Please note that some of the translations on this page are AI generated. Click here for the English version.
Источник: Ханна Л. Себулл1, Арвин Х. Соеприатна1, Джон Дж. Бойл2 и Крейг Дж. Гёрген1
1Школа биомедицинской инженерии Уэлдона, Университет Пердью, Уэст-Лафайетт, Индиана
2Машиностроение и материаловедение, Вашингтонский университет в Сент-Луисе, Сент-Луис, Миссури
На механическое поведение мягких тканей, таких как кровеносные сосуды, кожа, сухожилия и другие органы, сильно влияет их состав эластина и коллагена, которые обеспечивают эластичность и прочность. Ориентация волокон этих белков зависит от типа мягких тканей и может варьироваться от одного предпочтительного направления до сложных сетчатых сетей, которые могут быть изменены в пораженных тканях. Поэтому мягкие ткани часто ведут себя анизотропно на клеточном и органном уровне, создавая потребность в трехмерной характеристике. Разработка метода надежной оценки полей деформаций в сложных биологических тканях или структурах важна для механической характеристики и понимания заболеваний. Деформация представляет собой то, как мягкие ткани относительно деформируются с течением времени, и это может быть описано математически с помощью различных оценок.
Получение данных изображений с течением времени позволяет оценить деформацию и деформацию. Тем не менее, все методы медицинской визуализации содержат некоторое количество шума, что увеличивает сложность точной оценки напряжения in vivo. Описанный здесь метод успешно решает эти проблемы за счет использования метода прямой оценки деформации (DDE) для расчета пространственно изменяющихся 3D-полей деформации на основе данных объемного изображения.
Современные методы оценки деформации включают цифровую корреляцию изображений (DIC) и цифровую объемную корреляцию. К сожалению, DIC может точно оценить деформацию только из 2D-плоскости, что серьезно ограничивает применение этого метода. Несмотря на свою полезность, 2D-методы, такие как DIC, затрудняют количественную оценку деформации в областях, подверженных 3D-деформации. Это связано с тем, что внеплоскостное движение создает ошибки деформации. Более применимым методом является цифровая корреляция объемов, который разделяет исходные объемные данные на регионы и находит наиболее похожую область деформированного объема, тем самым уменьшая внеплоскостную ошибку. Однако этот метод оказывается чувствительным к шуму и требует предположений о механических свойствах материала.
Продемонстрированный здесь метод устраняет эти проблемы с помощью метода DDE, что делает его очень полезным при анализе данных медицинской визуализации. Кроме того, он устойчив к высокой или локальной деформации. В этой статье мы опишем получение объемных 4D-ультразвуковых данных, их преобразование в анализируемый формат и использование пользовательского кода Matlab для оценки 3D-деформации и соответствующих деформаций Грина-Лагранжа, параметра, который лучше описывает большие деформации. Тензор деформации Грина-Лагранжа реализован во многих методах 3D-оценки деформации, поскольку он позволяет вычислять F из аппроксимации по методу наименьших квадратов (LSF) перемещений. Приведенное ниже уравнение представляет тензор деформации Грина-Лагранжа, E, где F и I представляют градиент деформации и тензор идентичности второго порядка соответственно.
(1)
1. Ультразвуковая установка 4D
2. Ультразвуковая съемка в формате 4D
3. Преобразование данных 4D УЗИ
4. 3D Анализ кода деформации
Трехмерная визуализация деформации используется для оценки деформации мягких тканей с течением времени и понимания заболевания. Механическое поведение мягких тканей, таких как кожа, кровеносные сосуды, сухожилия и другие органы, сильно зависит от их внеклеточного состава, который может измениться из-за старения и болезней. В сложных биологических тканях важно охарактеризовать эти изменения, которые могут существенно повлиять на механические и функциональные свойства органа.
Количественное картирование деформации использует данные объемного изображения и метод прямой оценки деформации для расчета пространственно изменяющихся трехмерных полей деформации. В этом видео будут проиллюстрированы принципы картирования деформаций, продемонстрировано, как количественное картирование деформаций используется для оценки полей деформаций в сложных биологических тканях, а также обсуждены другие приложения.
Биологические ткани находятся под сильным влиянием состава и ориентации эластина и коллагена. Белок эластин является высокоэластичным компонентом тканей, которые постоянно растягиваются и сокращаются, таких как кровеносные сосуды и легкие. Коллаген является самым распространенным белком в организме и собирается из отдельных тройных спиральных полимеров, которые объединены в более крупные волокна, обеспечивающие структурную целостность тканей, начиная от кожи и заканчивая костями.
Ориентация этих белков колеблется от выровненных волокон до волокнистых сетчатых сеток, что влияет на механические свойства ткани. Деформация является мерой относительной деформации мягких тканей с течением времени и может быть использована для визуализации травм и заболеваний. Он описан и нанесен на карту с помощью математических оценок.
