Method Article

경동맥 협착증 환자의 플라크 형태 및 혈역학 분석을 위한 자기공명영상 기반 전산 프로토콜

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

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

내경동맥(ICA) 협착증의 평가는 판반 구성 및 혈역학과 같은 뇌졸중에 대한 생리학적으로 관련된 위험 요소를 설명하지 않는 협착률 추정을 기반으로 합니다. 이 프로토콜은 정량적 자기 공명 영상과 전산 유체 역학을 활용하여 ICA 플라크 구성 및 혈역학을 특성화합니다.

Abstract

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

내경동맥(ICA) 협착증의 현재 평가 및 관리는 이중 초음파(DUS) 또는 컴퓨터 단층촬영 혈관조영술(CTA)을 통한 협착률 추정을 기반으로 하며, 이는 플라크 취약성 및 혈역학과 같은 뇌졸중의 생리학적으로 관련된 위험 요소를 설명하지 않습니다. 경동맥 플라크의 구성과 플라크에 대한 혈역학적 부하에 대한 지식은 백분율 협착증을 단독으로 사용하는 것보다 플라크의 색전 가능성에 대한 훨씬 더 완전한 평가를 제공하는 데 사용할 수 있습니다. 자기공명영상(MRI)과 환자별 전산 유체 역학(CFD)의 결합을 통해 ICA 협착증과 플라크 구성에 걸친 혈역학의 차이를 식별할 수 있습니다. 정량적 다중 조영 죽상동맥경화증 특성화(qMatch) MRI를 사용하면 플라크 구성을 자세히 분석할 수 있습니다. CFD 모델은 유동 파형 및 CTA 및/또는 비행 시간(TOF)-MRI 해부학을 얻는 데 사용할 수 있는 위상차(PC) MRI를 사용하여 생성할 수 있습니다. 경동맥 분기의 3D 기하학적 모델을 생성한 후 PC-MRI 파생 파형을 총경동맥 유입 및 외경동맥 유출에 처방합니다. 그런 다음 환자의 혈압에 맞게 반복적으로 조정되는 3요소 Windkessel 모델이 ICA에 처방됩니다. 마지막으로, 비압축성 Navier-Stokes 방정식에 대한 해를 얻어 고해상도 속도와 압력을 제공하여 경동맥 분기점 및 ICA 협착증 전반에 걸쳐 혈역학을 포착합니다. 이 기사에서는 ICA 협착증 환자의 플라크 구성 및 혈역학적 부하에 대한 비침습적이고 환자별 특성을 허용하는 자세한 프로토콜을 제공합니다.

Introduction

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

내경동맥(ICA) 협착증은 뇌졸중, 장기 장애 및 사망의 주요 원인입니다 1,2,3,4,5,6,7. ICA 협착증의 현재 평가 및 관리는 이중 초음파(DUS) 속도 또는 단면 해부학[컴퓨터 단층촬영 관조영술(CTA) 및/또는 자기공명영상(MRI)]을 통한 협착률 추정을 기반으로 합니다. 그러나 백분율 협착증은 플라크 취약성 및 플라크 8,9,10,11,12,13,14 전체의 혈역학적 부하와 같은 뇌졸중에 대한 생리학적으로 관련된 위험 요소를 설명하지 않습니다. 경동맥 내막 절제술(CEA) 후 뇌졸중 위험 감소가 협착이 50% 이상인 증상이 있는 환자에서 입증되었지만 무증상 환자에서 CEA의 이점에 대해서는 논쟁이 있습니다 3,4. 실제로 많은 외과의는 협착 병변이 있는 환자>80% 및/또는 고위험(취약한) 플라크 형태가 있는 경우에 대해 수술 개입을 유보합니다15. 어떤 ICA 협착증이 플라크 색전증의 위험이 있고 따라서 CEA의 혜택을 받을 수 있는지 결정하는 개선된 방법이 필요합니다.

정량적 다중 대비 죽상동맥경화증 특성화(qMatch)는 낮은 순위 모델링을 활용하여 공동 등록된 다중 대비 암혈 및 밝은 혈액 이미지를 제공하는 고해상도 3D 이미징과 경동맥 플라크의 포괄적이고 정량적인 평가를 위한 이완 측정 이미지를 가능하게 하는 MRI 기술입니다16,17. qMatch는 기존 MRI에 비해 3D 등방성 해상도, 넓은 해부학적 적용 범위 및 경동맥 플라크 부담의 정량적 평가를 개선했습니다. 환자별 전산 유체 역학(CFD)을 사용하여 플라크에 대한 혈역학적 부하를 특성화할 수 있으므로 뇌혈관 색전증 사건의 혈역학적 및 생체역학적 위험에 관한 고유한 정보를 제공할 수 있습니다 18,19,20,21,22,23. 경동맥 플라크의 구성과 플라크에 대한 혈역학적 부하에 대한 지식은 협착률 단독보다 색전 가능성에 대한 보다 포괄적인 평가를 제공하는 데 사용될 수 있습니다. 이 작업에서 우리는 qMatch MRI와 MRI 정보 CFD를 모두 사용하여 ICA 협착증 전반에 걸쳐 플라크 구성 및 혈역학의 차이를 식별하는 프로토콜을 제시합니다.

Protocol

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

이 연구는 미시간 대학의 임상시험심사위원회(Institutional Review Board)의 승인을 받았으며 각 연구 대상자로부터 정보에 입각한 동의를 얻었습니다. 이 프로토콜은 메쉬 생성, 경계 조건 사양 및 유한 요소 분석과 같은 주요 계산 모델링 작업을 수행하는 검증된 오픈 소스 전산 혈류역학 프레임워크인 CRIMSON을 사용합니다24,25. CRIMSON을 다운로드하거나 모델링 튜토리얼을 검토하려면 웹 사이트(https://crimson.software)를 방문하십시오. CRIMSON GUI에는 Windows 운영 체제가 필요합니다. CRIMSON 흐름 솔버는 Windows와 Linux 모두에서 사용할 수 있습니다.

