-1::1
Simple Hit Counter
Skip to content

Products

Solutions

×
×
Sign In

PT

EN - EnglishCN - 简体中文DE - DeutschES - EspañolKR - 한국어IT - ItalianoFR - FrançaisPT - Português do BrasilPL - PolskiHE - עִבְרִיתRU - РусскийJA - 日本語TR - TürkçeAR - العربية
Sign In Start Free Trial

RESEARCH

JoVE Journal

Peer reviewed scientific video journal

Behavior
Biochemistry
Bioengineering
Biology
Cancer Research
Chemistry
Developmental Biology
View All
JoVE Encyclopedia of Experiments

Video encyclopedia of advanced research methods

Biological Techniques
Biology
Cancer Research
Immunology
Neuroscience
Microbiology
JoVE Visualize

Visualizing science through experiment videos

EDUCATION

JoVE Core

Video textbooks for undergraduate courses

Analytical Chemistry
Anatomy and Physiology
Biology
Cell Biology
Chemistry
Civil Engineering
Electrical Engineering
View All
JoVE Science Education

Visual demonstrations of key scientific experiments

Advanced Biology
Basic Biology
Chemistry
View All
JoVE Lab Manual

Videos of experiments for undergraduate lab courses

Biology
Chemistry

BUSINESS

JoVE Business

Video textbooks for business education

Accounting
Finance
Macroeconomics
Marketing
Microeconomics

OTHERS

JoVE Quiz

Interactive video based quizzes for formative assessments

Authors

Teaching Faculty

Librarians

K12 Schools

Products

RESEARCH

JoVE Journal

Peer reviewed scientific video journal

JoVE Encyclopedia of Experiments

Video encyclopedia of advanced research methods

JoVE Visualize

Visualizing science through experiment videos

EDUCATION

JoVE Core

Video textbooks for undergraduates

JoVE Science Education

Visual demonstrations of key scientific experiments

JoVE Lab Manual

Videos of experiments for undergraduate lab courses

BUSINESS

JoVE Business

Video textbooks for business education

OTHERS

JoVE Quiz

Interactive video based quizzes for formative assessments

Solutions

Authors
Teaching Faculty
Librarians
K12 Schools

Language

pt_BR

EN

English

CN

简体中文

DE

Deutsch

ES

Español

KR

한국어

IT

Italiano

FR

Français

PT

Português do Brasil

PL

Polski

HE

עִבְרִית

RU

Русский

JA

日本語

TR

Türkçe

AR

العربية

    Menu

    JoVE Journal

    Behavior

    Biochemistry

    Bioengineering

    Biology

    Cancer Research

    Chemistry

    Developmental Biology

    Engineering

    Environment

    Genetics

    Immunology and Infection

    Medicine

    Neuroscience

    Menu

    JoVE Encyclopedia of Experiments

    Biological Techniques

    Biology

    Cancer Research

    Immunology

    Neuroscience

    Microbiology

    Menu

    JoVE Core

    Analytical Chemistry

    Anatomy and Physiology

    Biology

    Cell Biology

    Chemistry

    Civil Engineering

    Electrical Engineering

    Introduction to Psychology

    Mechanical Engineering

    Medical-Surgical Nursing

    View All

    Menu

    JoVE Science Education

    Advanced Biology

    Basic Biology

    Chemistry

    Clinical Skills

    Engineering

    Environmental Sciences

    Physics

    Psychology

    View All

    Menu

    JoVE Lab Manual

    Biology

    Chemistry

    Menu

    JoVE Business

    Accounting

    Finance

    Macroeconomics

    Marketing

    Microeconomics

Start Free Trial
Loading...
Home
JoVE Science Education
Engineering
Mapeamento Quantitativo de Tensão de um Aneurisma da Aorta Abdominal
Mapeamento Quantitativo de Tensão de um Aneurisma da Aorta Abdominal
JoVE Science Education
Biomedical Engineering
A subscription to JoVE is required to view this content.  Sign in or start your free trial.
JoVE Science Education Biomedical Engineering
Quantitative Strain Mapping of an Abdominal Aortic Aneurysm

6: Mapeamento Quantitativo de Tensão de um Aneurisma da Aorta Abdominal

4,756 Views
10:24 min
January 16, 2018
AI Banner

Please note that some of the translations on this page are AI generated. Click here for the English version.

