Method Article

Um Protocolo Computacional Baseado em Ressonância Magnética para Análise da Morfologia e Hemodinâmica da Placa em Pacientes com Estenose da Artéria Carótida

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

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

A avaliação da estenose da artéria carótida interna (ACI) é baseada na estimativa da estenose percentual, que não leva em conta fatores de risco fisiologicamente relevantes para acidente vascular cerebral, como composição da placa e hemodinâmica. Este protocolo aproveita a ressonância magnética quantitativa e a dinâmica de fluidos computacional para caracterizar a composição e a hemodinâmica da placa ICA.

Abstract

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

A avaliação e o manejo atuais da estenose da artéria carótida interna (ACI) são baseados na estimativa da porcentagem de estenose por meio de ultrassonografia duplex (USD) ou angiotomografia computadorizada (CTA), que não leva em conta fatores de risco fisiologicamente relevantes para AVC, como vulnerabilidade da placa e hemodinâmica. O conhecimento da composição da placa carotídea e das cargas hemodinâmicas na placa pode ser usado para fornecer uma avaliação muito mais completa do potencial embólico da placa, em vez de usar apenas a porcentagem de estenose. Por meio do emparelhamento de ressonância magnética (MRI) e dinâmica de fluidos computacional (CFD) específica do paciente, as diferenças na hemodinâmica em uma estenose da ACI e na composição da placa podem ser identificadas. A ressonância magnética quantitativa de caracterização de aterosclerose com múltiplos contrastes (qMatch) permite uma análise detalhada da composição da placa. Os modelos CFD podem ser criados usando ressonância magnética de contraste de fase (PC), que pode ser usada para obter formas de onda de fluxo e anatomia de CTA e/ou tempo de voo (TOF)-MRI. Depois de criar um modelo geométrico 3D da bifurcação carotídea, as formas de onda derivadas de PC-MRI são prescritas para o fluxo de entrada da artéria carótida comum e o fluxo de saída da artéria carótida externa. Um modelo de Windkessel de três elementos, que é ajustado iterativamente para corresponder à pressão arterial do paciente, é então prescrito ao ICA. Finalmente, soluções para as equações incompressíveis de Navier-Stokes são obtidas para fornecer velocidade e pressão de alta resolução e, assim, capturar a hemodinâmica através da bifurcação carotídea e estenose da ACI. Este artigo fornece um protocolo detalhado que permite a caracterização não invasiva e específica do paciente da composição da placa e das cargas hemodinâmicas de pacientes com estenose da ACI.

Introduction

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

A estenose da artéria carótida interna (ACI) é uma das principais causas de acidente vascular cerebral, incapacidade a longo prazo e morte 1,2,3,4,5,6,7. A avaliação e o manejo atuais da estenose da ACI são baseados na estimativa da porcentagem de estenose por meio de velocidades de ultrassom duplex (USD) ou anatomia transversal [angiotomografia computadorizada, angiografia (TC) e/ou ressonância nuclear magnética (RNM)]. No entanto, a estenose percentual não leva em conta fatores de risco fisiologicamente relevantes para acidente vascular cerebral, como vulnerabilidade da placa e cargas hemodinâmicas através da placa 8,9,10,11,12,13,14. Embora a redução do risco de AVC após endarterectomia carotídea (CEA) tenha sido demonstrada em pacientes sintomáticos com estenose superior a 50%, o benefício da CEA em pacientes assintomáticos é debatido 3,4. De fato, muitos cirurgiões reservam a intervenção operatória para aqueles com lesões estenóticas >80% e/ou em casos com morfologia de placa de alto risco (vulnerável)15. Métodos aprimorados para determinar quais estenoses de ACI estão em risco de embolia em placa e, portanto, se beneficiariam da CEA são necessários.

A caracterização quantitativa da aterosclerose multicontraste (qMatch) é uma técnica de ressonância magnética que utiliza modelagem de baixa classificação para permitir imagens 3D de alta resolução que fornecem imagens de sangue escuro e brilhante multicontraste co-registradas e imagens de relaxometria para avaliação abrangente e quantitativa de placas arteriais carótidas16,17. O qMatch melhorou a resolução isotrópica 3D, a grande cobertura anatômica e a avaliação quantitativa da carga de placas da artéria carótida em comparação com a ressonância magnética convencional. A fluidodinâmica computacional (CFD) específica do paciente pode ser usada para caracterizar as cargas hemodinâmicas na placa, fornecendo informações exclusivas sobre o risco hemodinâmico e biomecânico de eventos embólicos cerebrovasculares 18,19,20,21,22,23 . O conhecimento da composição da placa carotídea e das cargas hemodinâmicas na placa pode ser usado para fornecer uma avaliação mais abrangente do potencial embólico do que a porcentagem de estenose isoladamente. Neste trabalho, apresentamos um protocolo que usa ressonância magnética qMatch e CFD informada por ressonância magnética para identificar diferenças na composição da placa e hemodinâmica em uma estenose da ACI.

Protocol

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

O estudo foi aprovado pelo Conselho de Revisão Institucional da Universidade de Michigan e o consentimento informado de cada sujeito do estudo foi obtido. Este protocolo usa o CRIMSON, uma estrutura de hemodinâmica computacional validada e de código aberto que executa as principais tarefas de modelagem computacional, como geração de malha, especificação de condições de contorno e análise de elementos finitos24,25. Para baixar o CRIMSON e/ou revisar os tutoriais de modelagem, visite o site (https://crimson.software). A GUI CRIMSON requer um sistema operacional Windows. O solucionador de fluxo CRIMSON está disponível para Windows e Linux.