1. 환자 모집 및 환자별 데이터 수집

  1. DUS 및/또는 CTA(북미 증상성 경동맥 내막 절제술 시험(NASCET) 기준에 의해 정의됨)에서 입증된 중증 ICA 협착증 진단을 받은 성인 환자를 모집합니다.26. MRI(즉, 금속 임플란트) 또는 MRI 불내성(즉, 밀실 공포증, 평평하게 누워 있을 수 없음)에 대해 알려진 금기 사항이 없는 환자를 포함합니다. 임신 중이거나 MRI에 금기 사항이 있는 환자는 제외합니다. 연구 절차, 위험, 이점, 기밀 유지 보장, 연구 기간 및 연구 철회 권리에 대한 논의 및 이해를 포함해야 하는 정보에 입각한 동의를 얻습니다.
  2. 후향적 및/또는 전향적 환자 데이터를 얻어 CFD 모델에 정보를 제공합니다. 환자 해부학을 위해 CTA, MRI 및/또는 혈관 조영술 이미지를 사용합니다.
    참고: 경계 조건은 나중에 더 자세히 논의할 것입니다. 그러나 일반적으로 경계 조건을 알리는 데이터에는 비침습적 또는 침습적 압력, DUS 속도 및/또는 위상차(PC)-MRI 파생 흐름이 포함되는 경우가 많습니다.
  3. MRI 전에 등록된 각 환자에 대해 자세한 사전 선별 MRI 안전 양식을 수행하여 MRI에 대한 금기 사항을 식별합니다. 2+ 연구 팀원과 함께 MRI 안전 양식을 검토하십시오. 등록된 피험자에게 모든 금속 품목을 제거하고 가운을 제공하도록 지시합니다.
  4. 피험자를 3T MRI 시스템에 바로 누운 자세로 배치하고, 환자의 편안함을 위해 청력 보호 장치와 담요를 제공하고, 머리와 목 코일을 배치합니다.
  5. 경동맥 분기점에 대한 적절한 방향을 설정하기 위해 초기 국소화 시퀀스를 수행한 후 다음 세 가지 시퀀스를 수행합니다.
    1. C5의 총경동맥(CCA)에서 원위 ICA, 대공까지 맥관 구조의 해부학적 특성화를 위해 머리와 목의 3D 비행 시간 MRI를 얻습니다.
    2. C5의 CCA 수준과 근위 외경동맥(ECA) 및 병변 원위 ICA 중간 ICA 위의 CCA 수준에서 2D 심장 게이트 PC-MRI를 획득하여 체적 혈류 파형을 측정합니다. 환자별 속도 인코딩(Venc)은 DUS를 통해 측정된 각 혈관(CCA, ECA 및 병변 원위 중간 ICA)의 최고 수축기 속도(PSV)를 기반으로 합니다. 일반적으로 관심 혈관에서 PSV보다 Venc ~20% 더 높은 것을 목표로 합니다.
    3. 경동맥 분기점에 국한된 qMatch MRI 시퀀스를 사용하여 플라크 구성 및 플라크 취약성에 대한 자세한 정보를 얻습니다.

2. PC-MRI에서 유동 파형 얻기

  1. 위 위치에서 2D 심장 게이트 PC-MRI를 얻은 후 MRI 스캐너에 내장된 소프트웨어를 사용하여 체적 흐름 파형을 얻습니다.
    1. MRI 스캐너에서 각각의 유량 정량화 소프트웨어를 식별하고 사용하여 PC-MRI 파생 유동 파형을 얻습니다.
    2. 관심 있는 각 용기(예: CCA, ECA 및 ICA)를 선택하고 지정된 용기 주위에 윤곽을 배치하여 자동화된 흐름 파형을 제공합니다. 선박의 정확한 영역을 보장하기 위해 윤곽선을 수동으로 편집합니다.
    3. 각 소프트웨어에서 유동 파형을 내보냅니다.
      참고: 유량 정량화 소프트웨어는 MRI 제조업체마다 다를 수 있습니다.
  2. 푸리에 변환을 활용하여 매끄럽고 연속적이며 더 많은 데이터 포인트를 갖는 흐름 파형을 보간하고 생성하므로 CFD 시뮬레이션을 위한 보다 정교한 흐름 프로필이 가능합니다.
    참고: CRIMSON24 (나중에 논의 됨)에 흐름을 부과하는 것은 파형 함수가 연속적이라는 것이 중요합니다: 함수 자체와 그 도함수 모두 존재하며 모든 시간 값에 대해 연속적입니다. 푸리에 보간은 측정된 유량 데이터 포인트(PC-MRI)와 원하는 시점(CFD 분석용)의 임의의 조합을 기반으로 연속 파형을 생성합니다.
  3. 유입면과 유출면 사이의 질량 보존을 보장하려면 푸리에 변환 후 CCA, ECA 및 ICA의 평균 유량을 비교합니다.
    1. 질량 보존(즉, CCA 유량 = ECA 유량 + ICA 유량)이 10% 이내가 아닌 경우 앞으로 진행하지 말고 문제 해결을 진행하십시오.
    2. 먼저 Venc에 사용된 PSV가 정확한지 확인하고 ECA PC-MRI 파생 유동 파형이 큰 분기 후에 측정되었는지 확인합니다.
    3. 큰 ECA 분기 후에 PC-MRI 흐름 파형을 얻은 경우 ECA로의 흐름을 늘리고 질량 보존을 다시 확인합니다.

