Echocardiografie wordt vaak gebruikt om veranderingen in de hartstructuur en -functie niet-invasief te karakteriseren en te kwantificeren. We beschrijven een op echografie gebaseerd beeldalgoritme dat een verbeterde surrogaatmeting van myocardmicrostructuur biedt en kan worden uitgevoerd met behulp van open-access beeldanalysesoftware.
Een abonnement op JoVE is vereist om deze inhoud te bekijken. Log in of start vandaag met uw gratis proefperiode.
Methodenartikel
Ultrasone beoordeling van myocard microstructuur
In dit artikel
Samenvatting
Samenvatting
Echocardiografie is een breed toegankelijke beeldvormingsmodaliteit die vaak wordt gebruikt om veranderingen in de hartstructuur en -functie niet-invasief te karakteriseren en te kwantificeren. Ultrasone beoordelingen van hartweefsel kunnen analyses van backscatter signaalintensiteit binnen een bepaald gebied van belang omvatten. Eerder vastgestelde technieken zijn voornamelijk gebaseerd op de geïntegreerde of gemiddelde waarde van backscatter-signaalintensiteiten, die vatbaar kunnen zijn voor variabiliteit van aliasgegevens van lage framesnelheden en tijdvertragingen voor algoritmen op basis van cyclische variatie. Hierin beschrijven we een op echografie gebaseerd beeldalgoritme dat zich uitstrekt van eerdere methoden, kan worden toegepast op één beeldframe en de volledige verdeling van signaalintensiteitswaarden verklaart die zijn afgeleid van een bepaald myocardmonster. Wanneer toegepast op representatieve muis- en menselijke beeldvormingsgegevens, maakt het algoritme onderscheid tussen proefpersonen met en zonder blootstelling aan chronische afterloadweerstand. Het algoritme biedt een verbeterde surrogaatmeting van myocardmicrostructuur en kan worden uitgevoerd met behulp van open-access beeldanalysesoftware.
Inleiding
Echocardiografie is een breed toegankelijke beeldvormingsmodaliteit die vaak wordt gebruikt om veranderingen in de hartstructuur en -functie niet-invasief te karakteriseren en te kwantificeren. Ultrasone beoordelingen van hartweefsel kunnen analyses omvatten van de intensiteit van het backscatter-signaal binnen een bepaald gebied van belang op een enkel moment, evenals in de loop van de hartcyclus. Eerdere studies hebben gesuggereerd dat metingen van sonografische signaalintensiteit de onderliggende aanwezigheid van myocardvezeldisarray, levensvatbaar versus niet-levensvatbaar myocardweefsel en interstitiële fibrose1-3kunnen identificeren. We verwijzen naar myocard 'microstructuur' als de weefselarchitectuur die met behulp van sonografische analyse kan worden gekarakteriseerd boven lineaire metingen van brutogrootte en morfologie. Dienovereenkomstig zijn analyses van sonografische signaalintensiteit gebruikt om microstructurele veranderingen van myocardweefsel te evalueren in de setting van hypertrofische en verwijde cardiomyopathie4,5, chronische coronaire hartziekte6,7en hypertensieve hartziekte8,9. Eerder vastgestelde technieken zijn echter voornamelijk gebaseerd op de geïntegreerde of gemiddelde waarde van backscattersignaalintensiteiten, die gevoelig kunnen zijn voor variabiliteit door willekeurige ruis5, aliasgegevens van lage framesnelheden10, en tijdvertragingen voor algoritmen op basis van cyclische variatie11.
