当前位置：
X-MOL 学术
›
Int. J. Numer. Method. Biomed. Eng.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
Estimating cardiac active tension from wall motion—An inverse problem of cardiac biomechanics
International Journal for Numerical Methods in Biomedical Engineering ( IF 2.2 ) Pub Date : 2021-02-19 , DOI: 10.1002/cnm.3448 Ekaterina Kovacheva 1 , Laura Thämer 1 , Thomas Fritz 1, 2 , Gunnar Seemann 1, 3, 4 , Marco Ochs 2 , Olaf Dössel 1 , Axel Loewe 1
International Journal for Numerical Methods in Biomedical Engineering ( IF 2.2 ) Pub Date : 2021-02-19 , DOI: 10.1002/cnm.3448 Ekaterina Kovacheva 1 , Laura Thämer 1 , Thomas Fritz 1, 2 , Gunnar Seemann 1, 3, 4 , Marco Ochs 2 , Olaf Dössel 1 , Axel Loewe 1
Affiliation
|
The contraction of the human heart is a complex process as a consequence of the interaction of internal and external forces. In current clinical routine, the resulting deformation can be imaged during an entire heart beat. However, the active tension development cannot be measured in vivo but may provide valuable diagnostic information. In this work, we present a novel numerical method for solving an inverse problem of cardiac biomechanics—estimating the dynamic active tension field, provided the motion of the myocardial wall is known. This ill-posed non-linear problem is solved using second order Tikhonov regularization in space and time. We conducted a sensitivity analysis by varying the fiber orientation in the range of measurement accuracy. To achieve RMSE <20% of the maximal tension, the fiber orientation needs to be provided with an accuracy of 10°. Also, variation was added to the deformation data in the range of segmentation accuracy. Here, imposing temporal regularization led to an eightfold decrease in the error down to 12%. Furthermore, non-contracting regions representing myocardial infarct scars were introduced in the left ventricle and could be identified accurately in the inverse solution (sensitivity >0.95). The results obtained with non-matching input data are promising and indicate directions for further improvement of the method. In future, this method will be extended to estimate the active tension field based on motion data from clinical images, which could provide important insights in terms of a new diagnostic tool for the identification and treatment of diseased heart tissue.
中文翻译：
从室壁运动估计心脏主动张力——心脏生物力学的逆问题