3. 전산 유체 역학 모델링: 기하학

  1. 데이터 관리자의 가져오기 버튼을 사용하여 환자별 해부학(CTA, MRI, 혈관 조영술)을 위해 식별되지 않은 DICOM 이미지 데이터를 CRIMSON으로 가져옵니다.
  2. 지오메트리 모델링 창을 사용하여 혈관 경로 편집 을 선택하고 관심 해부학적 범위(CCA, ECA 및 ICA)로 구성된 혈관 트리를 생성합니다.
  3. 혈관 경로 편집 창을 사용하여 관심 해부학(CCA, ECA 및 ICA)에서 각 혈관의 길이를 따라 중심선 점을 배치합니다.
    1. CCA 중심선은 일반적으로 PC-MRI에서 흐름 파형을 얻은 위치에 해당하는 C5 수준에서 시작됩니다.
    2. ICA 중심선은 일반적으로 PC-MRI에서 흐름 파형을 얻은 위치에 해당하는 협착증의 원위 1-2cm에서 끝납니다.
    3. 중심선인 ECA는 일반적으로 PC-MRI의 흐름 파형을 얻은 위치에 해당하는 ECA의 1차 분기에 근접하여 끝납니다.
  4. Vessel Re-slice 창을 사용하여 각 혈관을 따라 중심선 점의 길이를 시각화합니다. 이 창은 선박 중심선을 따라 적어도 두 개의 점이 추가된 후에 나타나며 중심선을 따라(수직) 단면도를 포함합니다.
    참고: 선박 중심선은 CRIMSON으로 가져올 수도 있습니다(VTK 파일 형식이어야 함).
  5. 선박 재슬라이스 창을 사용하여 선박 윤곽선(원, 타원 또는 수동 윤곽선 사용)을 추가하여 선박 벽의 경계를 지정합니다. 선박 재슬라이스 창은 정확한 등고선을 정의할 수 있도록 중심선을 따라 선박의 보기를 제공합니다. 등고선은 선박 재슬라이스 창에서 선박 중심선의 다양한 점에 걸쳐 사용자가 수동으로 추가합니다.
    알림: 용기 재슬라이 스 창의 왼쪽에 원본 이미지가 표시됩니다. 혈관 재슬라이스 창의 오른쪽에 이미지의 그라데이션이 표시됩니다. 그라디언트 이미지 보기는 윤곽선을 정의할 때 루멘의 경계를 더 명확하게 표시할 수 있으므로 유용할 수 있습니다.
    1. 선박의 곡률과 변화하는 형상을 완전히 포착할 수 있을 만큼 중심선을 따라 윤곽선을 충분히 자주 배치하면서도 너무 가까워서 과적합하거나 아티팩트를 생성하지 않습니다.
  6. 관심 있는 선박에 윤곽선이 배치된 후 선박 윤곽선 모델링 창의 로프트 버튼을 사용하여 로프트라는 프로세스를 통해 각 형상의 결합된 3D 솔리드 모델을 만듭니다.
  7. Vessel Blending 창을 선택하여 단일 솔리드 형상 vessel을 생성합니다. 블렌딩을 위한 가장 일반적인 알고리즘은 필렛입니다. 일반적인 필렛 크기는 0.3mm에서 1mm 사이입니다.

4. 전산 유체 역학 모델링: 메싱

  1. 메싱 및 솔버 설정 창을 선택하고 메쉬 버튼을 사용하여 메쉬 옵션을 시각화하고 특정 메시 파라미터를 선택합니다.
    참고: 메쉬는 여러 사면체 요소로 구성되며 메쉬의 각 지점(노드)에서 속도 및 압력에 대한 Navier-Stokes 방정식이 풀리므로 시뮬레이션을 실행하는 데 필요합니다. 기본 메쉬는 전역 및/또는 로컬 기능을 사용하여 정의할 수 있습니다. 구체적으로, 메쉬는 요소 크기(즉, 요소 크기가 작을수록 메쉬가 작거나 더 세련됨), 곡률 미세 조정(곡률이 더 높은 영역에 더 많은 메쉬 요소를 추가함) 또는 기타 로컬 메쉬 미세 조정 기능으로 정의할 수 있습니다. 특정 메쉬 전략은 관심 있는 다양한 형상에 따라 다를 수 있습니다. 현재 관심 있는 형상(즉, CCA, 근위 ICA 및 근위 ECA)의 설정에서 전역 및 로컬 메쉬 기능을 모두 활용합니다.
  2. 전역 옵션 창을 사용하여 전역 요소 크기를 0.5mm에서 0.75mm 사이의 절대값으로 설정합니다.
  3. 전역 옵션 창을 사용하여 경계 레이어 유형을 기하학적 성장으로 지정합니다. 총 레이어 수를 3개, 첫 번째 레이어 두께를 0.2mm, 총 레이어 두께를 1.0mm로 설정하여 얼굴 바깥쪽을 따라 더 미세한 메쉬를 만들고 얼굴 중앙을 따라 덜 미세한 메쉬를 허용합니다.
  4. 마지막으로 곡률 미세 조정을 사용하여 곡률이 있는 영역(즉, 협착 부위)에 더 많은 메쉬 요소를 추가합니다.
    참고: 로컬 메쉬 미세 조정 옵션을 사용하여 특정 용기, 분기 영역 또는 입구/출구 면에서 더 미세한 메쉬를 생성할 수도 있습니다.
  5. 메시를 우클릭한 후 메시 정보 버튼을 클릭하여 메시 요소를 검토합니다.
    참고: 최종 메쉬에는 적절한 종횡비(주어진 사면체 요소의 가장 큰 면과 가장 작은 면의 비율, 작을수록 좋음), 중요한 영역(즉, 협착증, 혈관 출구, 경계층)에서 흐름 특징을 포착하는 요소의 분포가 포함되어야 하며, 과도한 왜곡이나 셀 크기의 급격한 변화를 피해야 합니다.
    현재 관심 있는 형상의 최종 메쉬에는 400,000-700,000개의 요소가 포함되어야 합니다.
    그림 1A 는 환자 형상 및 메싱과 관련된 중요한 단계를 보여줍니다.