Для картирования напряжения в сложных органах, таких как сердце, можно использовать четырехмерные ультразвуковые данные, которые предоставляют пространственную и временную информацию с высоким разрешением. Затем к данным применяется метод прямой оценки деформации, или DDE. Для оценки 3D-деформации и соответствующих деформаций Грина-Лагранжа используется код с помощью следующего уравнения.
Тензор деформации Грина-Лагранжа зависит от тензора градиента деформации и тензора идентичности второго порядка. Тензоры градиента деформации традиционно оцениваются по полям смещения. В методе DDE функция депланации оптимизируется таким образом, чтобы она была прямо аналогична тензору деформации. Функция депланации зависит как от пространственного положения, так и от параметра деэкранизации. Расчет деформации непосредственно включается в функцию депланации. Первые девять элементов представляют собой тензор градиента деформации.
Этот метод используется для оценки как больших, так и локализованных деформаций в мягких тканях. Теперь, когда мы понимаем принципы картирования деформации, давайте посмотрим, как выполняется картирование деформации для обнаружения аневризм аорты у мышей.
Чтобы начать настройку, откройте программное обеспечение Vivo 2100 и подключите ноутбук к ультразвуковой системе. Убедитесь, что установлен блок физиологического мониторинга для измерения частоты сердечных сокращений и температуры. Затем инициализируем 3D-ступень двигателя.
Установите ультразвуковой датчик и убедитесь, что все соединения выполнены правильно. Затем обезболите животное, которое будет визуализировано, с использованием 3% изофлурана в нокдаун-камере. После того, как мышь будет обезболиваена, переместите ее в нагревательную среду и закрепите носовой конус, чтобы доставить 1-2% изофлуран. Нанесите офтальмологическую мазь на глаза и закрепите лапы на сценических электродах, чтобы следить за дыханием животного и частотой сердечных сокращений. Затем введите ректальный температурный зонд. Нанесите крем для депиляции, чтобы удалить волосы из интересующей зоны, а затем нанесите щедрое количество теплого геля для ультразвука на депилируемую зону.
Чтобы начать получение изображения, сначала откройте окно изображения и выберите режим B. Затем опустите датчик на животное и используйте ручки осей X и Y на сцене, чтобы определить интересующую область. Следите за частотой дыхания, чтобы убедиться, что она существенно не снижается. Расположите преобразователь в центре интересующей области. Затем приблизительно определите расстояние, необходимое для охвата всей интересующей области.
Введите эти размеры в код MATLAB и выберите размер шага 0,08 миллиметра. Убедитесь, что частота сердечных сокращений и дыхания животного стабильна, затем выполните код MATLAB.
После получения изображения экспортируйте данные в необработанные XML-файлы и преобразуйте их в файлы MAT. Убедитесь, что вы ввели количество кадров, размер шага и разрешение вывода. Затем повторите дискретизацию матрицы в сквозной плоскости.
Импортируйте новый файл MAT в код 3D-анализа деформаций. Возможно, потребуется изменить масштаб файла, чтобы сократить время вычислений. Затем введите область для анализа. Приблизительно определите количество пикселей в двумерном срезе отслеживаемого объекта и выберите шаблон сетки в виде простого прямоугольника или вручную выбранных полигонов. Выберите оптимальное количество пикселей для размера сетки. Вычислите якобианцы и градиенты. Повторите для каждого региона. Затем примените функцию деформации.
Затем, используя декартовы деформации, вычисленные из DDE, определите собственные значения и собственные векторы деформации. Затем выберите срезы, для которых требуется построить график значений деформации, прокрутив виды длинной оси, оси сортировки и корональной оси.
Нажмите кнопку Select Manifold (Выбрать коллектор) для анализа. Затем с помощью курсора разместите маркеры вдоль стенки аорты, включая тромб, аневризму и здоровые части аорты. Повторите для всех видов. Наконец, используйте цветовое сопоставление для построения графика результатов работы поля деформации в интересующей области.
Рассмотрим подробнее пример индуцированной ангиотензином II надпочечниковой расслаивающей аневризмы брюшной аорты, полученной от мыши. Во-первых, несколько петлей визуализации ЭКГ с короткой осью при заданном размере шага вдоль аорты получают и объединяют для создания 4D-данных.
После выполнения 3D расчета деформации с использованием оптимизированной функции депланации получается 3D график визуализации среза инфраренальной аорты. Цветовая карта основной зеленой деформации накладывается на выделенные области неоднородной деформации стенки аорты. Кроме того, виды с длинной и короткой осями выявляют неоднородные пространственные изменения деформации, особенно при наличии тромба.
Соответствующие графики деформации показывают более высокие значения деформации в здоровых областях аорты по длинной оси, в то время как аневризматическая область показывает меньшую деформацию по короткой оси.