Overview

Fonte: Hannah L. Cebull1, Arvin H. Soepriatna1, John J. Boyle2 e Craig J. Goergen1

1 Weldon School of Biomedical Engineering, Purdue University, West Lafayette, Indiana

2 Engenharia Mecânica & Ciência dos Materiais, Universidade de Washington em St. Louis, St Louis, Missouri

O comportamento mecânico dos tecidos moles, como vasos sanguíneos, pele, tendões e outros órgãos, são fortemente influenciados por sua composição de elastina e colágeno, que proporcionam elasticidade e força. A orientação de fibras dessas proteínas depende do tipo de tecido mole e pode variar de uma única direção preferencial a redes intrincadas de malha, que podem se tornar alteradas em tecido doente. Portanto, os tecidos moles muitas vezes se comportam anisotropicamente no nível celular e órgão, criando uma necessidade de caracterização tridimensional. Desenvolver um método para estimar de forma confiável os campos de cepas dentro de tecidos ou estruturas biológicas complexas é importante para caracterizar e entender a doença mecanicamente. A cepa representa como o tecido mole se deforma relativamente ao longo do tempo, e pode ser descrito matematicamente através de várias estimativas.

A aquisição de dados de imagem ao longo do tempo permite que a deformação e a tensão sejam estimadas. No entanto, todas as modalidades de imagem médica contêm alguma quantidade de ruído, o que aumenta a dificuldade de estimar com precisão a tensão in vivo. A técnica aqui descrita supera esses problemas com sucesso usando um método de estimativa de deformação direta (DDE) para calcular campos de cepa 3D espacialmente variados a partir de dados de imagem volumosas.

Os métodos atuais de estimativa de tensão incluem correlação de imagem digital (DIC) e correlação de volume digital. Infelizmente, o DIC só pode estimar com precisão a tensão de um plano 2D, limitando severamente a aplicação deste método. Embora úteis, métodos 2D como DIC têm dificuldade em quantificar a cepa em regiões que sofrem deformação 3D. Isso ocorre porque o movimento fora do avião cria erros de deformação. A correlação de volume digital é um método mais aplicável que divide os dados de volume inicial em regiões e encontra a região mais semelhante do volume deformado, reduzindo assim o erro fora do plano. No entanto, este método se mostra sensível ao ruído e requer suposições sobre as propriedades mecânicas do material.

A técnica aqui demonstrada elimina essas questões utilizando um método DDE, tornando-o muito útil na análise de dados de imagem médica. Além disso, é robusto para tensão alta ou localizada. Aqui descrevemos a aquisição de dados de ultrassom 4D fechados, volumétricos, sua conversão em um formato analisável e o uso de um código Matlab personalizado para estimar a deformação 3D e as cepas verdes-lagrange correspondentes, um parâmetro que melhor descreve grandes deformações. O tensor de cepa Green-Lagrange é implementado em muitos métodos de estimativa de cepas 3D porque permite que f seja calculado a partir de um Ajuste De Menor Quadrado (LSF) dos deslocamentos. A equação abaixo representa o tensor de cepa Green-Lagrange, E, onde F e I representam o gradiente de deformação e tensor de identidade de segunda ordem, respectivamente.