Hierin beschrijven we de methode voor het gebruik van een op echografie gebaseerd beeldanalysealgoritme dat zich uitstrekt van eerdere methoden; dit algoritme richt zich op één einddiastolisch frame voor beeldanalyse en is verantwoordelijk voor de volledige verdeling van signaalintensiteitswaarden die zijn afgeleid van een bepaald myocardmonster. Door het pericardium te gebruiken als een in-frame referentie12,13, kwantificeert het algoritme reproduceerbaar variatie in sonografische signaalintensiteitsverdelingen en biedt het een verbeterde surrogaatmaat van myocardmicrostructuur. In een stapsgewijs protocol beschrijven we methoden voor het voorbereiden van afbeeldingen voor gebruik, het bemonsteren van interessegebieden en het verwerken van gegevens binnen geselecteerde regio's van belang. We tonen ook representatieve resultaten van het toepassen van het algoritme op echocardiografische beelden verkregen van muizen en mensen met variabele blootstelling aan afterload stress op de linkerventrikel.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Protocol
1. Voorbereiding van afbeeldingen voor analyses
- Verkrijg muriene of menselijke echocardiografische B-modus beelden in de parasternale lange-as weergave. Pas de tijdwinstcompensatie-instellingen en de plaatsing van de zendfocus aan om de visualisatie van de LV en andere hartstructuren in de parasternale weergave te optimaliseren, volgens de gebruikelijke praktijk. Zorg ervoor dat alle afbeeldingen zijn opgeslagen in DICOM-bestandsindeling. Gestandaardiseerde beeldweergaven plaatsen de inferolaterale linkerventrikelwand aan de basis van het frame. Frames moeten het gehele linker ventriculaire myocard en pericardium weergeven. De resolutie moet hoog genoeg zijn om de pericardrand, myocardwand en endocardiale rand van de linkerventrikel af te bakenen. Verwijder afbeeldingen met overtollige uitval of afbeeldingsartefacten.
- Importeer een afbeeldingsbestand voor analyse in ImageJ softwareplatform v1.46 als een DICOM-bestand. Converteer het bestand naar een 8-bits afbeeldingsbestand.
- Blader door opeenvolgende frames van de hartcyclus totdat u een geschikt einddiastolisch frame van de juiste kwaliteit bereikt. U kunt ook het einddiastolische frame in een echocardiografisch weergaveprogramma selecteren en vervolgens exporteren naar een .jpg-bestandsindeling met hoge resolutie voor gebruik in ImageJ. Identificeer de frames die zich het dichtst bij end-diastole bevindt met behulp van de R-golf van de ECG-tracering en identificeer vervolgens het beste frame dat de LV vastlegt met een maximale interne dimensie. Beschouw dit enkele frame als het einddiastolische frame.
- Er wordt voorgesteld dat gebruikers verblind worden door de identiteit van het onderwerp bij het selecteren van regio's van belang.
2. ROI-bemonstering
- Pericardiale referentieselectie. Bij het selecteren van het pericardgebied van belang (ROI), streven naar de heterogeniteit van het pericardweefsel vast te leggen. Houd er rekening mee dat de helderheid en het contrast van het beeld kunnen worden aangepast voor ROI-selectie, indien nodig, zonder enig effect op de analyseresultaten.
- Selecteer met het rechthoektekengereedschap van ImageJ een rechthoek met een lengte die het middelste derde deel van de basale inferolaterale pericardwand nadert.
- Maak het formaat van de rechthoekige ROI om de breedte van het pericard te overspannen met behulp van het hulpprogramma ROI-maatvoering.
- Draai de ROI om binnen het pericardgebied te liggen met behulp van het roteergereedschap van ImageJ.
- Breng de nodige aanpassingen aan de hoeken van de pericardiale ROI aan. Leg een laatste pericardgebied van belang vast dat zich in het middelste derde deel van de pericardwand bevindt en de breedte van de pericardwand omvat zonder zich uit te breiden naar de myocard- of extra-cardiale regio's. Streef ernaar om dezelfde relatieve locatie en hetzelfde percentage van het totale pericardgebied vast te leggen voor alle metingen die in een bepaald onderzoek zijn uitgevoerd.
- Pas het algoritme toe op de selectie via ImageJ-analysetools (zie paragraaf 3).
- Myocard selectie. Probeer nogmaals de heterogeniteit van het myocardweefsel in het middelste derde deel van de basale inferolaterale myocardwand vast te leggen. Houd er rekening mee dat de helderheid en het contrast van het beeld kunnen worden aangepast voor ROI-selectie, indien nodig, zonder enig effect op de analyseresultaten.
