Magnetic Resonance Härledda Myocardial Sila Uppskattning med hjälp av funktionen Spåra

Summary

En korrekt och praktisk metod för att mäta parametrar som påfrestningar i myokardiet vävnad är av stort kliniskt värde eftersom det har visat, är att stam en mer känslig och tidigare markör för kontraktil dysfunktion än den ofta använda parametern EF.

Abstract

Syfte: En korrekt och praktisk metod för att mäta parametrar som påfrestningar i myokardiet vävnad är av stort kliniskt värde eftersom det har visat, är att stam en mer känslig och tidigare markör för kontraktil dysfunktion än den ofta använda parametern EF. Dagens teknik för CMR är tidskrävande och svårt att genomföra i klinisk praxis. Feature tracking är en teknik som kan leda till mer automization och robusthet för kvantitativ analys av medicinska bilder med mindre tidsåtgång än jämförbara metoder.

Metoder: En automatisk eller manuell inmatning i en fas fungerar som en initiering som systemet börjar spåra förskjutning av individuella mönster representerar anatomiska strukturer över tid. Det speciella med denna metod är att bilderna inte behöver vara manipulerad på något sätt i förväg som t.ex. märkning av CMR bilder.

Resultat: Metoden är mycket väl lämpad för att spåra muskelvävnad och med detta möjliggör kvantitativa utarbetandet av hjärtmuskulaturen och även blodflödet.

Slutsatser: Denna nya metod ger ett robust och tidsbesparande procedur för att kvantifiera hjärtinfarkt vävnad och blod med förskjutning, hastighet och deformation parametrar på regelbundna sekvenser av CMR avbildning. Därför kan implementeras i klinisk praxis.

Protocol

1. Inledning

Automatisk detektering av gränser är en grundläggande fråga i bildanalys. I hjärt-avbildning, skulle möjligheten till en automatisk detektering av endokardiella i avbildning av vänster kammare ger objektiv mätning av ventrikulära volymer och hjärtinfarkt deformation (stam). Detta uppnåddes i ekokardiografi med speckle tracking teknik. Utveckling av tillförlitliga metoder för automatisk gränsen upptäckt är en utmanande uppgift som inte har fått ett generellt tillförlitlig lösning i hjärtats resonans (CMR). Faktum är att i klinisk praxis, är gränser antingen dras manuellt av operatören eller programvara upptäcker gränssnitt mellan hjärtmuskulaturen och hålighet ^1,2. I nuvarande artikel presenterar vi en annan strategi där gränserna inte är "upptäckt", snarare de är "spåras", följt dvs i tiden, från en tillförlitlig befintliga momentana spår som vanligt, men inte nödvändigtvis-manuellt teckningar av den erfarne operatören över en enda bildruta. Den enskilda punkter komponera en sådan första tillförlitliga spår följs i tiden genom att söka samma funktioner som på en punkt i sitt grannskap i följande ramar. De spårade funktioner kan hålrummet-vävnaden gräns eller anatomiska delar som är olika längs vävnad. De hittades av metoder för att maximum likelihood i två regioner i intressen mellan två ramar.

Den lokala frame-to-frame förskjutning motsvarar utvärdera den lokala hastigheten (förhållandet mellan slagvolym och tidsintervall). Den automatiska utvärderingen av hastigheten vid en punkt bestäms utifrån jämförelse av förskjutningen av bilddata om sådana punkt i två på varandra följande ramar. Sådana metoder har använts i flera olika formuleringar i många forskningsområden. De faller i den allmänna kategori som kallas Optical Flow, inom avancerad bildanalys ^3,4. De är vanligen kallad Speckle Tracking i echographic avbildning när sådana hastigheter används för att följa fysiologiska rörelse ^{5, 6} utan också på någon annan bild modalitet som CMR där dessa metoder är kallat funktionen spårning eller kantlinje spårning.

2. Material och metoder

Feature spårningsmetod

Endokardiell eller epicardial gränsen till ett 2D CMR cine är manuellt spåras på ett godtyckligt ram (se figur 1). Mitten av hjärtinfarkt funktioner kan spåras också. Sådan gräns definieras då som en sekvens av N punkter, identifierade genom deras koordinatpar (x _i, y _i) med i = 1 ... n. Gränsen spårning intäkterna genom att spåra varje enskild punkt, är en sådan spårning baserat på en hierarkisk algoritm på flera skalor och av en kombination av 1D tracking tekniker, som garanterar högre noggrannhet, och 2D-spårning, vilket är nödvändigt för att korrekt upptäcka 2D rumsligt utökade funktioner.

