Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Bioengineering
Click here for the English version

Bioengineering

심장의 환자 별 모델링 : 심실 섬유 오리엔테이션의 추정

Published: January 8, 2013 doi: 10.3791/50125
Automatic Translation
1, 1, 1
1Institute for Computational Medicine and the Department of Biomedical Engineering, Johns Hopkins University

Summary

개인 모델링에 대한 환자의 심장 구조의 생체 영상에서 심실 섬유 방향을 예측할 수 방법론이 설명되어 있습니다. 방법의 유효성을 검사는 정상 사용하고 견 (犬) 마음이 입증 실패 수행 한 임상 관찰 수준의 예상과 인수 섬유 방향 사이에 큰 차이가 없다는 겁니다.

Abstract

심장 치료를 맞춤하기위한 마음 (dys) 함수의 환자 별 시뮬레이션은 임상 적으로 심근 섬유 방향을 획득을위한 생체 이미징 기술의 부재에 의해 방해되어 있습니다. 이 프로젝트의 목적은 환자의 심장 구조의 생체 영상에서 심장 섬유 방향을 추정 할 수있는 방법론을 개발하는 것이 었습니다. 심실 기하학과 섬유 방향의 정확한 표현은 고해상도 예 생체 자기 공명 구조 (MR)과 아틀라스라고 일반 사람의 마음의 확산 텐서 (DT) MR 이미지에서 각각 재건되었다. 환자의 마음 심실 구조는 생체 계산 단층 촬영 (중부 표준시) 이미지에서 반자동 세분화를 통해 추출되었다. 이미지 변환 알고리즘을 사용하여 아틀라스 심실 형상은 환자의 일치하는 변형되었습니다. 마지막으로, 변형 필드가지도 책 섬유 orientat에 적용이온 환자의 섬유 방향의 추정치를 얻을 수 있습니다. 섬유 견적의 정확성 6 정상적인 세 개 실패의 마음을 사용하여 평가되었다. 인수 및 예상 섬유 방향의 경사 각도 사이의 평균 절대 차이는 15.4 °이었다. 부비동 리듬과 심실 빈맥에서 심실 활성화지도 및 의사 ECGs의 전산 시뮬레이션의 개발을위한 길을 열어 것입니다 프로젝트에서 얻은 임상 관찰 level.The 새로운 통찰력의 예상과 인수 섬유 방향 사이에 큰 차이가없는 것으로 표시 electrophysiological 개입에 대한 개인화 된 진단에서 의사와 의사 결정을 지원할 수 있습니다 마음의 환자 별 모델.

Introduction

계산 방법은 건강과 질병에 심장의 기능에 대한 이해의 발전에 중심이되고 있습니다. 전기 생리학 및 electromechanics의 최첨단의 전체 심장 모델은 현재 같은 일반적인 심실 전파, 부정맥, defibrillation, 전기 커플 링, 그리고 심장 재 동기화 1로 현상의 다양한 범위를 공부하는 데 사용하고 있습니다. 그러나, 임상 환경에서 직접 적용 할 수있는 계산 방식에 대해,이 모델은 환자 별, 모델이 특정 건축과 환자의 병에 걸린 마음의 electrophysiological 또는 전기 특성에 따라해야합니다 즉 것이 중요합니다. 이러한 모델 시뮬레이션함으로써 극적으로 심장 건강 2-4 향상 electrophysiological 개입뿐만 아니라 예방을위한 고도의 개인화 된 의사 결정에 ​​도달하는 의사 도움이됩니다.

내용은 "현실적인 심장 모델> 창조 섬유 방향이 마음에 전기 전파와 변형 분포의 방향을 결정한다. 환자 심장의 구조와 섬유 구조의 획득을 필요로하고, 따라서이를 취득하는 것은 심장 모델링 5, 6 필수적입니다.로 의료 영상의 최근 발전, 이제 자기 공명 영상 (MRI)와 계산 된 단층 촬영 (중부 표준시) 기술을 사용하여 고해상도로 생체에서 환자 심장, 등 경색 등의 includingstructural 개조의 형상을 얻을 가능한 않습니다. 그러나 더이 생체에서 환자의 마음 섬유 구조를 습득을위한 실용적인 방법입니다. 확산 텐서 (DT) MRI 7, 8, 그대로 마음의 섬유 방향을 취득 할 수있는 유일한 기술은, 9 특정 제한으로 인해 생체 내 널리 사용할 수 없습니다. 간단한 설명 임상 설정 DTMRI를 번역 할 수있는 이전의 노력은 elsewh를 찾을 수 있습니다의오히려 2. 이러한 섬유 방향의 규칙 기반 과제 등 방법은 DTMRI에 대한 대안을 제공하지만,이 방법은 특정 심각한 제한이 10 있습니다. 따라서 생체의 심장 섬유 구조를 얻는 데 어려움이 현재 임상 설정에서 electrophysiological 및 전기 심장 시뮬레이션의 응용 프로그램을 방해. 본 연구의 목적은 바로 이러한 요구를 해결하는 것이 었습니다.