Equation 1 (1)

Procedure

1. Configuração de ultrassom 4D

  1. Ao usar o software de imagem, use um laptop capaz de executar software matemático de computação para automatizar o processo de aquisição 4D. Conecte o laptop com este código personalizado ao sistema de ultrassom através da porta USB. Observe que o software de imagem tem um recurso de ultrassom 4D integrado ao software.
  2. Depois de ligar o sistema de ultrassom, configure a unidade de monitoramento fisiológico e, ao mesmo tempo, garanta que os botões de frequência cardíaca e temperatura estejam ligados. Inicialize o estágio do motor 3D ligado ao suporte do transdutor.
  3. Use o estágio apropriado e o transdutor de ultrassom para aquisição de imagens. Certifique-se de que todas as conexões adequadas sejam feitas.
  4. Continue anestesiando e preparando o animal para a imagem. Adicione a pomada oftalmológica aos olhos para evitar a dessecação da córnea, fixar as patas nos eletrodos do estágio e inserir uma sonda de temperatura retal lubrificada. Remova a pele na área de interesse usando um creme depilatório.
  5. Certifique-se de que o creme depilatório esteja concluído. Em seguida, aplique uma quantidade generosa do gel de transdução ultrassônico aquecido ao animal. Isso é especialmente importante para criar uma boa conexão sobre toda a região de interesse para imagens 4D.

2. Aquisição de Ultrassom 4D

  1. Inicie um novo estudo sobre o sistema de ultrassom e abra a janela de imagem no Modo B (modo de brilho). Abaixe o transdutor sobre o animal e localize a região de interesse usando os botões x e y-axis no palco, certificando-se de que a taxa respiratória não diminua substancialmente. Monitore isso na parte inferior da tela.
  2. Posicione o transdutor no meio da região de interesse. A partir daí, aproxime-se da distância necessária para que o transdutor se mova para cima e para baixo de tal forma que toda a região de interesse seja incluída.
  3. Digite as dimensões aproximadas no código do software de computação, incluindo um tamanho de passo que normalmente é ~0,08 mm para imagens de aneurisma de aoórtica abdominal. Comece a executar o código depois de garantir que as taxas cardíacas e respiratórias do animal estejam estáveis. Isso é importante para reduzir erros ao reconstruir imagens.
  4. Após concluir a aquisição de imagem, exporte os dados como arquivos XML brutos.

3. Conversão de Dados de Ultrassom 4D

  1. Insira os arquivos XML brutos em software que pode converter os dados no formato adequado para a análise de manchas 3D. Aqui usamos matlab para converter arquivos XML em arquivos MAT. O roteiro completo do Matlab está disponível aqui.
  2. Para a conversão adequada, o número de quadros, o tamanho da etapa e a resolução de saída desejada também precisarão ser inseridos.
  3. Depois de resampling a matriz através do avião, importe o novo arquivo MAT para o código de análise de cepas 3D.

Análise de código de tensão .3D 4

  1. Comece a analisar ajustando corretamente o arquivo MAT importado. Por exemplo, o volume de imagem pode precisar ser redimensionado para reduzir o tempo de computação.
  2. Insira a região a ser analisada e determine o modelo de malha apropriado para segmentar os dados da imagem como caixas simples ou polígonos escolhidos manualmente. O tamanho da caixa das regiões e o espaçamento entre os pontos centrais podem precisar ser alterados para cada conjunto de dados. Os números ideais escolhidos para o tamanho da caixa estarão em torno da ordem dos pixels do recurso que está sendo rastreado, que podem ser aproximados olhando para o número de pixels em duas dimensões em uma fatia. O espaçamento das caixas determinará a resolução dos campos de tensão. Mais caixas aumentarão a resolução, mas também podem aumentar substancialmente o tempo de computação.
  3. Comece a computar os jacobianos e gradientes iterativamente dentro de cada uma dessas regiões. Após a pré-comparação ser concluída, aplique a função de deformação.
  4. Calcule o tensor de gradiente de deformação. Primeiro calcule a tensão e, em seguida, calcule os valores de eigen e eigenvectors usando o método de estimativa de deformação direta.
  5. Plotar esses resultados nos planos desejados usando uma técnica como mapeamento de cores de um plano de corte para representar o campo de tensão sobre sua região de interesse.

