Echokardiografia jest powszechnie używana do nieinwazyjnego charakteryzowania i ilościowego określania zmian w strukturze i funkcji serca. Opisujemy algorytm obrazowania oparty na ultradźwiękach, który oferuje ulepszony zastępczy pomiar mikrostruktury mięśnia sercowego i może być wykonywany przy użyciu ogólnodostępnego oprogramowania do analizy obrazu.
Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.
Artykuł metodologiczny
Ultradźwiękowa ocena mikrostruktury mięśnia sercowego
W tym artykule
Podsumowanie
Streszczenie
Echokardiografia jest powszechnie dostępną metodą obrazowania, która jest powszechnie używana do nieinwazyjnego charakteryzowania i ilościowego określania zmian w strukturze i funkcji serca. Ultradźwiękowe oceny tkanki serca mogą obejmować analizy intensywności sygnału rozpraszania wstecznego w danym obszarze zainteresowania. Wcześniej ustalone techniki opierały się głównie na zintegrowanej lub średniej wartości intensywności sygnału rozproszenia wstecznego, które mogą być podatne na zmienność wynikającą z aliasowanych danych z powodu niskiej liczby klatek na sekundę i opóźnień czasowych w przypadku algorytmów opartych na zmienności cyklicznej. W niniejszym artykule opisujemy algorytm obrazowania oparty na ultradźwiękach, który wykracza poza poprzednie metody, może być zastosowany do pojedynczej klatki obrazu i uwzględnia pełny rozkład wartości intensywności sygnału pochodzących z danej próbki mięśnia sercowego. Po zastosowaniu do reprezentatywnych danych obrazowych na myszach i ludziach, algorytm rozróżnia osoby z narażeniem na przewlekłą oporność na obciążenie następcze i bez niej. Algorytm oferuje ulepszony zastępczy pomiar mikrostruktury mięśnia sercowego i może być wykonywany przy użyciu ogólnodostępnego oprogramowania do analizy obrazu.
Wprowadzenie
Echokardiografia jest powszechnie dostępną metodą obrazowania, która jest powszechnie używana do nieinwazyjnego charakteryzowania i ilościowego określania zmian w strukturze i funkcji serca. Ultradźwiękowe oceny tkanki serca mogą obejmować analizy intensywności sygnału rozpraszania wstecznego w danym obszarze zainteresowania w jednym momencie, a także w trakcie cyklu pracy serca. Wcześniejsze badania sugerowały, że pomiary intensywności sygnału ultrasonograficznego mogą zidentyfikować podstawową obecność nieuporządkowanych włókien mięśnia sercowego, żywotnej i nieżywotnej tkanki mięśnia sercowego oraz zwłóknienia śródmiąższowego1-3. "Mikrostrukturę" mięśnia sercowego nazywamy architekturą tkanki, którą można scharakteryzować za pomocą analizy ultrasonograficznej, wykraczając poza liniowe pomiary wielkości brutto i morfologii. W związku z tym analizy intensywności sygnału ultrasonograficznego wykorzystano do oceny zmian mikrostrukturalnych tkanki mięśnia sercowego w warunkach kardiomiopatii przerostowej i rozstrzeniowej4,5, przewlekłej choroby wieńcowej6,7 i choroby nadciśnieniowej serca8,9. Jednak wcześniej ustalone techniki opierały się głównie na zintegrowanej lub średniej wartości intensywności sygnału rozpraszania wstecznego, które mogą być podatne na zmienność spowodowaną przypadkowym szumem5, aliasowane dane z niskiej liczby klatek na sekundę10 i opóźnienia czasowe dla algorytmów opartych na zmienności cyklicznej11.
Tutaj opisujemy metodę korzystania z algorytmu analizy obrazu opartego na ultradźwiękach, który rozszerza poprzednie metody; algorytm ten skupia się na pojedynczej ramce końcowo-rozkurczowej do analizy obrazu i uwzględnia pełny rozkład wartości intensywności sygnału pochodzących z danej próbki mięśnia sercowego. Wykorzystując osierdzia jako odniesienie w ramce12,13, algorytm w powtarzalny sposób określa ilościowo zmienność rozkładów intensywności sygnału ultrasonograficznego i oferuje ulepszony zastępczy pomiar mikrostruktury mięśnia sercowego. W protokole krok po kroku opisujemy metody przygotowania obrazów do użycia, próbkowania obszarów zainteresowania i przetwarzania danych w wybranych obszarach zainteresowania. Pokazujemy również reprezentatywne wyniki zastosowania algorytmu do obrazów echokardiograficznych uzyskanych od myszy i ludzi ze zmienną ekspozycją na stres obciążenia następczego w lewej komorze.