우리는 마음의 심​​실 섬유 방향이 정확하게 마음과지도 책은 기하학과 섬유 배향 사용할 수 있습니다 마음 아틀라스의 형상 주어진 예측 될 수 있다는 가설. 따라서, 우리는 생체 내 심장 섬유 방향의 추정을위한 방법론을 개발하는 예술 기술의 상태를 사용하고, 정상과 개 심실 2를 실패 가설을 테스트. 우리 섬유 추정 방법론의 중심 아이디어는 similaritie을 이용​​하는 것입니다순서 만 형상 정보를 사용할 수있는 (타겟) 마음의 대략적인 섬유 구조 다른 마음 사이의 구조에 상대적으로 섬유 방향,에 s입니다. 우리의 추정 방법론의 중심에 큰 변형 diffeomorphic 메트릭 매핑 (LDDMM) 11, 교장 부품 (PPD) 2, 12의 보존을 사용하여 아틀라스 섬유 방향의 변형을 사용하여 대상 기하학과지도 책 기하학의 등록입니다. diffeomorphicproperty은 고리 뼈가 변형 중에 없습니다 "foldover"자체,이를 integrityof 해부학 적 구조를 보존하지 않습니다. 그림 1은 우리의 방법론의 처리 파이프 라인을 보여줍니다 것이 LDDMM 보장의. 프로토콜 텍스트 섹션 § 1 견적은 예를 들어 환자에 대해 수행 할 수있는 방법을 시연하여 파이프 라인의 다양한 구성 요소에 대해 설명합니다. 그림 1에 블록의 일부 내부 번호는 해당 참조섹션 아래 하위 섹션 § 프로토콜 텍스트의 1.

우리는 계산 현지 전기 활성지도뿐만 아니라 의사 electrocardiograms (가상 ECGs)를 시뮬레이션하여 추정 오류를 정량화하고, 심장 전기 생리학의 오류 onsimulations의 효과를 측정하여 제안 된 방법의 성능을 평가했다. 인간의 마음 수 없다로 인해 성능 평가는 13-15 이전 연구에서 사용할 수 송곳니 마음을 사용하여 검색을 수행했습니다. 추정 오류는 경사 각도 16 각도 측정 epicardialsurface에 평행 절단 performedon 조직 섹션 아르 조직학의 followingthe 전통의 방법으로 계산되었다. anglebetween 섬유 방향과 epicardial 탄젠트 비행기가 generallysmall 17, 18,이기 때문에 완전히 자사의 경사 각도를 사용하여 fiberdirection을 설명하는 정보 손실이 미미한 것입니다. comput에 대한모델 이전에 19, 20, 그리고 심장 조직이 설립 수학적 기법과 실험 데이터 21-25에 따라 표현 된보고 된 ational 시뮬레이션, 이미지 기반의 모델이 건설되었다. 부비동 리듬은 S1-S2 간격 프로토콜 27 일까지 Purkinje 네트워크 26과 심실 빈맥에서 발생하는 복제 활성화로 시뮬레이션했다. 의사 ECGs는 28으로 계산하고 평균 절대 편차 (MAD) 측정 항목 29를 사용하여 비교했다.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. 섬유 오리엔테이션 추정

  1. 1mm 3의 해상도, 심장 확장의 정상적인 성인 인간의 마음의 구조 MRI와 DTMRI 이미지를 취득. ImageJ 사용하여, 각각의 짧은 축 슬라이스를 들어, 피팅하여지도 책 구조적 이미지에서 심실 심근의 압축을 풉니 다 슬라이스의 epicardial 및 endocardial 경계 (그림 2A와 그림 2B)를 따라 배치 랜드 마크 점의 집합을 통해 스플라인을 감았 다. 이미지의 모든 10 일 슬라이스 수동으로 랜드 마크 지점의 위치를 수행합니다. 선형 DTMRI 이미지 (그림 2C)에서 DTS의 기본 고유 벡터를 계산하여지도 책 심장의 섬유 방향을 MATLAB.Reconstruct 사용하여 수동으로 식별 포인트를 보간하여 남아있는 슬라이스에 대한 랜드 마크 포인트를 얻습니다.
  2. 생체 심장 중부 표준시 또는 MRI에 사용 심장 확장의 환자 심장의 형상의 이미지를 취득. 정찰 임무마찬가지로지도 책은 (그림 3A 및 그림 3B) 건설 방식으로 이미지에서 환자 심장 구조를 구조체. 환자 이미지가 인 비행기 해상도가 1mm 2 것을 앞서 재건을 다시보실 수 있습니다. 마찬가지로, 랜드 마크를 수동으로 선택됩니다되는 슬라이스, 그리고 밖에서 비행기 보간의 간격의 수는 세그먼트 환자의 심장 이미지는 1 mm의 슬라이스 두께가되도록 조정해야합니다.
  3. 변형은 아틀라스 심실 이미지는 두 단계에있는 환자 형상 이미지를 일치합니다. 첫 번째 단계에서, 13 랜드 마크 지점의 집합에 따라 아핀 변환 수행 왼쪽 심실 (LV) 꼭대기,베이스에서 오른쪽으로 두 심실 (RV) 삽입 포인트를, 기지와 꼭대기 사이에 두 개의 RV 삽입 포인트 중간, 두 고르게 기지에서 RV와 LV epicardial 윤곽을 나누어 점, 기지와 꼭대기의 중간 4 세트 (그림 4A 및 (그림 4C)를 사용하여, 환자 구조를 일치시킬 더 심실이 수축하지.
  4. Morph 아핀 일치의 변환 매트릭스와 LDDMM 변화의 변형 필드에 따라 이미지 voxels하고 다시 orientating DTS의 재 위치로지도 책의 DTMRI 이미지입니다. 주요 경로 (PPD) 메소드의 보존을 사용하여 DTS의 재 방향을 수행합니다.
  5. (그림 5) DTS의 기본 고유 벡터를 계산하여 변형지도 책 DTMRI 이미지에서 환자 섬유 방향의 예상을 가져옵니다.

