Yöntem makalesi

Kalp Hastaya özel Modelleme: Ventriküler Fiber Yönelimlerin Tahmini

DOI:

10.3791/50125

⸱

8 Ocak 2013

 ,  , 
1Institute for Computational Medicine and the Department of Biomedical Engineering, Johns Hopkins University

Bu makalede

Özet

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Kişiselleştirilmiş modelleme için hastanın kalp geometrileri in vivo görüntülerini gelen ventriküler lif yönelimleri tahmin etmek için bir metodoloji açıklanmaktadır. Metodolojinin Doğrulama normal kullanım ve köpek kalpleri göstermek başarısız gerçekleştirilen bir klinik gözlemlenebilir düzeyinde tahmin ve kazanılmış elyaf yönelimleri arasında anlamlı farklılıklar olduğu.

Özet

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Kardiyak tedaviye kişiselleştirme amaçlı kalp (dis) fonksiyonun Hastaya özel simülasyonlar klinik miyokard lifi yönelimleri elde etmek için in vivo görüntüleme teknolojisinde yokluğunda tarafından engellenmektedir. Bu projenin amacı, hastanın kalp geometrileri in vivo görüntülerini gelen kardiyak lif yönelimleri tahmin etmek için bir metodoloji geliştirmekti. Ventrikül geometrisi ve lif açısının doğru bir temsil yüksek çözünürlüklü ex vivo manyetik yapısal rezonans (MR) ve atlas olarak adlandırılan normal bir insan kalbi, difüzyon tensör (DT) MR görüntüleri, sırasıyla, yeniden inşa edildi. Bir hastanın kalp Ventriküler geometrisi vivo bilgisayarlı tomografi (BT) görüntü bir mesafede, yarı otomatik segmentasyon yoluyla, ekstre edildi. Görüntü dönüştürme algoritmaları kullanarak, atlas ventrikül geometrisi hastanın bu maç için deforme edilmiştir. Son olarak, şekil alan atlası elyaf orientat uygulandıiyonları hastanın lif açısının bir tahmin elde etmek. Lif tahminlerin doğruluğu altı normal ve üç başarısız köpek kalpleri kullanılarak değerlendirildi. Edinilen ve tahmini elyaf yönelimlerin eğim açıları arasındaki ortalama mutlak fark 15.4 ° idi. Sinüs ritmi ve ventriküler taşikardi, ventriküler aktivasyon haritaları ve pseudo-EKG Hesaplamalı simülasyonları geliştirilmesi için önünü açacak proje elde edilen klinik gözlemlenebilir level.The yeni anlayışlar tahmin ve kazanılmış elyaf yönelimleri arasında anlamlı farklılıklar olduğunu göstermiştir elektrofizyolojik müdahaleler konusunda kişiselleştirilmiş tanısında hekim ve kararlar yardımcı olabilir kalbin hastaya özgü modelleri.

Giriş

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Hesaplamalı yaklaşım, sağlık ve hastalıkta kalbin fonksiyonunun anlayışının ilerlemesi merkezi haline geliyor. Elektrofizyoloji ve elektromekanik Devlet-of-the-art tam kalbinde modelleri şu anda böyle normal ventrikül yayılımı, aritmi, defibrilasyon, elektromekanik eşleşme ve kardiyak resenkronizasyon 1 gibi olaylar geniş bir yelpazede, incelemek için kullanılmaktadır. Ancak, klinik ortamda, doğrudan uygulanabilir nitelikte olduğu hesaplamalı yaklaşım için, bu model hastaya özgü, modeller özgü mimarisi ve hastalıklı kalbin elektrofizyolojik veya elektromekanik özelliklerine dayalı olmalıdır yani olması şarttır. Bu tür modeller ile Simülasyon böylece dramatik kalp sağlık 2-4 iyileştirilmesi, elektrofizyolojik müdahaleler yanı sıra profilaksisi için yüksek düzeyde kişiselleştirilmiş kararlara varmak için doktorlar yardımcı olacaktır.

