Overview
资料来源：汉娜·塞布尔1， 阿尔文·苏普里阿特纳1， 约翰·博伊尔2和克雷格·戈尔根1
1韦尔登生物医学工程学院，普渡大学，拉斐特，印第安纳州
2密苏里州圣路易斯华盛顿大学机械工程与材料科学
软组织（如血管、皮肤、肌腱和其他器官）的机械行为受到弹性蛋白和胶原蛋白组成的强烈影响，后者提供弹性和强度。这些蛋白质的纤维方向取决于软组织的类型，范围从单一的首选方向到复杂的网状网络，在病变组织中可能发生变化。因此，软组织在细胞和器官水平上经常具有同一性，因此需要三维表征。开发一种可靠地估计复杂生物组织或结构中的应变场的方法，对于机械地描述和理解疾病非常重要。应变表示软组织如何随时间相对变形，并且可以通过各种估计进行数学描述。
随着时间的推移获取图像数据，可以估计变形和应变。然而，所有医学成像方式都含有一定量的噪音，这增加了准确估计体内应变的难度。此处描述的技术通过使用直接变形估计 （DDE） 方法从体积图像数据中计算空间变化的 3D 应变场，从而成功地克服了这些问题。
目前的应变估计方法包括数字图像相关（DIC）和数字体积相关性。不幸的是，DIC只能准确地估计来自二维平面的应变，严重限制了该方法的应用。虽然有用，但 DIC 等 2D 方法很难在经历 3D 变形的区域量化应变。这是因为平面外运动会产生变形误差。数字体积相关性是一种更适用的方法，将初始体积数据划分为多个区域，并找到变形体积的最相似区域，从而减少平面外误差。然而，这种方法证明对噪声很敏感，需要对材料的机械性能进行假设。
此处演示的技术通过使用 DDE 方法消除了这些问题，从而在医学成像数据分析中非常有用。此外，它对于高应变或局部应变是健壮的。在这里，我们描述了门控、体积4D超声数据的采集、其转换为可分析格式，以及使用自定义 Matlab 代码来估计 3D 变形和相应的 Green-Lagrange 应变，该参数能够更好地描述大变形。绿拉格朗日应变张量在许多三维应变估计方法中实现，因为它允许从位移的最小平方拟合 （LSF） 计算F。下面的方程表示绿-拉格朗日应变张数，E，其中F和I分别表示变形梯度和二阶标识张子。
(1)
Principles
4D 超声是一种动态体积，利用连接到超声传感器的线性转换电机获得，允许在感兴趣的区域采集连续的心脏和呼吸门控视频环路。此方法可用于可视化复杂的结构，如心脏，其中肥大或梗死导致独特的几何形状，或主动脉瘤，其中不对称的血管膨胀和解剖通常发生在曲折的血管中。此外，4D 数据可以提供高分辨率的空间和时间信息，这对心血管成像也很重要。
应用于 4D 超声数据的 DDE 方法优于其他方法，因为它使用非刚性图像配准。变形梯度张量传统上是在数字体积相关性后从位移场估计的。相反，DDE 方法通过优化精心选择的与变形张量直接相似的翘曲函数，在体积配准期间内在估计变形梯度张量。翘曲函数取决于空间位置和翘曲参数 （p）：
(2)
此函数的前三个元素表示变形梯度张量器F，允许将变形计算直接合并到翘曲函数中。与以前的类似技术相比，这种翘曲方法已被证明能够提高应变估计的精度和精度，因为它允许在软组织中常见的大型或局部变形。
Subscription Required. Please recommend JoVE to your librarian.