A imagem de cepa tridimensional é usada para estimar a deformação dos tecidos moles ao longo do tempo e entender a doença. O comportamento mecânico dos tecidos moles, como pele, vasos sanguíneos, tendões e outros órgãos, é fortemente influenciado por sua composição extracelular, que pode se tornar alterada devido ao envelhecimento e à doença. Dentro de tecidos biológicos complexos, é importante caracterizar essas alterações, que podem afetar significativamente as propriedades mecânicas e funcionais de um órgão.

O mapeamento quantitativo da tensão utiliza dados de imagem volumosas e um método de estimativa de deformação direta para calcular os campos de tensão tridimensional que variam espacialmente. Este vídeo ilustrará os princípios do mapeamento de cepas, demonstrará como o mapeamento quantitativo da tensão é usado para estimar campos de cepas dentro de tecidos biológicos complexos e discutir outras aplicações.

Os tecidos biológicos são fortemente influenciados pela composição e orientação de elastina e colágeno. A elastina proteica é um componente altamente elástico de tecidos que se alongam e contraem continuamente, como vasos sanguíneos e pulmões. O colágeno é a proteína mais abundante no corpo, e é montado a partir de polímeros helicoidais individuais que são agrupados em fibras maiores que fornecem integridade estrutural a tecidos que vão da pele aos ossos.

A orientação dessas proteínas vai desde fibras alinhadas até redes de malha fibrosa, o que afeta as propriedades mecânicas do tecido. A cepa é uma medida da deformação relativa dos tecidos moles ao longo do tempo, e pode ser usada para visualizar lesões e doenças. É descrito e mapeado usando estimativas matemáticas.

Para mapear a tensão em órgãos complexos, como o coração, podem ser utilizados dados de ultrassom quadridimensional, que fornecem informações de alta resolução, espaciais e temporais. Em seguida, o método de estimativa de deformação direta, ou DDE, é aplicado aos dados. Um código é usado para estimar a deformação 3D e as cepas verdes-lagrange correspondentes usando a equação a seguir.

O tensor de cepa Green-Lagrange depende do tensor de gradiente de deformação e do tensor de identidade de segunda ordem. Os dezenas de gradiente de deformação são tradicionalmente estimados a partir de campos de deslocamento. No método DDE, uma função de warping é otimizada para ser diretamente análoga ao tensor de deformação. A função de deformagem depende tanto da posição espacial quanto do parâmetro de deformagem. O cálculo da deformação é diretamente incorporado na função de deformação. Os primeiros nove elementos representam o tensor de gradiente deformação.

Este método é usado para estimar deformações grandes e localizadas em tecidos moles. Agora que entendemos os princípios do mapeamento de cepas, vamos agora ver como o mapeamento de cepas é realizado para detectar aneurismas de aoórtico em camundongos.

Para iniciar a configuração, abra o software Vivo 2100 e conecte o laptop ao sistema de ultrassom. Certifique-se de que a unidade de monitoramento fisiológico está em para medir a frequência cardíaca e a temperatura. Em seguida, inicialize o estágio do motor 3D.

Instale o transdutor de ultrassom e certifique-se de que todas as conexões adequadas sejam feitas. Em seguida, anestesiar o animal que será retratado usando 3% de isoflurane em uma câmara de derrubada. Uma vez que o rato é anestesiado, mova-o para o estágio aquecido e fixe um cone de nariz para entregar 1-2% de isoflurane. Aplique pomada oftalmica nos olhos e proteja as patas nos eletrodos do palco para monitorar a respiração e a frequência cardíaca do animal. Em seguida, insira uma sonda de temperatura retal. Aplique creme depilatório para remover o cabelo da área de interesse e, em seguida, aplique uma quantidade generosa de gel de ultrassom quente na área depilada.