För första som fånga stora geometriska förskjutning av gränsen, är spårning utförs i riktning vinkelrätt mot själva gränsen där cavity-vävnaden gränsen är bäst igen. Spårningen längs denna riktning utförs med hjälp av den metod transmural nedskärningar som följer (se figur 3). En linje som korsar väggen, som passerar genom punkten och ortogonala mot den upprättas. Pixlarna tas längs transmural linjen är placerade i kolumner, varje kolumn motsvarar en bildruta i sekvensen av bilder. På detta sätt utvecklingen längs en transmural skär kan representeras i alla ögonblick samtidigt i en tvådimensionell representation där den ena axeln är avståndet längs linjen och den andra axeln är tiden (se figur 2). Denna representation är liknar vad som kallas en M-mode i ekokardiografi, i CMR det motsvarar mer till "Scout"-funktion. För att förbättra kvaliteten av analysen, i händelse av dåliga bilder med ett lågt signal-brus-förhållande, är utrymmet tiden representation byggd med en linje för transmural skär med en tjocklek på 5 pixlar. Gränsen spårning Därefter görs längs rumtiden bild.

I ett andra steg att redogöra för 2D förskjutning av gränsen, en standard 2D-spårning (optisk flödesbaserade) utförs för varje punkt för sig, på en MXM flytta fönster som alltid är centrerad på de tidigare uppskattade gränsen punkt. 2D-spårning sker i två steg, där hälften av den första uppskattningen är anställd för att centrera flytta fönster i den andra spårning passagen. Fönstret reduceras sedan 32 till 16 i ytterligare två passager.

För att förbättra noggrannheten i rörelse längs gränsen som används för att beräkna rotation och vridning är 1D spårning utförs längs rumtiden bilder byggs från tjocka skär "parallellt" med böjda gränsen (se figur 3). Vid varje punkt, oberoende, pixlarnatas längs den rörliga gränsen, centrerad på att flytta gränsen poäng, placeras i kolumner, varje kolumn motsvarar en bildruta i sekvensen av bilder. För att förbättra kvaliteten i analysen, och bästa fånga funktionerna vid gränsen linjen förlängs av 5 pixlar i vävnaden (sub-endokardiet). Gränsen spårning Därefter görs längs rumtiden bild med samma förfarande som beskrivs ovan. För att säkerställa den rumsliga konsekvens i de spårade gränsen, en 3-punkts median filter och en 3 punkt Gaussian-filter (för vikter 0,25, 0,5, 0,25) tillämpas för förskjutningen beräknas till angränsande poäng på varje steg.

Spårning Längs 2D Space-Time Image

Detta avsnitt beskriver ett förfarande för att följa en kant längs en riktning i en tvådimensionell bild (M-mode-liknande) med början från en känd position på ett ögonblick.

X definieras som horisontell riktning och y den vertikala riktningen. Kolumnerna är kommenterad x _{i, i} = 1 ... M, där M är antalet kolumner i bilden. Den spårning ges genom bestämning av en diskret sekvens av reella tal y _i = y (x _i), från en känd punkt y _k motsvarande kolumner x _k.

Förskjutningen från känd punkt y _K till punkten y _k +1 beräknas genom att utvärdera den gränsöverskridande samband mellan hela kolumnen på x _k med hela kolumnen på x _k +1. Den cross-korrelationen funktionen kommer att presentera en maximal ger positionen av den maximala värdet av den vertikala förskjutningen krävs för att maximera likheten mellan de två kolumnerna finns alltså y _k +1 uppskattas genom att lägga till en sådan förskjutning till y _k. Denna procedur upprepas mellan alla par av närliggande kolumner och resultatet är en uppskattning av hela gränsen y _{i, i} = 1 ... M. Korset-korrelationen är här beräknas med hjälp av en Fast Fourier Transform algoritm för att minska beräkningstiden.

Den första uppskattningen Y _i ytterligare förfinas iterativt. För att uppnå detta mål en delmängd av bilden utvinns genom att ta några poäng ovanför och nedanför den tidigare uppskattningen y _i och en ny bild, där avståndet motsvarar den sekvensen Y _i genereras och används för korrigering spårning. Denna förfining upprepas tills ingen korrigering hittas.