Procedure
1. 4D超声设置
- 使用成像软件时，使用能够运行数学计算软件的笔记本电脑自动执行 4D 采集过程。通过 USB 端口将具有此自定义代码的笔记本电脑连接到超声波系统。请注意，成像软件集成了 4D 超声功能。
- 打开超声波系统后，设置生理监测单元，同时确保心率和温度按钮打开。初始化连接到传感器支架的 3D 电机级。
- 使用适当的级和超声波传感器进行图像采集。确保已建立所有正确的连接。
- 继续麻醉和准备动物成像。在眼睛中添加眼膜，以防止角膜干燥，将爪子固定到舞台电极上，并插入润滑的直肠温度探头。使用脱毛霜去除感兴趣区域的毛皮。
- 确保去除面霜已取出。然后，将大量加热的超声波转导凝胶涂到动物中。对于为 4D 成像在整个感兴趣区域建立良好的连接，这一点尤其重要。
2. 4D超声采集
- 开始对超声系统进行新的研究，并在 B 模式（亮度模式）中打开成像窗口。将传感器降至动物上，使用舞台上的 x 轴和 y 轴旋钮定位感兴趣的区域，确保呼吸速率不会大幅下降。在屏幕底部监视此内容。
- 将传感器放置在感兴趣区域的中间。从那里，近似传感器上下移动所需的距离，以便包括整个感兴趣的区域。
- 在计算软件代码中输入近似尺寸，包括一个通常为 +0.08 mm 的步长大小，用于腹部主动脉瘤成像。在确保动物的心脏和呼吸速率稳定后，开始运行代码。这对减少重建图像时的错误非常重要。
- 完成映像采集后，将数据导出为原始 XML 文件。
3. 4D超声数据转换
- 将原始 XML 文件输入到软件中，该软件可将数据转换为 3D 染色分析的正确格式。在这里，我们使用 Matlab 将 XML 文件转换为 MAT 文件。完整的 Matlab 脚本可在此处获取。
- 为了进行正确的转换，还需要输入帧数、步长大小和所需的输出分辨率。
- 在 通过平面重新采样矩阵后，将新的 MAT 文件导入到 3D 应变分析代码中。
4. 3D 应变代码分析
- 通过正确调整导入的 MAT 文件开始分析。例如，可能需要重新缩放图像卷以缩短计算时间。
- 输入要分析的区域并确定适当的网格模板，以便将图像数据分割为简单框或手动选择的多边形。可能需要为每个数据集更改区域的框大小和中心点之间的间距。为框大小选择的最佳数字将围绕被跟踪要素的像素顺序，可以通过查看一个切片中的两个维度中的像素数来近似。框的间距将决定应变场的分辨率。更多的框将提高分辨率，但也可能大大增加计算时间。
- 开始在每个区域中迭代计算雅各人和梯度。预计算完成后，应用翘曲函数。
- 计算变形梯度张数。首先计算应变，然后使用直接变形估计方法计算值和值向量。
- 使用切割平面的颜色映射等技术在所需平面中绘制这些结果，以表示感兴趣区域上的应变场。
三维应变成像用于估计软组织随时间的变形并了解疾病。软组织（如皮肤、血管、肌腱和其他器官）的机械行为受到细胞外组成的强烈影响，这些成分会因衰老和疾病而改变。在复杂的生物组织中，对这些变化进行表征非常重要，这些变化可以显著影响器官的机械和功能特性。
定量应变映射使用体积图像数据和直接变形估计方法计算空间变化的三维应变场。本视频将说明应变映射的原理，演示如何使用定量应变映射来估计复杂生物组织中的应变场，并讨论其他应用。
生物组织受到艾莱他和胶原蛋白的组成和方向的强烈影响。蛋白质弹性蛋白是一种高度弹性的组织中，持续拉伸和收缩，如血管和肺部。胶原蛋白是人体中最丰富的蛋白质，由单个三螺旋聚合物组装而成，这些聚合物被捆绑成较大的纤维，为从皮肤到骨骼等组织提供结构完整性。
这些蛋白质的方向范围从对齐的纤维到纤维网状网络，这会影响组织的机械特性。应变是一种测量软组织随时间的相对变形，可用于可视化损伤和疾病。它使用数学估计来描述和映射。
为了绘制复杂器官（如心脏）的应变图，可以使用提供高分辨率、空间和时间信息的四维超声数据。然后，直接变形估计方法（DDE）应用于数据。使用以下公式使用代码估计 3D 变形和相应的绿拉格朗格应变。
