Kalp Hastaya özel Modelleme: Ventriküler Fiber Yönelimlerin Tahmini

Aşağıdaki deneyin amacı, kardiyak elektrofizyolojinin kişiselleştirilmiş simülasyonları için bir hasta kalbinin lif yönelimlerini tahmin etmektir, çünkü şu anda klinik olarak kardiyak lif yönelimlerini elde etmek mümkün değildir. Bu, ikinci adım olarak bir klinik BT veya MRI görüntüsünden elde edilen hasta kalbinin geometrisine uyması için bir atlas kalp geometrisinin deforme edilmesiyle elde edilir. Geometri deformasyon alanı, atlas lifi oryantasyonlarını dönüştürmek için kullanılır, bu da daha sonra hasta kalp lifi oryantasyonlarının bir tahminini oluşturur.

Daha sonra, lif oryantasyonları difüzyon tensörü, MRI, en son teknoloji teknik kullanılarak klinik olmayan bir şekilde ölçülen köpek kalpleri kullanılarak, önerilen metodolojiyi doğrulamak için tahmini lif oryantasyonları edinilmiş olanlarla karşılaştırılır. Elde edilen sonuçlar, tahmini lif oryantasyonlarının edinilmiş olanlarla yakından eşleştiğini ve klinik olarak gözlemlenebilir düzeyde tahmini ve edinilmiş lif oryantasyonları ile elektrofizyolojik simülasyonların sonuçları arasında önemli bir fark olmadığını göstermektedir. Bu araştırma, difüzyon tensörünün yokluğunda, normal ve başarısız ventriküllerin MRG miyokardiyal lif oryantasyonlarının, kardiyak elektrofizyoloji simülasyonlarında kullanılmak üzere geometrilerinin in vivo görüntülerinden tahmin edilebileceğini kantitatif olarak göstermektedir.

Hastanın kalp lifi oryantasyonlarının tahmini, hastaya özgü kalp fonksiyonu modelleri oluşturma yeteneğimiz için çok önemlidir. Bu hastaya özel kalp modelleri, kalp hastalığı olan hastalarda aritmi riskini tahmin etmek veya kalp ritmindeki bozuklukları tedavi etmek için kullanılabilecek müdahalelere rehberlik etmek için kullanılabilir. Bunun hastaya özel elektrofizyolojik modelleme için kullanılabileceğini göstermemize rağmen, kişiselleştirilmiş elektromekanik modelleme için de uygulanabilir.

Önce yapısal MRG ve difüzyon tensör MRI veya D-T-M-R-I alarak bir deneğin kalbinin lif oryantasyonunu tahmin etmeye başlayın. Diyastolde normal bir yetişkin insan kalbinin görüntüleri. Görüntüleri bir milimetre küp çözünürlükte elde edin.

Ardından, atlas yapısal görüntüsünden ventriküler miyokard'ı çıkarmak için J görüntüsünü kullanın. Bunu, epikardiyal ve endokardiyal sınırlar boyunca bir dizi yer işareti noktasından yakın panjurlar takarak yapın. Her kısa eksen dilimi için, yer işareti noktalarının yerleşimini manuel olarak gerçekleştirin.

Görüntüdeki her 10. dilim için, matlab kullanarak manuel olarak tanımlanan noktaları doğrusal olarak enterpolasyon yaparak kalan dilimler için yer işareti noktalarını elde edin. Daha sonra, DT MRI görüntüsündeki difüzyon tensörlerinin birincil iGen vektörlerini hesaplayarak atlas kalbinin lif yönelimlerini yeniden oluşturun. Atlas kalbinin geometrisi tanımlandıktan sonra, in vivo kardiyak BT veya MRI kullanarak diyastole giren hasta kalbinin geometrisinin bir görüntüsünü elde edin ve atlasın oluşturulma şekline benzer şekilde görüntüden hasta kalbi geometrisini yeniden oluşturun.