2. 추정 오류의 측정

  1. 예 생체 구조 MR 여섯 정상적인 세 실패한 개 마음 DTMR 이미지를 수집, 312.5의 해상도 × 312.5 × 800 μm 3. 여기, 심장 파이미끼는 분 -1 210에서 tachypacing 3 주 뒤에 꾸러미 지점 왼쪽의 radiofrequency 박리를 통해 송곳니으로 생성해야합니다.
  2. 마찬가지로 인간의 아틀라스 마음뿐 § 1.1에 설명 된 송곳니 마음에서 분류 심실합니다. 9 마음 7 (그림 6)로 견 (犬) 마음을 실패에서 6까지 마음을 1로 일반 개과의 동물 마음의 분할, 이러한 세그먼트 심실을 나타냅니다.
  3. 아틀라스 (그림 7)로 6 마음이 각을 사용하여 심장 1 심실 섬유 방향의 다섯 가지 추정치를 얻을 수 있습니다.
  4. 지도 책 (그림 8)로 마음이 1을 사용 실패한 심실의 각 섬유 방향을 추정.
  5. θ C-θ | |, 어디 θ C와 θ가의 경사 각도는 추정 예상 섬유 방향의 각 세트에서 Foreach 데이터 포인트와 같은 추정 오류를 계산d는 각각 그 시점에서 섬유 방향을 취득하였습니다.
  6. 예상 섬유 방향의 각 세트의 각 데이터 포인트에 대해 thevector 내적에 의해 세 차원 (3D)에 betweenestimated 및 섬유 방향을 획득 급성 각도를 계산합니다.

3. 시뮬레이션에 대한 추정 오류의 효과 측정

  1. 심장 1 일부터, 심장 1 (모델 1로 함), 그리고 다섯 예상 섬유 방향의 데이터 세트 (모델 2-6)과 다섯 DTMRI - 획득 섬유 방향과 하나 중 6 모델을 구성합니다. 세 실패한 심장의 각각에 대해 형상은, DTMRI - 획득 섬유 방향 및 예상 섬유 방향과 다른과 하나가 두 개의 심실 모델을 구성합니다. 다음은 meshes의 평균 가장자리 길이의 관점에서 계산 모델의 공간 해상도는 600 μm에 대해해야합니다. 모델 9-7로 DTMRI - 획득 섬유로 심장 마비 모델을 표시하고, estimat있는 사람모델 10 12.In 모델로 에드 섬유가 적용되는 방정식으로, 심장 조직을 설명하기 위해 monodomain 표현을 사용합니다 :

수식 1
V m은 transmembrane 잠재력이며, C m은 막 특정 용량이며 어디에서 B는 Potse 외 30 일까지 설명 된대로 bidomain 전도성 tensors에서 계산 대량 전도성 텐서이다 σ 내가 이온은, 현재 transmembrane의 밀도입니다 결과적으로 V m과 membrane.For C m에 걸쳐 이온 fluxes의 역학을 설명하는 상태 변수 μ의 집합에 의존하는, 1 μ F / cm 2의 값을 사용합니다. 일반 개 심장 모델에 i를 σ를 들어, longitudi를 사용0.34 S / m 각각 0.06 S / m의 NAL 및 횡 방향의 전도성 값. 개 심실 myocyte의 Greenstein - 윈 이온 모델에 의해 난 경도를 나타냅니다. 30% (그림 9)에 의해 개 심장 마비의 심실 모델의 전기 conductivities을 줄입니다.

  1. 소프트웨어 패키지 CARP (CardioSolv, LLC), 모든 모델과 시뮬레이션의 부비동 리듬을 사용합니다. S1-S2 간격 프로토콜을 사용하여 여섯 실패한 모델에 들어가는 심실 빈맥 (VT)을 유도. S1과 S2 납품 후 2 초에 지속 VT 활동을 얻을 S2 사이의 타이밍을 선택합니다. VT 어떤 S1-S2 타이밍에 유도되어 있지 않은 경우 VT는 (그림 10) 유도 될 때까지, 최대 70 %까지 conductivities를 줄이십시오.
  2. 각 시뮬레이션은 마음을 주변 등방성 목욕탕에서 두 지점 간의 세포 전위의 차이를 활용하여 의사 ECGs을 계산합니다. 분리 심장의 기지 근처에 두 점을 놓고그림 10에 도시로를 연결하는 선이 중격의 기본 - 첨단 평면에 수직 인 그러한 18cm,로. 예상 섬유 배향 각 시뮬레이션은 MAD 통계로를 계산