人的心脏收缩是一个复杂的过程，是内外力相互作用的结果。在当前的临床常规中，可以在整个心跳期间对由此产生的变形进行成像。然而，不能在体内测量主动张力的发展，但可以提供有价值的诊断信息。在这项工作中，我们提出了一种新的数值方法来解决心脏生物力学的逆问题——估计动态主动张力场，前提是心肌壁的运动是已知的。这个不适定的非线性问题是使用空间和时间上的二阶 Tikhonov 正则化来解决的。我们通过在测量精度范围内改变纤维取向进行了灵敏度分析。为了达到 RMSE < 20% 的最大张力，纤维取向需要提供 10° 的精度。此外，在分割精度范围内的变形数据中添加了变化。在这里，强加时间正则化导致错误减少了八倍，降至 12%。此外，代表心肌梗塞疤痕的非收缩区域被引入左心室，并且可以在逆解中准确识别（灵敏度 > 0.95）。使用不匹配的输入数据获得的结果很有希望，并为进一步改进该方法指明了方向。将来，该方法将扩展到基于临床图像的运动数据估计主动张力场，这可以为识别和治疗患病心脏组织的新诊断工具提供重要的见解。在分割精度范围内，变形数据被添加到变形数据中。在这里，强加时间正则化导致错误减少了八倍，降至 12%。此外，代表心肌梗塞疤痕的非收缩区域被引入左心室，并且可以在逆解中准确识别（灵敏度 > 0.95）。使用不匹配的输入数据获得的结果很有希望，并为进一步改进该方法指明了方向。将来，该方法将扩展到基于临床图像的运动数据估计主动张力场，这可以为识别和治疗患病心脏组织的新诊断工具提供重要的见解。在分割精度范围内，变形数据被添加到变形数据中。在这里，强加时间正则化导致错误减少了八倍，降至 12%。此外，代表心肌梗塞疤痕的非收缩区域被引入左心室，并且可以在逆解中准确识别（灵敏度 > 0.95）。使用不匹配的输入数据获得的结果很有希望，并为进一步改进该方法指明了方向。将来，该方法将扩展到基于临床图像的运动数据估计主动张力场，这可以为识别和治疗患病心脏组织的新诊断工具提供重要的见解。强加时间正则化导致错误减少了八倍，降至 12%。此外，代表心肌梗塞疤痕的非收缩区域被引入左心室，并且可以在逆解中准确识别（灵敏度 > 0.95）。使用不匹配的输入数据获得的结果很有希望，并为进一步改进该方法指明了方向。将来，该方法将扩展到基于临床图像的运动数据估计主动张力场，这可以为识别和治疗患病心脏组织的新诊断工具提供重要的见解。强加时间正则化导致错误减少了八倍，降至 12%。此外，代表心肌梗塞疤痕的非收缩区域被引入左心室，并且可以在逆解中准确识别（灵敏度 > 0.95）。使用不匹配的输入数据获得的结果很有希望，并为进一步改进该方法指明了方向。将来，该方法将扩展到基于临床图像的运动数据估计主动张力场，这可以为识别和治疗患病心脏组织的新诊断工具提供重要的见解。代表心肌梗塞瘢痕的非收缩区域被引入左心室，并且可以在逆解中准确识别（灵敏度> 0.95）。使用不匹配的输入数据获得的结果很有希望，并为进一步改进该方法指明了方向。将来，该方法将扩展到基于临床图像的运动数据估计主动张力场，这可以为识别和治疗患病心脏组织的新诊断工具提供重要的见解。代表心肌梗塞瘢痕的非收缩区域被引入左心室，并且可以在逆解中准确识别（灵敏度> 0.95）。使用不匹配的输入数据获得的结果很有希望，并为进一步改进该方法指明了方向。将来，该方法将扩展到基于临床图像的运动数据估计主动张力场，这可以为识别和治疗患病心脏组织的新诊断工具提供重要的见解。
更新日期：2021-02-19
中文翻译：
从室壁运动估计心脏主动张力——心脏生物力学的逆问题
人的心脏收缩是一个复杂的过程，是内外力相互作用的结果。在当前的临床常规中，可以在整个心跳期间对由此产生的变形进行成像。然而，不能在体内测量主动张力的发展，但可以提供有价值的诊断信息。在这项工作中，我们提出了一种新的数值方法来解决心脏生物力学的逆问题——估计动态主动张力场，前提是心肌壁的运动是已知的。这个不适定的非线性问题是使用空间和时间上的二阶 Tikhonov 正则化来解决的。我们通过在测量精度范围内改变纤维取向进行了灵敏度分析。为了达到 RMSE < 20% 的最大张力，纤维取向需要提供 10° 的精度。此外，在分割精度范围内的变形数据中添加了变化。在这里，强加时间正则化导致错误减少了八倍，降至 12%。此外，代表心肌梗塞疤痕的非收缩区域被引入左心室，并且可以在逆解中准确识别（灵敏度 > 0.95）。使用不匹配的输入数据获得的结果很有希望，并为进一步改进该方法指明了方向。将来，该方法将扩展到基于临床图像的运动数据估计主动张力场，这可以为识别和治疗患病心脏组织的新诊断工具提供重要的见解。在分割精度范围内，变形数据被添加到变形数据中。在这里，强加时间正则化导致错误减少了八倍，降至 12%。此外，代表心肌梗塞疤痕的非收缩区域被引入左心室，并且可以在逆解中准确识别（灵敏度 > 0.95）。使用不匹配的输入数据获得的结果很有希望，并为进一步改进该方法指明了方向。将来，该方法将扩展到基于临床图像的运动数据估计主动张力场，这可以为识别和治疗患病心脏组织的新诊断工具提供重要的见解。在分割精度范围内，变形数据被添加到变形数据中。在这里，强加时间正则化导致错误减少了八倍，降至 12%。此外，代表心肌梗塞疤痕的非收缩区域被引入左心室，并且可以在逆解中准确识别（灵敏度 > 0.95）。使用不匹配的输入数据获得的结果很有希望，并为进一步改进该方法指明了方向。将来，该方法将扩展到基于临床图像的运动数据估计主动张力场，这可以为识别和治疗患病心脏组织的新诊断工具提供重要的见解。强加时间正则化导致错误减少了八倍，降至 12%。此外，代表心肌梗塞疤痕的非收缩区域被引入左心室，并且可以在逆解中准确识别（灵敏度 > 0.95）。使用不匹配的输入数据获得的结果很有希望，并为进一步改进该方法指明了方向。将来，该方法将扩展到基于临床图像的运动数据估计主动张力场，这可以为识别和治疗患病心脏组织的新诊断工具提供重要的见解。强加时间正则化导致错误减少了八倍，降至 12%。此外，代表心肌梗塞疤痕的非收缩区域被引入左心室，并且可以在逆解中准确识别（灵敏度 > 0.95）。使用不匹配的输入数据获得的结果很有希望，并为进一步改进该方法指明了方向。将来，该方法将扩展到基于临床图像的运动数据估计主动张力场，这可以为识别和治疗患病心脏组织的新诊断工具提供重要的见解。代表心肌梗塞瘢痕的非收缩区域被引入左心室，并且可以在逆解中准确识别（灵敏度> 0.95）。使用不匹配的输入数据获得的结果很有希望，并为进一步改进该方法指明了方向。将来，该方法将扩展到基于临床图像的运动数据估计主动张力场，这可以为识别和治疗患病心脏组织的新诊断工具提供重要的见解。代表心肌梗塞瘢痕的非收缩区域被引入左心室，并且可以在逆解中准确识别（灵敏度> 0.95）。使用不匹配的输入数据获得的结果很有希望，并为进一步改进该方法指明了方向。将来，该方法将扩展到基于临床图像的运动数据估计主动张力场，这可以为识别和治疗患病心脏组织的新诊断工具提供重要的见解。
京公网安备 11010802027423号