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Protokół
1. Przygotowanie obrazów do analiz
- Uzyskaj mysie lub ludzkie obrazy echokardiograficzne w trybie B w widoku przymostkowym o długiej osi. Dostosuj ustawienia kompensacji wzmocnienia czasowego i umiejscowienie ostrości transmisji, aby zoptymalizować wizualizację lewej kompensacji i innych struktur serca w widoku przymostkowym, zgodnie ze zwykłą praktyką. Upewnij się, że wszystkie obrazy są zapisane w formacie pliku DICOM. Standaryzowane widoki obrazu umieszczają dolno-boczną ścianę lewej komory u podstawy ramy. Ramki muszą pokazywać całość mięśnia sercowego lewej komory i osierdzia. Rozdzielczość musi być wystarczająco wysoka, aby wyznaczyć granicę osierdzia, ścianę mięśnia sercowego i granicę wsierdzia lewej komory. Odrzuć obrazy z nadmiarem przerwania lub artefaktów obrazu.
- Zaimportuj plik obrazu do analizy do platformy oprogramowania ImageJ w wersji 1.46 jako plik DICOM. Przekonwertuj plik na 8-bitowy plik obrazu.
- Przewijaj kolejne klatki cyklu pracy serca, aż dojdziesz do odpowiedniej jakości ramki końcoworozkurczowej. Alternatywnie, wybierz klatkę końcoworozkurczową w programie do przeglądania echokardiograficznego, a następnie wyeksportuj do formatu pliku .jpg o wysokiej rozdzielczości do użycia w ImageJ. Zidentyfikuj klatki znajdujące się najbliżej rozkurczu końcowego za pomocą fali R śledzenia EKG, a następnie zidentyfikuj pojedynczą najlepszą klatkę, która rejestruje LV z maksymalnym wymiarem wewnętrznym. Rozważ tę pojedynczą ramkę jako ramkę końcoworozkurczową.
- Sugeruje się, aby użytkownicy byli ślepi na tożsamość podmiotu podczas wybierania obszarów zainteresowania.
2. Próbkowanie ROI
- Wybór odniesienia osierdzia. Wybierając obszar zainteresowania osierdzia (ROI), staraj się uchwycić niejednorodność tkanki osierdzia. Należy pamiętać, że jasność i kontrast obrazu można w razie potrzeby dostosować do wyboru ROI, bez żadnego wpływu na wyniki analizy.
- Korzystając z narzędzia do rysowania prostokątów ImageJ, wybierz prostokąt o długości przybliżonej do środkowej jednej trzeciej podstawy dolnej bocznej ściany osierdzia.
- Zmień rozmiar prostokątnego ROI, aby obejmował szerokość osierdzia za pomocą narzędzia do określania rozmiaru ROI.
- Obróć ROI, aby leżał w obszarze osierdzia za pomocą narzędzia do obracania ImageJ.
- Dokonaj wszelkich niezbędnych korekt w rogach osierdziowego ROI. Uchwyć ostatni obszar osierdzia będący przedmiotem zainteresowania, który leży w środkowej jednej trzeciej ściany osierdzia i obejmuje szerokość ściany osierdzia, nie rozciągając się na obszar mięśnia sercowego lub pozasercowy. Staraj się uchwycić tę samą względną lokalizację i procent całkowitej powierzchni osierdzia dla wszystkich pomiarów wykonanych w danym badaniu.
- Zastosuj algorytm do wyboru za pomocą narzędzi do analizy ImageJ (patrz sekcja 3).
- Selekcja mięśnia sercowego. Po raz kolejny staraj się uchwycić niejednorodność tkanki mięśnia sercowego w środkowej jednej trzeciej podstawy dolno-bocznej ściany mięśnia sercowego. Należy pamiętać, że jasność i kontrast obrazu można w razie potrzeby dostosować do wyboru ROI, bez żadnego wpływu na wyniki analizy.
- Wybierz prostokąt, który rozciąga się na szerokość ściany mięśnia sercowego, z wyłączeniem wsierdzia i nasierdzia. Upewnij się, że selekcja mięśnia sercowego leży w sąsiedztwie selekcji osierdziowej i pod tym samym kątem theta. Nie uwzględniaj obszarów mięśni brodawkowatych w obszarze wyboru.
- Obróć ROI mięśnia sercowego tak, aby leżał równolegle do wyboru osierdziowego.
- Dokonaj wszelkich niezbędnych korekt w rogach ROI mięśnia sercowego. Wyizoluj ostatni obszar mięśnia sercowego będący przedmiotem zainteresowania, który leży w środkowej jednej trzeciej ściany mięśnia sercowego i przechwytuje szerokość ściany bez rozciągania się na obszary osierdziowe lub śródświetlne.
- Zastosuj algorytm do zaznaczenia za pomocą makra ImageJ.