수식이
X는 예상 섬유 방향과 시뮬레이션의 ECG 파형입니다, Y가 인수 섬유 방향으로 시뮬레이션을 thecorresponding의 ECG 파형이고, X는 X의 평균 값이며, Y는 Y의 평균 값이며, n은 X의 길이입니다 와 Y.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

그림 11는, AC 정상과 실패의 마음뿐만 아니라 추정 DTMRI 파생 섬유 방향의 간소화 시각화를 표시합니다. 질적 시험 예상 섬유 방향이 DTMRI 파생들과 잘 정렬을 보여줍니다. 패널 D는 심장 1의 구조에 중첩, 설명, 일반 하트 '경사 각도의 오류의 분포는, 다섯 추정에 걸쳐 평균 한 값입니다. 패널 E는 심장 1의 구조에 중첩 마음 '경사 각도를, 실패의 오류의 평균 분포를 보여줍니다. 경사 각도 그러므로 -90 °와 90 ° 사이의 값을 가지고 있고, 있습니다, 0 °와 180 ° 사이의 추정 오류 범위. 각각 패널과 패널 F D와 E의 배포판 조직의 G 현재 섹션. 이 오류의 transmural 변화를 보여줍니다. 패널 H의 오류의 histograms는 대부분의 심근 voxels 작은 오류 값을 가지고하는 것이 좋습니다. voxels의 % 80 및 75 %이정상과 실패 심실에 오류가 미만 20 °, 각각. 그것은 평균 오류가 모든 예상 데이터 세트에 걸쳐 평균 것을 발견하고, 심근에 속한 모든 이미지 voxels은 각각 14.4 °와 정상과 실패 심실에서 16.9 °, 못했습니다. 전체 심근의 평균 오류가 결합 정상과 실패의 경우에, 15.4 °이었다. 예상과 획득 섬유 방향 사이의 평균 3D 예각은 각각 17.5 °와 정상과 실패 심실에서 18.8 °, 있었다. 3-D 각도 errors.These 결과가 예측 섬유 방향의 경사 각도는 전 생체 DTMRI, 전체 ​​오류의 최첨단 technique.The 표준 편차에 인수들에 비해임을 견적 비교 아르 마음 1의 섬유 방향의 fivedifferent 견적은 다른 oneatlas에서 추정 품질의 차이가 작은 것을 나타내는 단 1.9이었다.

13는 각각 정상에 부비동 리듬 활성화 및 실패 심실 모델 중 하나 비트의 시뮬레이션 활성화지도를 제시한다. 예상 섬유 방향과 모델 획득 방향과 모델의 것과 매우 유사 활성화지도를 생성하고, 초기 epicardial 활성화 같은 사이트에서 발생하고, 전파의 방향도 동일합니다. 일반 심실 모델의 취득 및 예상 섬유 방향 사건의 총 활성 시간의 전체 평균 차이는 모든 견적 및 모든 메쉬 노드 평균 총 활성화의 작은 부분 (평균 3.7 %)는 5.7 밀리였다 시간. 그림 12C는 모델 1과 3 부비동 리듬 시뮬레이션을 위해 얻은 가상 ECGs가 동일한 morphologies을 보여줍니다. 이 두 파형 사이의 MAD 점수는 4.14 %이었다. 평균 모델 2의 각이있는 부비동 리듬 가상 ECGs 사이의 MAD 점수는 6 모델에1 10.9 %이었다. 평균 MAD 점수가 4.68 % 동안 실패 심실 모델 부비동 리듬, 인수 및 예상 섬유 방향과 모델 사이의 총 활성 시간의 평균 차이 시뮬레이션에서 단 5.2 밀리 초 (3.1 %)는했습니다. 이러한 결과는 심실 정상의 부비동 리듬의 활성화와 현재의 방법으로 추정 섬유 방향으로 개 심실 모델을 실패의 시뮬레이션의 결과는 밀접하게 구입 한 방향과 일치 나타냅니다. 특히, 심장 마비의 존재는 추정의 정확도를 감소하지 않았다.

그림 14는 시뮬레이션 활성화 심장 마비 모델에서 유도 VT 중 하나 사이클 동안 심실의 꼭대기보기에지도,,, 그리고 의사 - ECGs 해당을 보여줍니다. 인수 및 예상 섬유 방향과 시뮬레이션 모두 유사한 그림 -의 개 들어가는 패턴을 나타냅니다. 예상과 획득 섬유에 해당하는 ECG의 morphologies방향은 좋은 계약을했다. 평균 MAD 점수는 9.3 %이었다. 이러한 결과는 예상 섬유 방향으로 송곳니 심장 마비 모델은 밀접하게 섬유 방향을 인수 사용하여 수행 VT 시뮬레이션의 결과를 복제 할 수 있음을 나타냅니다.

