ハートの患者固有のモデリング：心室繊維配向の推定

次の実験の目的は、心臓の線維配向を推定することです 心臓の電気生理学の個別化されたシミュレーションのために、心臓の線維配向を推定することです 現在、心線維配向を取得することは不可能です。これは、第2ステップとして臨床CTまたはMRI画像から得られる患者の心臓の形状と一致するようにアトラス心臓の形状を変形させることによって達成されます。ジオメトリ変形フィールドを使用してアトラスファイバー配向をモーフィングし、それによって患者の心臓ファイバー配向の推定値が生成されます。

次に、最先端の技術である拡散テンソル、MRIを使用して非臨床的に繊維配向を測定した犬の心臓を使用して、推定された線維配向を獲得したものと比較し、提案された方法論を検証します。得られた結果は、推定された繊維配向が獲得された線維配向と密接に一致し、臨床的に観察可能なレベルで推定された線維配向と獲得された線維配向の電気生理学的シミュレーションの結果との間に有意差がないことを示しています。この研究は、拡散テンソルがない場合、正常心室と機能不全の心室の形状のin vivo画像からMRI心筋線維の向きを推定し、心臓電気生理学のシミュレーションに使用できることを定量的に示しています。

患者の心臓線維の配向を推定することは、患者固有の心機能モデルを構築する能力に不可欠です。これらの患者固有の心臓モデルは、心臓病患者の不整脈のリスクを予測したり、心臓のリズム障害の治療に使用できる介入を導いたりするために使用できます。これは患者固有の電気生理学的モデリングに使用できることを示していますが、パーソナライズされた電気機械モデリングにも適用できます。

最初に構造 MRI と拡散テンソル MRI または D-T-M-R-I を取得することにより、被験者の心臓の線維配向を推定し始めます。拡張期の正常な成人の心臓の画像。1ミリメートルの3乗の解像度で画像を取得します。

次に、画像Jを使用して、アトラス構造画像から心室心筋を抽出します。これを行うには、心外膜と心内膜の境界に沿った一連のランドマークポイントにクローズブラインドを取り付けます。短軸スライスごとに、ランドマークポイントの配置を手動で実行します。

イメージの 10 番目のスライスごとに、MATLAB を使用して手動で識別された点を線形補間することにより、残りのスライスのランドマーク点を取得します。次に、DT MRI画像内の拡散テンソルの一次iGenベクトルを計算することにより、アトラス心臓の線維配向を再構築します。アトラス心臓の形状が定義されたら、in vivo 心臓 CT または MRI を使用して拡張期の患者の心臓のジオメトリの画像を取得し、アトラスが構築された方法と同様に、画像から患者の心臓ジオメトリを再構築します。

再構築されたジオメトリの解像度が 1 mm 立方体になるように、ランドマークを手動で選択するスライスの数と、面外補間の間隔を調整します。次に、マゼンタで示されたアトラス心室画像を、赤で示された患者形状画像と一致するように2段階で変形します。最初のステップでは、プロトコルに記載されている 13 個のランドマーク ポイントのセットに基づいて aine 変換を実行します。

2 番目のステップでは、大変形二形メトリック マッピングまたは L-D-D-M-M を使用して、患者の形状に一致するように INE 変換されたアトラス心室をさらに変形します。次に、アトラスのDT MRI画像をモーフィングします。これを実現するには、画像のフォックスホールを再配置し、拡散テンソルの向きを変更します。

AINEマッチングから取得した変換行列とL-D-D-M-M変換中の変形場に従って、拡散テンソルの再配向は、主方向の保存またはPPD法を使用して実行する必要があります。最後に、拡散緊張のプライマリ iGen ベクトルを計算することにより、モーフィングされたアトラス GT MRI 画像から患者の線維配向の推定値を取得します。推定誤差を測定するには、まず、6つの正常および3つの故障した犬の心臓のex vivo構造MRIおよびDTMRIを高解像度で取得します。

前のセクションで説明したように、人間のアトラス心臓と同様に犬の心臓から心室をセグメント化し、正常な犬の心臓から心臓1から6としてセグメント化された心室を示し、失敗した犬の心臓から心臓7から9としてセグメント化された心室を示します。次に、心臓 2 から 6 のそれぞれをアトラスとして使用して、心臓の心室線維の向きの 5 つの異なる推定値を取得します。次に、心臓7、8、および9から障害のある心室の各々の線維配向を推定し、推定された線維の各セットのすべてのデータポイントのアトラスとして心臓1を使用し、配向は推定誤差を計算します。ここで、シータEとシータAは、それぞれ心臓からその点で推定および取得された線維配向の傾斜角です。