绿色拉格朗日应变张数取决于变形梯度张数和二阶标识张数。变形梯度张量传统上是从位移场估计的。在 DDE 方法中，对翘曲函数进行了优化，以直接类似于变形张数。翘曲函数取决于空间位置和翘曲参数。变形计算直接纳入翘曲函数。前九个元素表示变形梯度张量。
此方法用于估计软组织中较大的和局部的变形。现在，我们已经了解了应变映射的原理，现在让我们来看看如何执行应变映射来检测小鼠的主动脉瘤。
要开始设置，请打开 Vivo 2100 软件，并将笔记本电脑连接到超声波系统。确保生理监测装置处于打开，以测量心率和温度。然后初始化 3D 电机级。
安装超声波传感器，并确保所有正确连接都已建立。接下来，麻醉动物，将使用3%异二苯在击倒室成像。一旦小鼠被麻醉，将其移动到加热阶段，并固定鼻锥，以提供1-2%的异常。在眼睛上涂上眼膏，将爪子固定在舞台电极上，以监测动物的呼吸和心率。然后插入直肠温度探头。涂抹脱毛霜，将头发从感兴趣区域去除，然后将大量热超声凝胶涂抹到脱毛区域。
要开始图像采集，首先打开成像窗口并选择 B 模式。然后，将传感器降至动物身上，并使用舞台上的 x 轴和 y 轴旋钮定位感兴趣的区域。监测呼吸速率，确保其不显著下降。将传感器放置在感兴趣区域的中间。然后近似覆盖整个感兴趣区域所需的距离。
在 MATLAB 代码中输入这些尺寸，然后选择 0.08 毫米的步长大小。确保动物的心脏和呼吸速率稳定，然后运行MATLAB代码。
图像采集后，将数据导出为原始 XML 文件，并将它们转换为 MAT 文件。请确保输入帧数、步长大小和输出分辨率。然后在透层中重新采样矩阵。
将新的 MAT 文件导入 3D 应变分析代码。可能需要重新缩放文件以缩短计算时间。然后，输入要分析的区域。近似跟踪要素的二维切片中的像素数，并选择网格模板作为简单框或手动选择的多边形。为网格大小选择最佳像素数。计算雅各派和梯度。对每个区域重复上述步骤。然后应用翘曲函数。
接下来，使用根据 DDE 计算的笛卡尔变形来确定变形的字符值和功能矢量。然后，通过滚动长轴、排序轴和日冕轴视图，选择要绘制应变值的切片。
按"选择歧管"进行分析。然后使用光标沿主动脉壁放置标记，包括主动脉的血栓、动脉瘤和健康的部分。对所有视图重复上述步骤。最后，使用颜色映射绘制感兴趣区域的应变场的结果。
让我们仔细看看从小鼠获得的血管紧张症 II 诱导的腹主动脉瘤解剖示例。首先，沿主塔的给定步长大小获得多个短轴 ECG 门千赫兹可视化循环，并组合以创建 4D 数据。
使用优化的翘曲函数执行三维应变计算后，获得红外主塔的三维切片可视化图。主绿色应变的颜色图叠加以突出异质主动脉壁应变区域。此外，长轴和短轴视图揭示了应变的异构空间变化，尤其是在存在血栓时。
相应的应变图在长轴主动脉的健康区域显示较高的应变值，而动脉瘤区域显示短轴中的应变减少。
使用直接变形估计进行精确的定量应变可视化是各种生物医学应用的有用工具。
例如，心脏拉伤是可以量化的。在心脏周期中，心肌经历3D变形。在三维中量化应变对于可靠地描述该组织随时间的变化动态至关重要。这在跟踪动物模型中的疾病进展方面很有用。
另一个应用是肠道组织的表征。由于周围结构的影响，肠道的体内成像具有挑战性。然而，从肠道纤维化图像计算应变可能特别有用，提供需要手术干预的问题区域的早期发现。
在更小的尺度上，这种DDE方法也通过使用高分辨率成像技术（如共聚焦显微镜）应用于细胞水平。例如，它用于细胞外基质的表征，以了解细胞在机械变化下如何通信。
您刚刚观看了 JoVE 对定量应变可视化的介绍。现在，您应该了解如何测量生物组织中的三维菌株，以及如何在早期疾病检测中使用三维菌株。感谢您的收看！
Subscription Required. Please recommend JoVE to your librarian.