içeriği "gerçekçi kardiyak modelleri> Yaratılış Fiber yönelimleri kalbinde elektriksel yayılımı ve gerilme dağılımları yön belirlemek. hastanın kalp geometrisi ve lif yapısı kazanılmasını gerektirir ve bu nedenle almadan kardiyak modelleme 5, 6 esastır. Birlikte Medikal görüntülemede son gelişmeler, artık manyetik rezonans görüntüleme (MRG) ve bilgisayarlı tomografi (BT) teknolojileri kullanarak yüksek çözünürlüklü in vivo bir hasta kalp gibi enfarktüsü gibi includingstructural remodeling, geometri elde etmek mümkündür. Ancak, yoktur in vivo bir hastanın kalp lif yapısı elde etmek için pratik bir yöntem. Difüzyon tensör (DT) MRG 7, 8, sağlam kalp lif yönelimleri elde etmenin tek yöntemi, 9 belli sınırlamalar nedeniyle in vivo yaygın değildir. kısa bir açıklama klinik ortama DTMRI çevirmek için önceki çalışmalar elsewh bulunabilir veere 2. Elyaf yönelimlerin kural tabanlı atama gibi yöntemler DTMRI için alternatifler sunmak olsa da, bu yöntemler bazı ciddi sınırlamalar 2, 10 var. Böylece, in vivo kardiyak lif yapısı elde zorluklar halen klinik ortamda elektrofizyolojik ve elektromekanik kardiyak simülasyonları uygulamasını engellemektedir. Bu araştırmanın amacı, doğrudan bu ihtiyaca cevap vermek oldu.

Biz bir kalp ventriküler lif yönelimleri doğru kalp ve atlas geometrisi ve lif yönelimler vardır bir kalp bir atlas, geometrisi verilen tahmin edilebilir olduğunu varsaydık. Buna göre, biz in vivo kardiyak lif açısının hesaplanması için bir metodoloji geliştirmek için sanat teknikleri devlet kullanılır ve normal ve köpek karıncıklar 2 başarısız hipotezi test. Bizim lif tahmini metodolojisinin ana fikri similaritie yararlanmak içinsırayla sadece geometriyi bilgi mevcut olduğu bir (hedef) kalbin yaklaşık olarak lif yapısına farklı kalpler arasında geometriye göre lif yönelim, s. Bizim tahmini metodolojisi kalbinde büyük deformasyon diffeomorphic metrik eşleme (LDDMM) 11, ve temel bileşenler (PPD) 2, 12 korunması kullanarak atlas lif yönelimlerin morphing kullanarak hedef geometrisi ile atlas geometrinin kaydı. Diffeomorphicproperty atlas deformasyon sırasında değil "Foldover" kendisi, böylece integrityof anatomik yapıları koruyarak yapar. Şekil 1 bizim metodoloji işlem boru göstermektedir ki LDDMM teminat. Protokol metin bölümü § 1 tahmin bir örnek hasta için yapılabilir nasıl ortaya koyarak bu boru hattının çeşitli bileşenleri açıklanmaktadır. Şekil 1 'de bazı bloklar içinde karşılık gelen sayılar için bakınızbölümünde alt § protokol metnin 1.

