Patiënt-specifieke modellering van het Hart: Schatting van ventriculaire vezeloriëntaties

Samenvatting

Een methodiek om ventriculaire vezeloriëntaties schatten van in-vivo beelden van patiënt hart geometrieën voor gepersonaliseerde modellering wordt beschreven. Validering van de methodologie uitgevoerd met behulp van de normale en falende harten hond laten zien dat dat er geen significante verschillen tussen geschatte en verworven vezeloriëntaties werden bij een klinisch waarneembare niveau.

Samenvatting

Patiënt-specifieke simulaties van het hart (dys) functie gericht op het aanpassen van cardiale therapie worden gehinderd door het ontbreken van in vivo imaging technologie voor klinisch verwerven van myocardiale vezeloriëntaties. Het doel van dit project was een methodologie om de cardiale vezeloriëntaties schatten van in-vivo beelden van de patiënt hart geometrieën te ontwikkelen. Een nauwkeurige weergave van ventriculaire geometrie en vezeloriëntaties werd gereconstrueerd, respectievelijk van hoge resolutie ex vivo structurele magnetische resonantie (MR) en diffusion tensor (DT) MR beelden van een normaal menselijk hart, aangeduid als de atlas. Ventriculaire geometrie van een patiënt hart geëxtraheerd, via halfautomatisch segmentatie van een in vivo computertomografie (CT) beeld. Met beeldtransformatie algoritmen is de atlas ventriculaire geometrie vervormd dat van de patiënt overeenkomen. Tenslotte werd de vervorming veld toegepast op de atlas vezel orientationen om een ​​schatting van de patiënt vezeloriëntaties te verkrijgen. De nauwkeurigheid van de vezel schattingen werd beoordeeld met behulp van zes normale en drie falende honden harten. De gemiddelde absolute verschil tussen de hellingshoeken van verworven en geschat vezeloriëntaties was 15,4 °. Computational simulaties van ventriculaire activering kaarten en pseudo-ECG in sinusritme en ventriculaire tachycardie gaf aan dat er geen significante verschillen tussen de geschatte en de verworven vezeloriëntaties werden bij een klinisch waarneembaar level.The nieuwe inzichten verkregen uit het project zal de weg vrijmaken voor de ontwikkeling van patiënt-specifieke modellen van het hart dat kan helpen artsen in gepersonaliseerde diagnose en beslissingen met betrekking tot elektrofysiologische ingrepen.

Inleiding

De computationele benadering wordt steeds centraal staat in de vooruitgang van het begrip van de functie van het hart bij gezondheid en ziekte. State-of-the-art hele hart modellen van elektrofysiologie en elektromechanica worden momenteel gebruikt om een breed scala van verschijnselen, zoals normale ventriculaire vermeerdering, aritmie, defibrillatie, elektromechanische koppeling, en cardiale resynchronisatie ¹ te bestuderen. Echter, voor de computationele benadering rechtstreeks toepasselijk zijn in de klinische omgeving, is het noodzakelijk dat de modellen zijn patiënt-specifieke, dat wil zeggen de modellen moeten worden gebaseerd op de specifieke architectuur en elektrofysiologische of elektromechanische eigenschappen van zieke de patiënt het hart. Simulatie met dergelijke modellen zal helpen artsen om op zeer persoonlijke uitspreken voor elektrofysiologische ingrepen als profylaxe, waardoor drastisch verbeteren van cardiale zorg ^2-4.

content "> Creatie van realistische modellen cardiale het verwerven van de geometrie en vezelstructuur van een patiënt hart. vezeloriëntaties richtingen van elektrische voortplanting en vervormingen bepalen in het hart en daarom aanschaf is essentieel hartmodellering ^{5, 6.} met recente ontwikkelingen in de medische beeldvorming, is het nu mogelijk om de geometrie van een patiënt hart includingstructural remodeling zoals infarct, in vivo met een hoge resolutie met behulp van magnetische resonantie beeldvorming (MRI) en computertomografie (CT) technologieën. echter geen praktische methode voor het verkrijgen vezelstructuur van een patiënt in vivo hart. Diffusion tensor (DT) MRI ^{7, 8,} de enige techniek vezeloriëntaties van het intacte hart verkrijgen, is niet algemeen beschikbaar in vivo door bepaalde beperkingen ^9. Korte beschrijving van de eerdere pogingen om DTMRI vertalen naar de klinische instelling vindt elsewhere ^2. Hoewel methodieken zoals rule-based toewijzing van vezeloriëntaties bieden alternatieven voor DTMRI, deze methoden hebben bepaalde ernstige beperkingen ^{2, 10.} Zo moeilijkheden bij het ​​verwerven cardiale vezelstructuur in vivo momenteel beletsel voor de toepassing van de elektrofysiologische en elektromechanische cardiale simulaties in de klinische setting. Het doel van dit onderzoek was om direct in deze behoefte.