5. 전산 유체 역학 모델링: 경계 조건

  1. 경계 조건을 지정하려면 메쉬 및 솔버 설정 창을 선택한 다음 솔버 설정 아이콘을 선택합니다. 솔버 설정 창에서 경계 조건 세트("BC 세트"라고 함)를 추가한 다음 BC 아이콘을 사용하여 특정 경계 조건을 선택합니다.
    참고: 경계 조건은 분할된 모델의 경계를 넘어서는 압력과 혈류를 나타내는 데 사용됩니다. 어떤 경계 조건을 사용하고 어디에 규정할지에 대한 결정은 틀림없이 모든 CFD 모델에서 가장 중요하고 중요한 측면이며 의도적으로 이루어져야 하며 생리학적으로 관련된 의미로 뒷받침되어야 합니다. 경계 조건은 환자별 값과 일치하도록 선택하고 조정해야 하며, 환자별 값을 사용할 수 없는 경우 문헌 데이터를 사용하여 계산 모델을 알릴 수 있습니다.
  2. 현재 CRIMSON에서 사용할 수 있는 경계 조건을 관찰합니다.
    1. 입구: 압력, 규정된 속도(유동 파형), 맞춤형 집중 매개변수 회로(Python 스크립트를 통해 정의된 저항, 커패시터, 인덕터, 압력 노드 및 맞춤형 회로 요소의 임의의 조합).
    2. 벽: 미끄럼 없음(단단하거나 변형되지 않는 벽을 의미함), 변형 가능.
    3. 콘센트: 압력, RCR, 규정된 속도(유량 파형), 맞춤형 집중 매개변수 회로.
  3. BC 아이콘을 클릭하여 특정 경계 조건을 선택합니다. 먼저 미끄럼 없음을 선택하여 단단하고 변형되지 않는 벽을 구현하고 모든 벽에 적용 버튼을 사용하여 모든 벽에 적용합니다.
  4. 그런 다음 BC 아이콘을 클릭하고 규정된 속도를 선택하여 이전에 정의된 유입 파형(즉, 푸리에 변환 후 PC-MRI 파생 CCA 흐름)을 가져옵니다. 경계 조건 창에서 포물선 속도 프로파일을 CCA의 입구에 매핑합니다.
    참고: CRIMSON에서는 입구 흐름이 음수이고 출구 흐름이 양수인 것이 규칙입니다.
  5. 마찬가지로 PC-MRI에서 재구성된 박동 ECA 유출 파형(규정된 속도)을 가져오고 포물선 속도 프로파일을 ECA의 출구에 매핑합니다.
  6. BC 아이콘 | RCR을 선택하여 근위 저항(Rp), 원위 저항(Rd) 및 커패시터(C)로 구성된 3요소 Windkessel 모델(RCR)을 채웁니다. RCR을 ICA의 출구에 매핑합니다. PC-MRI 흐름 데이터와 환자의 혈압을 사용하여 대략적인 환자별 RCR 값을 계산합니다.
    1. 총 동맥 저항은 RT= P평균/QT이며, 여기서 평균 혈압 P평균 = 수축기 혈압 1/3 P +이완기 혈압 2/3 P, QT 는 모델로 들어가는 총 심장 흐름(이 경우 CCA 흐름)입니다.
    2. 총 동맥 순응도는 CT = (QT,max-Q T,min)/(P수축기-P이완기)*Δt이며, 여기서 QT,max 및 QT,min 은 CCA 유입의 최대값과 최소값이고 Δt는 이 값 사이의 시간 경과입니다.
    3. Windkessel 모델 매개변수에 대한 초기 추정치는 환자별 이미징에 의해 알려지며 ICA 배출구에 RT 및 CT 의 일부를 분배하여 얻습니다.
      참고: 그림 1B 는 본 모델링 체계에 사용된 경계 조건을 보여줍니다. 본 연구는 앞서 언급한 경계 조건 세트를 활용합니다. 그러나 다른 경계 조건 세트를 활용할 수 있습니다.

6. 전산 유체 역학 모델링: 시뮬레이션

  1. 메 쉬 및 솔버 설정 창에서 솔버 설정 아이콘 | Sovler Parameters 를 사용하여 CRIMSON 내에서 솔버 매개변수를 지정합니다.
    1. 4개의 심장 주기에 대해 0.1ms의 시간 단계 크기를 사용하여 시뮬레이션을 실행합니다.
      참고: 각 시간 단계에서 수렴된 것으로 간주되는 솔루션에 필요한 잔차는 1 x 10-4입니다. 고급 ICA 협착증은 Carreau-Yasuda 모델을 사용하여 비압축성 비뉴턴 유체로 혈액을 모델링하는 복잡하고 재순환 흐름 영역을 가지고 있기 때문입니다. 이는 솔버 입력 파일에 점도 상수 모델을 추가하여 수행할 수 있습니다(6.3.1 참조). 혈액의 밀도를 1,060kg·m-3으로 설정합니다.
      비압축성 Navier-Stokes 방정식에 대한 안정화된 유한 요소 공식은 모델의 혈류 속도 및 압력을 해결합니다.
  2. 시뮬레이션을 시작하려면 CRIMSON의 솔버 설정을 사용하여 시뮬레이션 파일을 준비합니다. 구체적으로, 유동 데이터(bct.dat), 각 시간 단계의 유입 흐름(bctFlowWaveform.dat), 메쉬 및 경계 조건에 대한 정보(geombc.dat), 각 경계 조건이 적용되는 면에 대한 정보(faceinfo.dat), 시뮬레이션의 첫 번째 시간 단계 번호(numstart.dat), 3요소 Windkessel 데이터(rcrt.dat), 메쉬의 모든 지점에서 압력 및 속도에 대한 정보가 포함된 파일(재시작 파일), 그리고 FlowSolver(Solver.inp)에 대한 지침.
    1. Carreau-Yasuda 모델을 solver.inp에 추가하고 시뮬레이션 파일에 추가하여 혈액을 비뉴턴 유체로 모델링할 수 있습니다.
  3. 시뮬레이션을 실행하려면 다음 중에서 선택합니다.
    1. CRIMSON Navier-Stokes 흐름솔버를 실행하는 가장 간단한 방법은 솔버 설정 창의 연구 창에서 시뮬레이션 실행 버튼을 누릅니다. 그러면 사용자가 사용할 프로세서 수를 지정할 수 있는 명령 창이 열립니다.
      참고: flowsolver는 Windows 배치 파일을 사용하여 명령줄에서 실행할 수도 있습니다.
      일부 시뮬레이션(즉, 정상 상태 가정 하의 시뮬레이션)은 로컬 Windows 데스크톱 컴퓨터에서 CRIMSON을 통해 직접 실행할 수 있지만, 많은 사면체 요소(>200,000)로 구성된 메시를 사용하는 박동 시뮬레이션에는 Linux 운영 체제를 사용하는 더 많은 컴퓨터 고성능 컴퓨팅(HPC) 클러스터가 필요합니다.
  4. CRIMSON Navier-Stokes 플로우솔버를 사용하여 HPC 클러스터에서 72-108개의 코어로 계산을 수행합니다. HPC 클러스터에서 시뮬레이션을 수행하는 경우 모든 사전 솔버 파일을 클러스터로 전송합니다.
    참고: HPC 클러스터로 파일을 전송하는 프로세스는 사용 가능한 기술 및 소프트웨어에 따라 개인 및 기관마다 다릅니다.
  5. 솔버가 실행되기 시작하면 "histor.dat"이라는 출력 파일이 명령줄에 인쇄되는지 확인합니다. 시뮬레이션 출력 파일은 "n-procs-case"라는 새 디렉터리에 저장되며, 여기서 "n"은 시뮬레이션을 위한 프로세서 수입니다.
    1. 리눅스 프롬프트 tail -f histor.dat 를 사용하여 "histor.dat" 파일을 실시간으로 봅니다. histor.dat 파일은 여러 열로 구성됩니다. 그러나 처음 네 개의 열이 가장 중요합니다.
      1. 첫 번째 열은 현재 시간 단계이며, 각 단계 내에서 Navier-Stokes 방정식이 여러 번 풀려 다음 단계로 진행하기 전에(즉, 지정된 잔차에 접근하기 전에) 수치 해의 정확도를 높이기 때문에 여러 번 나타날 수 있습니다.
      2. 두 번째 열은 경과된 시뮬레이션 시간(초)임을 확인합니다.
      3. 세 번째 열은 현재 솔루션의 품질을 측정하는 비선형 잔차입니다(숫자가 낮을수록 향상된 솔루션을 나타냄).
      4. 네 번째 열은 시뮬레이션 시작 시 초기 잔차와 비교한 현재 잔차의 로그 값으로, 시작점을 기준으로 현재 잔차의 척도를 제공합니다.