En förbättrad och mer naturligt resultat då uppnås genom en slutlig orm förfarande [5] att följa, i ​​rumtiden bild, passerar bildens ljusstyrka som genom den fasta punkten y _k. Hela processen utnyttjar den tid periodicitet för att säkerställa en regelbunden resultat och undvika avdrift effekt.

Teknisk begränsning av funktionen Spåra

Gränsen spårning teknik, precis som alla speckle tracking metod, är baserad på kvantifiering av förändringar på pixel ljusstyrkan från en ram till den andra. Detta ger en lägre gräns för hastighet relaterade till behovet av att se en speckle som är en bildpunkt i en ram, flyttar till närliggande pixlar i nästa ram. Denna gräns är därför

Ekvation 1
där Δx är pixelstorlek och Dt är tidsintervallet mellan två ramar. Koefficienten k beror på kvaliteten på spårning algoritm och på dess förmåga att utvärdera dynamiska delpixel variationer. Denna gräns innebär att hastigheter som är långt över denna gräns beräknas med stor noggrannhet, är en sådan noggrannhet minskar när hastigheten värden strategi och faller under en sådan gräns.

Denna begränsning innebär också att en ökning av förvärvet frame-rate (minskning av Dt) på ena sidan gör en enklare utvärdering av stora hastigheter och snabba variationer (som under isovolumic faser). På andra sidan, ökningen av bildfrekvens (minskning av Dt) ökar denna gräns och innebär en minskad precision i utvärderingen av lägre hastigheter tills den inte åtföljs av en liknande ökning av rumslig upplösning (minskning av Δx).

Phantom Image Förberedelser

En serie av artificiell datorgenererade slingor har förberetts för att möjliggöra testning av bildanalys förfarande i enkla och perfekt kontrollerade förhållanden. För detta var en fantom i en kort axel projektionen av en perfekt vänster kammare beredd på följande sätt.

Den endokardiell och epicardial gränser representeras av två koncentriska cirklar med radie R ₀ (t) och R ₁ (t), respektive. Bilden är beredd genom att annulus, som företrädarets vävnaden mellan två gränser, så enhetligt färgade grå på svart bakgrund. Sedan en 8x8 cylinderhatt linjära filter används för att undvika unphysical diskontinuiteter.

Den epikardiet rörelsen tas i [mm], som R ₀ (t) = 10 5 cos (2πt / T) där T är hjärtslag tiden tas som T = 1s. Den teoretiska endokardiell kinematik är konstant längs gränsen och beror på tiden bara, är hastigheten bara radiella och ges av V0 (t) = DR ₀ / dt =- π synd (2πt / T), i [cm / s]. Procentuell belastning, beräknad i förhållande till längden gränsen har vid tidpunkten noll, är St ₀ (t) = 100x (R ₀ (t)-R ₀ (0)) / R _{0 (0)} = 100 (cos (2πt / T ) -1) / 3, och strain rate följer (1) som SR ₀ (t) = 10 V0 / R ₀ i [s ^-1]. Den epikardiet antas antingen som flyttar därför till en konstant tjocklek, R ₁ (t) = R ₀ (t) 5 mm, eller som fortfarande R ₁ (t) = R ₀ (0) 5 mm.

Varje bild är kvadraten av storlek 48 mm, centrerat på vävnaden annulus, och har en upplösning nxn. Exempel på bilder som visas i figur 4, tallrikar a och b, den stam och töjningshastighet profiler tid visas i figur 4, tallrikar C och D. Slingorna är förberedda genom att variera upplösningen N, ramen ränta FR och epicardial typ av rörelse.
Den endokardiell tracking metoden tillämpas på sådana bilder genom att ta på första inramar ett antal N _p poäng jämnt fördelade längs cirkulära endokardiet.

3. Representativa resultat

Phantom Studera

Tillämpningen av bildanalys metoden till datorgenererade phantom bilder är här analyseras. Ett globalt mått på det eventuella felet beräknas av kvadratiska medelvärdet procentuella skillnaden. Den kvadratiska medelvärdet, genomsnittlig och maximal fel i endokardiet stammen definieras som

Ekvation 2
där St ₀ (t) är det exakta värdet, är St (t) det värde som beräknas av bildanalys, och summeringar sträcker sig över alla ramar N _F = FRxT. Samma definition används för radie, hastighet och strain rate. Spårning handlar om oberoende av position längs endokardiet, är skillnaderna mellan de olika punkter långt under 1%.

