión, resonancia magnética, la técnica más avanzada, se comparan las orientaciones de las fibras estimadas con las adquiridas con el fin de validar la metodología propuesta. Los resultados obtenidos muestran que las orientaciones estimadas de las fibras coinciden estrechamente con las adquiridas y no existen diferencias significativas entre los resultados de las simulaciones electrofisiológicas con las orientaciones estimadas y adquiridas de las fibras a nivel clínicamente observable. Esta investigación demuestra cuantitativamente que, en ausencia de tensor de difusión, las orientaciones de las fibras miocárdicas de los ventrículos normales y fallantes de la resonancia magnética pueden estimarse a partir de imágenes in vivo de sus geometrías para su uso en simulaciones de electrofisiología cardíaca.La estimación de las orientaciones de las fibras cardíacas del paciente es esencial para nuestra capacidad de construir modelos específicos de la función cardíaca del paciente. Estos modelos cardíacos específicos del paciente se pueden usar para predecir el riesgo de arritmia en pacientes con enfermedades cardíacas o para guiar intervenciones que se pueden usar para tratar trastornos del ritmo cardíaco. Aunque demostramos que esto se puede utilizar para el modelado electrofisiológico específico del paciente, también se puede aplicar para el modelado electromecánico personalizado.Comience a estimar la orientación de las fibras del corazón de un sujeto adquiriendo primero una resonancia magnética estructural y una resonancia magnética con tensor de difusión o D-T-M-R-I. Imágenes de un corazón humano adulto normal en diástole. Adquiera las imágenes con una resolución de un milímetro cúbico.A continuación, utilice la imagen J para extraer el miocardio ventricular de la imagen estructural del atlas. Para ello, coloque persianas cerradas a través de un conjunto de puntos de referencia a lo largo de los límites epicárdicos y endocárdicos. Para cada división de eje corto, realice la colocación de puntos de referencia manualmente.Para cada 10º corte de la imagen, obtenga los puntos de referencia para los sectores restantes interpolando linealmente los puntos identificados manualmente mediante matlab. A continuación, reconstruya las orientaciones de las fibras del corazón del atlas calculando los vectores iGen primarios de los tensores de difusión en la imagen de resonancia magnética DT. Una vez que se ha definido la geometría del corazón del atlas, adquiera una imagen de la geometría del corazón del paciente en diástole utilizando una tomografía computarizada cardíaca in vivo o una resonancia magnética para reconstruir la geometría del corazón del paciente a partir de la imagen, de manera similar a la forma en que se construyó el atlas.Asegúrese de que la resolución de la geometría reconstruida sea de un milímetro al cubo ajustando el número de cortes para los que se seleccionan manualmente los puntos de referencia y el intervalo de interpolación fuera del plano. A continuación, deforme la imagen ventricular del atlas que se muestra en magenta para que coincida con la imagen de la geometría del paciente que se muestra en rojo en dos pasos. En el primer paso, realice una transformación de aine basada en un conjunto de 13 puntos de referencia descritos en el protocolo.En el segundo paso, deforme aún más los ventrículos del atlas transformados en INE para que coincidan con la geometría del paciente utilizando un mapeo métrico dimórfico de gran deformación o L-D-D-M-M. A continuación, transforme la imagen de resonancia magnética DT del atlas. Para lograr esto, reposicione las trincheras de la imagen y reoriente los tensores de difusión.De acuerdo con la matriz de transformación obtenida a partir del emparejamiento AINE y el campo de deformación durante la transformación L-D-D-M-M, la reorientación de los tensores de difusión debe realizarse utilizando la preservación de las direcciones principales o el método PPD. Finalmente, obtener una estimación de las orientaciones de las fibras del paciente a partir de la imagen de resonancia magnética GT del atlas transformado mediante el cálculo del vector iGen primario de los tiempos de difusión. Con el fin de medir el error de estimación, primero adquiera resonancias magnéticas estructurales ex vivo y resonancias magnéticas DT de seis corazones caninos normales y tres corazones caninos defectuosos a alta resolución.Segmente los ventrículos de los corazones caninos de manera similar a los del corazón del atlas humano, como se describe en la sección anterior, denote los ventrículos segmentados de los corazones caninos normales como corazones del uno al seis, y los de los corazones caninos fallidos como el corazón del siete al nueve. A continuación, utilice cada uno de los corazones del dos al seis como un atlas para obtener cinco estimaciones diferentes de las orientaciones de las fibras ventriculares del corazón. A continuación, estime las orientaciones de las fibras para cada uno de los ventrículos defectuosos del corazón siete, ocho y nueve, utilizando el corazón uno como atlas para todos los puntos de datos en cada conjunto de fibras estimadas, las orientaciones calculan el error de estimación donde theta E y theta A son los ángulos de inclinación de las orientaciones de las