3. Analiza i przetwarzanie danych
- Zainstaluj makro ImageJ o nazwie "getHistogramValues.txt".
- Użyj narzędzia do analizy histogramu ImageJ, aby wyświetlić podgląd rozkładu wartości intensywności sygnału w obrębie ROI (wykonaj ten krok dla wyboru osierdziowego i wyboru mięśnia sercowego).
- Użyj makra ImageJ, aby zarejestrować te wartości gęstości sygnału dla ROI (wykonaj ten krok dla wyboru osierdzia i wyboru mięśnia sercowego).
- Przypisz wartość intensywności od 0 (najciemniejszy) do 255 (najjaśniejszy) jednostek do każdego piksela w zaznaczeniu.
- Ułóż wartości intensywności hierarchicznie, w kolejności rosnącego natężenia, aby uzyskać rozkład intensywności sygnału.
- Wybierz i zgłoś następujące wartości percentyla dla rozkładu: 20. percentyl, 50. percentyl (mediana) i 80. percentyl.
- Normalizuj intensywność mięśnia sercowego za pomocą odniesienia osierdziowego.
- Normalizuj, dzieląc wartości percentyla mięśnia sercowego intensywności przez odpowiednie wartości percentyla osierdzia o intensywności12 lub odejmując wartość percentyla mięśnia sercowego intensywności od wartości percentyla osierdziao intensywności 13.
- Wartości raportu dla czterech metod analitycznych: znormalizowane wartości mięśnia sercowego do osierdzia dla wartości 20. percentyla, 50. percentyla (mediana) i 80. percentyla.
4. Kwantyfikacja cyklicznej zmienności
- Zastosuj algorytm do selekcji mięśnia sercowego przez kolejne klatki pliku DICOM, przechodząc przez cykl pracy serca. Porównaj różnice w rozkładach intensywności między ramkami, zwracając uwagę na ramki końcowoskurczowe i końcoworozkurczowe.
Wszystkie opisane powyżej analizy obrazów są wykonywane w trybie offline na nieinwazyjnych obrazach echokardiograficznych wcześniej pozyskanych i zapisanych cyfrowo w formacie DICOM. Wszystkie protokoły badań zostały zatwierdzone przez Instytucjonalną Komisję Rewizyjną Brigham and Women's oraz Instytucjonalną Komisję ds. Opieki nad Zwierzętami i Wykorzystania Zwierząt w Harvard Medical Area.
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Wyniki
Analiza intensywności sygnału jest przeprowadzana w 4 głównych krokach (Rysunek 1), obejmujących: 1) wybór i formatowanie obrazów, 2) wyznaczenie obszarów ROI oraz obszarów referencyjnych, 3) zastosowanie algorytmu oraz 4) przetworzenie końcowych wartości w celu uzyskania stosunków intensywności mięśnia sercowego do osierdzia. Wybór i rozmiar ROI są standaryzowane, aby ograniczyć zmienność między użytkownikami oraz wewnątrz użytkownika (Rysunek 2). Pozycjonowanie każdego ROI jest również...
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Dyskusja
Opisujemy protokół algorytmu analizy obrazu, który określa ilościowo rozkład intensywności sygnału ultrasonograficznego, a co za tym idzie, oferuje zastępczą miarę mikrostruktury mięśnia sercowego. Ustandaryzowane funkcje protokołu, w tym wybór, rozmiar i pozycjonowanie ROI i regionu referencyjnego, służą zminimalizowaniu zmienności opartej na użytkownikach i tematach. Pokazujemy, że po zastosowaniu do końcoworozkurczowych jednoklatkowych obrazów echokardiograficznych algorytm może odpowiednio odróżnić normalny mięsień s...
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Oświadczenia
Nie stwierdzono konfliktu interesów.
Podziękowania
Jesteśmy wdzięczni za zasoby udostępnione przez Harvard Medical School/Brigham and Women's Hospital Cardiovascular Physiology Core Laboratory. Prace te były częściowo wspierane przez fundusze z grantów National Institutes of Health HL088533, HL071775, HL093148 i HL099073 (RL). MB otrzymał stypendium podoktorskie założyciela American Heart Association. ALK jest laureatem stypendium podoktorskiego przyznawanego przez założycieli American Heart Association. SC został wsparty nagrodą od Fundacji Ellisona.
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Materiały
| Nazwa | Firma | Numer katalogowy | Komentarze |
|---|---|---|---|
| ImageJ v 1.46 | NIH (Bethesda, MD) | oprogramowanie otwartego dostępu | |
| Power ShowCase | Trillium Technology (Ann Arbor, MI) | oprogramowanie komercyjne |
Bibliografia
- 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).
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Przedruki i uprawnienia