Точная количественная визуализация деформации с использованием прямой оценки деформации является полезным инструментом, используемым в различных биомедицинских приложениях.
Например, можно количественно оценить сердечную нагрузку. Во время сердечного цикла миокард подвергается 3D-деформации. Количественная оценка деформации в трех измерениях является неотъемлемой частью надежной характеристики динамики этой ткани с течением времени. Это полезно для отслеживания прогрессирования заболевания на животных моделях.
Еще одно применение заключается в характеристике кишечной ткани. Визуализация кишечника in vivo затруднена из-за воздействия окружающих структур. Тем не менее, расчет деформации по изображениям кишечного фиброза может быть особенно полезен для раннего выявления проблемных областей, требующих хирургического вмешательства.
В гораздо меньшем масштабе этот метод DDE также применяется на клеточном уровне с использованием методов визуализации с более высоким разрешением, таких как конфокальная микроскопия. Он служит, например, для характеристики внеклеточного матрикса, чтобы понять, как клетки взаимодействуют при механических изменениях.
Вы только что посмотрели введение JoVE в количественную визуализацию деформаций. Теперь вы должны понять, как измерить трехмерную деформацию в биологических тканях и как она используется для раннего выявления заболеваний. Спасибо за просмотр!
Трехмерная визуализация деформации используется для оценки деформации мягких тканей с течением времени и понимания заболевания. Механическое поведение мягких тканей, таких как кожа, кровеносные сосуды, сухожилия и другие органы, сильно зависит от их внеклеточного состава, который может измениться из-за старения и болезней. В сложных биологических тканях важно охарактеризовать эти изменения, которые могут существенно повлиять на механические и функциональные свойства органа.
Количественное картирование деформации использует данные объемного изображения и метод прямой оценки деформации для расчета пространственно изменяющихся трехмерных полей деформации. В этом видео будут проиллюстрированы принципы картирования деформаций, продемонстрировано, как количественное картирование деформаций используется для оценки полей деформаций в сложных биологических тканях, а также обсуждены другие приложения.
Биологические ткани находятся под сильным влиянием состава и ориентации эластина и коллагена. Белок эластин является высокоэластичным компонентом тканей, которые постоянно растягиваются и сокращаются, таких как кровеносные сосуды и легкие. Коллаген является самым распространенным белком в организме и собирается из отдельных тройных спиральных полимеров, которые объединены в более крупные волокна, обеспечивающие структурную целостность тканей, начиная от кожи и заканчивая костями.
Ориентация этих белков колеблется от выровненных волокон до волокнистых сетчатых сеток, что влияет на механические свойства ткани. Деформация является мерой относительной деформации мягких тканей с течением времени и может быть использована для визуализации травм и заболеваний. Он описан и нанесен на карту с помощью математических оценок.
Для картирования напряжения в сложных органах, таких как сердце, можно использовать четырехмерные ультразвуковые данные, которые предоставляют пространственную и временную информацию с высоким разрешением. Затем к данным применяется метод прямой оценки деформации, или DDE. Для оценки 3D-деформации и соответствующих деформаций Грина-Лагранжа используется код с помощью следующего уравнения.
Тензор деформации Грина-Лагранжа зависит от тензора градиента деформации и тензора идентичности второго порядка. Тензоры градиента деформации традиционно оцениваются по полям смещения. В методе DDE функция депланации оптимизируется таким образом, чтобы она была прямо аналогична тензору деформации. Функция депланации зависит как от пространственного положения, так и от параметра деэкранизации. Расчет деформации непосредственно включается в функцию депланации. Первые девять элементов представляют собой тензор градиента деформации.
Этот метод используется для оценки как больших, так и локализованных деформаций в мягких тканях. Теперь, когда мы понимаем принципы картирования деформации, давайте посмотрим, как выполняется картирование деформации для обнаружения аневризм аорты у мышей.
Чтобы начать настройку, откройте программное обеспечение Vivo 2100 и подключите ноутбук к ультразвуковой системе. Убедитесь, что установлен блок физиологического мониторинга для измерения частоты сердечных сокращений и температуры. Затем инициализируем 3D-ступень двигателя.
Установите ультразвуковой датчик и убедитесь, что все соединения выполнены правильно. Затем обезболите животное, которое будет визуализировано, с использованием 3% изофлурана в нокдаун-камере. После того, как мышь будет обезболиваена, переместите ее в нагревательную среду и закрепите носовой конус, чтобы доставить 1-2% изофлуран. Нанесите офтальмологическую мазь на глаза и закрепите лапы на сценических электродах, чтобы следить за дыханием животного и частотой сердечных сокращений. Затем введите ректальный температурный зонд. Нанесите крем для депиляции, чтобы удалить волосы из интересующей зоны, а затем нанесите щедрое количество теплого геля для ультразвука на депилируемую зону.