그림 1
그림 1은. 생체에 심실 섬유 방향을 계산하는 우리의 처리 파이프 라인이 있습니다. 큰 그림을 보려면 여기를 클릭하십시오 .

그림 2
의 그림 2. 기하학과 섬유 방향tlas은 심실이 수축하지. (A) epicardial (빨간색)와 endocardial (녹색과 마젠타) 스플라인, 그리고 해당 랜드 마크 (노란색) 아틀라스 이미지의 예를 들어 슬라이스에 입혔다. (B) 3D로지도 책 심실이 수축하지. (C) 아틀라스 섬유 배향.

그림 3
그림 3. 환자 심실 형상 재구성. (A) epicardial (빨간색)와 endocardial (녹색과 마젠타) 스플라인, 그리고 해당 랜드 마크 (노란색) 이미​​지 슬라이스를 입혔다. 3D로 (B) 환자 심실이 수축하지.

그림 4
그림 4. 환자 심실 일치하도록 아틀라스 심실의 변형. 아틀라스의 심실의 (A) Superimposition (마젠타, 참조 긴 사연> 그림 2B)와 환자 (빨강, 그림 3B 참조). (B) 환자 심실과 아핀 변환 아틀라스 심실이 수축하지. (C) 환자 심실과 LDDMM - 변환 아틀라스 심실이 수축하지.

그림 5
그림 5. 그림 3B에서 환자 심장의 예상 섬유 배향.

그림 6
그림 6. 개 마음 세분화. epicardial (파란색)과 endocardial (빨간색과 마젠타) 스플라인, 그리고 해당 랜드 마크 (녹색)는 일반 개과의 동물 마음의 예를 들어 슬라이스에 입혔다.

7.jpg "ALT ="그림 7 "구경 : 콘텐츠 폭 ="5in "강한 : SRC ="/ files/ftp_upload/50125/50125fig7highres.jpg "/>
그림 7. 마음 1의 취득 및 예상 섬유 배향.

그림 8
그림 8. 마음 7-9의 취득 및 예상 섬유 배향.

그림 9
그림 9. 왼쪽 패널은 심장 1의 모델에 대해 생성 된 계산 메쉬을 보여줍니다. 오른쪽에서 Greenstein - 윈 모델을 사용하여 일반 개 심실 심근 계산의 작업 잠재적 인 곡선이 표시됩니다.


그림 10. 마음 7 기하학에 중첩으로 굴 리듬과 VT의 시뮬레이션의 사이트를 간격. E1E2는 의사 ECG 계산에 사용되는 납 벡터를 보여줍니다.

그림 11
그림 11. DTMRI 파생 방향과 예상 섬유 방향을 비교하여 섬유 방향 추정 방법의 유효성을 검사. DTMRI - 획득 섬유 방향 (녹색 노란색)과 심장 1 예상 섬유 방향 중 하나 세트 (시안)의 (A) Superimposition. (B) 심장 7 섬유 방향을 획득하고 추정했다. (B) 게재 (C) 확대 부분인수 및 예상 섬유 배향 사이에 정렬. 이 시각화의 목적으로 만 심근 내의 임의의 위치에서 생성 등의 정확한 위치는 무관 한 간소화합니다. 정상적인 심실의 (D) 평균 견적 분포 오류가 발생합니다. 실패 심실에서 (E) 평균 견적 분포 오류가 발생합니다. (F) 조직의 섹션 (D)에서 발췌. (G) 조직의 섹션 (E)에서 발췌. colorbar은 DG에 적용됩니다. (H) 정상과 실패 심실의 오류 Histograms. 주파수가 특정 오류가 발생 voxels의 수를 나타냅니다.

그림 12
그림 12. 일반 개 심실 모델의 부비동 리듬 중 하나 맞춰 시뮬레이션의 결과. (A) 활성화지도 시뮬레이션 획득 fibe있는 모델을 사용하여연구의 방향 (모델 1). (B) 구입 섬유 방향과 심실 모델에서 그 얻은 시뮬레이션 활성화지도 사이의 절대 차이는 예상 섬유 방향으로 다섯 예상 평균 한 값입니다. 모델 1과 3 (C) 모의 의사 ECGs. 예상 섬유 방향 (모델 2-6)과 심실에서 (D) 시뮬레이션 활성화지도.

그림 13
그림 13. 심장 모델을 실패의 부비동 리듬 중 하나 맞춰 시뮬레이션의 결과. 일 전자 첫 번째 열에서 행 1-3 표시 활성화지도는 각각 모델 7-9 사용하여 계산. 두 번째 열에서 각각 모델 10-12과 시뮬레이션을 행 1-3 결과를 표시합니다. 세 번째 열에서 1-3 행은 Fi 인터넷 접속 설비에 표시된 활성화지도 사이의 절대 차이를 묘사해당 행의 첫와 두번째 열. 네 번째 열에서 행은 해당 행의 첫 번째와 두 번째 열에서 모델에서 가상 ECGs 시뮬레이션을 표시합니다.

