Ten protokół demonstruje przepływ pracy platformy SILICOFCM do automatycznego generowania parametrycznego modelu lewej komory na podstawie specyficznych dla pacjenta obrazów ultrasonograficznych poprzez zastosowanie wieloskalowego modelu elektromechanicznego serca. Platforma ta umożliwia prowadzenie badań klinicznych in silico mających na celu ograniczenie rzeczywistych badań klinicznych i maksymalizację pozytywnych wyników terapeutycznych.
Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.
Artykuł metodologiczny
In Silico Badania kliniczne dotyczące chorób sercowo-naczyniowych
W tym artykule
Podsumowanie
Streszczenie
Projekt SILICOFCM ma na celu głównie opracowanie platformy obliczeniowej do badań klinicznych in silico kardiomiopatii rodzinnych (FCM). Unikalną cechą platformy jest integracja specyficznych dla pacjenta danych biologicznych, genetycznych i obrazowania klinicznego. Platforma umożliwia testowanie i optymalizację leczenia w celu maksymalizacji pozytywnych wyników terapeutycznych. W ten sposób można uniknąć działań niepożądanych i interakcji lekowych, zapobiec nagłej śmierci sercowej, a także skrócić czas między rozpoczęciem leczenia farmakologicznego a pożądanym rezultatem. W artykule przedstawiono parametryczny model lewej komory serca generowany automatycznie na podstawie specyficznych dla pacjenta obrazów ultrasonograficznych poprzez zastosowanie elektromechanicznego modelu serca. Działanie leku zostało przepisane poprzez określone warunki brzegowe dla przepływu wlotowego i wylotowego, pomiarów EKG i funkcji wapnia dla właściwości mięśnia sercowego. Dane genetyczne od pacjentów zostały włączone poprzez materialną właściwość ściany komory. Analiza widoku wierzchołkowego polega na segmentacji lewej komory za pomocą wcześniej wytrenowanego szkieletu U-net i obliczeniu prostokąta granicznego na podstawie długości lewej komory w cyklu rozkurczowym i skurczowym. Analiza widoku w trybie M obejmuje obramowanie charakterystycznych obszarów lewej komory w widoku w trybie M. Po wyodrębnieniu wymiarów lewej komory wygenerowano siatkę elementów skończonych na podstawie opcji siatki, a następnie przeprowadzono symulację analizy elementów skończonych z prędkościami wlotowymi i wylotowymi dostarczonymi przez użytkownika. Użytkownicy mogą bezpośrednio wizualizować na platformie różne wyniki symulacji, takie jak wykresy ciśnienia, objętości, ciśnienia i odkształcenia oraz czasu pracy mięśnia sercowego, a także animacje różnych pól, takich jak przemieszczenia, ciśnienia, prędkość i naprężenia ścinające.
Wprowadzenie
Szybki rozwój technologii informatycznych, pakietów oprogramowania symulacyjnego i urządzeń medycznych w ostatnich latach daje możliwość zebrania dużej ilości informacji klinicznych. Tworzenie kompleksowych i szczegółowych narzędzi obliczeniowych stało się zatem niezbędne do przetwarzania konkretnych informacji z obfitości dostępnych danych.
Z punktu widzenia lekarzy, niezwykle ważne jest rozróżnienie fenotypów "normalnych" i "nienormalnych" u konkretnego pacjenta, aby oszacować postęp choroby, reakcje terapeutyczne i przyszłe ryzyko. Najnowsze modele obliczeniowe znacznie poprawiły zintegrowane zrozumienie zachowania mięśnia sercowego w kardiomiopatiach przerostowych (HCM) i poszerzających (DCM)1. Kluczowe znaczenie ma użycie szczegółowego i anatomicznie dokładnego modelu aktywności elektrycznej całego serca o wysokiej rozdzielczości, co wymaga ogromnych czasów obliczeń, dedykowanego oprogramowania i superkomputerów1,2,3. Metodologia dla prawdziwego modelu 3D serca została niedawno opracowana przy użyciu liniowego sprężystego i ortotropowego modelu materiałowego opartego na eksperymentach Holzapfel, który może dokładnie przewidzieć transport i przemieszczenie sygnału elektrycznego w polu heart4. Opracowanie nowatorskich podejść do modelowania integracyjnego może być skutecznym narzędziem do rozróżniania rodzaju i nasilenia objawów u pacjentów z zaburzeniami wielogenowymi oraz oceny stopnia upośledzenia normalnej aktywności fizycznej.
Istnieje jednak wiele nowych wyzwań dla modelowania specyficznego dla pacjenta. Fizyczne i biologiczne właściwości ludzkiego serca nie są możliwe do pełnego określenia. Pomiary nieinwazyjne zwykle zawierają zaszumione dane, na podstawie których trudno jest oszacować konkretne parametry dla indywidualnego pacjenta. Obliczenia na dużą skalę wymagają dużo czasu, podczas gdy ramy czasowe kliniczne są ograniczone. Danymi osobowymi pacjentów należy zarządzać w taki sposób, aby wygenerowane metadane mogły być ponownie wykorzystane bez naruszania poufności danych pacjenta. Pomimo tych wyzwań, wieloskalowe modele serca mogą zawierać wystarczający poziom szczegółowości, aby uzyskać prognozy, które ściśle podążają za obserwowanymi przejściowymi reakcjami, zapewniając w ten sposób nadzieję na przyszłe zastosowania kliniczne.
Jednakże, pomimo znacznego wysiłku naukowego wielu laboratoriów badawczych i znacznej ilości wsparcia grantowego, obecnie dostępny jest tylko jeden komercyjnie dostępny pakiet oprogramowania do symulacji wieloskalowych i całego serca, o nazwie SIMULIA Living Heart Model5. Obejmuje dynamiczną symulację elektromechaniczną, udoskonaloną geometrię serca, model przepływu krwi i pełną charakterystykę tkanki serca, w tym charakterystykę bierną i aktywną, włóknistą naturę i ścieżki elektryczne. Model ten jest przeznaczony do stosowania w medycynie spersonalizowanej, ale charakterystyka materiału aktywnego opiera się na modelu fenomenologicznym wprowadzonym przez Guccione i wsp.6,7. W związku z tym projekt SIMULIA nie jest w stanie bezpośrednio i dokładnie przetłumaczyć zmian w charakterystyce funkcjonalnej kurczliwych białek obserwowanych w wielu chorobach serca. Zmiany te są spowodowane mutacjami i innymi nieprawidłowościami na poziomie molekularnym i subkomórkowym6. Ograniczone wykorzystanie oprogramowania SIMULIA do niewielkiej liczby zastosowań w praktyce klinicznej jest doskonałym przykładem dzisiejszych trudności w opracowywaniu wieloskalowych modeli ludzkiego serca na wyższym poziomie. Z drugiej strony motywuje to do opracowania nowej generacji wieloskalowych pakietów programowych, które mogą śledzić skutki mutacji od skali molekularnej do narządowej.
Głównym celem elektrofizjologii serca jest określenie propagacji sygnału wewnątrz tułowia i właściwości wszystkich przedziałów4,5,6. Projekt SILICOFCM8 przewiduje rozwój choroby kardiomiopatii na podstawie specyficznych dla pacjenta danych z badań biologicznych, genetycznych i klinicznych. Osiąga się to dzięki wieloskalowemu modelowaniu realistycznego układu sarkomerycznego, profilu genetycznego pacjenta, kierunku włókien mięśniowych, interakcji płyn-struktura i sprzężenia elektrofizjologicznego. Skutki deformacji lewej komory, ruchu zastawki mitralnej i złożonej hemodynamiki dają szczegółowe zachowanie funkcjonalne chorób serca u konkretnego pacjenta.
Ten artykuł demonstruje użycie platformy SILICOFCM do parametrycznego modelu lewej komory (LV) generowanego automatycznie na podstawie specyficznych dla pacjenta obrazów ultrasonograficznych przy użyciu modelu płynnej struktury serca z elektromechanicznym sprzężeniem. Analizy widoku wierzchołkowego i widoku w trybie M LV zostały wygenerowane za pomocą algorytmu głębokiego uczenia. Następnie, korzystając z generatora siatki, model elementów skończonych został zbudowany automatycznie, aby symulować różne warunki brzegowe pełnego cyklu dla LV contraction9. Na tej platformie użytkownicy mogą bezpośrednio wizualizować wyniki symulacji, takie jak wykresy ciśnienie-objętość, ciśnienie-odkształcenie i czas pracy mięśnia sercowego, a także animacje różnych pól, takich jak przemieszczenia, ciśnienia, prędkość i naprężenia ścinające. Parametrami wejściowymi od konkretnych pacjentów są geometria z obrazów ultrasonograficznych, profil prędkości w warunkach przepływu granicznego wejścia i wyjścia dla LV oraz specyficzna terapia lekowa (np. entresto, digoksyna, mavacamten itp.).
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Protokół
Protokół w tym badaniu został zatwierdzony przez brytyjski National Health Service Health Research Authority North East-Tyne & Wear South Research Committee z numerem referencyjnym 18/NE/0318 w dniu 6 lutego 2019 r. i został przyjęty przez Institutional Review Board każdego uczestniczącego centrum. Badanie zostało przeprowadzone w oparciu o zasady Dobrej Praktyki Klinicznej i zgodnie z Deklaracją Helsińską. Uzyskano świadomą zgodę od wszystkich uczestników biorących udział w badaniu. Informacje o pacjentach są anonimowe.
1. Przepływ pracy dla ultrasonografii w trybie M lub widoku wierzchołkowym, analiza obrazu DICOM i ekstrakcja parametrów LV
UWAGA: Aby uruchomić ten protokół, użytkownik musi zalogować się do platformy SILICOFCM8 i wybrać odpowiedni przepływ pracy (tj. analizę obrazu ultrasonograficznego przy użyciu trybu M lub widoku wierzchołkowego). Na przykład proces analizy obrazu DICOM w trybie M i ekstrakcji parametrów LV w trybie M obejmuje kilka etapów. Pierwszym krokiem jest dopasowanie szablonu. Szablony, które mają zostać dopasowane, zawierają wszystkie odpowiednie niezbędne obramowania. Należy podkreślić, że dla każdego nowego zbioru danych szablon powinien być wyodrębniony ręcznie tylko raz dla każdego zbioru danych, który odpowiada konkretnej maszynie ultrasonograficznej. Diagram przepływu pracy jest przedstawiony w Rysunek 1. Obszar pasujący do szablonu zostanie wyodrębniony z analizowanego obrazu po tym, jak wydajny algorytm segmentacji obrazu oparty na grafach Felsenszwalb znajdzie "silne" granice, które odpowiadają granicom przegrody i ścianie LV. Na podstawie tych granic i miejsc, w których średnice serca są największe (odpowiada średnicy w skurczu) i najmniejsze (odpowiada średnicy w skurczu), Obliczane będą różne wymiary NN. Użytkownik powinien określić, czy widok jest w trybie M, czy w widoku wierzchołkowym.
- Zaloguj się do platformy za pomocą nazwy użytkownika i hasła. W obszarze Moduł populacji wirtualnej wybierz przepływ pracy w trybie M lub w widoku wierzchołkowym.
- Z listy dostępnych przepływów pracy wybierz przepływ pracy scalony z ultradźwiękami.
- W sekcji File Upload (Przesyłanie plików) prześlij obrazy i pliki DICOM przechowywane lokalnie na komputerze użytkownika (Rysunek 2).
UWAGA: Danymi wejściowymi do modułu M-mode view, analizy obrazu DICOM od konkretnego pacjenta i ekstrakcji parametrów LV są obraz testowy (dostarczony przez użytkownika w formacie DICOM reprezentującym tryb M lub widok wierzchołkowy) oraz pliki statyczne (Rysunek 1). Pliki statyczne składają się z a) pliku input.txt, który jest plikiem szablonu służącym do nadpisywania obliczonych miar wyjściowych z modułu (nowe pliki wyjściowe są tworzone z kolei z tego pliku) oraz b) pliku obrazu szablonu, który jest używany do dopasowywania szablonów (tj. template_dicom_GEMS.jpg). - Wybierz foldery prywatne lub publiczne jako folder docelowy dla plików. Wpisz żądany komentarz lub notatkę w sekcji Komentarze przed uruchomieniem przepływu pracy. Wybierz obraz ultrasonograficzny LV w widoku wierzchołkowym i trybie M oraz pliki DICOM przesłane wcześniej (krok 1.3). (Rysunek 3).
UWAGA: Narzędzie do ultrasonograficznej segmentacji serca składa się z dwóch podmodułów: widoku wierzchołkowego i widoku w trybie M. Dostęp do obu modułów jest możliwy za pośrednictwem platformy. Analiza obejmuje obliczenie parametrów charakterystycznych widocznych w odpowiednich przekrojach. W obu przypadkach niezbędne wartości są zapisywane do pliku, który jest pobierany jako dane wejściowe do parametrycznego modelu serca po stronie użytkownika (szczegóły w dyskusji). - Kliknij przycisk Wykonaj. Interaktywna platforma powiadamia użytkownika o zakończeniu uruchomionego przepływu pracy.
- Wizualizację utworzonej geometrii LV bezpośrednio na platformie (na ekranie automatycznie pojawi się model 3D, który można obracać za pomocą myszy). Dostępne opcje obejmują modele cieniowane i szkieletowe do wizualizacji.
UWAGA: Po wyodrębnieniu wymiarów nn, w oparciu o opcje siatki, generowana jest siatka elementów skończonych i uruchamiana jest symulacja analizy elementów skończonych z prędkościami wlotowymi i wylotowymi określonymi przez użytkownika (patrz poniżej).
2. Solwer elementów skończonych PAK do symulacji struktury płynów (FS)
UWAGA: To narzędzie może być używane do analizy metodą elementów skończonych w sprzężonych problemach ciał stałych i płynów. Obsługuje zarówno silne, jak i luźne sprzężenie między ciałem stałym a płynem. Elementy mogą być sześciościanami lub czworościanami, z dodatkowym węzłem w środku elementu lub bez niego. Ten solver ma wbudowane modele materiałowe, takie jak model Holzapfela, model mięśni myśliwego itp. Diagram przepływu informacji PAK-FS jest przedstawiony w Rysunek 4. Zaczyna się od pliku wejściowego i preprocesora PAK. Narzędzie preprocesora PAK wyprowadza plik DAT, który będzie służył jako plik wejściowy dla solwera elementów skończonych. Końcowym wyjściem z solvera są pliki VTK, które zawierają wyniki symulacji elementów skończonych: prędkości, ciśnienia, odkształcenia i naprężenia w lewej komorze.
- Pobierz pliki szablonów dla warunków brzegowych prędkości wlotowych i wylotowych za pomocą przycisków w dolnej sekcji (Rysunek 3); jeśli dostępne są warunki brzegowe przepływu specyficzne dla pacjenta, pobierz i użyj tych plików. Pobierz opcje siatki, klikając odpowiedni przycisk w dolnej sekcji. Zapisz te pliki w folderach prywatnych lub publicznych.
- Prześlij te pliki w podobny sposób, jak przesyłasz obrazy (Rysunek 3). Zalecane prędkości wlotowe i wylotowe symulują stan leku, podczas gdy opcje siatki kontrolują gęstość siatki elementów skończonych. Aby zasymulować warunki specyficzne dla pacjenta, zmodyfikuj domyślne wartości ciśnienia, przepływu, właściwości materiału i funkcji wapnia.
- Kliknij przycisk Wykonaj. Na liście pojawi się nowy uruchomiony przepływ pracy. Jeśli którakolwiek z sekcji przepływu pracy nie jest jasna, kliknij przycisk Plik pomocy (Rysunek 3), aby wyświetlić szczegółowe instrukcje dotyczące korzystania z tego przepływu pracy, a także zinterpretować wyniki.
UWAGA: Jeśli wszystko zostanie wykonane bez błędów, status przepływu pracy zmieni się z "uruchomiony" na "zakończony ok". - Wyświetl wyniki, korzystając z kilku opcji. Alternatywnie pobierz wyniki; folder wyników zawiera pliki VTK, pliki CSV i animacje.
- Kliknij przycisk oka, aby wyświetlić wartości frakcji wyrzutowej i globalnej wydajności pracy, a także wykresy ciśnienia w funkcji objętości, ciśnienia w funkcji odkształcenia oraz pracy mięśnia sercowego w funkcji czasu.
- Kliknij przycisk kamery, aby wyświetlić podgląd i odtworzyć animacje przemieszczenia, ciśnienia, naprężeń ścinających i pól prędkości.
- Kliknij przycisk Wizualizacja 3D, aby zwizualizować wyniki online w ParaView Glance.
- Załaduj wiele plików VTK pobranych wcześniej jako wyniki. Zobacz kilka interesujących Cię parametrów i zmień pole, na przykład na prędkość w celu wizualizacji.
- Obróć model lub zmień schemat kolorów. Wybierz opcję Powierzchnia z krawędziami lub Model krawędziowy jako reprezentację powierzchni. Zastosuj tę samą metodologię do każdego załadowanego pliku VTK.
3. Wyznaczanie sekwencji aktywacji komór na podstawie pomiaru EKG
UWAGA: Zaimplementowano zmodyfikowany model komórki sercowej FitzHugh-Nagumo. Przewody przedsercowe zostały wymodelowane za pomocą standardowych sześciu elektrod. Potencjał serca został zoptymalizowany za pomocą odwróconego EKG. Począwszy od aktywacji w węźle zatokowo-przedsionkowym (która jest funkcją czasu), z niejednorodnym potencjałem czynnościowym przez serce i tułów, użytkownik może uzyskać aktywność elektryczną na modelu całego tułowia. Diagram przepływu informacji PAK-TORSO jest podany w Rysunek 5. Użytkownik zapewnia skalowanie modelu tułowia we wszystkich kierunkach (x,y,z) oraz funkcję sygnału EKG. Następnie tworzony jest skalowany model, a jego zachowanie jest symulowane za pomocą solvera PAK-FS. Użytkownik podaje te wartości wejściowe w pliku tekstowym. Wynikiem symulacji jest plik VTK z aktywnością elektryczną serca w środowisku osadzonym w tułowiu.
- Na stronie głównej przejdź do Execute Workflow, a następnie wybierz torse-cwl z listy dostępnych przepływów pracy. Dodaj komentarz lub notatkę w sekcji Komentarze przed wykonaniem przepływu pracy.
- Kliknij przycisk Input Template File i zapisz zawartość pokazaną na stronie internetowej jako plik input.txt, który zostanie użyty dla modelu tułowia. W polu Input File (Plik wejściowy) wybierz pobrany plik input.txt. Po zaimportowaniu pliku kliknij przycisk Wykonaj, aby rozpocząć obliczenia.
UWAGA: W lewym dolnym rogu pojawi się nowy przepływ pracy, którego status będzie wyświetlany jako "uruchomiony"; Kalkulacja trwa około 0,5 godziny, po czym status zmieni się na "Finished OK". - Kliknij przycisk oka lub kamery w lewym dolnym rogu, aby wyświetlić dostępne raporty symulacyjne lub animacje bezpośrednio na platformie.
UWAGA: Wyniki obejmują rozkłady pola elektrycznego, prędkość, ciśnienie, naprężenie ścinające i odkształcenie w każdym kroku czasowym. Animacje dla każdego z tych rozkładów są możliwe do wyświetlenia dla całego cyklu pracy serca. - Alternatywnie kliknij przycisk Wizualizacja 3D, aby zwizualizować wyniki online w ParaView Glance.
- Wybierz przycisk OTWÓRZ PLIK, przejdź do zakładki DŹWIGAR, wprowadź poświadczenia użytkownika, jeśli zostaniesz o to poproszony, i otwórz folder prywatny.
- Na następnej stronie wybierz folder workflow-outputs i otwórz folder torso-cwl. Otwórz pierwszy folder na liście.
- Zapoznaj się z listą plików VTK, które reprezentują wyniki symulacji. Wybierz jeden lub więcej plików i kliknij przycisk WYBIERZ, aby załadować plik w ParaView Glance.
- Manipuluj geometrią modelu (tj. przesuwaj, obracaj, powiększaj lub pomniejszaj itp.) za pomocą myszy.
- Wybierz różne opcje reprezentacji modelu w następujący sposób.
- Wybierz opcję Szkielet, aby zobaczyć wnętrze tułowia z sercem wkomponowanym w tułów. Wybierz opcję Punkty, aby wyświetlić kropkowaną reprezentację modelu tułowia z pełną siatką serca.
- Dostosuj wartość Rozmiar w punktach, aby zmienić wyświetlane wyniki. Dostosuj wartość Krycie, aby zobaczyć wnętrze tułowia i wyświetlić wyniki wewnątrz siatki serca.
- Kliknij menu rozwijane Kolor według i wybierz żądaną opcję, na przykład potencjał elektryczny. Zmień domyślną skalę kolorów na dowolną z wymienionych opcji.
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Wyniki
Jako przykład, w Rysunku 1 przedstawiono schemat analizy obrazów DICOM z badania USG w trybie M oraz ekstrakcji parametrów LV. Tryb M oraz widok koniuszkowy mogą być analizowane oddzielnie lub jeden po drugim, w zależności od interesujących parametrów. W przypadku analizy sekwencyjnej wyniki są dopisywane do jednego wspólnego pliku (oddzielnie dla fazy skurczowej i rozkurczowej). Jeśli analizowany jest tylko jeden widok, wartości dla nieznanych parametrów są pobierane z domyślnego pliku wejś...
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Dyskusja
Projekt SILICOFCM to platforma badań klinicznych in silico , której celem jest projektowanie wirtualnych populacji pacjentów w celu przewidywania ryzyka, testowania efektów leczenia farmakologicznego oraz ograniczania eksperymentów na zwierzętach i badań klinicznych na ludziach. Testowanie efektów leczenia farmakologicznego modelowano z zalecanymi warunkami przepływu granicznego wlotu/wylotu, funkcją wapnia i właściwościami ścianek materiału. Platforma ta integruje wieloskalowe metody na poziomie sarkomerycznym ...
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Oświadczenia
Autorzy nie pozostają w konflikcie interesów.
Podziękowania
To badanie jest wspierane przez program Unii Europejskiej Horyzont 2020 w zakresie badań i innowacji na podstawie umowy o grant SILICOFCM 777204 oraz Ministerstwa Edukacji, Nauki i Rozwoju Technologicznego Republiki Serbii poprzez umowy nr 451-03-68/2022-14/200107. Niniejszy artykuł odzwierciedla jedynie poglądy autorów. Komisja Europejska nie ponosi odpowiedzialności za jakiekolwiek wykorzystanie informacji zawartych w artykule.
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Materiały
| Nazwa | Firma | Numer katalogowy | Komentarze |
|---|---|---|---|
| SILICOFCM | www.silicofcm.eu | otwarty dostęp dla zarejestrowanych użytkowników |
Bibliografia
- Gibbons Kroeker, C. A., Adeeb, S., Tyberg, J. V., Shrive, N. G. A 2D FE model of the heart demonstrates the role of the pericardium in ventricular deformation. American Journal of Physiology. 291 (5), 2229-2236 (2006).
- Pullan, A. J., Buist, M. L., Cheng, L. K. Mathematically Modelling the Electrical Activity of the Heart - From Cell To Body Surface and Back Again. , World Scientific. (2005).
- Trudel, M. -C., Dub´e, B., Potse, M., Gulrajani, R. M., Leon, L. J. Simulation of QRST integral maps with a membrane based computer heart model employing parallel processing. IEEE Transactions on Biomedical Engineering. 51 (8), 1319-1329 (2004).
- Kojic, M., et al. Smeared multiscale finite element models for mass transport and electrophysiology coupled to muscle mechanics. Frontiers in Bioengineering and Biotechnology. 7, 381(2019).
- Baillargeon, B., Rebelo, N., Fox, D. D., Taylor, R. L., Kuhl, E. The Living Heart Project: A robust and integrative simulator for human heart function. European Journal of Mechanics - A/Solids. 48, 38-47 (2014).
- Guccione, J. M., McCulloch, A. D. Mechanics of active contraction in cardiac muscle: Part I--Constitutive relations for fiber stress that describe deactivation. TheJournal of Biomechanical Engineering. 115, 72-81 (1993).
- Guccione, J. M., Waldman, L. K., McCulloch, A. D. Mechanics of active contraction in cardiac muscle: Part II--Cylindrical models of the systolic left ventricle. The Journal of Biomechanical Engineering. 115, 82-90 (1993).
- H2020 project SILICOFCM: In Silico. trials for drug tracing the effects of sarcomeric protein mutations leading to familial cardiomyopathy. , Available from: www.silicofcm.eu 2018-2022 (2022).
- Kojic, M., et al. Smeared multiscale finite element model for electrophysiology and ionic transport in biological tissue. Computers in Biology and Medicine. 108, 288-304 (2019).
- Wang, Y., Rudy, Y. Application of the method of fundamental solutions to potential-based inverse electrocardiography. Annals of Biomedical Engineering. 34 (8), 1272-1288 (2006).
- Van Oosterom, A. The use of the spatial covariance in computing pericardial potentials. IEEE Transactions on Biomedical Engineering. 46 (7), 778-787 (1999).
- Van Oosterom, A. The spatial covariance used in computing the pericardial potential distribution. Computational Inverse Problems in Electrocardiography. , 1-50 (2001).
- Van Oosterom, A. Source models in inverse electrocardiography. International Journal of Bioelectromagnetism. 5, 211-214 (2003).
- Van Oosterom, A. The equivalent double layer: source models for repolarization. Comprehensive Electrocardiology. , Springer. 227-246 (2010).
Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.
Przedruki i uprawnienia