fibras estimadas y adquiridas en ese punto respectivamente desde el corazón.Un constructo seis modelos construyen el primer modelo con el DT MRI adquirió las orientaciones de las fibras del corazón uno y los modelos del dos al seis con las orientaciones estimadas de las fibras, conjuntos de datos del corazón, uno para cada uno de los tres. Las geometrías cardíacas fallidas construyen dos modelos ventriculares, uno con las orientaciones de fibras adquiridas por DT MRA y el otro con las orientaciones de fibras estimadas. Aquí, la resolución espacial de los modelos debe ser de 600 micras.A continuación, se indican los modelos de insuficiencia cardíaca. Con la resonancia magnética DT se adquirieron fibras como modelos siete a nueve y las que tenían fibras estimadas como modelos 10 a 12 en los modelos. Utilice la representación de monodominio para describir el tejido cardíaco utilizando la ecuación de gobierno que se muestra aquí y se describe en detalle en el protocolo de texto utilizando el paquete de software carp de cardio solve, simule el ritmo sinusal con todos los modelos utilizando los conocimientos de PACE como se muestra aquí, superpuesto en el corazón siete.A continuación, induzca la taquicardia ventricular reentrante en los seis modelos fallidos utilizando un protocolo de estimulación S uno S dos con ubicaciones de electrodos como se ilustra aquí para lograr esto, elija el tiempo entre S uno y S dos para obtener una actividad ventricular sostenida durante dos segundos después del parto de S dos. Si no se induce taquicardia ventricular para ningún tiempo de S uno S dos, disminuya las conductividades hasta en un 70% hasta que se induzca la taquicardia para cada simulación. Calcule los pseudo ECG tomando la diferencia de potenciales extracelulares entre dos puntos cerca de la base del corazón.Los puntos están separados por 18 centímetros, de modo que la línea que los conecta es perpendicular al plano del vértice base del tabique, como se ilustra en E uno y E dos, para cada simulación con las orientaciones de fibra estimadas, calcule la métrica mad utilizando la fórmula que se muestra aquí, donde X es la forma de onda de ECG de las orientaciones de fibra estimadas. Y es la forma de onda del ECG de las orientaciones de las fibras adquiridas. X menos es el valor medio de x.Y menos es el valor medio de Y, y luego es la longitud de X e Y Aquí se muestran visualizaciones optimizadas de un corazón sano y enfermo con la orientación estimada de las fibras que se muestran como fibras cian y las orientaciones de las fibras adquiridas por DT MRI que se muestran en amarillo. Mirando más de cerca, puede ver la alineación similar entre las orientaciones de fibra adquiridas y estimadas. La diferencia en los ángulos de inclinación entre las fibras adquiridas y estimadas se ve más fácilmente en un modelo de distribución 3D que utiliza el color para representar el ángulo de error de estimación medio.La barra de color oscila entre cero grados y 175 grados a partir de estos datos. Se traza un histograma que muestra el número de vóxeles en cada grado de error tanto para el corazón normal como para el que falla. Estos resultados muestran que los ángulos de inclinación de las fibras predichas, las orientaciones de los corazones normales y fallantes son comparables a los adquiridos por la resonancia magnética DT ex vivo.A continuación, se utilizan los mapas de activación simulados para comparar las orientaciones de las fibras adquiridas y estimadas con respecto a la propagación de la señal eléctrica por todo el corazón. El color representa el tiempo de activación tal y como se describe en la leyenda del color. El mapa de activación de la izquierda es para la simulación del ritmo sinusal con el modelo uno que representa las orientaciones de las fibras adquiridas, y los de la derecha son para simulaciones del ritmo sinusal.Con modelos del dos al seis que representan las orientaciones estimadas de las fibras. Cuando se promedian los mapas de activación correspondientes a las orientaciones estimadas de las fibras, la diferencia media global entre ellas y el modelo uno es mínima. Los pseudo ECG de las simulaciones del ritmo sinusal con el modelo uno y el modelo tres muestran morfologías idénticas y dan como resultado una puntuación MAD baja de solo el 4,14%De manera similar, al comparar los mapas de activación de las simulaciones del ritmo sinusal con las orientaciones de fibras adquiridas y estimadas de los corazones enfermos, se observaron puntuaciones MAD bajas.La puntuación MAD osciló entre 3,8 en el corazón, siete y 6,1 en el corazón nueve. Esto representa una alta correlación entre las orientaciones de las fibras adquiridas y estimadas. Una vez dominada, esta técnica se puede ejecutar en pocas horas si se realiza correctamente siguiendo este procedimiento. La estimación de las orientaciones de las fibras se puede realizar en corazones con miocardiopatía isquémica para probar la eficacia del método en presencia de infarto de miocardio.El desarrollo de esta técnica allana el camino para la traslación de las simulaciones informáticas de la función cardíaca de la ciencia básica a la clínica, donde se pueden utilizar junto a la cama del paciente para guiar las intervenciones en el tratamiento de los trastornos del ritmo cardíaco.