Yer işaretlerinin manuel olarak seçildiği dilim sayısını ve düzlem dışı enterpolasyon aralığını ayarlayarak yeniden yapılandırılan geometrinin çözünürlüğünün bir milimetre küp olduğundan emin olun. Ardından, macenta ile gösterilen atlas ventrikül görüntüsünü, kırmızı ile gösterilen hasta geometri görüntüsüyle eşleşecek şekilde iki adımda deforme edin. İlk adımda, protokolde açıklanan 13 dönüm noktası kümesine dayalı bir aine dönüşümü gerçekleştirin.

İkinci adımda, büyük deformasyon dimorfik metrik haritalama veya LDDM kullanarak hasta geometrisine uyacak şekilde INE dönüştürülmüş atlas ventriküllerini daha da deforme edin. Ardından, atlasın DT MRI görüntüsünü değiştirin. Bunu başarmak için, görüntü tilki deliklerini yeniden konumlandırın ve difüzyon tensörlerini yeniden yönlendirin.

AINE eşleştirmesinden elde edilen dönüşüm matrisine ve L-D-D-M-M dönüşümü sırasındaki deformasyon alanına göre, difüzyon tensörlerinin yeniden oryantasyonu, temel yönlerin korunması veya PPD yöntemi kullanılarak gerçekleştirilmelidir. Son olarak, difüzyon zamanlarının birincil iGen vektörünü hesaplayarak morfize atlas GT MRI görüntüsünden hasta lif oryantasyonlarının bir tahminini elde edin. Tahmin hatasını ölçmek için, önce yüksek çözünürlükte altı normal ve üç, başarısız köpek kalbinin ex vivo yapısal MRG ve DT MRG'lerini edinin.

Önceki bölümde anlatıldığı gibi, köpek kalplerinden gelen ventrikülleri insan atlas kalbininkilere benzer şekilde bölümlere ayırın, normal köpek kalplerinden bölümlere ayrılmış ventrikülleri bir ila altı kalp olarak ve başarısız köpek kalplerinden gelenleri yedi ila dokuz kalp olarak belirtin. Daha sonra, kalbin ventriküler lif oryantasyonlarının beş farklı tahminini elde etmek için iki ila altı arasındaki kalplerin her birini bir atlas olarak kullanın. Bir sonraki tahmin, kalp yedi, sekiz ve dokuzdan başarısız ventriküllerin her biri için lif yönelimlerini, her bir tahmini lif setindeki tüm veri noktaları için atlas olarak kalp birini kullanarak, yönelimler, teta E ve teta A'nın sırasıyla kalpten o noktada tahmin edilen ve edinilen lif yönelimlerinin eğim açıları olduğu tahmin hatasını hesaplar.

Bir yapı altı model, DT MRI ile ilk modeli oluşturur, bir kalbin lif yönelimlerini elde eder ve iki ila altı arasındaki modeller, tahmini lif yönelimleri, kalbin veri kümeleri, üçünün her biri için bir tane olmak üzere. Başarısız kalp geometrileri, biri DT MRA edinilmiş lif oryantasyonları ve diğeri tahmini lif oryantasyonları ile olmak üzere iki ventriküler model oluşturur. Burada modellerin uzamsal çözünürlüğü 600 mikron olmalıdır.

Daha sonra kalp yetmezliği modellerini belirtin. DT MRG ile modellerde lifleri yedi ila dokuz, tahmini lifleri ise model 10 ila 12 olarak elde etti. Burada gösterilen yönetim denklemini kullanarak kardiyak dokuyu tanımlamak için mono alan temsilini kullanın ve carp by cardio solve yazılım paketini kullanarak metin protokolünde ayrıntılı olarak açıklandı, burada gösterildiği gibi PACE içgörülerini kullanarak tüm modellerle sinüs ritmini simüle edin, kalp yedi'nin üzerine yerleştirildi.

Daha sonra, burada gösterildiği gibi elektrot konumlarına sahip bir S bir S iki pacing protokolü kullanarak altı başarısız modelde yeniden girişli ventriküler taşikardiyi indükleyin, bunu başarmak için, S iki doğumdan sonra iki saniye boyunca sürekli ventriküler taşikardi aktivitesi elde etmek için S bir ve S iki arasındaki zamanlamayı seçin. Herhangi bir S one S two zamanlaması için ventriküler taşikardi indüklenmezse, her simülasyon için taşikardi indüklenene kadar iletkenlikleri %70'e kadar azaltın. Kalbin tabanına yakın iki nokta arasındaki hücre dışı potansiyellerin farkını alarak yalancı EKG'leri hesaplayın.

