Для просмотра этого контента требуется подписка на JoVE. Войдите или начните свой бесплатный пробный период.

Методическая статья

Ультразвуковая оценка микроструктуры миокарда

5.3K просмотров

⸱

DOI:

10.3791/50850

⸱

14 января 2014 г.

 ,  ,  ,  ,  , 
1Harvard Medical School, 2Cardiovascular Division, Department of Medicine, Brigham and Women's Hospital, Harvard Medical School

В этой статье

Краткое содержание

Эхокардиография обычно используется для неинвазивной характеристики и количественной оценки изменений в сердечной структуре и функции. Мы описываем ультразвуковой алгоритм визуализации, который предлагает улучшенную суррогатную меру микроструктуры миокарда и может быть выполнен с помощью программного обеспечения для анализа изображений с открытым доступом.

Аннотация

Эхокардиография является широко доступным методом визуализации, который обычно используется для неинвазивно охарактеризовать и количественно изменения в сердечной структуре и функции. Ультразвуковые оценки сердечной ткани могут включать анализ интенсивности сигнала backscatter в данной области, представляющие интерес. Ранее установленные методы опирались преимущественно на интегрированное или среднее значение интенсивности сигнала backscatter, которое может быть восприимчиво к изменчивости от данных, полученных под псевдонимом, от низких частот кадров и задержек времени для алгоритмов, основанных на циклических вариациях. В этом примере мы описываем ультразвуковой алгоритм визуализации, который простирается от предыдущих методов, может быть применен к одному кадру изображения и объясняет полное распределение значений интенсивности сигнала, полученных из данного образца миокарда. При применении к репрезентативным данным мыши и изображений человека алгоритм проводит различие между объектами с хроническим сопротивлением после нагрузки и без него. Алгоритм предлагает улучшенную суррогатную меру микроструктуры миокарда и может быть выполнен с помощью программного обеспечения для анализа изображений с открытым доступом.

Введение

Эхокардиография является широко доступным методом визуализации, который обычно используется для неинвазивно охарактеризовать и количественно изменения в сердечной структуре и функции. Ультразвуковые оценки сердечной ткани могут включать анализ интенсивности сигнала backscatter в данной области интереса в один момент времени, а также в течение сердечного цикла. Предыдущие исследования показали, что меры сонографической интенсивности сигнала может определить основное присутствие миокарда волокна беспорядка, жизнеспособной по сравнению с незвукими миокарда ткани, и интерстициальныйфиброз 1-3. Мы называем миокарда «микроструктурой» как архитектуру тканей, которую можно охарактеризовать, используя сонографический анализ, помимо линейных измерений валового размера и морфологии. Соответственно, анализы сонографической интенсивности сигнала были использованы для оценки микроструктурных изменений миокардной ткани в условиях гипертрофической и расширенныхкардиомиопатии 4,5,хронической ишемической болезни сердца 6,7и гипертоническойболезни сердца 8,9. Тем не менее, ранее установленные методы опирались преимущественно на интегрированное или среднее значение интенсивности сигнала backscatter, которые могут быть восприимчивы к изменчивости от случайногошума 5, псевдонимом данные из низкихчастот кадров 10, и задержки времени для алгоритмов, основанных на циклическихвариациях 11.

В этом случае мы описываем метод использования ультразвукового алгоритма анализа изображений, который простирается от предыдущих методов; этот алгоритм фокусируется на одном энд-диастолическом кадре для анализа изображений и объясняет полное распределение значений интенсивности сигнала, полученных из данного образца миокарда. Используя перикард в качестве в кадрессылки 12,13, алгоритм воспроизводит количественно изменения в сонографических распределения интенсивности сигнала и предлагает расширенную суррогатную меру микроструктуры миокарда. В пошаговом протоколе мы описываем методы подготовки изображений для использования, области выборки, представляющие интерес, и обработку данных в отдельных регионах, представляющих интерес. Мы также показываем репрезентативные результаты применения алгоритма к эхокардиографическим изображениям, полученным у мышей и людей с переменным воздействием нагрузки после нагрузки на левый желудочек.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

1. Подготовка изображений для анализа

  1. Получить murine или человека эхокардиографические B-режим изображения в парастернал долго оси зрения. Отрегулируйте настройки компенсации времени и размещения фокуса передачи для оптимизации визуализации LV и других сердечных структур в парастернальной зрения, в обычной практике. Убедитесь, что все изображения сохраняются в формате файла DICOM. Стандартизированные виды изображения помещаем в основание рамы выводную левую желудочковой стенку. Кадры должны отображать весь левый желудочковый миокард и перикард. Разрешение должно быть достаточно высоким, чтобы демаркировать перикардиаловую границу, миокардную стенку и эндокардиардную границу левого желудочка. Отбросьте изображения с избыточным отсева или изображения артефактов.
  2. Импорт файла изображения для анализа в программное обеспечение платформы ImageJ v1.46 в качестве файла DICOM. Преобразование файла в 8-битный файл изображения.
  3. Прокрутите последовательные кадры сердечного цикла до достижения соответствующего качества конечной диастолической рамы. Кроме того, выберите конечный диастолический кадр в программе эхокардиографического просмотра, а затем экспортировать в формат файла с высоким .jpg для использования в ImageJ. Определите кадры, наиболее близкие к конечной диатоле, используя R-волну отслеживания ЭКГ, а затем определите единственный лучший кадр, который захватывает LV с максимальным внутренним измерением. Рассмотрим этот один кадр конца диастолической рамы.
  4. При выборе областей, представляющих интерес, пользователи могут быть ослеплены темой идентификации.

