MARC

 008250123s2024        us                              c    eng  d
■001000017160601
■00520250211151047
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798382202907
■035    ▼a(MiAaPQ)AAI31140914
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a616
■1001  ▼aEl  Harake,  Jad.
■24510▼aMyocardial  Elastography  for  the  Diagnosis  of  Coronary  Artery  Disease  and  Coronary  Microvascular  Disease
■260    ▼a[Sl]▼bColumbia  University▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a160  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-10,  Section:  B.
■500    ▼aAdvisor:  Konofagou,  Elisa  E.
■5021  ▼aThesis  (Ph.D.)--Columbia  University,  2024.
■520    ▼aHeart  disease  remains  the  leading  cause  of  death  globally,  and  prevalence  has  nearly  doubled  over  the  past  three  decades.  It  is  estimated  that  up  to  90%  of  cardiovascular  events  are  preventable,  but  early  detection  and  treatment  is  crucial.  In  this  dissertation,  we  report  on  the  optimization  of  the  ultrasound-based  cardiac  strain  imaging  technique  known  as  Myocardial  Elastography  (ME),  a  method  for  the  detection  of  the  most  common  and  most  lethal  forms  of  heart  disease:  Coronary  Artery  Disease  (CAD)  which  affects  the  major  coronary  arteries,  and  Coronary  Microvascular  Disease  (CMD)  which  affects  smaller  coronary  vessels.CAD  has  historically  been  the  primary  focus  of  clinical  cardiac  imaging,  whereas  CMD  has  been  under-diagnosed  due  to  a  lack  of  awareness  and  challenges  associated  with  imaging  at  the  microvascular  level.  Ultrasound-based  cardiac  strain  imaging  has  been  shown  capable  of  detecting  functional  changes  due  to  CAD  and  may  be  effective  in  CMD  detection,  although  the  latter  has  not  yet  been  sufficiently  investigated.  However,  the  diagnostic  accuracy  of  strain  imaging  is  reduced  by  noise  from  transcostal  imaging,  known  as  clutter,  and  by  the  limited  lateral  resolution  of  high  framerate  ultrasound.  These  factors  preclude  accurate  strain  imaging  in  up  to  30%  of  patients.  Myocardial  elastography  is  a  precise  high  framerate  strain  imaging  technique  that  analyzes  radiofrequency  (RF)  signals  to  quantify  myocardial  deformation.  We  hypothesize  that  ME  can  effectively  image  and  diagnose  the  functional  effects  of  CMD  and  CAD,  and  that  novel  beamforming  and  clutter-filtering  techniques  can  improve  ME  imaging  and  strain  estimation  quality,  thereby  increasing  diagnostic  accuracy.To  improve  disease  detection,  Stress  ME  (S-ME)  was  proposed  as  a  method  to  compare  strain  measurements  at  rest  to  strain  during  induced  cardiac  stress.  A  novel  strain  difference  (Δ\uD835\uDF00)  metric  was  presented  and  investigated  in  a  canine  model  of  induced  acute  ischemia,  as  well  as  in  a  human  CAD  patient  study  with  validation  by  myocardial  perfusion  imaging.  In  the  canine  model,  flow-limiting  stenosis  was  induced  by  partial  ligation  in  N=2  canines,  and  stenosis  was  found  to  significantly  reduce  Δ\uD835\uDF00  in  the  affected  myocardial  regions.  In  the  clinical  study,  radial  and  circumferential  ME  strain  and  radial  Δ\uD835\uDF00  was  measured  in  N=49  myocardial  segments  from  8  patients  suspected  to  have  ischemia  or  infarction  due  to  CAD.  The  median  Δ\uD835\uDF00,  radial  strain,  and  circumferential  strain  magnitudes  were  lowest  in  infarcted  regions  and  highest  in  regions  with  normal  perfusion,  while  measurements  in  ischemic  regions  fell  in  between.  