- Selecteer een rechthoek die de breedte van de myocardwand overspant, met uitzondering van het endocardium en epicardium. Zorg ervoor dat de myocardselectie naast de pericardselectie en in dezelfde thetahoek ligt. Neem geen gebieden van papillaire spieren op binnen het selectiegebied.
- Draai de myocard ROI zodanig dat deze parallel aan de pericardiale selectie ligt.
- Breng de nodige aanpassingen aan de hoeken van de myocard ROI. Isoleer een laatste myocardgebied van belang dat zich in het middelste derde deel van de myocardwand bevindt en vangt de breedte van de muur op zonder zich uit te breiden naar de pericardiale of intraluminale gebieden.
- Pas het algoritme toe op de selectie via een ImageJ-macro.
3. Gegevensanalyse en -verwerking
- Installeer de ImageJ-macro met de naam "getHistogramValues.txt".
- Gebruik de ImageJ histogram analyse tool om een voorbeeld te bekijken van de verdeling van signaalintensiteitswaarden binnen de ROI (voer deze stap uit voor de pericardiale selectie en voor de myocardselectie).
- Gebruik de ImageJ-macro om deze signaaldichtheidswaarden op te nemen voor de ROI (voer deze stap uit voor de pericardselectie en voor de myocardselectie).
- Wijs een intensiteitswaarde van 0 (donkerste) tot 255 (helderste) eenheden toe aan elke pixel binnen de selectie.
- Rangschik de intensiteitswaarden hiërarchisch, in volgorde van toenemende intensiteit, om een verdeling van de signaalintensiteit te produceren.
- Selecteer en rapporteer de volgende percentielwaarden voor de verdeling: 20e percentiel, 50e percentiel (mediaan) en 80e percentiel.
- Normaliseer myocardintensiteiten met behulp van de pericardverwijzing.
- Normaliseer door de myocard percentielwaarden van intensiteit te delen door de overeenkomstige pericardiale percentielwaarden van intensiteit12, of door de myocard percentielwaarde van intensiteit af te trekken van de pericardiale percentielwaarde van intensiteit13.
- Rapporteer waarden voor de vier analytische methoden: genormaliseerde myocard-naar-pericardiale waarden voor het 20e percentiel, 50e percentiel (mediaan) en 80e percentiel waarden.
4. Cyclische variabiliteit kwantificeren
- Pas algoritme toe op myocardselecties via opeenvolgende frames van het DICOM-bestand en beweeg door de hartcyclus. Vergelijk verschillen in intensiteitsverdelingen tussen frames, met aandacht voor end-systolische en enddiastolische frames.
Alle hierboven beschreven beeldanalyses worden offline uitgevoerd op niet-invasieve echocardiografische afbeeldingen die eerder zijn verkregen en digitaal zijn opgeslagen in DICOM-formaat. Alle onderzoeksprotocollen werden goedgekeurd door de Brigham and Women's Institutional Review Board en de Harvard Medical Area Standing Institutional Animal Care and Use Committee.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Resultaten
Signaalintensiteitsanalyse wordt uitgevoerd in 4 hoofdstappen(figuur 1),waaronder: 1) beeldselectie en -opmaak, 2) bemonstering roi en referentiegebieden, 3) algoritmetoepassing en 4) verwerking van eindwaarden om myocard-tot-pericardiale intensiteitsverhoudingen op te leveren. Selectie en grootte van de ROI is gestandaardiseerd om interuser- en intrauservariabiliteit te beperken (Figuur 2). De positionering van elke ROI is ook gestandaardiseerd met betrekking tot de anatomische structur...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Discussie
We beschrijven het protocol voor een beeldanalysealgoritme dat de sonografische signaalintensiteitsverdeling kwantificeert en op zijn beurt een surrogaatmaat van myocardmicrostructuur biedt. Gestandaardiseerde functies van het protocol, waaronder selectie, grootte en positionering van de ROI en referentieregio, dienen om de variabiliteit tussen gebruikers en onderwerpen te minimaliseren. We tonen aan dat wanneer toegepast op end-diastolische echocardiografische beelden met één frame, het algoritme op de juiste manier ond...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Openbaarmakingen
Geen belangenconflicten aangegeven.