Resultaten sammanfattas i Tabell I för 15 fantomer med varierande rumslig upplösning, frame-rate, och epicardial gränsen typ av rörelse, är effekten av att variera antalet punkter som används för att spåra endokardiella visas också.

Fel i alla fall mycket liten för den inbyggda mängder (radie och stam) och något större för differentialen mängder (hastighet och strain rate) som är relaterade till derivatan av den förra. Detta var väntat eftersom derivatan operatören förstärker fel. Kvaliteten på resultaten bryts ner när upplösningen minskas, i själva verket är noggrannheten relaterade till pixelstorleken som representerar (i en lös mening) den minsta förskjutning läsbara från en ram till den andra. Tiden upplösning påverkar inte resultaten signifikant tills ramen är tillräcklig, vid mycket höga uppdateringsfrekvens resultatet inte förbättras eftersom bildruta för bildruta förskjutningar blir lägre än pixelstorlek. Detta visar att en ökning av ramen ränta är av liten eller ingen nytta när den inte åtföljs av en ökning av den rumsliga upplösningen.

Däremot kräver den enkla sinusformade rörelse här anses inte en extrem tidsupplösning. Likaså är användningen av så få som 8 poäng räcker för att följa de enkla, runda, endokardiell form. Endokardiell resultat inte nämnvärt påverkas av vilken typ av rörelse som epikardiet genomgår. Vi har också verifierat att resultaten inte nämnvärt påverkas av den antagna bilden filtrering.

En visuell presentation av resultat ges i figur 4 där de beräknade endokardiella vid två ögonblick redovisas över fantom bilder (plattor a och b). Stammen och strain rate redovisas i (plattor c och d) för fallet # 1 och den lilla upplösningen fallet # 8. Stammen och strain rate i fall # 1 (torg) presenterar ett utmärkt avtal med det teoretiska värdet, den genomsnittliga felet är lika med 0,6% och 3%, respektive. Avtalet är bara lite värre i fall # 8, där bildupplösning halveras, med fel 0,9% och 4,5% för påfrestningar och strain rate, respektive.

Klinisk Validering ^1.

Vi jämförde mitten LV hel skiva perifera hjärtinfarkt stam (ε _cc) Harmonic Fas Imaging (HARP) och FT tekniker i 191 Duchene muskeldystrofi patienätter grupperade efter ålder och svårighetsgrad av kardiell dysfunktion och 42 åldersmatchade, kontrollpersoner. Retrospektiv, off-line analys utfördes på matchas taggade och SSFP skivor. För hela studiepopulationen (n = 233), menar FT ε _cc (-13,3 ± 3,8%) var starkt korrelerade med harpa ε _cc (-13,6 ± 3,4%) med en Pearsons korrelationskoefficient på 0,899. Den genomsnittliga ε _cc av DMD-patienter bestäms av HARP (-12,52 ± 2,69%) och FT (-12,16 ± 3,12%) var inte signifikant (p = NS). Likaså var den genomsnittliga ε _cc i kontrollgruppen med beslutsamma HARP (-18,85 ± 1,86) och FT (-18,81 ± 1,83) inte signifikant (p = NS). Vi drog slutsatsen att FT-baserad bedömning av ε _cc korrelerar starkt med ε _cc från taggade bilder i en stor DMD patientpopulation med ett brett utbud av hjärtsvikt.

Phantom #	Bildhastighet	Resol. N	Epicardial rörelse	N p	ε R	ε R max	ε V	ε V max	ε SR	ε SR max	ε St	ε St max
1	32	401	med Endo	16	0,57	1,10	3,98	8,26	2,95	6,55	0,59	1,34
2	32	401	ingen rörelse	16	0,27	0,60	3,62	8,53	2,90	5,99	0,75	1,29
3	64	401	med Endo	16	0,35	0,62	1,75	4,92	3,08	10,47	0,34	0,86
4	64	401	ingen rörelse	16	0,39	0,73	1,78	5,48	2,38	6,46	0,32	0,63
5	128	401	med Endo	16	0,22	0,40	1,57	3,66	2,73	8,39	0,35	0,89
6	16	401	med Endo	16	0,41	0,92	12,10	18,27	7,12	15,17	0,88	1,93
7	32	201	med Endo	16	0,43	0,82	3,84	7,03	4,21	7,79	0,83	1,52
8	32	201	ingen rörelse	16	0,49	0,90	4,00	8,54	4,54	10,84	0,93	1,64
9	32	101	med Endo	16	2,58	3,87	5,70	17,44	9,22	18,27	4,44	6,77
10	32	401	med Endo	64	0,32	0,73	3,98	8,09	3,11	8,86	0,48	1,10
11	32	401	ingen rörelse	64	0,33	0,53	3,56	7,83	2,78	7,44	0,70	0,98
12	32	401	med Endo	32	0,44	1,00	3,99	8,16	2,99	6,82	0,63	1,49
13	32	401	med Endo	8	0,20	0,41	3,64	6,84	3,09	9,10	0,43	0,74
14	32	401	ingen rörelse	8	0,22	0,41	3,36	7,42	2,76	5,93	0,58	1,01
15 *	32	401	med Endo	16	1,35	2,42	5,54	9,68	7,02	16,58	2,62	4,46