Para iniciar a aquisição da imagem, primeiro abra a janela de imagem e selecione o modo B. Em seguida, baixe o transdutor sobre o animal e use os botões x e y-axis no palco para localizar a área de interesse. Monitore a taxa respiratória para garantir que não diminua substancialmente. Posicione o transdutor no meio da região de interesse. Em seguida, aproxime-se da distância necessária para cobrir toda a região de interesse.

Digite essas dimensões no código MATLAB e escolha um tamanho de passo de 0,08 milímetros. Certifique-se de que as taxas cardíacas e respiratórias do animal estão estáveis e, em seguida, execute o código MATLAB.

Após a aquisição de imagens, exporte os dados como arquivos XML brutos e converta-os em arquivos MAT. Certifique-se de inserir o número de quadros, o tamanho da etapa e a resolução da saída. Em seguida, re-amostrar a matriz no plano.

Importe o novo arquivo MAT para o código de análise de cepas 3D. Pode ser necessário redimensionar o arquivo para reduzir o tempo de computação. Em seguida, insira a região a ser analisada. Aproxime o número de pixels em uma fatia bidimensional do recurso rastreado e selecione o modelo de malha como uma caixa simples ou polígonos escolhidos manualmente. Escolha o número ideal do pixel para o tamanho da malha. Calcular os jacobianos e os gradientes. Repita para cada região. Em seguida, aplique a função de deformagem.

Em seguida, utilizando deformações cartesianas calculadas a partir de DDE, determinar os eigenvalues e eigenvectors da deformação. Em seguida, selecione as fatias que deseja traçar valores de tensão para rolar através do eixo longo, eixo de classificação e vistas do eixo coronal.

Pressione selecionar coletor para análise. Em seguida, use o cursor para colocar marcadores ao longo da parede aórtica, incluindo o trombo, aneurisma e partes saudáveis da aorta. Repita para todos os pontos de vista. Por fim, use o mapeamento de cores para traçar os resultados do campo de tensão sobre a região de interesse.

Vamos dar uma olhada de perto no exemplo de um angiotensin i induzido por dissecação suprarenal de aneurisma de aorta abdominal adquirido de um rato. Primeiro, vários loops de visualização de kilohertz de eixo curto são obtidos em um determinado tamanho de passo ao longo da aorta e combinados para criar dados 4D.

Após a realização do cálculo da cepa 3D utilizando uma função de deformação otimizada, o gráfico de visualização de fatia 3D da aorta infrarenal é obtido. O mapa de cores da cepa verde principal é sobreposto para destacar regiões de tensão aórtica heterogênea. Além disso, visões de eixo longo e eixo curto revelam variações espaciais heterogêneas na tensão, particularmente quando um trombo está presente.

As parcelas correspondentes de tensão apresentam maiores valores de tensão em regiões saudáveis da aorta no eixo longo, enquanto a região aneurisma mostra diminuição da tensão no eixo curto.

A visualização precisa da cepa quantitativa usando estimativa de deformação direta é uma ferramenta útil usada em várias aplicações biomédicas.

Por exemplo, a tensão cardíaca pode ser quantificada. Durante o ciclo cardíaco, o miocárdio passa por deformação 3D. Quantificar a tensão em três dimensões é essencial para caracterizar de forma confiável a dinâmica desse tecido ao longo do tempo. Isso é útil no rastreamento da progressão da doença em modelos animais.

Outra aplicação está na caracterização do tecido intestinal. A imagem in vivo dos intestinos é desafiadora por causa dos efeitos das estruturas circundantes. No entanto, calcular a tensão a partir de imagens de fibrose intestinal pode ser particularmente útil para fornecer detecção precoce de áreas problemáticas que requerem intervenção cirúrgica.

Em uma escala muito menor, este método DDE também é aplicado ao nível celular usando técnicas de imagem de resolução mais alta, como microscopia confocal. Serve, por exemplo, na caracterização da matriz extracelular para entender como as células se comunicam sob mudanças mecânicas.

Você acabou de assistir a introdução do JoVE à visualização quantitativa da tensão. Agora você deve entender como medir a tensão tridimensional em tecidos biológicos e como isso é usado na detecção precoce de doenças. Obrigado por assistir!