patient-specific-modeling-heart-estimation-ventricular-fiber

Research

Investigación

JoVE Journal

Bioengineering

Bioingeniería

Este informe proporciona una descripción detallada de la metodología y los resultados del mapeo simultáneo óptico endocárdico y epicárdico de excitación eléctrica de la aurícula izquierda intacta de un corazón de oveja Langendorff perfundidos durante el estiramiento inducido por fibrilación auricular.

Cartografía de alta resolución óptica endocárdicos y epicárdicos en un modelo de ovejas inducidas por el estiramiento de la fibrilación auricular

El objetivo de esta investigación es la de recrear y luego acceder a la anatomía del sistema venoso cardíaco humano utilizando reconstrucciones 3D generados por las exploraciones con contraste de tomografía computarizada.

Las reconstrucciones anatómicas del sistema venoso cardíaco humana usando tomografía computarizada con contraste de las muestras de perfusión fijos

Este protocolo describe un método novedoso para crear un modelo de elementos finitos espacial detallada de la arquitectura intracelular de cardiomiocitos de imágenes de microscopía confocal y microscopia electrónica. La potencia de este modelo espacial detallada se demuestra mediante estudios de caso en la señalización de calcio y bioenergética.

Creando un modelo geométrico realista estructural de elementos finitos de cardiomiocitos para estudiar el papel de la arquitectura celular de cardiomiocitos biología de sistemas

El objetivo de este estudio fue establecer un método para investigar la dinámica cardíaca utilizando un modelo animal traslacional. El enfoque experimental descrito incorpora optocardiografía de doble emisión junto con un estudio electrofisiológico para evaluar la actividad eléctrica en un modelo de corazón porcino aislado e intacto.

Estudios de Optocardiografía y Electrofisiología de Corazones Perfundidos Ex Vivo Langendorff

Este trabajo introduce dos modelos computacionales de insuficiencia cardíaca con fracción de eyección preservada basados en un enfoque de parámetros agrupados y análisis de elementos finitos. Estos modelos se utilizan para evaluar los cambios en la hemodinámica del ventrículo izquierdo y la vasculatura relacionada inducida por sobrecarga de presión y disminución del cumplimiento ventricular.

Parámetros Agrupados Y Modelado De Elementos Finitos De La Insuficiencia Cardíaca Con Fracción De Eyección Preservada

Este estudio describe un protocolo integral de resonancia magnética cardiovascular (CMR) para cuantificar los parámetros funcionales del ventrículo izquierdo del corazón de ratón. El protocolo describe la adquisición, el post-procesamiento y el análisis de las imágenes CMR, así como la evaluación de diferentes parámetros funcionales cardíacos.

Cuantificación de la función ventricular izquierda del corazón de ratón, la distensión miocárdica y las fuerzas hemodinámicas mediante imágenes de resonancia magnética cardiovascular

Los modelos específicos del paciente mejoran la confianza del cirujano y de los compañeros al desarrollar o aprender planes quirúrgicos. Las impresoras tridimensionales (3D) generan detalles adecuados para la preparación quirúrgica, pero no logran replicar la fidelidad háptica del tejido. Se presenta un protocolo que detalla la creación de modelos cardíacos de silicona específicos del paciente, combinando la precisión de la impresión 3D con tejido de silicona simulado.

Creación de modelos cardíacos de silicona específicos del paciente con aplicaciones en planes prequirúrgicos y capacitación práctica

Este protocolo demuestra el flujo de trabajo de la plataforma SILICOFCM para generar automáticamente un modelo paramétrico del ventrículo izquierdo a partir de imágenes de ultrasonido específicas del paciente mediante la aplicación de un modelo electromecánico multiescala del corazón. Esta plataforma permite ensayos clínicos in silico destinados a reducir los ensayos clínicos reales y maximizar los resultados terapéuticos positivos.

In Silico Ensayos clínicos para enfermedades cardiovasculares

La ecocardiografía intracardíaca (ICE) precisa muestra una precisión significativa en la estimación de la estructura de la aurícula izquierda, un método de estimación de la estructura cardíaca prospectivo y prometedor. En este trabajo se propone un protocolo para el modelado tridimensional de la aurícula izquierda y las venas pulmonares con ICE y remodelación del catéter de mapeo anatómico rápido (FAM).

Modelado tridimensional de la aurícula izquierda y las venas pulmonares con un enfoque preciso de ecocardiografía intracardíaca

Las imágenes de ultrasonido intravascular in vivo muestran el movimiento de la sección transversal coronaria correspondiente a diferentes condiciones de carga de presión. Sobre la base de un modelo de elementos finitos, se empleó un esquema iterativo para determinar las propiedades mecánicas específicas del paciente de las arterias coronarias in vivo mediante la comparación del movimiento coronario del modelo computacional y las imágenes médicas.

Enfoque de modelado de elementos finitos basado en imágenes de ultrasonido intravascular para cuantificar in vivo las propiedades mecánicas de la arteria coronaria humana 

Aprende a estimar orientaciones de fibras ventriculares para modelado cardíaco personalizado usando imágenes in vivo y morfometría de atlas. Este método validado en corazones caninos mejora la precisión de simulaciones electrofisiológicas sin necesidad de DTI.

Modelado específico del paciente del corazón: Estimación de las orientaciones de las fibras ventriculares

Explorar más videos