그림 14
그림 14. 실패 심장 모델 VT 유도의 시뮬레이션의 결과. 각각 모델 7-9,와 시뮬레이션에 들어가는 활동 중 하나를주기 동안 첫 번째 열 쇼 활성화지도에 1-3 행. 모델 10-12에 해당하는 두 번째 열 쇼 활성화지도에 1-3 행, 각각. 세 번째 열에서 행은 해당 행의 첫 번째와 두 번째 열에서 모델에서 가상 ECGs을 보여줍니다.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

이 연구는 DTMRI의 부재에서, 정상과 실패 심실의 심근 섬유 방향이 심장 전기 생리학의 시뮬레이션에 사용하기 위해 자신의 형상의 인 생체 이미지에서 추정 할 수있는 정량적으로 보여줍니다. 제안 된 방법론은 생체 중부 표준시 데이터에로 증명하지만, 직접 환자의 섬유 방향을 취득 할 수있는 능력의 부족을 해결, 심실 형태의 생체 MR 영상에서에 동일하게 적용됩니다. 이 때문에 임상 응용 프로그램에 대한 심실 전기 생리학의 개인 모델의 개발을 향한 중요한 단계입니다. 방법론은 또한 고해상도로 전 생체 마음의 섬유 방향을 추정하는 데 사용할 수 있습니다. 하위 mm 해상도 DTMRI 이미지가 매우 긴 수집 시간으로 인해 어렵거나 prohibitively 비싼 취득 할 때 특히 유용합니다.

우리 electrophysiological 시뮬tions가 활성화지도 섬유 방향의 변화에​​ 매우 민감 할 수 없다는 사실을 제안했다. 더 중요한 것은, 우리는 총 전기 생리학에 섬유 추정 오류의 효과는 의사 ECGs의 MAD 점수에 의해 임상 적으로 관찰 할 수있는 수준의 보잘 것없는 것을 보여 주었다. MAD 통계는이 들어가는 회로 29 조직 센터를 localizationof에 들어가는 활동과 학습 전파 compareECGs로, 임상 연구에 활용 된 suitablebecause했다. 이하 12 %의 MADscore, 우리의 결과가 만족하는 임계 값은보고 실험이 지역 표시로 두 기본 propagationpatterns는 임상, 전파 패턴의 유사성은 물론 기계적 활성화 패턴에 낮은 차이로 번역되는 equivalent.Note하는 의미 부비동 리듬 동안 전기 및 기계적 활성화 시간은 높은 상관 있습니다. 요약하면, 우리의 연구는 SPE의 심실 시뮬레이션 연구를 촉진합니다건강과 질병에 cies가 DTMRI를 사용하여 섬유 방향을 취득 할 적합하지 않을 수 있습니다. 특히, 제안 된 방법은 생체 임상 영상 데이터를 기준으로 심실 전체 심장 전기 생리학 (및) electromechanics의 환자 별 모델링을위한 방법을 불법 체류자. 이러한 모델 시뮬레이션은 궁극적으로 치료 개입뿐만 아니라 예방을위한 고도의 개인화 된 의사 결정에 도달하는 의사에 도움이 될 수 있습니다. 덧붙여, 결과는 제안 된 방법의 성능이이 연구의 목적, atlas.Accordingly의 선택과는 독립적이라고 표시, 통계지도 책 17, 31이 필요하지 않을 수 있습니다.

현재 연구는 몇 가지 한계를 가지고있다. 첫째, 사람의 마음 이미지 데이터는 우리에게 사용할 수 있었고, 따라서 theproposed 추정 방법론이 개 마음을 imagesof로 확인되었습니다. 우리는 방법론은 흠의 섬유 방향을 accuratelyestimate 것으로 예상마음뿐만 아니라 단지 송곳니 마음에서와 같이 기하학에 상대적으로 섬유 방향이 다른 인간의 마음 17 사이 유사한 것으로 표시되었으며, 때문입니다. 또한, 우리는 일반 andfailing 마음에서 우리의 방법론을 실험했다. 여기에는 섬유 disorganizations은 32, 33 발생하는 것으로 알려진 심근 경색과 비대와 같은 조건 아래 테스트를하는 것이 중요 할 것입니다.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

관심 없음 충돌이 선언 없습니다.

Acknowledgments

우리는 Drs 감사드립니다. Raimond 윈, 엘리엇 McVeigh, 그리고 전 생체 데이터 세트 online.This 연구를 제공 존스 홉킨스 대학의 패트릭 투구는 건강 교부금의 국립 연구소 R01-HL082729, 그리고 국립 과학 재단 (National Science Foundation) 기금 CBET-0933029에 의해 지원되었다.