Biz hesaplama yerel elektrik aktivasyon haritaları yanı sıra sözde elektrokardiyogram (pseudo-EKG) simüle edilerek, tahmin hatası, niceleme ve kardiyak elektrofizyoloji bu hatayı onsimulations etkisini ölçerek önerilen yöntemin performansı değerlendirilmiştir. Insan kalpleri yokluğu nedeniyle, performans değerlendirme 13-15 daha önceki çalışmalardan elde köpek kalpleri kullanılarak yapılmıştır. Kestirim hatası eğim açıları 16, açısal ölçümler epicardialsurface paralel kesilir performedon doku bölümleri vardır histoloji ve followingthe geleneği ile hesaplanmıştır. AngleBetween lif yönü ve epikardiyal teğet düzlem generallysmall 17, 18, ​​olduğundan tamamen kendi eğim açısı kullanılarak fiberdirection anlatan bilgi kaybı önemsizdir. Comput içinmodellerde önceden 19, 20, ve kardiyak doku kurulan matematiksel teknikler ve deneysel veriler 21-25 dayalı temsil edildi bildirildiği gibi ational simülasyonları, görüntü tabanlı modeller inşa edilmiştir. Sinüs ritmi bir S1-S2 uyarım protokolü 27 tarafından purkinje ağı 26 ve ventriküler taşikardi, kaynaklı kopyalayan aktivasyonu ile simüle edilmiştir. Pseudo-EKG'si 28 hesaplanan ve ortalama mutlak sapma (MAD) metrik 29 kullanılarak karşılaştırıldı.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Protokol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. Fiber Yönelimler Tahmini

  1. 1 mm 3 çözünürlükte, diyastolde normal yetişkin insan kalbinin yapısal MRG ve DTMRI görüntüler elde edin. ImageJ kullanarak, her kısa eksen dilim için, uydurma tarafından atlas yapısal görüntü ventrikülün ayıklamak dilim epikardiyal ve endokardiyal sınırlar (Şekil 2A ve Şekil 2B) boyunca yerleştirilmiş dönüm noktaları bir dizi aracılığıyla spline kapatıldı. Görüntüdeki her 10 inci dilim için elle dönüm noktalarının yerleşimi gerçekleştirin. Doğrusal DTMRI resim (Şekil 2C) içkisizlikten birincil özvektörlerini bilgisayar tarafından atlası kalp lif yönelim MATLAB.Reconstruct kullanılarak el ile tespit noktaları interpolasyon yoluyla kalan dilimleri için dönüm noktaları elde edilir.
  2. Vivo Kardiyak BT veya MRI kullanarak diyastolde hastanın kalp geometri bir görüntü elde edin. Reconbenzer atlas (Şekil 3A ve Şekil 3B) inşa edildi yolu görüntüden hasta kalp geometrisi struct. Hasta görüntü düzlem çözünürlüklü 1 mm 2 olduğunu önceki gibi yeniden yeniden örneklenmiş olmalıdır. Benzer şekilde, önemli noktalara elle toplanır hangi dilimleri ve out-of-düzleminde interpolasyon aralığı sayısını parçalı hasta kalp image 1 mm kesit kalınlığı vardır, böylece ayarlanması gerekir.
  3. Deform atlas ventriküler görüntü iki adımda hasta geometri görüntü maç. İlk adımda, onüç simgesel noktaları bir dizi dayalı bir afin dönüşümü gerçekleştirmek: sol ventrikül (LV) apeks, üssünde iki sağ ventrikül (RV) ekleme noktaları, taban ve apeks arasındaki iki RV ekleme noktaları yarıda, ve iki eşit üssünde RV ve LV epikardiyal konturlar bölmek noktaları ve taban ve tepe arasındaki yarıda dört set (Şekil 4A & (Şekil 4C) kullanılarak, hastaya geometrisi için daha ileri ventriküller.
  4. Morph afin eşleme dönüşüm matrisi ve LDDMM dönüşümün deformasyon alanına göre görüntü vokseller ve yeniden yönlendirmek içkisizlikten yeniden konumlandırma atlas DTMRI görüntü. Asal doğrultular (PPD) yönteminin korunması kullanarak içkisizlikten yeniden yönelim gerçekleştirin.
  5. (Şekil 5) içkisizlikten birincil eigenvector bilgisayar tarafından morphed atlası DTMRI görüntü hasta lif açısının tahminini elde edin.