Transcript

A imagem tridimensional de deformação é usada para estimar a deformação dos tecidos moles ao longo do tempo e entender a doença. O comportamento mecânico dos tecidos moles, como pele, vasos sanguíneos, tendões e outros órgãos, é fortemente influenciado por sua composição extracelular, que pode ser alterada pelo envelhecimento e doenças. Dentro de tecidos biológicos complexos, é importante caracterizar essas alterações, que podem afetar significativamente as propriedades mecânicas e funcionais de um órgão.

O mapeamento quantitativo de deformações usa dados de imagens volumétricas e um método de estimativa de deformação direta para calcular os campos de deformação tridimensionais espacialmente variáveis. Este vídeo ilustrará os princípios do mapeamento de deformação, demonstrará como o mapeamento quantitativo de deformação é usado para estimar campos de deformação em tecidos biológicos complexos e discutirá outras aplicações.

Os tecidos biológicos são fortemente influenciados pela composição e orientação da elastina e do colágeno. A proteína elastina é um componente altamente elástico dos tecidos que se esticam e se contraem continuamente, como os vasos sanguíneos e os pulmões. O colágeno é a proteína mais abundante no corpo e é montado a partir de polímeros individuais de tripla hélice que são agrupados em fibras maiores que fornecem integridade estrutural aos tecidos, desde a pele até os ossos.

A orientação dessas proteínas varia de fibras alinhadas a redes de malha fibrosa, o que afeta as propriedades mecânicas do tecido. A deformação é uma medida da deformação relativa dos tecidos moles ao longo do tempo e pode ser usada para visualizar lesões e doenças. É descrito e mapeado usando estimativas matemáticas.

Para mapear a tensão em órgãos complexos, como o coração, dados de ultrassom quadridimensionais, que fornecem informações espaciais e temporais de alta resolução, podem ser usados. Em seguida, o método de estimativa de deformação direta, ou DDE, é aplicado aos dados. Um código é usado para estimar a deformação 3D e as deformações de Green-Lagrange correspondentes usando a seguinte equação.

O tensor de deformação de Green-Lagrange depende do tensor de gradiente de deformação e do tensor de identidade de segunda ordem. Os tensores de gradiente de deformação são tradicionalmente estimados a partir de campos de deslocamento. No método DDE, uma função de empenamento é otimizada para ser diretamente análoga ao tensor de deformação. A função de distorção depende da posição espacial e do parâmetro de empenamento. O cálculo da deformação é incorporado diretamente na função de empenamento. Os primeiros nove elementos representam o tensor do gradiente de deformação.

Este método é usado para estimar deformações grandes e localizadas em tecidos moles. Agora que entendemos os princípios do mapeamento de tensão, vamos ver como o mapeamento de tensão é realizado para detectar aneurismas da aorta em camundongos.

Para iniciar a configuração, abra o software Vivo 2100 e conecte o laptop ao sistema de ultrassom. Certifique-se de que a unidade de monitoramento fisiológico esteja ligada para medir a frequência cardíaca e a temperatura. Em seguida, inicialize o estágio do motor 3D.

Instale o transdutor de ultrassom e certifique-se de que todas as conexões adequadas sejam feitas. Em seguida, anestesiar o animal que será fotografado usando isoflurano a 3% em uma câmara de desmontagem. Depois que o mouse estiver anestesiado, mova-o para o estágio aquecido e prenda um cone nasal para fornecer 1-2% de isoflurano. Aplique pomada oftálmica nos olhos e prenda as patas aos eletrodos do palco para monitorar a respiração e a frequência cardíaca do animal. Em seguida, insira uma sonda de temperatura retal. Aplique creme depilatório para remover os pelos da área de interesse e, em seguida, aplique uma quantidade generosa de gel de ultrassom quente na área depilada.