Materials

Name Company Catalog Number Comments
LDDMM Johns Hopkins University http://cis.jhu.edu/software/lddmm-volume/index.php
MATLAB Mathworks, Inc. R2011b http://www.mathworks.com/products/matlab/
ImageJ National Institutes of Health http://rsbweb.nih.gov/ij/
Tarantula CAE Software Solutions http://www.meshing.at/Spiderhome/Tarantula.html
CARP CardioSolv http://cardiosolv.com/
Canine images Johns Hopkins University http://www.ccbm.jhu.edu/research/DTMRIDS.php

DOWNLOAD MATERIALS LIST

References

  1. Trayanova, N. Whole Heart Modeling: Applications to Cardiac Electrophysiology and Electromechanics. Circulation Research. 108, 113-128 Forthcoming.
  2. Vadakkumpadan, F., Arevalo, H., Ceritoglu, C., Miller, M., Trayanova, N. Image-Based Estimation of Ventricular Fiber Orientations for Personalized Modeling of Cardiac Electrophysiology. IEEE Transactions on Medical Imaging. 31 (5), 1051-1060 Forthcoming.
  3. Vadakkumpadan, F., Gurev, V., Constantino, J., Arevalo, H., Trayanova, N. Modeling of Whole-Heart Electrophysiology and Mechanics: Towards Patient-Specific Simulations. Patient-Specific Modeling of the Cardiovascular System: Technology-Driven Personalized Medicine. Kerckhoffs, R. , Springer. 145-165 (2010).
  4. Buxton, A. E., Lee, K. L., DiCarlo, L., Gold, M. R., Greer, G. S., Prystowsky, E. N., O'Toole, M. F., Tang, A., Fisher, J. D., Coromilas, J., Talajic, M., Hafley, G. Electrophysiologic testing to identify patients with coronary artery disease who are at risk for sudden death. Multicenter Unsustained Tachycardia Trial Investigators. The New England Journal of Medicine. 342 (26), 1937-1945 (2000).
  5. Wei, D., Okazaki, O., Harumi, K., Harasawa, E., Hosaka, H. Comparative simulation of excitation and body surface electrocardiogram with isotropic and anisotropic computer heart models. IEEE Transactions on Biomedical Engineering. 42 (4), 343-357 (1995).
  6. Leon, L. J., Horacek, B. M. Computer model of excitation and recovery in the anisotropic myocardium. II. Excitation in the simplified left ventricle. Journal of Electrocardiology. 24 (1), 17-31 (1991).
  7. Rohmer, D., Sitek, A., Gullberg, G. T. Reconstruction and Visualization of Fiber and Laminar Structure in the Normal Human Heart from Ex Vivo Diffusion Tensor Magnetic Resonance Imaging (DTMRI) Data. Investigative Radiology. 42 (11), 777-789 (2007).
  8. Daubert, J. P., Zareba, W., Hall, W. J., Schuger, C., Corsello, A., Leon, A. R., Andrews, M. L., McNitt, S., Huang, D. T., Moss, A. J., Investigators, M. I. S. Predictive value of ventricular arrhythmia inducibility for subsequent ventricular tachycardia or ventricular fibrillation in Multicenter Automatic Defibrillator Implantation Trial (MADIT) II patients. Journal of Americal College of Cardiology. 47 (1), 98-107 (2006).
  9. Sosnovik, D. E., Wang, R., Dai, G., Reese, T. G., Wedeen, V. J. Diffusion MR tractography of the heart. Journal of Cardiovascular Magnetic Resonance. 11 (1), 47-61 (2009).
  10. Sundar, H., Shen, D., Biros, G., Litt, H., Davatzikos, C. Estimating myocardial fiber orientations by template warping. Proc. IEEE International Symposium on Biomedical Imaging. , 73-76 (2006).
  11. Beg, M. F., Helm, P. A., McVeigh, E., Miller, M. I., Winslow, R. L. Computational Cardiac Anatomy Using MRI. Magnetic Resonance in Medicine. 52 (5), 1167-1174 (2004).
  12. Alexander, D. C., Pierpaoli, C., Basser, P. J., Gee, J. C. Spatial Transformations of Diffusion Tensor Magnetic Resonance Images. IEEE Transactions on Medical Imaging. 20, 1131-1139 (2001).
  13. Helm, P. A., Younes, L., Beg, M. F., Ennis, D. B., Leclercq, C., Faris, O. P., McVeigh, E., Kass, D., Miller, M. I., Winslow, R. L. Evidence of Structural Remodeling in the Dyssynchronous Failing Heart. Circulation Research. 98, 125-132 (2006).
  14. Helm, P., Beg, M. F., Miller, M., Winslow, R. Measuring and mapping cardiac fiber and laminar architecture using diffusion tensor MR imaging. Annals of the New York Academy of Sciences. 1047, 296-307 (2005).
  15. Helm, P. A., Tseng, H. -J., Younes, L., McVeigh, E. R., Winslow, R. L. Ex vivo 3D diffusion tensor imaging and quantification of cardiac laminar structure. Magnetic Resonance in Imaging. 54, 850-859 (2005).
  16. Scollan, D. F., Holmes, A., Winslow, R., Forder, J. Histological validation of myocardial microstructure obtained from diffusion tensor magnetic resonance imaging. American Journal of Physiology - Heart and Circulatory Physiology. 275 (6), H2308-H2318 (1998).