2. Tahmin Hata Ölçülmesi

  1. Ex vivo yapısal MR ve altı normal ve üç başarısız köpek kalpleri DTMR görüntüleri Edinme, 312.5 bir çözünürlükte × 312.5 × 800 mikron 3. Burada, kalp faicazibesine dk -1 210 tachypacing 3 hafta takip dal sol radyofrekans ablasyonu ile kanin üretilmiş olmalıdır.
  2. Benzer insan atlası kalp gibi § 1.1 'de açıklandığı köpek kalbinden Segmenti ventriküller. 9 ile kalpleri 7 (Şekil 6) gibi köpek kalpleri başarısız 6 ile kalpleri 1 gibi normal köpek kalpleri bölümlenmiş ve bu segmente karıncıklar Etmektedir.
  3. Bir atlas (Şekil 7) olarak 6 kupa 2'nin her kullanılarak kalbin 1 ventrikül lif yönelimleri beş farklı tahminler edinin.
  4. Atlas (Şekil 8) gibi kalp 1 kullanarak başarısız ventriküllerin her lif yönelimleri tahmin.
  5. Θ c-θ a | |, burada θ c ve θ a eğim açıları tahmin edilmektedir tahmini lif yönelimlerin her set Foreach veri noktası olarak tahmin hatasını hesaplamakd sırasıyla, bu noktada elyaf yönelimleri satın aldı.
  6. Tahmini lif açısının Her sette her veri noktası için thevector dot ürün ile üç boyutlu (3D) olarak betweenestimated ve lif yönleri edinilmiş akut açı hesaplamak.

3. Simülasyonlar üzerine Tahmin Hata Etkilerinin Ölçümü

  1. Kalp 1'den, kalp 1 (örnek 1 olarak anılmaktadır), ve yaklaşık beş lif yönelim gerçekleştirmede (model 2-6) ile beş arasında DTMRI edinilmiş elyaf yönlenmiş bir altı modeller oluşturmuştur. Üç kalp yetmezliğinin her biri için, geometrileri, DTMRI edinilmiş lif oryantasyon ve tahmini elyaf yönelimleri ile diğer bir iki ventrikül modeller geliştirirler. İşte kafesleri ortalama kenar uzunluğu açısından hesaplanan modellerin uzaysal çözünürlüğü, 600 mikron hakkında olmalıdır. Modelleri 7'den 9'a kadar DTMRI kökenli lifler ile kalp yetmezliği modelleri gösterelim ve estimat olanlarmodelleri 10 12.In modelleri olarak ed lifler, denklemleri ile, kardiyak doku tanımlamak için monodomain gösterimi kullanın:

figure-protocol-1
V m transmembran potansiyeli olduğunu;, C m zar spesifik kapasitans ise, burada b Potse ve diğerleri tarafından tarif edildiği gibi 30 bidomain iletkenlik tensörleri hesaplanır hacim iletkenliği tansörü olup σ ve iyon, transmembran akım yoğunluğudur sırayla V m ve membrane.For C m çapında iyonik akılarının dinamiklerini açıklayan durum değişkenlerinin μ bir dizi bağlıdır, 1 μ F / cm 2 arasında bir değer kullanın. Normal kanin kalp modellerinden i σ için, uzunlamasına kullanın0.34 S / m ve 0.06 S / m, nal ve enine iletkenlik değerleri. Köpek ventriküler miyosit arasında Greenstein-Winslow iyonik modelleri l lon Temsil. % 30 (Şekil 9) tarafından kanin kalp yetmezliği ventriküler modelleri elektriksel iletkenlikleri azaltın.