Tabell 1 Phantom analys av endokardiella spårning:. Rms och maximal procentuell fel [%] beräknas för de största mängderna i korrespondens med olika fantom parametrar. De parametrar markerade fetstil indikerar variationer från Phantom # 1. Beroendet av frame-rate, upplösning och antalet spårade poäng räknas. Inverkan av den typ av epicardial rörelse anses för de två begränsa fall när epicardial gränsen inte flyttas (ingen rörelse) eller flyttas med Endo (ingen förtjockning). Den sista fantom (*) är byggd utan filtrering grundläggande stegvis bilder med ljusstyrka förändras abrupt i en pixel. Fel över 10% är markerade med fetstil.

Figur 1. CMR bild av vänster kammare, i långa axel uppfattning (vänstra bilden) och kort axel vyn (högra bilden), med ett spåras endokardiella ritas ovanpå.

Figur 2. Rumtiden representation, där utrymmet är längs en ​​transmural snitt, i bildsekvensen. Den transmural skära tas som efter startpunkten i figur 3. Tiden utveckling utgångspunkten, spåras automatiskt rapporteras.

Figur 3. Bild av vänster kammare, i långa axel mening med transmural och nedskärningar parallellt med böjda gränsen.

Figur 4. Phantom studie. Två bilder(Fall # 2) vid maximal utbyggnad (plåt a) och kontraktion (platta b), är de beräknade endokardiella poäng överlappade. Stammen (platta C) och strain rate (platta d) beräknas med två olika vålnader (fall # 1 och # 8) visas i jämförelse med den effektiva värden.

Figur 5. Exempel på globala perifera (svart kurva) och segmentell stam (färg kurvor) i normala patienter (en). Exempel på globala perifera (svart kurva) och segmentell circumferental starain (färg kurvor) hos patienter med deprimerade vänsterkammarfunktion och vänster grenblock (B). Observera olika tidpunkter av topp omkretsriktningen stam vittnar om förekomsten av vänster kammare dyssynkroni

Discussion

Vi beskriver en ny metod "funktion tracking" för att mäta deformation och förskjutning parametrar i hjärtinfarkt vävnad från SSFP bilder. Denna metod har nyligen validerats mot harpa i bedömningen av topp globala perifera stammen i en stor population av patienter med Duchennes muskeldystrofi (1). Vi hittade en utmärkt korrelation mellan dessa två tekniker. Feature tracking-tekniken är relativt enkel i användning och inte behöver någon ytterligare bildbehandling sekvenser såsom taggning, känsla eller tät. Förutom kliniskt validerade bedömning av topp globala ECC, kan regionala stam uppgifter härledas samt FT verkar vara en robust teknik kunna uppskatta longitudinella och radiella LV påfrestningar, liksom longitudinella höger kammare stam.

Fler studier måste göras för att exakt bestämma gränserna för tekniken när det gäller tidsmässiga och rumsliga upplösningen i bilden. FT gör jämförelser mellan andra metoder såsom ekokardiografi, eftersom den grundläggande principen är densamma.

Slutsats

Feature spårning har potential att integreras i klinisk praxis, eftersom det eliminerar behovet av tidskrävande genomgång och ytterligare förvärv förfarande. FT kan användas för bedömning av vänster och höger kammare globala och segmentell stammar, vänster kammare dyssynkroni. Ytterligare kliniska studier pågår för att bedöma nyttan av FT i kardiologi.

Materials

Name	Company	Catalog Number	Comments
Diogenes® Feature Tracking software	TomTec Imaging Systems, Fulda, Germany