1. Recrutamento de pacientes e aquisição de dados específicos do paciente

  1. Recrutar pacientes adultos que tenham diagnóstico de estenose grave da ACI demonstrada em USD e/ou angio-TC (conforme definido pelos critérios do North American Symptom Carotid Endarterectomy Trial (NASCET)26. Inclua pacientes que não têm uma contraindicação conhecida para ressonância magnética (ou seja, implantes metálicos) ou intolerância à ressonância magnética (ou seja, claustrofobia, incapacidade de ficar deitado/permanecer imóvel). Exclua pacientes se estiverem grávidas ou tiverem contraindicação à ressonância magnética. Obtenha o consentimento informado, que deve incluir uma discussão e compreensão do procedimento do estudo, riscos, benefícios, garantias de confidencialidade, duração do estudo e direito de se retirar do estudo.
  2. Obtenha dados retrospectivos e/ou prospectivos do paciente para informar os modelos de CFD. Use imagens de angiotomografia computadorizada, ressonância magnética e/ou angiografia para a anatomia do paciente.
    NOTA: As condições de contorno serão discutidas com mais detalhes posteriormente. No entanto, em geral, os dados para informar as condições de contorno geralmente incluem pressão não invasiva ou invasiva, velocidades de USD e/ou fluxo derivado de contraste de fase (PC) e ressonância magnética.
  3. Antes da ressonância magnética, realize um formulário de segurança de ressonância magnética de pré-triagem detalhado para cada paciente inscrito para identificar quaisquer contraindicações à ressonância magnética. Revise os formulários de segurança de ressonância magnética com 2+ membros da equipe de estudo. Instrua os sujeitos inscritos a remover todos os itens metálicos e fornecer-lhes um vestido.
  4. Posicione o sujeito em decúbito dorsal em um sistema de ressonância magnética 3T, forneça proteção auditiva e cobertor para o conforto do paciente e posicione uma bobina de cabeça e pescoço.
  5. Depois de realizar as sequências de localização iniciais para estabelecer a orientação adequada sobre a bifurcação carotídea, execute as três sequências a seguir:
    1. Obtenha uma ressonância magnética 3D do tempo de voo da cabeça e pescoço para caracterização anatômica da vasculatura da artéria carótida comum (ACC) em C5 até a ACI distal, o forame magno.
    2. Obtenha uma PC-MRI 2D com controle cardíaco no nível da CCA em C5 e acima da bifurcação carotídea na artéria carótida externa proximal (ECA) e na ACI média distal à lesão para medir as formas de onda do fluxo sanguíneo volumétrico. A codificação de velocidade específica do paciente (Venc) é baseada no pico de velocidade sistólica (PSV) em cada vaso (CCA, ECA e ACI média distal à lesão) medido via DHE. Em geral, aponte para um Venc ~ 20% maior que o do PSV na embarcação de interesse.
    3. Use a sequência de ressonância magnética qMatch localizada sobre a bifurcação carotídea para obter informações detalhadas sobre a composição e a vulnerabilidade da placa.

2. Obtenção de formas de onda de fluxo a partir de PC-MRI

  1. Depois de obter a PC-MRI 2D com controle cardíaco nos locais acima, obtenha formas de onda de fluxo volumétrico usando o software integrado no scanner de ressonância magnética.
    1. No scanner de ressonância magnética, identifique e use o respectivo software de quantificação de fluxo para obter formas de onda de fluxo derivadas de PC-MRI.
    2. Selecione cada vaso de interesse (ou seja, CCA, ECA e ICA) e coloque um contorno ao redor do vaso especificado para fornecer uma forma de onda de fluxo automatizada. Edite manualmente os contornos para garantir a área precisa da embarcação.
    3. Exporte as formas de onda de fluxo do respectivo software.
      NOTA: O software de quantificação de fluxo pode diferir entre diferentes fabricantes de ressonância magnética.
  2. Utilize uma transformação de Fourier para interpolar e criar uma forma de onda de fluxo suave, contínua e com um número maior de pontos de dados, permitindo assim um perfil de fluxo mais refinado para simulações CFD.
    NOTA: impondo o fluxo em CRIMSON24 (que será discutido mais adiante), é importante que a função da forma de onda seja contínua: tanto a função em si quanto suas derivadas existem e são contínuas para todos os valores de tempo. A interpolação de Fourier gera uma forma de onda contínua com base em qualquer combinação arbitrária de pontos de dados de fluxo medidos (PC-MRI) e pontos de tempo desejados (para análise CFD).
  3. Para garantir a conservação da massa entre as faces de entrada e saída, compare o fluxo médio do CCA, ECA e ICA após a Transformação de Fourier.
    1. Nos casos em que a conservação da massa (ou seja, fluxo CCA = fluxo ECA + fluxo ICA) não está dentro de 10%, não avance e prossiga com a solução de problemas.
    2. Primeiro, verifique se um PSV foi preciso usado para Venc e verifique se a forma de onda de fluxo derivada de ECA PC-MRI foi medida após um grande ramo (ou ramos).
    3. Nos casos em que a forma de onda de fluxo PC-MRI foi obtida após grandes ramos da ECA, aumente o fluxo para a ECA e verifique novamente a conservação da massa.

