Paciente específico Modelagem do Coração: Estimativa de Orientações de fibra ventriculares

O objetivo do experimento a seguir é estimar as orientações das fibras do coração de um paciente para simulações personalizadas de eletrofisiologia cardíaca, porque atualmente não é viável adquirir clinicamente as orientações das fibras cardíacas. Isso é obtido deformando a geometria do coração de um atlas para corresponder à geometria do coração do paciente disponível a partir de uma imagem clínica de TC ou RM como uma segunda etapa. O campo de deformação da geometria é usado para transformar as orientações das fibras do atlas, o que gera uma estimativa das orientações das fibras cardíacas do paciente.

Em seguida, utilizando corações caninos cujas orientações de fibras são medidas não clinicamente por tensor de difusão, ressonância magnética, técnica de última geração, as orientações de fibras estimadas são comparadas com as adquiridas para validar a metodologia proposta. Os resultados obtidos mostram que as orientações estimadas das fibras correspondem estreitamente às adquiridas e não há diferenças significativas entre os resultados das simulações eletrofisiológicas com as orientações estimadas e adquiridas das fibras em um nível clinicamente observável. Esta pesquisa demonstra quantitativamente que, na ausência de tensor de difusão, as orientações das fibras miocárdicas por ressonância magnética de ventrículos normais e com insuficiência podem ser estimadas a partir de imagens in vivo de suas geometrias para uso em simulações de eletrofisiologia cardíaca.

A estimativa das orientações das fibras cardíacas do paciente é essencial para nossa capacidade de construir modelos específicos de função cardíaca do paciente. Esses modelos cardíacos específicos do paciente podem ser usados para prever o risco de arritmia em pacientes com doença cardíaca ou para orientar intervenções que podem ser usadas para tratar distúrbios no ritmo cardíaco. Embora demonstremos que isso pode ser usado para modelagem eletrofisiológica específica do paciente, também pode ser aplicado para modelagem eletromecânica personalizada.

Comece a estimar a orientação da fibra do coração de um sujeito adquirindo primeiro ressonância magnética estrutural e ressonância magnética por tensor de difusão ou DTMRI. Imagens de um coração humano adulto normal em diástole. Adquira as imagens com uma resolução de um milímetro cúbico.

Em seguida, use a imagem J para extrair o miocárdio ventricular da imagem estrutural do atlas. Faça isso encaixando persianas fechadas em um conjunto de pontos de referência ao longo dos limites epicárdicos e endocárdicos. Para cada fatia de eixo curto, execute a colocação de pontos de referência manualmente.

Para cada 10ª fatia na imagem, obtenha os pontos de referência para as fatias restantes interpolando linearmente os pontos identificados manualmente usando o matlab. Em seguida, reconstrua as orientações das fibras do coração do atlas calculando os vetores iGen primários dos tensores de difusão na imagem DT MRI. Uma vez definida a geometria do coração do atlas, adquira uma imagem da geometria do coração do paciente em diástole usando tomografia computadorizada ou ressonância magnética cardíaca in vivo para reconstruir a geometria do coração do paciente a partir da imagem da mesma forma que o atlas foi construído.

Certifique-se de que a resolução da geometria reconstruída seja um milímetro cúbico ajustando o número de fatias para as quais os pontos de referência são selecionados manualmente e o intervalo de interpolação fora do plano. Em seguida, deforme a imagem ventricular do atlas mostrada em magenta para corresponder à imagem da geometria do paciente mostrada em vermelho em duas etapas. Na primeira etapa, execute uma transformação aine com base em um conjunto de 13 pontos de referência descritos no protocolo.

Na segunda etapa, deforme ainda mais os ventrículos do atlas transformados do INE para corresponder à geometria do paciente usando mapeamento métrico dimórfico de grande deformação ou L-D-D-M-M. Em seguida, transforme a imagem DT MRI do atlas. Para fazer isso, reposicione as trincheiras da imagem e reoriente os tensores de difusão.

De acordo com a matriz de transformação adquirida a partir da correspondência AINE e do campo de deformação durante a transformação L-D-D-M-M, a reorientação dos tensores de difusão deve ser realizada usando a preservação das direções principais ou o método PPD. Finalmente, obtenha uma estimativa das orientações das fibras do paciente a partir da imagem de ressonância magnética GT do atlas transformado calculando o vetor iGen primário dos tempos de difusão. Para medir o erro de estimativa, primeiro adquira ressonância magnética estrutural ex vivo e ressonância magnética DT de seis corações caninos normais e três com falha em alta resolução.

Segmente os ventrículos dos corações caninos de forma semelhante aos do coração do atlas humano, conforme descrito na seção anterior, denote ventrículos segmentados de corações caninos normais como corações de um a seis, e aqueles de corações caninos com insuficiência como coração de sete a nove. Em seguida, use cada um dos corações de dois a seis como um atlas para obter cinco estimativas diferentes das orientações das fibras ventriculares do coração. Em seguida, estimamos as orientações das fibras para cada um dos ventrículos com insuficiência do coração sete, oito e nove, usando o coração um como atlas para todos os pontos de dados em cada conjunto de fibras estimadas, as orientações calculam o erro de estimativa em que E e A são os ângulos de inclinação das orientações de fibras estimadas e adquiridas naquele ponto, respectivamente, do coração.

Um construto seis modelos constroem o primeiro modelo com as orientações de fibra adquirida DT MRI do coração um e os modelos de dois a seis com as orientações de fibra estimadas, conjuntos de dados do coração, um para cada um dos três. As geometrias cardíacas com falha constroem dois modelos ventriculares, um com as orientações de fibra adquirida por DT MRA e outro com as orientações estimadas de fibras. Aqui, a resolução espacial dos modelos deve ser de 600 mícrons.

Em seguida, significam os modelos de insuficiência cardíaca. Com DT, a RM adquiriu fibras como modelos sete a nove e aquelas com fibras estimadas como modelos 10 a 12 nos modelos. Use a representação de domínio mono para descrever o tecido cardíaco utilizando a equação governante mostrada aqui e descrita em detalhes no protocolo de texto usando o pacote de software carp by cardio solve, simule o ritmo sinusal com todos os modelos usando os insights do PACE como mostrado aqui, sobreposto no coração sete.

Em seguida, induza a taquicardia ventricular reentrante nos seis modelos de falha usando um protocolo de estimulação S um S dois com localizações de eletrodos conforme ilustrado aqui Para fazer isso, escolha o tempo entre S um e S dois para obter atividade de taquicardia ventricular sustentada por dois segundos após S dois parto. Se a taquicardia ventricular não for induzida para nenhum tempo S um S dois, diminua as condutividades em até 70% até que a taquicardia seja induzida para cada simulação. Calcule os pseudo ECGs tomando a diferença de potenciais extracelulares entre dois pontos próximos à base do coração.

Os pontos são separados por 18 centímetros de modo que a linha que os conecta seja perpendicular ao plano do ápice da base do septo, conforme ilustrado por E um e E dois para cada simulação, com as orientações de fibra estimadas calculam a métrica mad usando a fórmula mostrada aqui, onde X é a forma de onda de ECG das orientações de fibra estimadas. Y é a forma de onda do ECG das orientações das fibras adquiridas. X menos é o valor médio de x.

Y menos é o valor médio de Y e, em seguida, é o comprimento de X e Y Aqui estão as visualizações simplificadas de um coração saudável e doente mostradas com a orientação estimada da fibra mostrada como fibras ciano e as orientações de fibra adquirida por ressonância magnética DT mostradas em amarelo. Olhando mais de perto, você pode ver o alinhamento semelhante entre as orientações de fibra adquirida e estimada. A diferença nos ângulos de inclinação entre as fibras adquiridas e estimadas é mais facilmente vista em um modelo de distribuição 3D que usa cores para representar o ângulo médio de erro de estimativa.

A barra de cores varia de zero grau a 175 graus a partir desses dados. Um histograma mostrando o número de voxels em cada grau de erro é plotado para o coração normal e com falha. Esses resultados mostram que os ângulos de inclinação da fibra prevista, orientações de corações normais e com insuficiência são comparáveis aos adquiridos pela ressonância magnética DT ex vivo.

Os mapas de ativação simulados são então usados para comparar as orientações de fibra adquiridas e estimadas em relação à propagação do sinal elétrico em todo o coração. A cor representa o tempo de ativação, conforme descrito pela legenda de cores. O mapa de ativação à esquerda é para simulação do ritmo sinusal com o modelo um representando as orientações das fibras adquiridas, e os da direita são para simulações do ritmo sinusal.

Com os modelos de dois a seis representando as orientações estimadas da fibra. Quando os mapas de ativação correspondentes às orientações de fibra estimadas são calculados em média, a diferença geral média entre eles e o modelo um é mínima. Os pseudo ECGs de simulações de ritmo sinusal com modelo um e modelo três mostram morfologias idênticas e resultam em uma pontuação MAD baixa de apenas 4,14%Da mesma forma, ao comparar mapas de ativação de simulações de ritmo sinusal com orientações de fibras adquiridas e estimadas dos corações doentes, foram observados baixos escores MAD.

A pontuação MAD variou de 3,8 no coração, sete a 6,1 no coração nove. Isso representa uma alta correlação entre as orientações de fibra adquirida e estimada Uma vez dominada, esta técnica pode ser executada em poucas horas se executada corretamente Seguindo este procedimento. A estimativa das orientações das fibras pode ser realizada em corações com cardiomiopatia isquêmica para testar a eficácia do método na presença de infarto do miocárdio.

O desenvolvimento dessa técnica abre caminho para a tradução de simulações computacionais da função cardíaca da ciência básica para a clínica, onde podem ser usadas à beira do leito do paciente para orientar intervenções no tratamento de distúrbios do ritmo cardíaco.