2. Выборка рентабельности инвестиций

  1. Перикардиальный выбор ссылок. При выборе перикардиальной области интереса (ROI), цель захвата неоднородности перикардиальной ткани. Обратите внимание, что яркость и контрастность изображения могут быть скорректированы для выбора рентабельности инвестиций, по мере необходимости, без какого-либо влияния на результаты анализа.
    1. Используя инструмент рисования прямоугольника ImageJ, выберите прямоугольник длиной, приближенный к средней трети базальной адголатеральной перикардиальной стены.
    2. Размер прямоугольной рентабельности инвестиций, чтобы охватить ширину перикардия с помощью инструмента размера roi.
    3. Поверните рентабельность инвестиций, чтобы лежать в перикардиальной области с помощью инструмента вращения ImageJ.
    4. Внесите необходимые коррективы в углы перикардиальной рентабельности инвестиций. Захват окончательного перикардиальной области интереса, которая находится в средней трети перикардиальной стены, и включает в себя ширину перикардиальной стены, не расширяясь в миокарда или экстра-сердечных областях. Цель состоит в том, чтобы захватить то же относительное местоположение и процент от общей площади перикардиала для всех мер, сделанных в данном исследовании.
    5. Примените алгоритм к выбору с помощью инструментов анализа ImageJ (см. раздел 3).
  2. Выбор миокарда. Еще раз, цель захватить неоднородность миокарда ткани в средней трети базальной адголатеральной стенки миокарда. Обратите внимание, что яркость и контрастность изображения могут быть скорректированы для выбора рентабельности инвестиций, по мере необходимости, без какого-либо влияния на результаты анализа.
    1. Выберите прямоугольник, который охватывает ширину стенки миокарда, за исключением эндокарда и эпикардия. Убедитесь, что выбор миокарда находится рядом с перикардиальным выбором и под тем же углом. Не включать области папиллярных мышц в области отбора.
    2. Поверните рентабельность миокарда так, что она лежит параллельно перикардиального выбора.
    3. Внесите необходимые коррективы в углы окупаемости миокарда. Изолировать окончательный миокарда области интереса, который находится в средней трети стенки миокарда, и захватывает ширину стены, не расширяя в перикардиальных или интралюминальных областях.
    4. Примените алгоритм к выбору с помощью макроса ImageJ.

3. Анализ и обработка данных

  1. Установите макрос ImageJ под названием "getHistogramValues.txt".
  2. Используйте инструмент анализа гистограммы ImageJ для просмотра распределения значений интенсивности сигнала в рамках рентабельности инвестиций (выполните этот шаг для выбора перикардиала и для выбора миокарда).
  3. Используйте макрос ImageJ для записи этих значений плотности сигнала для рентабельности инвестиций (выполните этот шаг для перикардиального выбора и для выбора миокарда).
    1. Назначьте значение интенсивности от 0 (темных) до 255 (самых ярких) единиц каждому пикселю в пределах выделения.
    2. Упорядочить значения интенсивности иерархически, в порядке увеличения интенсивности, чтобы произвести распределение интенсивности сигнала.
    3. Выберите и сообщите следующие значения процентиля для дистрибутива:20-й процентиль,50-й процентиль (средний) и 80-й процентиль.
  4. Нормализация интенсивности миокарда с помощью перикардиальной справки.
    1. Нормализация путем деления миокарда процентильные значения интенсивности на соответствующие перикардиальные процентныезначения интенсивности 12, или путем вычитания миокарда процентильное значение интенсивности от перикардиального процентильного значенияинтенсивности 13.
    2. Отчетные значения для четырех аналитических методов: нормализованные значения миокарда к перикардиалу для 20-го процентиля, 50-гопроцентиля (медианы) и 80-го процентильного значения.

4. Количественная оценка циклической изменчивости

  1. Применить алгоритм к выбору миокарда через последовательные кадры файла DICOM, двигаясь через сердечный цикл. Сравните различия в интенсивности распределения между кадрами, с вниманием к конца систолической и конца диастолических кадров.
    Все описанные выше изображения выполняются в автономном режиме на неинвазивных эхокардиографических изображениях, ранее приобретенных и хранящихся в цифровом формате в формате DICOM. Все протоколы исследования были одобрены Бригамом и женским институциональным советом по обзору и Гарвардским медицинским районом, стоящим в Институциональном комитете по уходу за животными и использованию животных.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