3. Modelação computacional da dinâmica dos fluidos: geometria

  1. Importe dados de imagem DICOM não identificados para anatomia específica do paciente (CTA, ressonância magnética, angiografia) para o CRIMSON usando o botão de importação no gerenciador de dados.
  2. Use a janela Modelagem de geometria para selecionar Edição de caminho de vaso e criar uma árvore de vaso que consiste na faixa anatômica de interesse (CCA, ECA e ICA).
  3. Use a janela Edição de caminho do vaso para colocar pontos de linha de centro ao longo do comprimento de cada vaso na anatomia de interesse (CCA, ECA e ICA).
    1. A linha central do CCA é normalmente iniciada no nível de C5, correspondendo ao local onde a forma de onda de fluxo da PC-MRI foi obtida.
    2. A linha central da ACI é tipicamente terminada 1–2 cm distal à estenose, correspondendo ao local onde a forma de onda de fluxo da PC-MRI foi obtida.
    3. A ECA da linha central é tipicamente terminada proximal aos ramos de primeira ordem da ECA, correspondendo ao local onde a forma de onda de fluxo da PC-MRI foi obtida.
  4. Usando a janela Refatiar vaso , o comprimento dos pontos da linha central ao longo de cada vaso é visualizado. Esta janela aparecerá depois que pelo menos dois pontos ao longo da linha central da embarcação tiverem sido adicionados e contém uma vista de seção transversal ao longo (perpendicular) à linha central.
    NOTA: As linhas de centro da embarcação também podem ser importadas no CRIMSON (elas devem estar no formato de arquivo VTK).
  5. Use a janela Refatiar vaso para especificar os limites da parede do vaso adicionando contornos de vaso (usando um círculo, elipse ou contorno manual). A janela Refatiar vaso fornece uma visualização do vaso ao longo da linha central para que contornos precisos possam ser definidos. Os contornos são adicionados manualmente pelo usuário em vários pontos da linha central da embarcação na janela Refatiar da embarcação .
    NOTA: No lado esquerdo da janela de refatiamento do recipiente , a imagem original é exibida. No lado direito da janela de refatiamento do recipiente, o gradiente da imagem é exibido. A visualização de imagem gradiente pode ser útil ao definir contornos, pois pode mostrar o limite do lúmen com mais clareza.
    1. Coloque contornos com frequência suficiente ao longo da linha central para capturar totalmente a curvatura e a mudança de geometria do recipiente, sem muito perto para sobreajustar ou produzir artefatos.
  6. Depois que os contornos tiverem sido colocados nas embarcações de interesse, use o botão Loft na janela Modelagem de contorno de embarcação para criar um modelo sólido 3D combinado de cada geometria por meio de um processo conhecido como lofting.
  7. Selecione a janela Mesclagem de vaso para gerar um único recipiente de geometria sólida. O algoritmo mais comum para misturar é o filete. O tamanho típico do filete está entre 0,3 a 1 mm.

4. Modelação computacional da dinâmica dos fluidos: malhas

  1. Selecione a janela Configuração de geração de malha e solucionador e use o botão de geração de malha para visualizar as opções de geração de malha e selecionar parâmetros de malha específicos.
    NOTA: Uma malha consiste em vários elementos tetraédricos e é necessária para executar uma simulação, pois as equações de Navier-Stokes para velocidade e pressão são resolvidas em cada ponto (nó) na malha. Uma malha básica pode ser definida usando recursos globais e/ou locais. Especificamente, a malha pode ser definida pelo tamanho do elemento (ou seja, um tamanho de elemento menor leva a uma malha menor ou mais refinada), refinamento de curvatura (que adiciona mais elementos de malha a áreas com maior curvatura) ou outros recursos de refinamento de malha local. Estratégias específicas de malha podem diferir com base em diferentes geometrias de interesse. Na configuração da geometria atual de interesse (ou seja, CCA, ACI proximal e ECA proximal), utilize características de malha globais e locais.
  2. Use a janela de opções globais para definir o tamanho do elemento global como um valor absoluto que varia entre 0,5 mm e 0,75 mm.
  3. Use a janela de opções globais para especificar o tipo de camada limite como crescimento geométrico. Defina o número total de camadas como 3, a espessura da primeira camada como 0,2 mm e a espessura total da camada como 1,0 mm, permitindo assim uma malha mais fina ao longo da parte externa da face e uma malha menos fina ao longo do meio da face.
  4. Por fim, use um refinamento de curvatura para adicionar mais elementos de malha em áreas com curvatura (ou seja, na estenose).
    NOTA: As opções de refinamento de malha local também podem ser usadas para criar uma malha mais fina em vasos específicos, áreas de bifurcação ou faces de entrada/saída.
  5. Revise os elementos de malha clicando no botão Informações da malha após clicar com o botão direito do mouse na malha.
    NOTA: Uma malha final deve conter elementos com proporções apropriadas (proporção do lado maior para o menor lado de um determinado elemento tetraédrico, quanto menor, melhor), uma distribuição de elementos que capturam características de fluxo em áreas críticas (ou seja, estenose, saídas de vasos, camadas limite) e evitar distorção excessiva ou mudanças bruscas no tamanho da célula.
    As malhas finais da geometria atual de interesse devem conter 400.000-700.000 elementos.
    A Figura 1A descreve as etapas críticas relativas à geometria e malha do paciente.