Results
使用上述程序，对小鼠的血管紧张症II诱导腹动脉瘤（AAA）进行血管紧张症II诱导的4D超声检查。沿主塔采集了多个短轴EKV视频环路，并结合创建4D数据，如图1所示。然后，使用自定义代码将这些数据转换为 MAT 文件，然后使用翘曲函数在 3D 应变计算代码中对其进行分析。在优化特定数据集的代码参数后，生成了具有相应应变值的代表性长轴视图以及带有叠加应变颜色映射的 3D 切片可视化图（图 2）。这种DDE技术和应变数据突出了应变的异质空间变化，特别是在存在血栓时。这些结果随后可与血管结构相关，以确定体内变形与动脉瘤组合物之间的关系。
图1：主塔的ECG门级千赫兹可视化（EKV）循环是从手动输入的起始和结束位置获取的，其步长为0.2 mm。
图2：4D高频超声数据，用于估计和叠加（B）（Scalebar = 5 mm）的鼠腹主动脉瘤。systole （A）表示主应变场。长轴和短轴视图表示动脉瘤和健康区域对应的主要菌株在一个心脏周期（systole： t= 0.4） （C， D）。这些数据表明，健康区域的菌株水平相对较高，解剖动脉瘤内的菌株值降低。
Subscription Required. Please recommend JoVE to your librarian.
Applications and Summary
局部体内机械表征是了解生物组织生长和重塑的重要组成部分。与现有方法相比，本文所述的应变定量过程使用改进的方法，通过在交叉关联之前对未变形的图像进行最佳扭曲，从而精确计算三维应变。此方法在确定组织体积内的菌株时不使用任何材料假设。不幸的是，在使用超声波数据时，应变估计是可靠的，只有内核大小为15x15x15体素，这表明这种DDE方法可能无法检测应变场内的细微特征。尽管存在这种局限性，它仍然是研究机械反应、诊断病理学和改进疾病模型的重要工具。
除了主动脉瘤之外，许多研究领域都可以受益于这种应变测量工具。使用这种方法也可以很容易地量化心脏应变。由于心肌在心脏周期中经历 3D 变形，因此在三维上量化应变对于可靠地描述此组织的动态是不可或缺的。可靠的菌株数据在跟踪动物模型中的疾病进展时尤为重要。
3D应变分析也可用于肠道超声成像。肠道组织的机械表征最常在体外进行。然而，由于周围结构的影响，这并不总是肠道在体内的实际行为的真实表现。作为临床翻译这种方法的一个示例，计算由于异常光压引起的肠道纤维化图像的应变，可以及早发现需要手术干预的问题区域。
除了较大规模的应用外，该方法还可以通过使用更高分辨率的成像技术（如共聚焦显微镜）应用于蜂窝水平。特征化细胞外基质对于理解细胞外如何沟通非常重要。已经就生物化学特性进行了大量研究，但了解如何通过机械反应进行通信需要了解变形和应变。散装应变没有好处，因为无法确定变形变化的原点。应用高分辨率 DDE 方法可以直接揭示细胞外基质对机械变化的反应。
确认
我们要感谢约翰·博伊尔、盖伊·吉宁和斯塔夫罗斯·托莫普洛斯对DDE自定义Matlab代码的贡献，这些代码能够直接估计拉格朗日-格林菌株。
Subscription Required. Please recommend JoVE to your librarian.