Чтобы начать получение изображения, сначала откройте окно изображения и выберите режим B. Затем опустите датчик на животное и используйте ручки осей X и Y на сцене, чтобы определить интересующую область. Следите за частотой дыхания, чтобы убедиться, что она существенно не снижается. Расположите преобразователь в центре интересующей области. Затем приблизительно определите расстояние, необходимое для охвата всей интересующей области.
Введите эти размеры в код MATLAB и выберите размер шага 0,08 миллиметра. Убедитесь, что частота сердечных сокращений и дыхания животного стабильна, затем выполните код MATLAB.
После получения изображения экспортируйте данные в необработанные XML-файлы и преобразуйте их в файлы MAT. Убедитесь, что вы ввели количество кадров, размер шага и разрешение вывода. Затем повторите дискретизацию матрицы в сквозной плоскости.
Импортируйте новый файл MAT в код 3D-анализа деформаций. Возможно, потребуется изменить масштаб файла, чтобы сократить время вычислений. Затем введите область для анализа. Приблизительно определите количество пикселей в двумерном срезе отслеживаемого объекта и выберите шаблон сетки в виде простого прямоугольника или вручную выбранных полигонов. Выберите оптимальное количество пикселей для размера сетки. Вычислите якобианцы и градиенты. Повторите для каждого региона. Затем примените функцию деформации.
Затем, используя декартовы деформации, вычисленные из DDE, определите собственные значения и собственные векторы деформации. Затем выберите срезы, для которых требуется построить график значений деформации, прокрутив виды длинной оси, оси сортировки и корональной оси.
Нажмите кнопку Select Manifold (Выбрать коллектор) для анализа. Затем с помощью курсора разместите маркеры вдоль стенки аорты, включая тромб, аневризму и здоровые части аорты. Повторите для всех видов. Наконец, используйте цветовое сопоставление для построения графика результатов работы поля деформации в интересующей области.
Рассмотрим подробнее пример индуцированной ангиотензином II надпочечниковой расслаивающей аневризмы брюшной аорты, полученной от мыши. Во-первых, несколько петлей визуализации ЭКГ с короткой осью при заданном размере шага вдоль аорты получают и объединяют для создания 4D-данных.
После выполнения 3D расчета деформации с использованием оптимизированной функции депланации получается 3D график визуализации среза инфраренальной аорты. Цветовая карта основной зеленой деформации накладывается на выделенные области неоднородной деформации стенки аорты. Кроме того, виды с длинной и короткой осями выявляют неоднородные пространственные изменения деформации, особенно при наличии тромба.
Соответствующие графики деформации показывают более высокие значения деформации в здоровых областях аорты по длинной оси, в то время как аневризматическая область показывает меньшую деформацию по короткой оси.
Точная количественная визуализация деформации с использованием прямой оценки деформации является полезным инструментом, используемым в различных биомедицинских приложениях.
Например, можно количественно оценить сердечную нагрузку. Во время сердечного цикла миокард подвергается 3D-деформации. Количественная оценка деформации в трех измерениях является неотъемлемой частью надежной характеристики динамики этой ткани с течением времени. Это полезно для отслеживания прогрессирования заболевания на животных моделях.
Еще одно применение заключается в характеристике кишечной ткани. Визуализация кишечника in vivo затруднена из-за воздействия окружающих структур. Тем не менее, расчет деформации по изображениям кишечного фиброза может быть особенно полезен для раннего выявления проблемных областей, требующих хирургического вмешательства.
В гораздо меньшем масштабе этот метод DDE также применяется на клеточном уровне с использованием методов визуализации с более высоким разрешением, таких как конфокальная микроскопия. Он служит, например, для характеристики внеклеточного матрикса, чтобы понять, как клетки взаимодействуют при механических изменениях.
Вы только что посмотрели введение JoVE в количественную визуализацию деформаций. Теперь вы должны понять, как измерить трехмерную деформацию в биологических тканях и как она используется для раннего выявления заболеваний. Спасибо за просмотр!
Biomedical Engineering
37.2K Просмотры
Biomedical Engineering
25.3K Просмотры
Biomedical Engineering
9.9K Просмотры
Biomedical Engineering
15.2K Просмотры
Biomedical Engineering
4.8K Просмотры
Biomedical Engineering
6.1K Просмотры
Biomedical Engineering
15.5K Просмотры
Biomedical Engineering
12.4K Просмотры
Biomedical Engineering
8.7K Просмотры
Biomedical Engineering
12.7K Просмотры
Biomedical Engineering
110.8K Просмотры
Biomedical Engineering
8.1K Просмотры
Biomedical Engineering
8.6K Просмотры
Biomedical Engineering
8.6K Просмотры
Biomedical Engineering
11.5K Просмотры
