Fonte: Hannah L. Cebull1, Arvin H. Soepriatna1, John J. Boyle2 e Craig J. Goergen1
1 Weldon School of Biomedical Engineering, Purdue University, West…
1. Configuração de ultrassom 4D
2. Aquisição de Ultrassom 4D
3. Conversão de Dados de Ultrassom 4D
Análise de código de tensão .3D 4
Iniciar sessão ou para aceder ao conteúdo completo. Saiba mais sobre o acesso da sua instituição ao conteúdo JoVE aqui
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!
View the full transcript and gain access to JoVE Science Education videos
Q1: What is three-dimensional strain imaging and why is it important for studying disease?
Three-dimensional strain imaging estimates deformation of soft tissues over time to understand disease progression. Strain measures relative tissue deformation and can visualize injury and disease states. This technique is critical because mechanical behavior of soft tissues like blood vessels and organs is strongly influenced by their extracellular composition, which changes with aging and disease, significantly affecting organ function.
Q2: How do elastin and collagen affect the mechanical properties of soft tissues?
Elastin is a highly elastic protein that continually stretches and contracts in tissues like blood vessels and lungs. Collagen, the body's most abundant protein, provides structural integrity through bundled triple-helical polymers. The orientation of these proteins ranges from aligned fibers to fibrous mesh networks, directly affecting tissue mechanical properties and how tissues respond to deformation and stress.
Q3: What is the direct deformation estimation method and how does it improve strain calculation?
Direct deformation estimation (DDE) calculates spatially varying three-dimensional strain fields from volumetric image data by optimizing a warping function directly analogous to the deformation tensor. Unlike two-dimensional methods that struggle with out-of-plane motion, DDE is robust to high or localized strain and less sensitive to imaging noise, making it superior for analyzing complex biological tissues in medical imaging.
Q4: What is the Green-Lagrange strain tensor and why is it used in 3D strain estimation?
The Green-Lagrange strain tensor mathematically describes large deformations in soft tissues by incorporating the deformation gradient tensor and identity tensor. This parameter is implemented in many three-dimensional strain estimation methods because it allows the deformation gradient to be calculated from a least squares fit of displacement data, enabling accurate characterization of complex tissue deformation.
Q5: How is quantitative strain mapping used to detect abdominal aortic aneurysms in animal models?
Four-dimensional ultrasound data provides high-resolution spatial and temporal information of the aorta. The direct deformation estimation method is applied to calculate three-dimensional strain fields, revealing heterogeneous aortic wall strain patterns. Color mapping visualizes strain variations, showing decreased strain in aneurysmal regions compared to healthy tissue, enabling early detection and disease characterization.
Q6: What are the clinical applications of quantitative strain mapping beyond aortic aneurysm detection?
Quantitative strain mapping quantifies cardiac strain during the myocardial cycle to track disease progression in animal models. It characterizes intestinal fibrosis for early detection of problematic areas requiring surgical intervention. At the cellular level, confocal microscopy combined with DDE characterizes extracellular matrix to understand how cells communicate under mechanical changes, expanding applications across multiple tissue types.
Q7: What are the key steps in acquiring and processing volumetric ultrasound data for strain analysis?
Volumetric four-dimensional ultrasound data is acquired using ECG-gated kilohertz visualization loops at specified step sizes along the tissue region. Raw data is exported as XML files and converted to MAT format, then resampled through-plane. The three-dimensional strain analysis code imports the processed data, applies mesh templates, computes Jacobians and gradients, applies the warping function, and finally uses color mapping to visualize strain fields.