Dankbetuigingen
We zijn dankbaar voor de middelen van de Harvard Medical School/Brigham en Women's Hospital Cardiovascular Physiology Core Laboratory. Dit werk werd gedeeltelijk ondersteund door financiering van de National Institutes of Health grants HL088533, HL071775, HL093148 en HL099073 (RL). MB ontving een American Heart Association founder affiliate postdoctorale fellowship award. KU is een ontvanger van een American Heart Association oprichters affiliate postdoctorale fellowship award. SC werd ondersteund door een prijs van de Ellison Foundation.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Materialen
| Naam | Bedrijf | Catalogusnummer | Opmerkingen |
|---|---|---|---|
| ImageJ v 1.46 | NIH (Bethesda, MD) | open access software | |
| Power ShowCase | Trillium Technology (Ann Arbor, MI) | commerciële software |
Referenties
- Yamada, S., Komuro, K. Integrated backscatter for the assessment of myocardial viability. Curr. Opin. Cardiol. 21, 433-437 (2006).
- Mimbs, J. W., O'Donnell, M., Bauwens, D., Miller, J. W., Sobel, B. E. The dependence of ultrasonic attenuation and backscatter on collagen content in dog and rabbit hearts. Circ. Res. 47, 49-58 (1980).
- Picano, E., et al. In vivo quantitative ultrasonic evaluation of myocardial fibrosis in humans. Circulation. 81, 58-64 (1990).
- Mizuno, R., et al. Myocardial ultrasonic tissue characterization for estimating histological abnormalities in hypertrophic cardiomyopathy: comparison with endomyocardial biopsy findings. Cardiology. 96, 16-23 (2001).
- Mizuno, R., Fujimoto, S., Saito, Y., Nakamura, S. Non-invasive quantitation of myocardial fibrosis using combined tissue harmonic imaging and integrated backscatter analysis in dilated cardiomyopathy. Cardiology. 108, 11-17 (2007).
- Marini, C., et al. Cyclic variation in myocardial gray level as a marker of viability in man. A videodensitometric study. Eur. Heart. J. 17, 472-479 (1996).
- Komuro, K., et al. Sensitive detection of myocardial viability in chronic coronary artery disease by ultrasonic integrated backscatter analysis. J. Am. Soc. Echocardiogr. 18, 26-31 (2005).
- Ciulla, M., et al. Echocardiographic patterns of myocardial fibrosis in hypertensive patients: endomyocardial biopsy versus ultrasonic tissue characterization. J. Am. Soc. Echocardiogr. 10, 657-664 (1997).
- Maceira, A. M., Barba, J., Varo, N., Beloqui, O., Diez, J. Ultrasonic backscatter and serum marker of cardiac fibrosis in hypertensives. Hypertension. 39, 923-928 (2002).
- D'Hooge, J., et al. High frame rate myocardial integrated backscatter. Does this change our understanding of this acoustic parameter. Eur. J. Echocardiogr. 1, 32-41 (2000).
- Finch-Johnston, A. E., et al. Cyclic variation of integrated backscatter: dependence of time delay on the echocardiographic view used and the myocardial segment analyzed. J. Am. Soc. Echocardiogr. 13, 9-17 (2000).
- Di Bello, V., et al. Increased echodensity of myocardial wall in the diabetic heart: an ultrasound tissue characterization study. J. Am. Coll. Cardiol. 25, 1408-1415 (1995).
- Takiuchi, S., et al. Quantitative ultrasonic tissue characterization can identify high-risk atherosclerotic alteration in human carotid arteries. Circulation. 102, 766-770 (2000).
- Querejeta, R., et al. Serum carboxy-terminal propeptide of procollagen type I is a marker of myocardial fibrosis in hypertensive heart disease. Circulation. 101, 1729-1735 (2000).
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Herprints en machtigingen