ROC  analysis  of  radial  strain  metrics  revealed  that  Δ\uD835\uDF00  had  the  highest  AUC  for  detecting  ischemia  (AUC=0.788  p0.01)  and  infarction  (AUC=0.792,  p0.05),  followed  by  radial  strain  during  stress  (ischemia  AUC=0.774  p0.05).  The  results  thus  indicate  that  S-ME  may  improve  detection  of  mild  CAD  cases  that  are  functionally  asymptomatic  at  rest.Despite  these  promising  findings,  accurate  strain  imaging  remains  hindered  by  clutter  noise  and  poor  image  quality.  Two  complementary  techniques  were  thus  developed  to  improve  image  quality  and  strain  estimation  in  high  frame  rate  cardiac  strain  imaging;  a  novel  Sliding  Window  implementation  of  the  Minimum  Variance  beamformer  (SWMV)  was  proposed  to  enhance  speckle  quality,  while  a  spatiotemporal  singular  value  decomposition  filter  (SVD)  was  developed  to  increase  tissue  visibility  and  contrast  by  suppressing  static  clutter  signals  using  automated  cutoff  selection.  SWMV  and  SVD  were  shown  to  effectively  improve  image  quality  in  simulation  studies  and  phantom  imaging  experiments.  In  vivo  performance  evaluation  consisted  of  applying  SWMV  beamforming  and  SVD  filtering  techniques  to  a  dataset  of  N=70  strain  images  from  13  patients  suspected  to  have  CAD.  CCTA  imaging  was  used  for  validation  of  strain  estimation.  Tracking  was  improved  in  92%  of  cases  with  a  median  improvement  of  15%  in  displacement  estimation  accuracy  as  evaluated  by  an  intersection-over-union  (IoU)  metric.  The  proposed  techniques  also  improve  agreement  with  CCTA  results;  ROC  analysis  shows  improved  AUC  with  SWMV+SVD  compared  to  DAS  when  comparing  healthy  regions  to  those  with  any  degree  of  stenosis  (AUC  0.64  vs  0.56)  as  well  as  when  comparing  healthy  to  severely  stenosed  regions  (AUC  0.69  vs  0.60).  The  observed  results  point  to  significant  improvement  in  strain  estimation  reliability  due  to  SWMV  beamforming  combined  with  SVD  processing.The  final  aim  and  the  overarching  goal  of  this  work  is  a  culmination  of  the  previous  sections  for  a  clinical  evaluation  of  ME  as  a  diagnostic  tool  for  CAD  and  CMD.  In  this  clinical  study,  the  enhanced  ME  technique  utilizing  SWMV  and  SVD  filtering  was  applied  to  a  cohort  of  N=201  patients  with  suspected  coronary  disease.  All  patients  underwent  invasive  angiography  or  noninvasive  cardiac  imaging  in  the  form  of  coronary  computed  tomography  or  nuclear  stress  testing.  In  addition,  demographic  information  and  patient  clinical  history  were  collected  and  accounted  for  in  a  multivariate  statistical  analysis.  A  K-nearest-neighbor  (KNN)  classifier  was  trained  to  distinguish  between  healthy  and  stenosed  myocardial  regions,  and  achieved  an  AUC  of  0.91,  with  sensitivity  of  86%  and  a  specificity  of  85%  after  training  with  10-fold  cross  validation.  CMD  was  also  shown  to  significantly  reduce  regional  strain  measurements.  This  retrospective  study  identified  the  clinical  factors  which  impact  strain,  and  assessed  the  potential  advantages  of  incorporating  ME  imaging  to  the  existing  clinical  imaging  pipeline  for  CAD  and  CMD  diagnosis.
■590    ▼aSchool  code:  0054.
■650  4▼aMedical  imaging
■650  4▼aAcoustics
■650  4▼aPhysiology
■653    ▼aCoronary  Microvascular  Disease
■653    ▼aCoronary  Artery  Disease
■653    ▼aHeart  disease
■653    ▼aRadiofrequency
■690    ▼a0574
■690    ▼a0986
■690    ▼a0719
■71020▼aColumbia  University▼bBiomedical  Engineering.
■7730  ▼tDissertations  Abstracts  International▼g85-10B.
■790    ▼a0054
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17160601▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서