Noktalar, onları birbirine bağlayan çizgi, E ile gösterildiği gibi septumun taban tepe düzlemine dik olacak şekilde 18 santimetre ile ayrılır: E bir ve E iki, tahmini fiber oryantasyonları ile her simülasyon için, burada gösterilen formülü kullanarak mad metriği hesaplayın, burada X, tahmini fiber yönelimlerinin EKG dalga biçimidir. Y, edinilen fiber oryantasyonlarının EKG dalga biçimidir. X eksi, x'in ortalama değeridir.

Y eksi, Y'nin ortalama değeridir ve daha sonra X ve Y'nin uzunluğudur Burada, camgöbeği lifleri olarak gösterilen tahmini lif oryantasyonu ve sarı renkle gösterilen DT MRI edinilmiş lif oryantasyonları ile gösterilen sağlıklı ve hastalıklı bir kalbin aerodinamik görselleştirmeleri gösterilmektedir. Daha yakından baktığınızda, elde edilen ve tahmin edilen fiber yönelimleri arasındaki benzer hizalamayı görebilirsiniz. Elde edilen ve tahmin edilen lifler arasındaki eğim açılarındaki fark, ortalama tahmin hata açısını temsil etmek için renk kullanan bir 3B dağıtım modelinde daha kolay görülür.

Renk çubuğu bu verilerden sıfır derece ile 175 derece arasında değişir. Her bir hata derecesindeki voksel sayısını gösteren bir histogram, hem normal hem de başarısız kalp için çizilir. Bu sonuçlar, tahmin edilen lifin eğim açılarının, normal ve başarısız kalplerin yönelimlerinin, ex vivo DT MRG ile elde edilenlerle karşılaştırılabilir olduğunu göstermektedir.

Simüle edilmiş aktivasyon haritaları daha sonra, kalp boyunca elektrik sinyali yayılımına göre elde edilen ve tahmin edilen lif yönelimlerini karşılaştırmak için kullanılır. Renk, renk göstergesinde açıklandığı gibi etkinleştirme süresini temsil eder. Soldaki aktivasyon haritası, edinilen lif yönelimlerini temsil eden model birinci ile sinüs ritminin simülasyonu içindir ve sağdaki harita, sinüs ritminin simülasyonları içindir.

Tahmini fiber yönelimlerini temsil eden iki ila altı arasındaki modellerle. Tahmini fiber oryantasyonlarına karşılık gelen aktivasyon haritalarının ortalaması alındığında, bunlar ile model birinci arasındaki ortalama genel fark minimumdur. Model bir ve model üç ile sinüs ritmi simülasyonlarının yalancı EKG'leri aynı morfolojileri gösterir ve sadece %4.14 gibi düşük bir MAD skoru ile sonuçlanırBenzer şekilde, sinüs ritmi simülasyonlarının aktivasyon haritaları hastalıklı kalplerin edinilmiş ve tahmin edilen lif yönelimleri ile karşılaştırıldığında, düşük MAD skorları görülmüştür.

MAD skoru kalpte 3.8, kalpte yedi ile dokuzda 6.1 arasında değişiyordu. Bu, edinilen ve tahmin edilen lif yönelimleri arasında yüksek bir korelasyonu temsil eder Bir kez ustalaştıktan sonra, bu teknik, uygun şekilde gerçekleştirilirse birkaç saat içinde uygulanabilir. Bu prosedürü takiben. Miyokard enfarktüsü varlığında yöntemin etkinliğini test etmek için iskemik kardiyomiyopatili kalplerde lif oryantasyonlarının tahmini yapılabilir.

Bu tekniğin geliştirilmesi, kalp fonksiyonunun bilgisayar simülasyonlarının temel bilimden kliniğe çevrilmesinin yolunu açmaktadır ve burada kalp ritmindeki bozuklukların tedavisine yönelik müdahalelere rehberlik etmek için hasta yatağında kullanılabilirler.