Wij veronderstelden dat ventriculaire vezeloriëntaties van een hart nauwkeurig kan worden voorspeld gezien de geometrie van het hart en een atlas, waarbij de atlas is een hart waarvan de geometrie en vezeloriëntaties zijn. Daarom gebruikten we state of the art technieken om een methodologie voor het schatten van cardiale vezeloriëntaties in vivo te ontwikkelen, en de hypothese getest in normale en falende honden ventrikels ^2. Het centrale idee van onze vezels ramingsmethodologie is gebruik te maken similarities in vezeloriëntaties ten opzichte geometrie tussen hart om ongeveer de vezelstructuur van een (doel) hart die op de geometrie informatie beschikbaar is. In het hart van onze ramingsmethodologie is de registratie van de atlas geometrie met het doel geometrie met behulp van grote vervormingen diffeomorf metrische mapping (LDDMM) ^11, en ​​de morphing van atlas vezeloriëntaties met behoud van principale componenten (PPD) ^{2, 12.} De diffeomorphicproperty van LDDMM garandeert dat de atlas niet "foldover" zelf tijdens vervorming, waardoor het behoud van de integrityof anatomische structuren. Figuur 1 de verwerking pijplijn van onze methodologie illustreert. Het protocol tekstdeel § 1 beschrijft de verschillende onderdelen van de pijpleiding door te tonen hoe de schatting kan worden uitgevoerd voor voorbeeld patiënt. De cijfers in sommige van de blokken in figuur 1 verwijzen naar de corresponderendesubsecties in sectie § 1 van het protocol tekst.

We hebben het functioneren van de voorgestelde methodologie door het kwantificeren van de schattingsfout, en het meten van het effect van deze fout onsimulations van elektrofysiologie van het hart, door computationeel simuleren lokale elektrische activering kaarten en pseudo-elektrocardiogrammen (pseudo-ECG's). Als gevolg van de onbeschikbaarheid van het menselijk hart, werd de evaluatie van de prestaties uitgevoerd met behulp van honden harten beschikbaar van eerdere studies ^13-15. De schattingsfout werd berekend door middel van kantelhoeken ¹⁶ followingthe traditie histologie, waar hoekmetingen zijn performedon weefselsecties die die evenwijdig aan de epicardialsurface. Aangezien de anglebetween de vezelrichting en epicardiale raakvlak is generallysmall ^{17, 18,} ​​de informatieverlies het beschrijven van een fiberdirection geheel met de kantelhoek onbeduidend is. Voor de computnele simulaties image-gebaseerde modellen werden gebouwd zoals eerder ^{19, 20} en hartweefsel in de modellen werd weergegeven op basis van vastgestelde mathematische technieken en experimentele data ^21-25. Sinusritme werd gesimuleerd door replicerende activering afkomstig van de Purkinje netwerk ^26, en ventriculaire tachycardie door een S1-S2 stimulatie protocol ^27. Pseudo-ECG's werden berekend ²⁸ en vergeleken met de gemiddelde absolute afwijking (MAD) metrische ^29.