7. 전산 유체 역학 모델링: 후처리

  1. 시뮬레이션이 완료된 후 수렴을 확인합니다(즉, 시뮬레이션 접근 방식이 지정된 잔차를 충족하는 데 성공했습니까). "histor.dat" 파일에 포함된 정보를 사용하여 잔차를 플로팅 및/또는 시각화합니다.
  2. 상세한 시뮬레이션 결과를 시각화하려면 후처리가 필요합니다. "n-procs-case" 폴더로 이동하여 postsolver 및 multipostsolver 실행 파일(둘 다 CRIMSON flowsolver 설치 파일에서 찾을 수 있음)을 수행합니다.
    1. postsolver 실행 파일(postsolver -sn<마지막 시간 단계> -td -ph -ybar)을 사용하여 메시의 각 노드에 대한 오류 측정값이 포함된 "ybar" 파일을 생성합니다.
    2. multipostsolver 실행 파일(multipostsolver <첫 번째 시간 단계> <마지막 시간 단계> <증분> )을 사용하여 첫 번째 시간 단계와 마지막으로 지정된 시간 단계 사이에 지정된 증분으로 결과를 읽어 다시 시작 파일을 결합합니다.
  3. CCA의 유입과 ECA 및 ICA의 유출에 대한 유동 파형이 포함된 "FlowHist.dat" 파일을 검사하여 질량 보존을 확인합니다.
  4. "PressHist.dat" 파일을 보고 최대 압력(SBP), 최소 압력(DBP), MAP 및 맥압(맥압 = SBP-DBP)을 포함한 압력을 검사합니다.
  5. 혈압과 같은 환자별 정보와 일치하도록 RCR 매개변수를 조정합니다. 구체적으로, CCA 출구에서 시뮬레이션된 맥압이 환자 맥압의 5% 이내와 MAP(커프 측정에서)의 10% 이내가 되도록 저항과 정전 용량을 조정합니다.
    알림: 저항을 증가시켜 압력(SBP, DBP 및 MAP)을 높이고 순응도를 높여 맥압을 낮춥니다(그 반대의 경우). RCR 튜닝은 반복 프로세스이며, 이를 고정 소수점 반복이라고도 합니다.

8. 전산 유체 역학 모델링: 데이터 분석

  1. 시뮬레이션이 지정된 튜닝(즉, 환자 맥압의 5% 이내의 시뮬레이션된 맥압)을 통과한 후 데이터를 내보내고 시각화하고 분석합니다.
  2. multipostsolver 실행 파일이 실행된 후 생성된 폴더에서 "view.pht" 파일을 식별하고 [즉, (multipostsolver <첫 번째 시간 단계> <마지막 시간 단계> ])를 Paraview로 가져옵니다.
  3. Paraview에서 다음 변수를 계산하고 시각화합니다.
    1. 속도(및 유량): CRIMSON은 속도를 mm/s 단위로 보고하지만 DUS 이미징 속도는 cm/s 단위로 보고됩니다. Paraview의 계산기를 사용하여 속도를 cm/s로 변환합니다.
      참고: 미끄럼 방지 또는 단단한 벽 경계 조건이 사용되었기 때문에 벽의 속도는 0이 됩니다. 따라서 볼륨 렌더 기법을 사용하여 속도를 시각화하는 것이 가장 좋습니다.
      1. Paraview의 클립 또는 슬라이스 기능을 사용하여 모델의 특정 부분(즉, 최대 협착 지점)의 속도 프로파일을 캡처합니다.
    2. 압력(및 압력 비율)
      참고: CRIMSON은 Pascal(Pa)에서 압력을 보고합니다. 그러나 임상적으로 압력은 mmHg 단위로 보고됩니다. 압력(Pa)을 133.33으로 나누어 계산기를 사용하여 압력을 mmHg로 변환합니다.
      1. 클립이나 슬라이스를 사용하여 ICA 협착증의 근위 및 원위 압력을 포착합니다. Paraview에서 "Plot Data Overt Time" 필터를 사용하여 시간 경과에 따른 압력 파형을 얻습니다(침습적 압력 측정으로 얻을 수 있는 파형과 유사).
      2. 평균 원위 압력을 평균 근위 압력으로 나누어 압력 비율을 계산합니다.
    3. 벽 전단 응력(WSS): 먼저 관심 영역(ICA 협착증)을 선택하고 계산기를 사용하여 WSS의 크기를 구하고 "시간 통계 필터"를 사용하여 시간 평균 WSS를 계산합니다.
    4. 시간 평균 WSS를 계산한 후 Paraview에서 OSI(Oscillatory Shear Index)를 계산합니다(위 참조).
      참고: OSI는 심장 주기 동안 WSS가 방향과 크기를 얼마나 변화시키는지를 측정한 것입니다. OSI 값의 범위는 0에서 0.5까지이며, 여기서 0은 단방향 WSS를 나타내고 0.5는 시간 평균이 0인 WSS를 나타냅니다.

9. qMatch MRI를 이용한 플라크 형태 분석

  1. MATLAB 이미지 재구성 프로그램을 통해 원시 qMatch 이미지 데이터를 실행하여 암색 혈액, T1 강조, T2 강조, MRA, qMatch T1 맵 및 qMatch T2 맵 이미지를 포함한 후처리 이미지를 얻습니다.
  2. DICOM 뷰어를 사용하여 후처리된 qMatch MRI 이미지를 시각화하고 플라크 구성을 평가합니다.
    참고: qMatch는 칼슘, 플라크내 출혈(IPH), 지질이 풍부한 괴사 코어(LRNC), 섬유성 캡 두께 및 그 상태를 포함한 플라크 구성 요소를 식별할 수 있습니다.
    1. 일반적으로 각 구성 요소는 qMatch 데이터 세트에서 다음과 같은 특성을 갖습니다(표 1).
      1. 칼슘: 어두운 혈액, T1 강조 및 T2 강조 이미지에서 저강렬함.
      2. 최근 IPH: T1 강조 이미지에서 초강렬하고 T2 강조 이미지에서 초강렬에서 등강렬.
      3. 이전 IPH: T1 강조 이미지에서 초강렬하고 T2 강조 이미지에서 저강렬에서 등강렬합니다.
      4. LRNC: T1 강조 이미지에서 초강렬하고 T2 강조 이미지에서 저강도.
      5. FC: T2 강조 이미지에서 초강렬에서 등강렬.
  3. 수정된 American HeartAssociation 27 및/또는 Plaque-RADES(Reporting and Data System)28 분류 시스템을 사용하여 구성 요소를 기반으로 플라크의 등급을 매깁니다.