5. Modelação computacional da dinâmica dos fluidos: condições de contorno

  1. Para especificar condições de limite, selecione a janela Configuração da malha e do solucionador e, em seguida, selecione o ícone Configuração do solucionador . Na janela Configuração do solucionador , adicione um conjunto de condições de limite (conhecido como "Conjunto BC") e, em seguida, selecione uma condição de limite específica usando o ícone BC .
    NOTA: As condições de contorno são usadas para representar a pressão e o fluxo sanguíneo além dos limites do modelo segmentado. A decisão de quais condições de contorno usar e onde elas são prescritas é indiscutivelmente o aspecto mais importante e crítico de qualquer modelo de CFD e deve ser feita deliberadamente e apoiada por um significado fisiologicamente relevante. As condições de contorno devem ser selecionadas e ajustadas para corresponder aos valores específicos do paciente e, nos casos em que os valores específicos do paciente não estão disponíveis, os dados da literatura podem ser usados para informar o modelo computacional.
  2. Observe as condições de contorno que estão atualmente disponíveis no CRIMSON:
    1. Entrada: Pressão, Velocidade Prescrita (Forma de Onda de Fluxo), circuito de parâmetro concentrado personalizado (qualquer combinação arbitrária de resistores, capacitores, indutores, nós de pressão e elementos de circuito personalizados definidos por meio de um script Python).
    2. Parede: Sem deslizamento (refere-se a uma parede rígida ou não deformável), Deformável.
    3. Saída: Pressão, RCR, Velocidade Prescrita (Forma de Onda de Fluxo), circuito personalizado de parâmetro concentrado.
  3. Clique no ícone BC para selecionar uma condição de limite específica. Primeiro, selecione Sem deslizamento para implementar paredes rígidas e não deformáveis e aplique-o a todas as paredes usando o botão Aplicar a todas as paredes .
  4. Em seguida, clique no ícone BC e selecione a velocidade prescrita para importar a forma de onda de entrada definida anteriormente (ou seja, o fluxo CCA derivado de PC-MRI após a Transformação de Fourier). Na janela de condições de limite, mapeie o perfil de velocidade parabólica para a entrada do CCA.
    NOTA: No CRIMSON, a convenção é que os fluxos de entrada sejam negativos e os fluxos de saída sejam positivos.
  5. Da mesma forma, importe a forma de onda de saída pulsátil da ECA (velocidade prescrita) reconstruída a partir do PC-MRI e mapeie o perfil de velocidade parabólica para a saída da ECA.
  6. Selecione o ícone BC | RCR para preencher um modelo de Windkessel de três elementos (RCR), que consiste em uma resistência proximal (Rp), uma resistência distal (Rd) e um capacitor (C). Mapeie o RCR para a saída do ICA. Calcule os valores aproximados de RCR específicos do paciente usando os dados de fluxo de PC-MRI e a pressão arterial dos pacientes.
    1. A resistência arterial total é RT = Pmédia/QT, onde a pressão arterial média Pmédia = 1/3 Psistólica + 2/3 Pdiastólica, e QT é o fluxo cardíaco total entrando no modelo (neste caso, fluxo CCA).
    2. A complacência arterial total é CT = (QT,max-Q T,min)/(Psistólica-P diastólica)*Δt, onde QT,max e QT,min são valores máximos e mínimos de entrada de CCA, e Δt é o lapso de tempo entre esses valores.
    3. As estimativas iniciais para os parâmetros do modelo de Windkessel são informadas por imagens específicas do paciente e são obtidas distribuindo uma fraçãode RT e CT na saída da ACI.
      NOTA: A Figura 1B descreve as condições de contorno usadas no presente esquema de modelagem. O presente estudo utiliza o conjunto de condições de contorno acima mencionado; no entanto, outros conjuntos de condições de contorno podem ser utilizados.

6. Modelação computacional da dinâmica dos fluidos: simulação

  1. Na janela Configuração da malha e do solucionador , selecione o ícone Configuração do solucionador | Parâmetros Sovler para especificar os parâmetros do solucionador dentro do CRIMSON.
    1. Execute simulações usando um tamanho de passo de tempo de 0,1 ms para quatro ciclos cardíacos.
      NOTA: O resíduo necessário para que uma solução seja considerada convergente para cada etapa de tempo é 1 x 10-4. Porque as estenoses de alto grau da ACI têm regiões de sangue modelo de fluxo complexo e recirculatório como um fluido não newtoniano incompressível usando o modelo de Carreau-Yasuda. Isso pode ser feito adicionando um modelo de constante de viscosidade ao arquivo de entrada do solver (consulte 6.3.1). Defina a densidade do sangue como 1.060 kg·m−3.
      Uma formulação de elementos finitos estabilizada para as equações incompressíveis de Navier-Stokes resolve a velocidade e as pressões do fluxo sanguíneo nos modelos.
  2. Para iniciar uma simulação, prepare os arquivos de simulação usando a Configuração do Solver no CRIMSON. Especificamente, gere arquivos contendo os dados de fluxo (bct.dat), fluxo de entrada em cada intervalo de tempo (bctFlowWaveform.dat), informações sobre a malha e as condições de contorno (geombc.dat), informações para a face na qual cada condição de contorno é aplicada (faceinfo.dat), o número do primeiro passo de tempo da simulação (numstart.dat), dados de Windkessel de 3 elementos (rcrt.dat), arquivos contendo informações sobre pressão e velocidade em cada ponto da malha (arquivos de reinicialização), e as instruções para o solucionador de fluxo (solver.inp).
    1. Adicione o modelo Carreau-Yasuda ao solver.inp e adicione aos arquivos de simulação para permitir que o sangue seja modelado como um fluido não newtoniano.
  3. Para executar simulações, escolha uma das seguintes opções:
    1. Para obter a maneira mais simples de executar o solucionador de fluxo CRIMSON Navier-Stokes, pressione o botão Executar simulação no painel Estudo da janela Configuração do solucionador . Isso abrirá uma janela de comando, que permite ao usuário especificar quantos processadores usar.
      NOTA: O solucionador de fluxo também pode ser executado a partir da linha de comando usando um arquivo em lote do Windows.
      Embora algumas simulações (ou seja, aquelas sob a suposição de estado estacionário) possam ser executadas diretamente através do CRIMSON em um computador desktop Windows local, as simulações pulsáteis com uma malha que consiste em muitos elementos tetraédricos (>200.000) exigirão um cluster de computação de alto desempenho (HPC) com um sistema operacional Linux.
  4. Use o solucionador de fluxo CRIMSON Navier-Stokes para realizar cálculos com 72 a 108 núcleos em um cluster HPC. Se estiver executando simulações em um cluster HPC, transfira todos os arquivos presolver para o cluster.
    NOTA: O processo de transferência de arquivos para um cluster HPC será diferente para cada indivíduo e instituição com base na tecnologia e no software disponíveis para eles.
  5. Quando o solucionador começar a ser executado, observe que um arquivo de saída chamado "histor.dat" é impresso na linha de comando. Os arquivos de saída da simulação serão salvos em um novo diretório chamado "n-procs-case", onde "n" é o número de processadores para a simulação.
    1. Use o prompt do linux: tail -f histor.dat para visualizar o arquivo "histor.dat" em tempo real. O arquivo histor.dat consiste em várias colunas; no entanto, as primeiras quatro colunas são as mais importantes.
      1. Observe que a primeira coluna é o passo de tempo atual, que pode aparecer várias vezes porque, dentro de cada etapa, as equações de Navier-Stokes são resolvidas várias vezes para aumentar a precisão da solução numérica antes de prosseguir para a próxima etapa (ou seja, aproximando-se do resíduo especificado).
      2. Observe que a segunda coluna é o tempo de simulação decorrido em segundos.
      3. Observe que a terceira coluna é o resíduo não linear, que é uma medida da qualidade da solução atual (um número menor indica uma solução melhorada).
      4. Observe que a quarta coluna é o valor logarítmico do resíduo atual em comparação com o resíduo inicial no início da simulação, que fornece uma medida do resíduo atual em relação aos pontos iniciais.