Анализ интенсивности сигнала выполняется в 4 основных шагах(рисунок 1), включая: 1) выборку изображения и форматирование, 2) рентабельность инвестиций и справочные области, 3) применение алгоритма и 4) обработку конечных значений для предоставления коэффициентов интенсивности миокарда к перикардиалу. Выбор и размер рентабельности инвестиций стандартизированы для ограничения интерпользователя, а также внутрипольной изменчивости(рисунок 2). Позиционирование каждой рентабельности инвестиций...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

Мы описываем протокол алгоритма анализа изображений, который количественно определяет распределение интенсивности сонографических сигналов и, в свою очередь, предлагает суррогатную меру микроструктуры миокарда. Стандартизированные особенности протокола, включая выбор, размер и позиционирование roi и справочного региона, служат для минимизации изменчивости на основе пользователей и предметов. Мы демонстрируем, что при применении к энд-диастолическим однокарамным эхокардиографическим изображениям алгоритм может надлежащим ...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

Конфликт интересов не заявлен.

Благодарности

Мы благодарны за ресурсы, предоставляемые Гарвардской медицинской школы / Бригам и женской больницы сердечно-сосудистой физиологии Core Laboratory. Эта работа была частично поддержана финансированием из национальных институтов здравоохранения гранты HL088533, HL071775, HL093148, и HL099073 (RL). MB был получателем Американской ассоциации сердца основатель филиала постдокторской стипендии награду. KU является получателем Американской ассоциации сердца учредителей филиала постдокторской стипендии награду. SC была поддержана наградой от Фонда Эллисона.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
ImageJ v 1.46NIH (Bethesda, MD)программное обеспечение
открытого доступа Power ShowCaseTrillium Technology (Ann Arbor, MI)коммерческое программное обеспечение

Ссылки

  1. Yamada, S., Komuro, K. Integrated backscatter for the assessment of myocardial viability. Curr. Opin. Cardiol. 21, 433-437 (2006).
  2. Mimbs, J. W., O'Donnell, M., Bauwens, D., Miller, J. W., Sobel, B. E. The dependence of ultrasonic attenuation and backscatter on collagen content in dog and rabbit hearts. Circ. Res. 47, 49-58 (1980).
  3. Picano, E., et al. In vivo quantitative ultrasonic evaluation of myocardial fibrosis in humans. Circulation. 81, 58-64 (1990).
  4. Mizuno, R., et al. Myocardial ultrasonic tissue characterization for estimating histological abnormalities in hypertrophic cardiomyopathy: comparison with endomyocardial biopsy findings. Cardiology. 96, 16-23 (2001).
  5. Mizuno, R., Fujimoto, S., Saito, Y., Nakamura, S. Non-invasive quantitation of myocardial fibrosis using combined tissue harmonic imaging and integrated backscatter analysis in dilated cardiomyopathy. Cardiology. 108, 11-17 (2007).
  6. Marini, C., et al. Cyclic variation in myocardial gray level as a marker of viability in man. A videodensitometric study. Eur. Heart. J. 17, 472-479 (1996).
  7. Komuro, K., et al. Sensitive detection of myocardial viability in chronic coronary artery disease by ultrasonic integrated backscatter analysis. J. Am. Soc. Echocardiogr. 18, 26-31 (2005).
  8. Ciulla, M., et al. Echocardiographic patterns of myocardial fibrosis in hypertensive patients: endomyocardial biopsy versus ultrasonic tissue characterization. J. Am. Soc. Echocardiogr. 10, 657-664 (1997).
  9. Maceira, A. M., Barba, J., Varo, N., Beloqui, O., Diez, J. Ultrasonic backscatter and serum marker of cardiac fibrosis in hypertensives. Hypertension. 39, 923-928 (2002).
  10. D'Hooge, J., et al. High frame rate myocardial integrated backscatter. Does this change our understanding of this acoustic parameter. Eur. J. Echocardiogr. 1, 32-41 (2000).
  11. Finch-Johnston, A. E., et al. Cyclic variation of integrated backscatter: dependence of time delay on the echocardiographic view used and the myocardial segment analyzed. J. Am. Soc. Echocardiogr. 13, 9-17 (2000).
  12. Di Bello, V., et al. Increased echodensity of myocardial wall in the diabetic heart: an ultrasound tissue characterization study. J. Am. Coll. Cardiol. 25, 1408-1415 (1995).
  13. Takiuchi, S., et al. Quantitative ultrasonic tissue characterization can identify high-risk atherosclerotic alteration in human carotid arteries. Circulation. 102, 766-770 (2000).
  14. Querejeta, R., et al. Serum carboxy-terminal propeptide of procollagen type I is a marker of myocardial fibrosis in hypertensive heart disease. Circulation. 101, 1729-1735 (2000).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Теги

Эхокардиографический анализпрограммное обеспечение Image Jраспределение интенсивности сигналамиокардиально-перикардиальный коэффициентоценка циклической вариабельностихронический стресс вследствие повышенного постнагрузочного давленияпрограммное обеспечение с открытым исходным кодомгистограммный макроанализ
Ультразвуковая оценка микроструктуры миокарда
Связаться с нами
Порекомендовать библиотеке

Конфиденциальность

Условия использования

Политики

© 2026 MyJoVE Corporation. Все права защищены.