Results

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

qMatch MRI와 함께 이 MRI 기반 CFD 워크플로를 사용하면 혈역학적 부하와 ICA 협착증 및 플라크의 특정 구성 요소를 식별할 수 있습니다. 먼저 중요한 영역에서 흐름 특징을 정확하게 표현할 수 있는 고품질 메쉬가 있는지 확인하는 것부터 시작합니다. 최종 메쉬에는 종횡비가 낮은 적절한 수의 메쉬 요소가 포함되어야 합니다(그림 1A). 종횡비가 높은 거친 메쉬는 부정확한 시뮬레이션 결과를 초래할 수 있습니다. 그런 다음 경계 조건의 사양을 진행합니다(그림 1B). 시뮬레이션을 성공적으로 완료하고 적절한 경계 조건 조정을 수행한 후 비침습적 및 환자별 혈역학을 수집할 수 있습니다.

속도, 유량, 압력(압력 비율 및 압력 구배 포함), WSS 및 OSI를 포함하되 이에 국한되지 않는 측정할 수 있는 특정 혈역학적 지표. 그림 2 는 경동맥 분기점과 ICA 협착증을 가로지르는 대표적인 속도 프로파일을 보여줍니다. 심장 주기 전반에 걸쳐 최대 속도 프로파일의 시각화는 DUS에서 파생된 속도 파형의 대용물 역할을 할 수 있습니다. 따라서 PSV와 확장기말 속도(EDV)를 모두 근사화할 수 있습니다. 그림 3 은 경동맥 분기점과 ICA 협착증을 가로지르는 압력(mmHg)의 두 가지 대표적인 예를 보여줍니다. 압력 구배는 협착증의 근위 및 원위부 압력 파형을 수집하여 측정할 수 있습니다.

그림 3A에서 협착증의 근위부(빨간색 선)와 원위부(파란색 선)의 압력 차이는 거의 또는 전혀 없습니다. 그러나 그림 3B에서 협착증의 근위부(빨간색 선)와 원위부(파란색 선)의 압력에는 큰 차이가 있습니다. 그림 4는 경동맥 분기점과 ICA 협착증을 가로질러 매핑된 WSS(Pa)의 두 가지 대표적인 예를 보여줍니다. 그림 4A에서는 협착증 전체에 낮은 WSS가 있는 반면, 그림 4B에서는 협착증 전체에 큰 WSS가 있습니다. 그림 5는 CEA 전(그림 5A: 수술 전)과 후(그림 5B: 수술 후) 경동맥 분기점을 가로질러 매핑된 OSI의 비교를 보여줍니다. 수술 후 지도는 수술 전과 비교하여 OSI가 더 높은 영역을 보여줍니다.

qMatch 이미지의 적절한 후처리 후 암흑 혈액, T1 강조, T2 강조, MRA, qMatch T1 맵 및 qMatch T2 맵 시퀀스를 포함하여 6개의 DICOM 세트가 포함된 데이터 세트가 생성됩니다. 이러한 데이터 세트를 사용하여 칼슘, IPH, LRNC 및 섬유성 캡 두께 및/또는 파열을 포함한 플라크 구성 요소를 시각화하고 정량화할 수 있습니다(T1 맵 및 T2 맵 시퀀스 사용). 표 1 은 qMatch 데이터 세트에서 각 플라크 구성 요소의 일반적인 특성을 보여줍니다. 그림 6 은 IPH 환자의 대표적인 qMatch 데이터 세트를 보여줍니다. ICA의 윤곽은 흰색 실선으로 표시되고, 흐름 루멘은 흰색 점선으로, 플라크는 노란색 점선으로 표시됩니다. IPH(빨간색 실선)의 특징은 T1 강조 이미지에서 고강도 신호와 T1 맵에서 낮은 T1 측정으로 입증되었습니다. 그림 7 은 석회화된 플라크가 심하게 있는 환자의 대표적인 qMatch 데이터 세트를 보여줍니다. ICA의 윤곽은 흰색 실선으로 표시되고 흐름 루멘은 흰색 점선으로 표시됩니다. 플라크의 석회화된 부분(주황색 점선)은 어두운 혈액, T1 강조 및 T2 강조 이미지에서 저강도 신호로 입증되었습니다.

figure-results-1
그림 1: 전산 유체 역학 모델링 방법의 개요. (A) 환자별 형상 및 메싱 생성 및 (B) 경계 조건 사양. (A) CTA에서 비식별화된 DICOM 이미지 데이터를 CRIMSON으로 가져오고 관심 해부학(CCA, ICA 및 ECA 포함)이 결정됩니다. 중심선 점은 관심 해부학 내에서 각 혈관의 길이를 따라 배치됩니다. 용기 벽의 경계는 등고선을 추가하여 지정됩니다. 용기 가지는 로프트된 다음 필렛 작업과 결합됩니다. 그런 다음 최종 기하학적 모델은 협착 수준에서 국부적인 메쉬 미세 조정이 있는 여러 사면체 요소로 구성된 메쉬로 이산화됩니다. (B) 압력과 속도의 변화를 허용하기 위해 ICA 배출구에 3요소 Windkessel이 처방됩니다. 2D 심장 게이트 PC-MRI는 C5(빨간색 원 및 타원)의 CCA 수준과 근위 ECA(주황색 원 및 타원) 및 병변 원위 ICA 중간 ICA(파란색 원 및 타원)의 경동맥 분기점 위에서 얻어 체적 혈류 파형을 측정합니다. 유량 파형은 CCA 입구와 ECA 출구에 규정됩니다. 약어: CTA = 컴퓨터 단층 촬영 혈관 조영술; CCA = 총경동맥; ICA = 내경동맥; ECA = 외경동맥; PC = 위상차. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오. 