7. Modelagem Computacional de Dinâmica de Fluidos: Pós-Processamento

  1. Verifique a convergência após a conclusão da simulação (ou seja, a abordagem de simulação foi bem-sucedida em atender ao resíduo especificado). Use as informações contidas no arquivo "histor.dat" para plotar e/ou visualizar os resíduos.
  2. Para visualizar os resultados detalhados da simulação, é necessário o pós-processamento. Navegue até a pasta "n-procs-case" e execute os executáveis postsolver e multipostsolver (ambos podem ser encontrados nos arquivos de instalação do CRIMSON flowsolver).
    1. Use o executável postsolver (postsolver -sn <última etapa de tempo> -td -ph -ybar) para gerar um arquivo "ybar", que contém uma medida de erros para cada nó na malha.
    2. Use o executável multipostsolver (multipostsolver ) para combinar os arquivos de reinicialização recuperando os resultados no incremento especificado entre a primeira e a última etapa de tempo especificada.
  3. Verifique a conservação de massa inspecionando o arquivo "FlowHist.dat", que contém as formas de onda de fluxo para entrada de CCA e saída de ECA e ICA.
  4. Inspecione a pressão, incluindo pressão máxima (SBP), pressão mínima (DBP), MAP e pressão de pulso (Pressão de pulso = SBP-DBP), observando o arquivo "PressHist.dat".
  5. Ajuste os parâmetros RCR para garantir a concordância com informações específicas do paciente, como pressão arterial. Especificamente, a resistência e a capacitância são ajustadas de forma que a pressão de pulso simulada na saída do CCA esteja dentro de 5% da pressão de pulso do paciente e 10% da PAM (da medição do manguito).
    NOTA: Aumente a resistência para aumentar a pressão (PAS, PAD e PAM) e aumente a complacência para diminuir a pressão de pulso (vice-versa). O ajuste do RCR é um processo iterativo, que geralmente é chamado de iteração de ponto fixo.

8. Modelagem Computacional de Dinâmica de Fluidos: Análise de Dados

  1. Depois que uma simulação passar pela sintonia designada (ou seja, pressão de pulso simulada dentro de 5% da pressão de pulso do paciente), exporte, visualize e analise os dados.
  2. Identifique o arquivo "view.pht" na pasta que foi criada após a execução do executável multipostsolver [ou seja, (multipostsolver )] e importe-o para o Paraview.
  3. Calcule e visualize as seguintes variáveis no Paraview.
    1. Velocidade (e fluxo): CRIMSON relata a velocidade em mm/s, no entanto, na imagem DUS, a velocidade é relatada em cm/s. Converta a velocidade em cm/s usando uma calculadora no Paraview.
      NOTA: Como uma condição de contorno de parede rígida ou sem deslizamento foi usada, a velocidade na parede será zero. Assim, é melhor visualizar a velocidade usando uma técnica de renderização de volume.
      1. Capture o perfil de velocidade de uma parte específica do modelo (ou seja, o ponto de estenose máxima) usando uma função de clipe ou fatia no Paraview.
    2. Pressão (e Relação de Pressão)
      NOTA: CRIMSON relata pressão em Pascal (Pa); no entanto, clinicamente, a pressão é relatada em mmHg. Converta a pressão em mmHg usando uma calculadora dividindo a pressão (em Pa) por 133,33.
      1. Use um clipe ou fatia para capturar a pressão proximal e distal à estenose da ACI. Use o filtro "Plotar dados em tempo aberto" no Paraview para obter uma forma de onda de pressão ao longo do tempo (análoga à forma de onda que se obteria com uma medição de pressão invasiva).
      2. Calcule a razão de pressão dividindo a pressão distal média pela pressão proximal média.
    3. Tensão de cisalhamento da parede (WSS): Calcule o WSS médio no tempo selecionando primeiro a área de interesse (a estenose ICA), usando uma calculadora para obter a magnitude do WSS e usando o "Filtro de estatísticas temporais".
    4. Calcule o Índice de Cisalhamento Oscilatório (OSI) no Paraview após o cálculo do WSS médio no tempo (veja acima).
      NOTA: O OSI é uma medida de quanto o WSS muda de direção e magnitude durante um ciclo cardíaco. Os valores do OSI variam de 0 a 0,5, onde 0 indica WSS unidirecional e 0,5 indica WSS com uma média de tempo de zero.

9. Análise da morfologia da placa usando ressonância magnética qMatch

  1. Execute dados brutos de imagem qMatch por meio do programa de reconstrução de imagem MATLAB para obter imagens pós-processadas, incluindo sangue escuro, ponderado em T1, ponderado em T2, MRA, mapa QMatch T1 e imagens de mapa qMatch T2.
  2. Use um visualizador DICOM para visualizar as imagens de ressonância magnética qMatch pós-processadas e avaliar a composição da placa.
    NOTA: O qMatch pode identificar os componentes da placa, incluindo cálcio, hemorragia intraplaca (IPH), núcleos necróticos ricos em lipídios (LRNC) e espessura da capa fibrosa e seu status.
    1. Em geral, cada componente terá as seguintes características nos conjuntos de dados qMatch (Tabela 1).
      1. Cálcio: Hipointenso em imagens de sangue escuro, ponderadas em T1 e T2.
      2. HPI recente: Hiperintenso em T1 e hiper a iso intenso em T2.
      3. HPI antiga: Hiperintenso em T1 e hipo a isointenso em T2.
      4. LRNC: Hiperintenso em T1 e Hipointenso em T2.
      5. FC: Hiper a iso-intenso em imagens ponderadas em T2.
  3. Classifique as placas, com base em seus componentes, usando os sistemas de classificação modificados da American HeartAssociation27 e/ou Plate-RADS (Reporting and Data System)28 .