Para iniciar a aquisição da imagem, primeiro abra a janela de imagem e selecione o modo B. Em seguida, abaixe o transdutor no animal e use os botões dos eixos x e y no palco para localizar a área de interesse. Monitore a frequência respiratória para garantir que ela não diminua substancialmente. Posicione o transdutor no meio da região de interesse. Em seguida, aproxime a distância necessária para cobrir toda a região de interesse.

Insira essas dimensões no código MATLAB e escolha um tamanho de passo de 0,08 milímetros. Certifique-se de que as frequências cardíaca e respiratória do animal estejam estáveis e, em seguida, execute o código MATLAB.

Após a aquisição da imagem, exporte os dados como arquivos XML brutos e converta-os em arquivos MAT. Certifique-se de inserir o número de quadros, o tamanho da etapa e a resolução de saída. Em seguida, reamostre a matriz no plano de passagem.

Importe o novo arquivo MAT para o código de análise de deformação 3D. Pode ser necessário redimensionar o arquivo para reduzir o tempo de computação. Em seguida, insira a região a ser analisada. Aproxime o número de pixels em uma fatia bidimensional da feição rastreada e selecione o modelo de malha como uma caixa simples ou polígonos escolhidos manualmente. Escolha o número de pixel ideal para o tamanho da malha. Calcule os jacobianos e os gradientes. Repita para cada região. Em seguida, aplique a função de distorção.

Em seguida, usando deformações cartesianas calculadas a partir do DDE, determine os autovalores e autovetores da deformação. Em seguida, selecione as fatias para as quais você deseja plotar os valores de deformação rolando pelas visualizações de eixo longo, eixo de classificação e eixo coronal.

Pressione Selecionar coletor para análise. Em seguida, use o cursor para colocar marcadores ao longo da parede da aorta, incluindo o trombo, o aneurisma e as partes saudáveis da aorta. Repita para todas as vistas. Por fim, use o mapeamento de cores para plotar os resultados do campo de deformação sobre a região de interesse.

Vejamos de perto o exemplo de um aneurisma da aorta abdominal dissecante suprarrenal induzido por angiotensina II adquirido de um camundongo. Primeiro, vários loops de visualização de kilohertz controlados por ECG de eixo curto são obtidos em um determinado tamanho de passo ao longo da aorta e combinados para criar dados 4D.

Depois de realizar o cálculo de deformação 3D usando uma função de deformação otimizada, o gráfico de visualização de corte 3D da aorta infrarrenal é obtido. O mapa de cores da deformação verde principal é sobreposto para destacar regiões de deformação heterogênea da parede aórtica. Além disso, as incidências de eixo longo e eixo curto revelam variações espaciais heterogêneas na deformação, particularmente quando um trombo está presente.

Os gráficos de deformação correspondentes mostram valores de deformação mais altos em regiões saudáveis da aorta no eixo longo, enquanto a região aneurismática mostra deformação diminuída no eixo curto.

A visualização quantitativa precisa da deformação usando estimativa direta de deformação é uma ferramenta útil usada em várias aplicações biomédicas.

Por exemplo, a tensão cardíaca pode ser quantificada. Durante o ciclo cardíaco, o miocárdio sofre deformação 3D. Quantificar a deformação em três dimensões é essencial para caracterizar de forma confiável a dinâmica desse tecido ao longo do tempo. Isso é útil para rastrear a progressão da doença em modelos animais.

Outra aplicação é na caracterização do tecido intestinal. A imagem in vivo dos intestinos é um desafio devido aos efeitos das estruturas circundantes. No entanto, o cálculo da tensão a partir de imagens de fibrose intestinal pode ser particularmente útil para fornecer detecção precoce de áreas problemáticas que requerem intervenção cirúrgica.

Em uma escala muito menor, esse método DDE também é aplicado ao nível celular usando técnicas de imagem de alta resolução, como microscopia confocal. Serve, por exemplo, na caracterização da matriz extracelular para entender como as células se comunicam sob mudanças mecânicas.

