A statistical dynamic cardiac atlas for the virtual physiological humanconstruction and application

  1. Hoogendoorn, Corné
Supervised by:
  1. Alejandro Frangi Caregnato Director

Defence university: Universitat Pompeu Fabra

Fecha de defensa: 26 February 2014

Committee:
  1. Gábor J. Székely Chair
  2. Carlos Alberola López Secretary
  3. Miguel Ángel González Ballester Committee member

Type: Thesis

Teseo: 358374 DIALNET lock_openTDX editor

Abstract

El Humano Fisiológico Virtual (VPH en inglés) es un marco metodológico y tecnológico que, una vez establecido, habilitará la investigación colaborativa sobre el cuerpo humano como un único sistema complejo [1]. Como parte de la realización de este marco, está considerado de suma importancia construir representaciones digitales espacio-temporales, de alto nivel de detalle, del cuerpo humano en general y de sus sistemas orgánicos en específico. Tales representactiones deberán facilitar la descripción del fenotipo anatómico típico de poblaciones de individuos y estados de enfermedad. Idealmente, también deben ser representaciones multi-escala que puedan expresar los fenotípos deseados en las escalas pertinentes en espacio y tiempo. La representación de datos en un marco de referencia común es una necesidad para hacer comparaciones imparciales y exactas entre individuos o de un individuo a lo largo del tiempo [2,3,4]. Atado con el desarrollo de tal marco está el desarrollo de las herramientas para transformar las medidas de varios estudios al marco y viceversa. Típicamente, el marco representa un modelo de normalidad del fenotipo anatómico en utilización, expresada por un promedio y un rango de variaciones estadísticamente plausibles, obtenidos de datos de entrenamiento adquiridos de la población. Entonces, las nuevas medidas serán asimiladas, resultando en las parámetrizaciones correspondientes del modelo. La construcción de un marco de referencia, o atlas, del corazón (humano) presenta una multitud de obstáculos. El corazón mamífero tiene una morfología compleja con gran variabilidad dentro de poblaciones, es una morfología altamente dinámica debido a la función cardiaca, y contiene un gran número de subestructuras que últimamente permiten el funcionamiento eficaz de esta máquina electro-fluido-mecánica. Entonces, idealmente, un buen atlas cardiaco es multi-escala, espacio-temporal, multi-estructura, y su construcción deberá ser robusta a grandes variaciones morfológicas y capaz de procesar grandes cantidades de datos de manera altamente automatizada. Esta tesis está centrada en la construcción de un atlas cardiaco, para servir como tal marco de referencia. La construcción consiste en la trayectoria completa, empezando con un conjunto de imágenes 3D+t de tomografía computacional multi-corte, y entonces hacer una normalización espacial de las imágenes [5,6,7,8], segmentación de la imagen promedio sintetizada, un mallado multi-estructura [9], y finalmente la transformación de la malla a la población de imágenes. Adicionalmente, la tesis presenta dos aplicaciones del atlas. Primero, el atlas se usa para enmarcar un modelo espacio-temporal de la morfología cardiaca que modela la variación a lo largo de ambos `ejes' simultáneamente [10,11]. Tal propuesta debe ser preferible sobre otros métodos existentes, los cuales desacoplan las dos fuentes de variación para modelarlas separadamente, en isolación [12]. Segundo, el atlas está aplicado al desarrollo de una técnica de aceleración para simulaciones personalizadas de electrofisiología (EF) cardiaca. El conocimiento previo encapsulado en nuestro atlas se usa, en conjunto con un solver de EF cardiaca, para construir un modelo estadístico conectando morfología cardiaca con los steady states de modelos celulares del miocardio que precondicionan a simulaciones detalladas de EF cardiaca [13]. Esta aplicación posiciona el propuesto atlas dinámico cardiaco en el contexto de simulaciones relacionadas al VPH, cuyo costo computacional actual está en gran exceso de lo aceptable para su adopción en la práctica clínica de hoy en día. BIBLIOGRAFIA [1] M. Viceconti and G. Clapworthy, eds., VPH-FET Research Roadmap: Advanced Technologies for the Future of the Virtual Physiological Human, 2011. [2] O. Camara, E. Konukoglu, M. Pop, K. Rhode, M. Sermesant, and A. Young, eds., Proceedings of the Second International Workshop on Statistical Atlases and Computational Models of the Heart (STACOM): Imaging and Modelling Challenges, vol. 7085 of Lecture Notes in Computer Science, Springer, 2011. [3] O. CAMARA, M. POP, K. RHODE, M. SERMESANT, N. SMITH, AND A. YOUNG, eds., Proceedings of the First International Workshop on Statistical Atlases and Computational Models of the Heart (STACOM), vol. 6364 of Lecture Notes in Computer Science, Springer, 2010. [4] A.A. Young and A.F. Frangi, Computational cardiac atlases: From patient to population and back, Experimental Physiology, vol. 94, no. 5 (2009), pp. 578¿596. [5] D. Rueckert, L.I. Sonoda, C. Hayes, D.L.G. Hill, M.O. Leach, and D.J. Hawkes, Nonrigid registration using free-form deformations: Application to breast MR images, IEEE Transactions on Medical Imaging, vol. 18, no. 8 (1999), pp. 712¿721. [6] D. Rueckert, P. Aljabar, R.A. Heckemann, J.V. Hajnal, and A. Hammers, Diffeomorphic registration using B-splines, in Proc. 9th Int. Conf. Medical Image Computing and Computer Assisted Intervention (MICCAI), Copenhagen, Denmark, vol. 4191 of Lecture Notes in Computer Science, 2006, pp. 702¿709. [7] A. Trouvé, Diffeomorphisms groups and pattern matching in image analysis, International Journal of Computer Vision, vol. 28, no. 3 (1998), pp. 213¿221. [8] V. Arsigny, O. Commowick, X. Pennec, and N. Ayache, A log-euclidean framework for statistics on diffeomorphisms, in Proc. 9th Int. Conf. Medical Image Computing and Computer Assisted Intervention (MICCAI), Copenhagen, Denmark, vol. 4190 of Lecture Notes in Computer Science, 2006, pp. 924¿931. [9] S. Valette and J.M. Chassery, Approximated centroidal Voronoi diagrams for uniform polygonal mesh coarsening, Computer Graphics Forum, vol. 24, no. 3 (2004), pp. 381-389. [10] J.B. Tenenbaum and W.T. Freeman, Separating style and content with bilinear models, Neural Computation, vol. 12, no. 6 (2000), pp. 1247¿1283. [11] L. De Lathauwer, B. De Moor, and J. Vandewalle, A multilinear singular value decomposition, SIAM Journal on Matrix Analysis and Applications, vol. 21, no. 4 (2000), pp. 1253¿1278. [12] D. Perperidis, Spatio-Temporal Registration and Modelling of the Heart Using Cardiovascular MR Imaging, PhD thesis, Imperial College London, 2005. [13] E.M. Cherry and F.H. Fenton, A tale of two dogs: Analyzing two models of canine ventricular electrophysiology, American Journal of Physiology - Heart and Circulatory Physiology, vol. 292, no. 1 (2007), pp. H43¿H55.