Results

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

O uso desse fluxo de trabalho CFD informado por ressonância magnética emparelhado com a ressonância magnética qMatch permite a identificação das cargas hemodinâmicas através da estenose da ACI e dos componentes específicos da placa. Primeiro, começamos garantindo que tenhamos uma malha de alta qualidade para permitir uma representação precisa das características de fluxo em áreas críticas. Uma malha final deve conter um número adequado de elementos de malha com baixas proporções (Figura 1A). Uma malha grosseira com altas proporções provavelmente levará a resultados de simulação imprecisos. Em seguida, avançamos com a especificação de nossas condições de contorno (Figura 1B). Após a conclusão bem-sucedida da simulação e o ajuste apropriado da condição de contorno, a hemodinâmica não invasiva e específica do paciente pode ser coletada.

Métricas hemodinâmicas específicas que podem ser medidas, incluindo, mas não se limitando a, velocidade, fluxo, pressão (incluindo taxas de pressão e gradientes de pressão), WSS e OSI. A Figura 2 mostra um perfil de velocidade representativo através da bifurcação carotídea e da estenose da ACI. A visualização do perfil de velocidade máxima ao longo do ciclo cardíaco pode servir como um substituto para uma forma de onda de velocidade derivada de DHE. Assim, tanto o PSV quanto a velocidade diastólica final (VDF) podem ser aproximados. A Figura 3 mostra dois exemplos representativos da pressão (mmHg) através da bifurcação carotídea e estenose da ACI. Um gradiente de pressão pode ser medido coletando formas de onda de pressão proximais e distais à estenose.

Na Figura 3A, há pouca ou nenhuma diferença na pressão proximal (linha vermelha) e distal (linha azul) à estenose. No entanto, na Figura 3B, há uma grande diferença de pressão proximal (linha vermelha) e distal (linha azul) à estenose. A Figura 4 mostra dois exemplos representativos do WSS (Pa) mapeado na bifurcação carotídea e na estenose da ACI. Na Figura 4A, há um WSS baixo na estenose, enquanto na Figura 4B, há um grande WSS na estenose. A Figura 5 mostra uma comparação do OSI mapeado através da bifurcação carotídea antes (Figura 5A: pré-operatório) e depois (Figura 5B: pós-operatório) CEA. Os mapas pós-operatórios mostram áreas de maior OSI em comparação com o pré-operatório.

Após o pós-processamento apropriado das imagens qMatch, um conjunto de dados com seis conjuntos de DICOMs será gerado, incluindo sangue escuro, ponderado em T1, ponderado em T2, MRA, qMatch T1 Map e qMatch T2 Map sequências. Usando esses conjuntos de dados, os componentes da placa, incluindo cálcio, IPH, LRNC e espessura da capa fibrosa e/ou ruptura, podem ser visualizados e quantificados (usando o mapa T1 e as sequências do mapa T2). A Tabela 1 descreve as características gerais de cada componente da placa nos conjuntos de dados qMatch. A Figura 6 mostra um conjunto de dados qMatch representativo de um paciente com HPI. O contorno da ACI é representado com uma linha branca sólida, enquanto o lúmen do fluxo é representado com a linha branca tracejada e a placa é representada com a linha amarela tracejada. Características de HPI (linha vermelha sólida) demonstradas por sinal hiperintenso na imagem ponderada em T1 e medida de T1 reduzida no mapa T1. A Figura 7 mostra um conjunto de dados qMatch representativo de um paciente com placa fortemente calcificada. O contorno do ICA é representado com uma linha branca sólida, enquanto o lúmen do fluxo é representado com a linha branca tracejada. Porção calcificada da placa (linha laranja tracejada) demonstrada por hipossinal no sangue escuro, imagens ponderadas em T1 e T2.

figure-results-1
Figura 1: Visão geral do método de modelagem de dinâmica de fluidos computacional. (A) Criação de geometria e malha específicas do paciente, bem como (B) especificação de condições de contorno. (A) Os dados de imagem DICOM não identificados do CTA são importados para o CRIMSON e a anatomia de interesse (incluindo CCA, ICA e ECA) é determinada. Os pontos da linha central são colocados ao longo do comprimento de cada vaso dentro da anatomia de interesse. Os limites da parede do vaso são especificados adicionando contornos. Os ramos da embarcação são elevados e, em seguida, combinados com uma operação de filete. O modelo geométrico final é então discretizado em uma malha, consistindo em vários elementos tetraédricos com refinamento de malha local no nível da estenose. (B) Um Windkessel de 3 elementos é prescrito para a saída ICA para permitir variações de pressão e velocidade. A PC-RM 2D com controle cardíaco é obtida no nível da ACC em C5 (círculo vermelho e elipse) e acima da bifurcação carotídea na ACE proximal (círculo laranja e elipse) e ACI média distal à lesão (círculo azul e elipse) para medir as formas de onda do fluxo sanguíneo volumétrico. Uma forma de onda de fluxo é prescrita para a entrada CCA e a saída ECA. Abreviaturas: CTA = angiotomografia computadorizada; CCA = artéria carótida comum; ACI = artéria carótida interna; ECA = artéria carótida externa; PC = Contraste de fase. Clique aqui para ver uma versão maior desta figura. 

figure-results-2
Figura 2: Informações de velocidade do fluxo de trabalho CFD. Direita) Velocidade (cm/s) mapeada para um modelo de bifurcação carotídea incluindo CCA, ECA e ICA com estenose grave na vista anterior. Esquerda) A velocidade máxima ao longo do tempo para um ciclo cardíaco pode ser visualizada, servindo como um substituto para o ultrassom duplex. Abreviaturas: CCA = artéria carótida comum; ECA = artéria carótida externa; ACI = artéria carótida interna. Clique aqui para ver uma versão maior desta figura.