figure-results-2
그림 2: CFD 워크플로의 속도 정보. 오른쪽) 전방 보기에서 심한 협착증이 있는 CCA, ECA 및 ICA를 포함하는 경동맥 분기 모델에 매핑된 속도(cm/s). 왼쪽) 한 심장 주기 동안 시간 경과에 따른 최대 속도를 시각화할 수 있어 이중 초음파의 대용물 역할을 합니다. 약어: CCA = 총경동맥; ECA = 외경동맥; ICA = 내경동맥. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-results-3
그림 3: 전방 보기에서 두 가지 경우에 대해 경동맥 분기점을 가로질러 매핑된 압력(mmHg)의 대표적인 예. 압력은 CCA, ECA 및 ICA의 기하학적 모델에 매핑됩니다. (A) ICA 협착증의 근위부(빨간색 선, 빨간색 압력 파형)와 원위부(파란색 선, 파란색 압력 파형)의 압력 차이가 거의 또는 전혀 없는 경우. (B) ICA 협착증의 근위부(적색선, 적색 압력 파형)와 원위부(파란색 선, 파란색 압력 파형)의 압력 차이가 큰 경우. 약어: CCA = 총경동맥; ECA = 외경동맥; ICA = 내경동맥. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-results-4
그림 4: 전방 보기에서 두 가지 경우에 대해 경동맥 분기점을 가로질러 매핑된 벽 전단 응력(Pa)의 대표적인 예. WSS는 CCA, ECA 및 ICA의 기하학적 모델에 매핑됩니다. (A) ICA 협착증 전반에 걸쳐 WSS가 낮은 경우. (B) ICA 협착증을 가로지르는 큰 WSS가 있는 경우. 약어: WSS = 벽 전단 응력; CCA = 총경동맥; ECA = 외경동맥; ICA = 내경동맥. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오. 

figure-results-5
그림 5: 전방 및 후방 보기를 포함하여 경동맥 내막 절제술 전(수술 전) 및 후(수술 후)의 진동 전단 지수 비교. OSI는 CCA, ECA 및 ICA의 기하학적 모델에 매핑됩니다. 병변 및 수리된 병변(OSI가 비교되는 세그먼트)이 강조 표시됩니다. 수술 후 지도는 수술 전과 비교하여 OSI가 더 높은 영역을 나타냅니다. 약어: OSI = 진동 전단 지수; CCA = 총경동맥; ECA = 외경동맥; ICA = 내경동맥; CEA = 경동맥 내막 절제술. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오. 

figure-results-6
그림 6: 플라크 내 출혈 환자의 대표적인 qMatch 데이터 세트. (A) 암흑 혈액, (B) T1 강조, (C) T2 강조, (D) MRA, (E) qMatch T1 맵 및 (F) qMatch T2 맵 서열. ICA의 윤곽은 흰색 실선으로 표시되고, 흐름 루멘은 흰색 점선으로, 플라크는 노란색 점선으로 표시됩니다. IPH(빨간색 실선)의 특징은 T1 강조 이미지에서 고강도 신호와 T1 맵에서 낮은 T1 측정으로 입증되었습니다. 약어: IPH = 플라크 내 출혈. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-results-7
그림 7: 석회화된 플라크가 있는 환자의 대표적인 qMatch 데이터 세트. (A) 어두운 혈액, (B) T1 강조, (C) T2 강조, (D) MRA, (E) qMatch T1 맵 및 (F) qMatch T2 맵 서열. ICA의 윤곽은 흰색 실선으로 표시되고 흐름 루멘은 흰색 점선으로 표시됩니다. 플라크의 석회화된 부분(주황색 점선)은 어두운 혈액, T1 강조 및 T2 강조 이미지에서 저강도 신호로 입증되었습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

플라크 구성 요소MRA다크 블러드T1wT2wT1 지도T2 맵
아이피++정량화에 사용정량화에 사용
칼슘---정량화에 사용정량화에 사용
LRNC=-정량화에 사용정량화에 사용
섬유질 캡-/=-/=-정량화에 사용정량화에 사용

표 1: qMatch 데이터 세트에서 플라크 구성 요소의 특성. 약어: MRA = 자기 공명 혈관 조영술; T1w = T1 가중치; T2w = T2 가중치; IPH = 플라크 내 출혈; LRNC = 지질이 풍부한 괴사 코어; + = 초강렬함; - = 저강도; (=) 등강.

Discussion

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

여기에서 우리는 ICA 협착증 전반에 걸쳐 혈역학적 부하와 플라크 구성을 비침습적으로 특성화하는 프로토콜을 제시하여 협착률 단독으로 평가하는 현재 진단 양식보다 색전 가능성에 대한 보다 포괄적인 평가를 제공합니다. CFD 모델에 정보를 제공하기 위해 CTA, PC-MRI 및 혈압 커프 데이터를 포함하여 후향적 및 전향적 방식으로 환자 영상 및 압력 데이터를 얻는 것으로 시작합니다. 또한 알려진 환자 데이터에 해당하도록 모델, 특히 Windkessel 모델의 경계 조건을 조정합니다. 따라서 이 프로토콜을 사용하면 플라크 색전증 및 뇌졸중에 대한 생리학적으로 관련된 위험 요인과 관련된 정확하고 환자별 데이터를 수집할 수 있습니다.

생리학적으로 정확하고 환자별 데이터로 모델과 경계 조건을 알리는 것은 정확한 시뮬레이션 결과를 위해 매우 중요합니다. 뇌혈관 공간의 일부 계산 시뮬레이션은 유입 파형을 도출하기 위해 DUS, 수치적 방법 또는 비환자 특정 가정에 의존합니다 21,29,30,31. DUS의 사용은 널리 사용 가능하고, 임상 환경에서 자주 사용되며, 비용이 저렴하고, 쉽게 접근할 수 있다는 점을 감안할 때 매력적입니다. 그러나, PC-MRI는 일반적으로 유량을 측정하기 위한 보다 정확한 방법인 것으로 간주된다 32,33,34. PC-MRI는 내강 내의 여러 위치에서 속도를 직접 정량화할 수 있으므로 혈관 내의 유동장 내의 비대칭을 수용하여 유동학에 대한 보다 포괄적인 묘사를 제공합니다(32,33). PC-MRI는 또한 심문 각도 및 측정 선택 위치와 같은 DUS에 의해 도입된 작업자별 편향의 영향을 받지 않습니다. 반면에 DUS는 작업자에 따라 달라지는 경우가 많으며 용기 면적을 캡처하는 데 덜 정확하고 복잡한 흐름 패턴으로 인해 종종 부정확한 흐름이 발생합니다. 그럼에도 불구하고 PC-MRI 유량 측정은 약 10%의 오차로 완벽하지 않습니다35,36. 적절한 혈관 인코딩을 보장하고, 혈관 축에 직교하는 이미지 평면을 유지하고, 적절한 시간 및 특수 해상도를 유지하고, 위상 오프셋 오류를 최소화하기 위해 특별한 주의를 기울여야 합니다37. 마지막으로, MRI는 환자 기하학을 평가할 때 고려해야 하는 CTA에 비해 협착증을 과대평가할 수 있습니다38. DUS 흐름 파형에 의해 알려진 CFD 모델의 혈역학적 출력과 PC-MRI 흐름 파형에 의해 알려진 CFD 모델의 혈역학적 출력을 비교하는 데 초점을 맞춘 향후 작업이 보증됩니다.