1つのコンストラクト6つのモデルは、DT MRIで取得した心臓1の繊維配向を使用して最初のモデルを構築し、推定された繊維配向、心臓のデータセット、3つのそれぞれに1つずつ、2から6をモデル化します。故障した心臓の形状は、DT MRA が獲得した線維配向を持つモデルと推定された線維配向を持つ 2 つの心室モデルを構築します。ここでは、モデルの空間分解能は 600 ミクロンである必要があります。

次に、心不全モデルを示します。DT MRIでは、モデル7〜9としてファイバーを取得し、モデル10〜12としてファイバーを推定しました。ここに示されている支配方程式を利用し、カーディオソルブによるソフトウェアパッケージcarpを使用してテキストプロトコルで詳細に説明されている制御方程式を利用して心臓組織を記述するためにモノドメイン表現を使用し、ここに示すようにPACEインサイトを使用してすべてのモデルで洞調律をシミュレートし、ハートセブンに重ね合わせます。

次に、ここに示されているように電極位置を持つ S one S 2 ペーシング プロトコルを使用して、6 つの失敗モデルでリエントラント心室頻拍を誘発します。これを達成するために、S 1 と S 2 の間のタイミングを選択して、S 2 送達後 2 秒間持続的な心室頻拍活動を取得します。心室頻拍が S 1 S 2 タイミングで誘発されない場合は、シミュレーションごとに頻脈が誘発されるまで、伝導率を最大 70% 減少させます。心臓の基部近くの2点間の細胞外電位の差を取ることにより、疑似心電図を計算します。

ポイントは 18 センチメートル離れており、それらを結ぶ線がセプタムの基部頂点平面に垂直になるように、E 1 と E 2 で示されるように、推定された繊維配向を持つ各シミュレーションで、ここに示す式 (X は推定された繊維配向の ECG 波形) を使用してマッド メトリックを計算します。Yは、取得した繊維配向のECG波形です。x から x を引いた値は x の平均値です。

YマイナスはYの平均値であり、次にXとYの長さを示していますここに示されているのは、推定された繊維配向がシアン繊維で示され、DT MRIが獲得した線維配向が黄色で示されている、健康な心臓と病気の心臓の合理化された視覚化です。さらに詳しく見ると、取得した繊維配向と推定された繊維配向の間に同様の配置があることがわかります。取得した繊維と推定された繊維の間の傾斜角の違いは、色を使用して平均推定誤差角度を表す3D分布モデルでより簡単に確認できます。

カラーバーの範囲は、このデータから 0 度から 175 度です。誤差の各度数でのボクセルの数を示すヒストグラムが、正常な心臓と故障した心臓の両方についてプロットされます。これらの結果は、予測された線維の傾斜角、正常心臓と機能不全心臓の向きが、ex vivo DT MRIで取得されたものと同等であることを示しています。

次に、シミュレートされた活性化マップを使用して、心臓全体の電気信号伝搬に関して取得した線維配向と推定された線維配向を比較します。色は、色の凡例で説明されるアクティブ化時間を表します。左の活性化マップは、モデル1が獲得した繊維配向を表す洞調律のシミュレーション用、右の活性化マップは洞調律のシミュレーション用です。

モデル 2 から 6 は、推定された繊維配向を表します。推定された繊維配向に対応する活性化マップを平均化すると、それらとモデル1との間の全体の平均差は最小になります。モデル1とモデル3を使用した洞調律シミュレーションの疑似ECGは、同じ形態を示し、わずか4.14%の低MADスコアをもたらします同様に、洞調律シミュレーションの活性化マップを、疾患のある心臓の獲得および推定された線維配向と比較すると、低いMADスコアが見られました。

MADスコアは、ハートで3.8、ハート9で7から6.1の範囲でした。これは、取得した繊維配向と推定された繊維配向との間に高い相関関係があることを表しています 一度習得すると、この手順に従って適切に実行すれば、この手法は数時間で実行できます。虚血性心筋症の心臓では、心筋梗塞の存在下での方法の有効性をテストするために、線維配向の推定を行うことができます。

この技術の開発により、基礎科学から臨床への心機能のコンピューターシミュレーションの変換が可能になり、患者のベッドサイドで使用して、心調律障害の治療のための介入を導くことができます。