Você acabou de assistir à introdução do JoVE à visualização quantitativa de deformações. Agora você deve entender como medir a tensão tridimensional em tecidos biológicos e como isso é usado na detecção precoce de doenças. Obrigado por assistir!

Explore More Videos

Valor vazio emissão

Related Videos

Imageamento de amostras biológicas com microscopia ótica e confocal

Imageamento de amostras biológicas com microscopia ótica e confocal

Biomedical Engineering

37.1K Visualizações

Imageamento por MEV de Amostras Biológicas

Imageamento por MEV de Amostras Biológicas

Biomedical Engineering

25.1K Visualizações

Biodistribuição de Nano-fármacos Transportadores: Aplicações de MEV

Biodistribuição de Nano-fármacos Transportadores: Aplicações de MEV

Biomedical Engineering

9.8K Visualizações

Ultrassonografia de alta frequência da aorta abdominal

Ultrassonografia de alta frequência da aorta abdominal

Biomedical Engineering

15.1K Visualizações

Mapeamento Quantitativo de Tensão de um Aneurisma da Aorta Abdominal

Mapeamento Quantitativo de Tensão de um Aneurisma da Aorta Abdominal

Biomedical Engineering

4.8K Visualizações

Tomografia fotoacústica para imageamento de sangue e lipídios na aorta infrarrenal

Tomografia fotoacústica para imageamento de sangue e lipídios na aorta infrarrenal

Biomedical Engineering

6.0K Visualizações

Ressonância Magnética Cardíaca

Ressonância Magnética Cardíaca

Biomedical Engineering

15.4K Visualizações

Simulações computacionais de fluidodinâmica do fluxo sanguíneo em um aneurisma cerebral

Simulações computacionais de fluidodinâmica do fluxo sanguíneo em um aneurisma cerebral

Biomedical Engineering

12.3K Visualizações

Imageamento de fluorescência de infravermelho próximo de aneurismas da aorta abdominal

Imageamento de fluorescência de infravermelho próximo de aneurismas da aorta abdominal

Biomedical Engineering

8.6K Visualizações

Técnicas não invasivas de medição da pressão arterial

Técnicas não invasivas de medição da pressão arterial

Biomedical Engineering

12.5K Visualizações

Aquisição e análise de um sinal de ECG (eletrocardiografia)

Aquisição e análise de um sinal de ECG (eletrocardiografia)

Biomedical Engineering

110.5K Visualizações

Resistência à Tração de Biomateriais Reabsorvíveis

Resistência à Tração de Biomateriais Reabsorvíveis

Biomedical Engineering

8.0K Visualizações

Imagem de micro-TC de uma medula espinal de camundongo

Imagem de micro-TC de uma medula espinal de camundongo

Biomedical Engineering

8.5K Visualizações

Visualização da degeneração da articulação do joelho após lesão não invasiva do LCA em ratos

Visualização da degeneração da articulação do joelho após lesão não invasiva do LCA em ratos

Biomedical Engineering

8.6K Visualizações

Combinação de imagens de SPECT e TC para visualizar a funcionalidade cardíaca

Combinação de imagens de SPECT e TC para visualizar a funcionalidade cardíaca

Biomedical Engineering

11.5K Visualizações

JoVE logo
Contact Us Recommend to Library
Research
  • JoVE Journal
  • JoVE Encyclopedia of Experiments
  • JoVE Visualize
Business
  • JoVE Business
Education
  • JoVE Core
  • JoVE Science Education
  • JoVE Lab Manual
  • JoVE Quizzes
Solutions
  • Authors
  • Teaching Faculty
  • Librarians
  • K12 Schools
About JoVE
  • Overview
  • Leadership
Others
  • JoVE Newsletters
  • JoVE Help Center
  • Blogs
  • Site Maps
Contact Us Recommend to Library
JoVE logo

Copyright © 2025 MyJoVE Corporation. All rights reserved

Privacy Terms of Use Policies
WeChat QR code