  1. Yazılım paketi CARP (CardioSolv, LLC), tüm modeller ile simüle sinüs ritmi kullanma. S1-S2 uyarım protokolü kullanarak altı başarısız modellerde reentran ventriküler taşikardi (VT) neden olur. S1 ve S2 doğumdan sonra 2 sn boyunca devam VT aktivite elde etmek S2 arasındaki zamanlamayı seçin. VT herhangi S1-S2 zamanlama için indüklenen değilse VT (Şekil 10) indüklendi kadar% 70'e varan tarafından iletkenlikleri azaltın.
  2. Her simülasyon için, kalplerini çevreleyen izotropik banyosunda iki nokta arasındaki ekstraselüler potansiyellerinin fark alarak sözde EKG'si hesaplayabilirsiniz. Ayrılmış kalp tabanına yakın iki nokta yerleştirinŞekil 10 de gösterildiği gibi, bu bağlantı hattı septumun baz-apeks düzleme dik olan bu tür 18 cm, tarafından. Tahmini elyaf yönelimleri ile her simülasyon için, MAD metrik olarak hesaplamak

figure-protocol-2
X tahmini elyaf yönelimleri simülasyon EKG dalga, Y kazanılmış elyaf yönelimleri ile simülasyon thecorresponding ve EKG dalga, X X ortalama değeri, Y, Y, ortalama değeri ve n X uzunluğu ve Y.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Sonuçlar

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Şekil 11, AC, normal ve başarısız kalplerde hem de tahmin edilen DTMRI-türevi lif açısının aerodinamik görsel gösterir. Nitel muayene tahmini elyaf yönelimleri DTMRI türevi olanlar ile iyi uyum gösterir. Panel D kalp 1 geometri üzerine bindirilmiş, gösterir, normal kalpte 'eğim açısı hata dağılımı, tüm beş tahminler arasında ortalama. Panel E kalbin 1 geometri üzerine bindirilmiş kalpleri 'eğim açısı, başarısız hata payı ortalama dağılımını göstermektedir. Eğim açısı nedenle -90 ° ile +90 ° arasında değ...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Tartışma

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bu araştırma DTMRI yokluğunda, normal ve başarısız ventriküllerin kalp kası lif yönelim kardiyak elektrofizyoloji simülasyonları içinde kullanım için geometriler in-vivo görüntüler ile tahmin edilebilir, ki nicel olarak göstermektedir. Önerilen metodoloji vivo BT veri ile gösterilmiştir, ancak bunu doğrudan hastanın lif oryantasyon edinme becerisi eksikliği adresleme, ventriküler geometrinin vivo MR görüntülerinde de uygulanabilir olduğunu. Bu nedenle klinik uygulamalar için ...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Açıklamalar

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Çıkar çatışması ilan etti.

Teşekkürler

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Biz Dr teşekkür ederim. Raimond Winslow, Elliot McVeigh ve ex vivo gerçekleştirmede online.This araştırma sağlayan Johns Hopkins Üniversitesi'nde Patrick Helm Sağlık hibe Ulusal Sağlık Enstitüleri R01-HL082729 ve Ulusal Bilim Vakfı Hibe CBET-0933029 tarafından desteklenmiştir.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
LDDMM Johns Hopkins University http://cis.jhu.edu/software/lddmm-volume/index.php
MATLAB Mathworks, Inc R2011b http://www.mathworks.com/products/matlab/
ImageJ Ulusal Sağlık Enstitüleri http://rsbweb.nih.gov/ij/
Tarantula CAE Yazılım Çözümleri http://www.meshing.at/Spiderhome/Tarantula.html
CARP CardioSolv http://cardiosolv.com/
Köpek görüntüleri Johns Hopkins University http://www.ccbm.jhu.edu/research/DTMRIDS.php

Kaynaklar

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  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).

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Yeniden basım ve izinler

Bu JoVE makalesinin metnini veya şekillerini yeniden kullanmak için izin iste

İzin iste

Etiketler

Kardiyak ElektrofizyolojiDif zyon Tens r MRGG r nt D n t rme AlgoritmalarVentrik ler Geometri DeformasyonuFiber Oryantasyonu TahminiK pek Kalbi Do rulamasElektrokardiyogram Sim lasyonuHesaplamal Kalp Modelleme

İlgili makaleler