figure-results-3
Figura 3: Exemplo representativo de pressão (mmHg) mapeada através da bifurcação carotídea para dois casos na vista anterior. A pressão é mapeada para modelos geométricos do CCA, ECA e ICA. (A) Caso com mínima ou nenhuma diferença de pressão proximal (linha vermelha, forma de onda de pressão vermelha) e distal (linha azul, forma de onda de pressão azul) à estenose da ACI. (B) Caso com grande diferença de pressão proximal (linha vermelha, forma de onda de pressão vermelha) e distal (linha azul, forma de onda de pressão azul) à estenose da ACI. Abreviaturas: CCA = artéria carótida comum; ECA = artéria carótida externa; ACI = artéria carótida interna. Clique aqui para ver uma versão maior desta figura.

figure-results-4
Figura 4: Exemplo representativo de tensão de cisalhamento da parede (Pa) mapeada através da bifurcação carotídea para dois casos na vista anterior. O WSS é mapeado para modelos geométricos do CCA, ECA e ICA. (A) Caso com baixa WSS através da estenose da ACI. (B) Caso com WSS grande através da estenose da ACI. Abreviaturas: WSS = tensão de cisalhamento da parede; CCA = artéria carótida comum; ECA = artéria carótida externa; ACI = artéria carótida interna. Clique aqui para ver uma versão maior desta figura. 

figure-results-5
Figura 5: Comparação do índice de cisalhamento oscilatório antes (pré-operatório) e depois (pós-operatório) da endarterectomia carotídea, incluindo as incidências anterior e posterior. O OSI é mapeado para modelos geométricos do CCA, ECA e ICA. Lesão e lesão reparada (segmentos onde OSI são comparados) são destacadas. Os mapas pós-operatórios retratam áreas de maior OSI em comparação com o pré-operatório. Abreviaturas: OSI = índice de cisalhamento oscilatório; CCA = artéria carótida comum; ECA = artéria carótida externa; ACI = artéria carótida interna; CEA = endarterectomia carotídea. Clique aqui para ver uma versão maior desta figura. 

figure-results-6
Figura 6: Um conjunto de dados qMatch representativo de um paciente com hemorragia intraplaca. (A) Sangue escuro, (B) ponderado em T1, (C) ponderado em T2, (D) MRA, (E) qMatch T1 Map e (F) qMatch T2 Map sequências. O contorno da ACI é representado com uma linha branca sólida, enquanto o lúmen do fluxo é representado com a linha branca tracejada e a placa é representada com a linha amarela tracejada. Características de HPI (linha vermelha sólida) demonstradas por sinal hiperintenso na imagem ponderada em T1 e medida de T1 reduzida no mapa T1. Abreviaturas: HPI = hemorragia intraplaca. Clique aqui para ver uma versão maior desta figura.

figure-results-7
Figura 7: Um conjunto de dados qMatch representativo de um paciente com placa calcificada. (A) Sangue escuro, (B) ponderado em T1, (C) ponderado em T2, (D) MRA, (E) qMatch T1 Map e (F) qMatch T2 Map sequências. O contorno do ICA é representado com uma linha branca sólida, enquanto o lúmen do fluxo é representado com a linha branca tracejada. Porção calcificada da placa (linha laranja tracejada) demonstrada por hipossinal no sangue escuro, imagens ponderadas em T1 e T2. Clique aqui para ver uma versão maior desta figura.

Componente de placaMRASangue NegroT1wT2WMapa T1Mapa T2
IPH++Usado para quantificaçãoUsado para quantificação
Cálcio---Usado para quantificaçãoUsado para quantificação
LRNC=-Usado para quantificaçãoUsado para quantificação
Tampa Fibrosa-/=-/=-Usado para quantificaçãoUsado para quantificação

Tabela 1: Características dos componentes da placa em conjuntos de dados qMatch. Abreviaturas: ARM = Angiografia por ressonância magnética; T1w = T1 ponderado; T2w = T2 ponderado; HPI = hemorragia intraplaca; LRNC = núcleo necrótico rico em lipídios; + = hiperintenso; - = hipo-intenso; (=) iso-intenso.

Discussion

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

Aqui, apresentamos um protocolo para caracterizar de forma não invasiva as cargas hemodinâmicas e a composição da placa em uma estenose da ACI, fornecendo assim uma avaliação mais abrangente do potencial embólico do que as modalidades diagnósticas atuais que avaliam apenas a porcentagem de estenose. Começamos obtendo dados de imagem e pressão do paciente de maneira retrospectiva e prospectiva, incluindo dados de CTA, PC-MRI e manguito de pressão arterial para informar nossos modelos de CFD. Além disso, ajustamos as condições de contorno em nosso modelo, especificamente o modelo de Windkessel, para corresponder aos dados conhecidos do paciente. Como tal, este protocolo permite a coleta de dados precisos e específicos do paciente relativos a fatores de risco fisiologicamente relevantes para embolia em placas e acidente vascular cerebral.

Informar modelos e condições de contorno com dados fisiologicamente precisos e específicos do paciente é fundamental para resultados de simulação precisos. Algumas simulações computacionais no espaço cerebrovascular dependem de USD, métodos numéricos ou suposições não específicas do paciente para derivar formas de onda de influxo 21,29,30,31. O uso da USD é atraente, pois está amplamente disponível, frequentemente usado em ambientes clínicos, tem menor custo e é facilmente acessível. No entanto, a PC-RM é geralmente considerada um método mais preciso para medir o fluxo 32,33,34. A PC-MRI pode quantificar diretamente a velocidade em vários locais dentro do lúmen, acomodando assim as assimetrias dentro do campo de fluxo dentro de um vaso e, portanto, fornece uma representação mais abrangente da dinâmica do fluxo32,33. A PC-MRI também não está sujeita a vieses específicos do operador introduzidos pela USD, como ângulo de interrogação e local de seleção da medição. Por outro lado, o DUS geralmente depende do operador e é menos preciso na captura da área do vaso e padrões de fluxo complexos, muitas vezes levando a fluxos imprecisos. No entanto, as medições de fluxo de PC-MRI não são perfeitas, com um erro aproximado de 10%35,36. Atenção especial deve ser dada para garantir a codificação adequada do vaso, mantendo um plano de imagem ortogonal ao vaso axial, resoluções temporais e especiais apropriadas e minimização de erros de deslocamento de fase37. Por fim, a RM pode superestimar a estenose em comparação com a angio-TC, que deve ser considerada na avaliação da geometria do paciente38. Trabalhos futuros, focados na comparação de saídas hemodinâmicas de modelos CFD informados por formas de onda de fluxo de USD e aquelas informadas por formas de onda de fluxo de PC-MRI, são necessários.

A escolha das condições de contorno do fluxo de saída pode ter uma influência significativa nos campos de velocidade e pressão em simulações CFD de fluxo sanguíneo. Em nossa abordagem, optamos por impor uma forma de onda de escoamento parabólico ao ECA e acoplar o ICA a um modelo de Windkessel de três elementos. Essa abordagem para especificação de condições de contorno permite uma aplicação robusta da conservação de massa entre a entrada e as saídas, ao mesmo tempo em que permite a correspondência precisa da pressão arterial do paciente39. Assim, sentimos que isso forneceria a descrição mais precisa da hemodinâmica da ACI. No entanto, dado que estamos impondo uma forma de onda de fluxo a uma de nossas saídas de modelo (ou seja, o ECA), é importante garantir que a forma de onda de saída seja sincronizada com a forma de onda de entrada CCA39. Em nossa abordagem, isso foi possível graças à coleta de nossos dados de fluxo de PC-MRI com gated cardíaco 2D. No entanto, nos casos em que a obtenção de tais dados é impraticável, uma abordagem de condição de contorno diferente pode ser vantajosa (ou seja, acoplar o ECA e o ICA aos modelos de Windkessel de três elementos) para que as suposições não precisem ser feitas no alinhamento temporal das formas de onda de entrada e saída39.

Existem limitações importantes deste protocolo a serem lembradas. Em primeiro lugar, como essa abordagem de modelagem consiste apenas na bifurcação carotídea ipsilateral, ela não inclui o círculo de Willis e/ou fatores importantes que impactam a hemodinâmica cerebral, como a presença de colaterais ou a extensão da estenose contralateral da ACI. Pacientes com vias colaterais incompletas no círculo de Willis demonstraram ter taxas mais altas de AVC grave e pior prognóstico após AVC 40,41,42. Além disso, a presença de colaterais patentes tem sido associada a um risco reduzido de acidente vascular cerebral e ataque isquêmico transitório 9,43,44. Além disso, vários estudos demonstraram que a presença de uma estenose (ou oclusão) contralateral da ACI afeta as velocidades da ACI ipsilateral 45,46,47,48. Além disso, nosso grupo demonstrou recentemente que estenoses e oclusões graves da ACI contralateral afetam a EEI e as pressões da ACI ipsilateral49. No entanto, a modelagem de todo o círculo de Willis consome muitos recursos e limita a utilidade clínica de nosso protocolo atual.

Uma limitação adicional do nosso modelo é que não permitimos mudanças na resistência e complacência na saída da ACI e, portanto, não levamos em conta a autorregulação cerebral que pode afetar a distribuição do fluxo sanguíneo com diferentes gravidades de estenose. Além disso, modelamos as paredes dos vasos como rígidas, em vez de deformáveis. No entanto, como a estenose da artéria carótida está associada ao aumento da rigidez do vaso, achamos que uma suposição de parede rígida é razoável. Além disso, não há limiares bem definidos de WSS e PG para diferentes níveis de estenose da ACI e as associações com o risco de AVC ainda não estão definidas, portanto, em nosso modelo atual, não validamos a traduzibilidade clínica e ainda não podemos estimar o risco de AVC de um paciente. Finalmente, a sequência de ressonância magnética qMatch não está prontamente disponível em scanners de ressonância magnética padrão. O qMatch requer uma máquina de ressonância magnética 3T e requer importação manual da sequência, pois não é uma sequência de ressonância magnética clínica padrão. Além disso, como nosso protocolo especifica, o qMatch requer pós-processamento complexo no MATLAB, o que pode limitar ainda mais sua generalização para uso clínico generalizado.

Novas métricas para definir e avaliar o impacto hemodinâmico da estenose da ACI e estratificar melhor o risco individualizado de AVC são necessárias, conforme evidenciado pela principal prioridade de pesquisa atual da Society of Vascular Surgery: desenvolver ferramentas diagnósticas, técnicas de imagem e estratégias de seleção destinadas a identificar pacientes que se beneficiariam do tratamento da estenose assintomática da ACI50. Este protocolo está bem equipado para caracterizar de forma não invasiva as cargas hemodinâmicas e a composição da placa em uma estenose da ACI, fornecendo assim uma avaliação mais abrangente do potencial embólico da placa da ACI do que as modalidades diagnósticas atuais. Em nosso trabalho futuro, buscamos definir melhor a associação de métricas hemodinâmicas (como WSS e PG) com risco de embolia em placa ICA e acidente vascular cerebral.

Disclosures

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

Os autores declaram não haver conflitos de interesse.

Acknowledgements

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

Este estudo foi apoiado pelo Instituto Nacional de Saúde F32HL168968 e pela Sociedade Cirúrgica Frederick A. Coller.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
CARMESIMN/AN/ASoftware online de código aberto
HorosHorosN/ASoftware online de código aberto
MATLAB versão 14Obras matemáticasN/A
ParaviewN/AN/ASoftware online de código aberto
Scanner de ressonância magnética Siemens 3T VIDA Siemens HealthineersN/A

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