유출 경계 조건의 선택은 혈류의 CFD 시뮬레이션에서 속도 및 압력장에 상당한 영향을 미칠 수 있습니다. 우리의 접근 방식에서 우리는 ECA에 포물선 유출 파형을 부과하고 ICA를 3요소 Windkessel 모델에 결합하기로 결정했습니다. 경계 조건 사양에 대한 이러한 접근 방식은 입구와 출구 사이의 질량 보존을 강력하게 시행하는 동시에 환자의 혈압을 정확하게 일치시킬 수 있게 합니다39. 따라서 우리는 이것이 ICA 혈역학을 가장 정확하게 묘사할 것이라고 느꼈습니다. 그러나, 우리가 우리의 모델 배출구 중 하나(즉, ECA)에 유동 파형을 부과하고 있다는 점을 감안할 때, 유출 파형이 CCA 유입 파형(39)과 동기화되도록 하는 것이 중요하다. 우리의 접근 방식에서 이것은 2D 심장 게이트 PC-MRI에서 흐름 데이터를 수집함으로써 가능했습니다. 그러나 이러한 데이터를 얻는 것이 비실용적인 경우에는 다른 경계 조건 접근 방식(즉, ECA와 ICA를 모두 3요소 Windkessel 모델에 결합)이 유리할 수 있으므로 유입 및 유출 파형의 시간적 정렬에서 가정을 할 필요가 없습니다39.

이 프로토콜에는 명심해야 할 중요한 제한 사항이 있습니다. 첫째, 이 모델링 접근법은 동측 경동맥 분기점으로만 구성되기 때문에 윌리스 원 및/또는 측부의 존재 또는 반대쪽 ICA 협착증의 정도와 같은 대뇌 혈역학에 영향을 미치는 중요한 요인을 포함하지 않습니다. Willis 서클에서 불완전한 측부 경로를 가진 환자는 중증 뇌졸중 발생률이 더 높고 뇌졸중 후 예후가 더 나쁜 것으로 입증되었습니다 40,41,42. 또한, 특허 담보의 존재는 뇌졸중 및 일과성 허혈 발작의 위험 감소와 관련이 있습니다 9,43,44. 또한 여러 연구에서 반대쪽 ICA 협착증(또는 폐색)의 존재가 동측 ICA 속도에 영향을 미친다는 것을 입증했습니다 45,46,47,48. 또한, 우리 그룹은 최근 심각한 반대쪽 ICA 협착 및 폐색이 동측 ICA WSS 및 압력에 영향을 미친다는 것을 입증했습니다49. 그러나 Willis의 전체 서클을 모델링하는 것은 자원 집약적이며 현재 프로토콜의 임상적 유용성을 제한합니다.

우리 모델의 또 다른 한계는 ICA 출구에서 저항 및 순응도의 변화를 허용하지 않았으므로 협착 중증도가 다른 혈류 분포에 영향을 미칠 수 있는 대뇌 자동 조절을 설명하지 않는다는 것입니다. 또한 우리는 용기 벽을 변형 가능한 것이 아니라 단단한 것으로 모델링했습니다. 그러나 경동맥 협착증은 혈관 경직 증가와 관련이 있기 때문에 경직된 벽 가정이 합리적이라고 생각합니다. 또한 서로 다른 수준의 ICA 협착증에 대해 WSS 및 PG의 잘 정의된 임계값이 없으며 뇌졸중 위험과의 연관성이 아직 정의되지 않았으므로 현재 모델에서는 임상적 번역 가능성을 검증하지 않았으며 아직 환자의 뇌졸중 위험을 추정할 수 없습니다. 마지막으로, qMatch MRI 시퀀스는 표준 MRI 스캐너에서 쉽게 사용할 수 없습니다. qMatch에는 3T MRI 기계가 필요하며 표준 임상 MRI 시퀀스가 아니기 때문에 시퀀스를 수동으로 가져와야 합니다. 또한 프로토콜에서 지정한 대로 qMatch는 MATLAB에서 복잡한 후처리가 필요하므로 광범위한 임상 사용에 대한 일반화 가능성을 더욱 제한할 수 있습니다.

ICA 협착증의 혈역학적 영향을 정의 및 평가하고 개별화된 뇌졸중 위험을 더 잘 계층화하기 위한 새로운 지표는 혈관외과학회의 현재 최우선 연구 우선순위인 진단 도구, 영상 기술 및 진단 도구 개발 무증상 ICA 협착증 치료로 혜택을 받을 수 있는 환자를 식별하기 위한 것입니다 50. 이 프로토콜은 ICA 협착증 전반에 걸쳐 혈역학적 부하와 플라크 구성을 비침습적으로 특성화할 수 있는 장비를 잘 갖추고 있으므로 현재 진단 양식보다 ICA 플라크 색전 가능성에 대한 보다 포괄적인 평가를 제공합니다. 향후 작업에서 우리는 혈역학 지표(예: WSS 및 PG)와 ICA 플라크 색전증 및 뇌졸중의 위험과의 연관성을 더 잘 정의하려고 합니다.

Disclosures

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

저자는 이해 상충이 없음을 선언합니다.

Acknowledgements

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

이 연구는 국립보건원(National Institute of Health F32HL168968)과 Frederick A. Coller Surgical Society의 지원을 받았습니다.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
진홍색해당 사항 없음해당 사항 없음오픈 소스 온라인 소프트웨어
호로스호로스해당 사항 없음오픈 소스 온라인 소프트웨어
MATLAB 버전 14매스웍스해당 사항 없음
파라뷰해당 사항 없음해당 사항 없음오픈 소스 온라인 소프트웨어
지멘스 3T VIDA MRI 스캐너 지멘스 헬시니어스해당 사항 없음

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