Protocol

1. Vezeloriëntaties Schatting

1. Verwerven structurele MRI en DTMRI beelden van een normale volwassen menselijk hart in diastole, met een resolutie van 1 mm ^3. Met ImageJ Extraheer het ventriculaire myocardium van de atlas structurele beeld door fitting voor elke korte as slice, gesloten splines door een stel herkenningspuntposities punten langs het epicardiale en endocardiale begrenzingen in het segment (Figuur 2A en Figuur 2B). Handmatig uitvoeren van de plaatsing van landmark punten voor elke 10 ^ste segment in de afbeelding. Verkrijgen landmark punten voor de overige segmenten door lineair interpoleren het handmatig geïdentificeerd, en daarvoor MATLAB.Reconstruct de vezeloriëntaties van de atlas hart door berekening van de primaire eigenvectoren van de ODC in de DTMRI (Figuur 2C).
2. Verwerven beeld van de geometrie van de patiënt hart in diastole gebruik in vivo cardiale CT of MRI. Reconstruct de patiënt hart geometrie van het beeld vergelijkbaar met de manier waarop de atlas werd gebouwd (Figuur 3A & Figuur 3B). De patiënt afbeelding moet worden voorafgaand aan de reconstructie zoals opnieuw worden bemonsterd dat de in-plane resolutie is 1 mm ^2. Ook moet het aantal segmenten waarvoor oriëntatiepunten handmatig worden geplukt, en het interval van out-of-plane interpolatie worden aangepast zodat de gesegmenteerde patiënt hart een schijfje dikte van 1 mm.
3. Vervorm de atlas ventriculaire afbeelding om de patiënt geometrie beeld in twee stappen te passen. In de eerste stap het uitvoeren van een affine transformatie gebaseerd op een reeks van dertien oriëntatiepunten punten: de linker ventrikel (LV) apex de twee rechter ventrikel (RV) invoegpunten aan de basis, de twee RV invoegpunten halverwege basis en apex, en vier sets van twee punten die gelijkmatig RV en LV epicardiale contouren verdelen aan de basis, en halverwege tussen basis en top (Figuur 4A & Figuur 4B). In de tweede stap, vervormen de affine getransformeerde atlas ventrikels na de patiënt geometrie overeenkomen met grote vervorming diffeomorf metrisch mapping (LDDMM) (Figuur 4C).
4. Morph het DTMRI beeld van de atlas van herpositionering van beeld voxels en opnieuw richten van de ODC volgens de transformatiematrix van het affiene matching en de vervorming van het gebied LDDMM transformatie. Voer de heroriëntatie van de ODC met behulp van het behoud van de hoofdrichtingen (PPD)-methode.
5. Het verkrijgen van de schatting van de patiënt vezeloriëntaties van de morphed atlas DTMRI beeld door het berekenen van de primaire eigenvector van de DTS (figuur 5).

2. Meting van de schattingsfout

1. Acquire ex vivo structurele MR en DTMR beelden van zes normale en drie falende honden harten, met een resolutie van 312,5 × 312,5 × 800 micrometer ^3. Hier, hart failokken worden opgewekt in de hoektanden via radiofrequente ablatie van de linker bundeltakblok gevolgd door 3 weken tachypacing bij 210 min ^-1.
2. Segment de ventrikels van het hart canine vergelijkbaar met de menselijke atlas hart, zoals beschreven in § 1.1. Noem ventrikels gesegmenteerde van normale honden harten hart 1 tot 6, en die gesegmenteerde falende harten hart canine 7 tot 9 (Fig. 6).
3. Verkrijgen vijf verschillende schattingen van ventriculaire vezeloriëntaties van hart 1 door elk van harten 2 6 als een atlas (afbeelding 7).
4. Schatting vezeloriëntaties voor elk van de falende ventrikels met hart 1 als de atlas (figuur 8).
5. Foreach gegevenspunt van elke reeks van geschatte vezeloriëntaties, berekenen de schattingsfout als | θ _{c-θ a} |, waar θ _c en θ _een worden de hellingshoeken van naar schatting eend vezeloriëntaties verworven op dat moment respectievelijk.
6. Voor elk gegevenspunt van elke reeks van geschatte vezeloriëntaties, berekenen de scherpe hoek betweenestimated en verworven vezelrichtingen driedimensionaal (3D) via thevector dot product.

3. Meting van de effecten van schattingsfout op Simulaties

1. Van hart 1, bouwen zes modellen, een met de DTMRI verworven vezeloriëntaties van hart 1 (aangeduid als model 1), en vijf met de vijf geschatte vezeloriëntaties datasets (modellen 2 tot 6). Voor elk van de drie falende hart geometrieën, de bouw van twee ventriculaire modellen, een met de DTMRI-verworven vezeloriëntaties en de andere met de geschatte vezeloriëntaties. Hier de ruimtelijke resolutie van de modellen, berekend in termen van de gemiddelde lengte van de rand mazen, moet ongeveer 600 pm. Noteer de hartfalen modellen met DTMRI-vezels verkregen als modellen 7 tot 9, en die met estimated vezels als modellen 10 tot 12.In de modellen, gebruiken monodomain vertegenwoordiging aan het hartweefsel te beschrijven, met betrekking tot vergelijkingen:

waarbij σ _b de bulk geleidbaarheid tensor die wordt berekend uit de bidomain geleidbaarheid tensoren zoals beschreven door Potse et al. ^30, V _m de transmembraanpotentiaal, C _m is het membraan specifieke capaciteit en I _ion is de dichtheid van de transmembraan lopende, die op zijn beurt afhankelijk is van _m V en een aantal toestandsvariabelen μ waarin de dynamiek van ionische stromen in de membrane.For C _m u de waarde 1 μ F / cm ^2. Voor _i σ in normale honden hart modellen, gebruiken lengterichtinginterne en transversale geleidbaarheid van 0,34 W / m en 0,06 S / m, respectievelijk. Vertegenwoordigen l _lon door de Greenstein-Winslow ionische modellen van de hond ventriculaire myocyten. Verlaag de elektrische geleidbaarheid in honden hartfalen ventriculaire modellen van 30% (Figuur 9).

2. Met behulp van het softwarepakket CARP (CardioSolv, LLC), simuleren sinusritme met alle modellen. Induceren reentrant ventriculaire tachycardie (VT) in de zes niet-modellen met een S1-S2 stimulatie protocol. Kies de timing tussen S1 en S2 een aanhoudende VT activiteit te verkrijgen gedurende 2 sec na S2 levering. Als VT wordt niet geïnduceerd voor S1-S2 timing, verminderen de geleidbaarheden met 70% tot VT werd geïnduceerd (Figuur 10).
3. Voor elke simulatie berekenen pseudo-ECG door het verschil van extracellulaire potentialen tussen twee punten in een isotroop bad rond het hart. Plaats de twee punten bij de basis van gescheiden het hartmet 18 cm, zodat de lijn verbinden loodrecht op de basis-apex vlak van het septum zoals geïllustreerd in figuur 10. Voor elke simulatie met geschatte vezeloriëntaties, berekenen de MAD metrische

waarbij X de ECG golfvorm van de simulatie geschatte vezeloriëntaties, Y de ECG golfvorm van thecorresponding simulatie met verworven vezeloriëntaties, X is de gemiddelde waarde van X, Y is de gemiddelde waarde van Y en n de lengte van X en Y.

Resultaten

Figuur 11, AC toont gestroomlijnde visualisaties van en met de geraamde DTMRI afgeleide vezeloriëntaties in normale en falende harten. Kwalitatieve onderzoek blijkt dat naar schatting vezeloriëntaties goed af te stemmen op DTMRI afgeleide degenen. Panel D toont, gelegd over de geometrie van een hart, de verdeling van fouten in normale harten 'kantelhoeken, gemiddeld over alle vijf schattingen. Panel E toont de gemiddelde verdeling van fouten in falende harten 'kantelhoeken, gelegd over de geomet...

Discussie

Dit onderzoek toont dat kwantitatief, in afwezigheid van DTMRI, myocardiale vezeloriëntaties van normale en niet ventrikels kan worden geschat uit in-vivo beelden van hun geometrie voor gebruik in simulaties van cardiale elektrofysiologie. De voorgestelde methode wordt gedemonstreerd in vivo met CT data, maar is evenzeer toepasbaar op in vivo MR beelden van ventriculaire geometrie aanpak van het gebrek aan vermogen om rechtstreeks te verwerven patiënt vezelrichtingen. Het is dus een belangrijk...

Materialen

Lijst van materialen gebruikt in dit artikel

Naam	Bedrijf	Catalogusnummer	Opmerkingen
LDDMM	Johns Hopkins University		http://cis.jhu.edu/software/lddmm-volume/index.php
MATLAB	MathWorks, Inc	R2011b	http://www.mathworks.com/products/matlab/
ImageJ	National Institutes of Health		http://rsbweb.nih.gov/ij/
Tarantula	CAE Software Solutions		http://www.meshing.at/Spiderhome/Tarantula.html
CARP	CardioSolv		http://cardiosolv.com/
Canine beelden	Johns Hopkins University		http://www.ccbm.jhu.edu/research/DTMRIDS.php