  17. Lombaert, H., Peyrat, J., Croisille, P., Rapacchi, S., Fanton, L., Cheriet, F., Clarysse, P., Magnin, I., Delingette, H., Ayache, N. Human Atlas of the Cardiac Fiber Architecture: Study on a Healthy Population. IEEE Transactions on Medical Imaging. 31 (7), 1436-1447 (2012).
  18. Streeter, D. D. Gross morphology and fiber geometry of the heart. , Johns Hopkins Press. Baltimore. (1979).
  19. Vadakkumpadan, F., Rantner, L. J., Tice, B., Boyle, P., Prassl, A. J., Vigmond, E., Plank, G., Trayanova, N. Image-Based Models of Cardiac Structure with Applications in Arrhythmia and Defibrillation Studies. Journal of Electrocardiology. 42, 151.e1-151.e10 (2009).
  20. Plank, G., Zhou, L., Greenstein, J. L., Plank, G., Zhou, L., Greenstein, J. L., Cortassa, S., Winslow, R. L., O'Rourke, B., Trayanova, N. A. From mitochondrial ion channels to arrhythmias in the heart: computational techniques to bridge the spatio-temporal scales. Philosophical Transactions Series A, Mathematical, Physical, and Engineering Sciences. 366 (1879), 3381-3409 (2008).
  21. Roberts, D. E., Scher, A. M. Effect of tissue anisotropy on extracellular potential fields in canine myocardium in situ. Circulation Research. 50, 342-351 (1982).
  22. Greenstein, J., Wu, R., Po, S., Tomaselli, G. F., Winslow, R. L. Role of the Calcium-Independent Transient Outward Current I(to1) in Shaping Action Potential Morphology and Duration. Circulation Research. 87, 1026-1033 (2000).
  23. Winslow, R., Rice, J., Jafri, S., Marbán, E., O'Rourke, B. Mechanisms of altered excitation-contraction coupling in canine tachycardia-induced heart failure, II: model studies. Circulation Research. 84 (5), 571-586 (1999).
  24. Akar, F., Nass, R., Hahn, S., Cingolani, E., Shah, M., Hesketh, G., DiSilvestre, D., Tunin, R., Kass, D., Tomaselli, G. Dynamic Changes in Conduction Velocity and Gap Junction Properties During Development of Pacing-Induced Heart Failure. American Journal of Physiology - Heart and Circulatory Physiology. 293 (2), H1223-H1230 (2007).
  25. Gurev, V., Constantino, J., Rice, J. J., Trayanova, N. Distribution of Electromechanical Delay in the Ventricles:Insights from a 3D Electromechanical Model of the Heart. Biophysical Journal. 99 (3), 745-754 Forthcoming.
  26. Ten Tusscher, K. H. W. J., Hren, R., Panfilov, A. V. Organization of Ventricular Fibrillation in the Human Heart. Circulation Research. 100 (12), e87-e101 (2007).
  27. Gima, K., Rudy, Y. Ionic Current Basis of Electrocardiographic Waveforms. Circulation Research. 90, 889-896 (2002).
  28. Gerstenfeld, E., Dixit, S., Callans, D., Rajawat, Y., Rho, R., Marchlinski, F. Quantitative comparison of spontaneous and paced 12-lead electrocardiogram during right ventricular outflow tract ventricular tachycardia. Journal of Americal College of Cardiology. 41 (11), 2046-2053 (2003).
  29. Potse, M., Dube, B., Richer, J., Vinet, A., Gulrajani, R. M. A comparison of monodomain and bidomain reaction-diffusion models for action potential propagation in the human heart. IEEE Transactions on Biomedical Engineering. 53 (12), 2425-2435 (2006).
  30. Peyrat, J. -M., Sermesant, M., Pennec, X., Delingette, H., Chenyang, X., McVeigh, E. R., Ayache, N. A Computational Framework for the Statistical Analysis of Cardiac Diffusion Tensors: Application to a Small Database of Canine Hearts. IEEE Transactions on Medical Imaging. 26, 1500-1514 (2007).
  31. Chen, J., Song, S. -K., Liu, W., McLean, M., Allen, S. J., Tan, J., Wickline, S. A., Yu, X. Remodeling of cardiac fiber structure after infarction in rats quantified with diffusion tensor MRI. American Journal of Physiology - Heart and Circulatory Physiology. 285 (3), H946-H954 (2003).
  32. Stecker, E. C., Chugh, S. S. Prediction of sudden cardiac death: next steps in pursuit of effective methodology. Journal of Interventional Cardiac Electrophysiolog. 31 (2), 101-107 (2011).

Tags

생물 공학 문제 71 생명 공학 의학 해부학 생리학 심장병 근세포 심장 이미지 처리 컴퓨터 지원 자기 공명 영상 MRI 확산 자기 공명 영상 심장 전기 생리학 컴퓨터 시뮬레이션 (일반) 수학 모델링 ( 시스템 분석) Cardiomyocyte 생물 의학 이미지 처리 환자 별 모델링 전기 생리학 시뮬레이션
심장의 환자 별 모델링 : 심실 섬유 오리엔테이션의 추정
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Vadakkumpadan, F., Arevalo, H.,… More

Vadakkumpadan, F., Arevalo, H., Trayanova, N. A. Patient-specific Modeling of the Heart: Estimation of Ventricular Fiber Orientations. J. Vis. Exp. (71), e50125, doi:10.3791/50125 (2013).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter