[논문 리뷰] Efficient identification of myocardial material parameters and the stress-free reference configuration for patient-specific human heart models

Laura Marx, Justyna A. Niestrawska외 4명|arXiv (Cornell University)|2021. 01. 12.

Elasticity and Material Modeling참고 문헌 68인용 수 5

한 줄 요약

이 논문은 임상적 MRI 데이터와 단일 심장수축기 말기 압력-부피 데이터 포인트만을 사용하여 환자별 심장근육 재료 물성 및 응력이 없는 기준 구조를 효율적으로 자동으로 식별하는 새로운 알고리즘을 제시한다. 이 방법은 모델 기능을 심장수축기 말기 압력-부피 관계에 적합시키는 빠르고 견고한 최적화 프레임워크를 활용하여 최소한의 입력으로 높은 정확도를 달성하며, 개인화된 심장 시뮬레이션의 임상적 적용 가능성을 높인다.

ABSTRACT

Image-based computational models of the heart represent a powerful tool to shed new light on the mechanisms underlying physiological and pathological conditions in cardiac function and to improve diagnosis and therapy planning. However, in order to enable the clinical translation of such models, it is crucial to develop personalized models that are able to reproduce the physiological reality of a given patient. There have been numerous contributions in experimental and computational biomechanics to characterize the passive behavior of the myocardium. However, most of these studies suffer from severe limitations and are not applicable to high-resolution geometries. In this work, we present a novel methodology to perform an automated identification of in vivo properties of passive cardiac biomechanics. The highly-efficient algorithm fits material parameters against the shape of a patient-specific approximation of the end-diastolic pressure-volume relation (EDPVR). Simultaneously, a stress-free reference configuration is generated, where a novel fail-safe feature to improve convergence and robustness is implemented. Only clinical image data or previously generated meshes at one time point during diastole and one measured data point of the EDPVR are required as an input. The proposed method can be straightforwardly coupled to existing finite element (FE) software packages and is applicable to different constitutive laws and FE formulations. Sensitivity analysis demonstrates that the algorithm is robust with respect to initial input parameters.

연구 동기 및 목표

• 현재 심장근육 재료 물성의 수동적 특성을 식별하는 데 있어 제한점을 극복함으로써 개인화된 심장 시뮬레이션의 임상적 적용 가능성을 높이는 것.
• 단일 심장수축기 말기 압력-부피 데이터 포인트와 단일 시간점 메쉬 또는 MRI 스캔만을 요구하는 자동화되고 견고한 알고리즘을 개발하는 것.
• 단일 최적화 프레임워크 내에서 심장근육 재료 물성과 응력이 없는 기준 구조를 동시에 추정하는 것.
• 최적화 과정에서 새로운 실패 방지 메커니즘을 도입하여 수렴성과 견고성을 향상시키는 것.
• 다양한 구성 법칙과 유한요소 소프트웨어 패키지와의 호환성을 확보하여 광범위한 임상 적용 가능성을 확보하는 것.

제안 방법

• 이 방법은 임상 영상 데이터에서 유도된 심장수축기 말기 압력-부피 관계(EDPVR)에 모델 기능을 적합시켜 시뮬레이션된 EDPVR와 목표 EDPVR 간의 차이를 최소화하는 것을 목표로 한다.
• 재료 물성과 기준 구조 최적화 과정에서의 수렴성과 견고성을 향상시키기 위해 새로운 실패 방지 기능을 구현한다.
• EDPVR 곡선에 대한 병합 오차 지표를 최소화하는 방식으로 알고리즘이 동시에 재료 물성과 응력이 없는 기준 구조를 식별한다.
• 다섯 가지 다른 모델 기능을 테스트한다: 에너지-데미라이, 지수함수, 지수-제곱, 거듭제곱함수, 라플라스 법칙. 각각은 서로 다른 구성 거동을 표현하도록 설계되었다.
• 시뮬레이션된 EDPVR가 응력이 없는 기준 부피에서 압력 0일 때를 통과하도록 방법을 설정함으로써 물리적 일관성을 확보한다.
• 다양한 유한요소 형식과 구성 법칙과의 호환성을 확보하여 기존 심장 시뮬레이션 파이프라인에 통합 가능하도록 한다.

실험 결과

연구 질문

• RQ1 단일 생체 내 압력-부피 데이터 포인트와 MRI의 단일 시간점 기하구조만으로도 환자별 심장근육 재료 물성과 응력이 없는 기준 구조를 식별하는 데 충분한가?
• RQ2 광범위한 실험 데이터가 부족한 상황에서 재료 물성 식별 과정의 수렴성과 견고성을 어떻게 향상시킬 수 있는가?
• RQ3 다양한 환자 기하구조에서 심장수축기 말기 압력-부피 관계에 가장 정확하고 효율적인 적합을 제공하는 모델 기능은 무엇인가?
• RQ4 이 방법은 다양한 구성 법칙과 유한요소 소프트웨어 플랫폼 간에 얼마나 일반화될 수 있는가?
• RQ5 알고리즘은 초깃값에 얼마나 민감한가? 그리고 실제 임상 데이터의 불확실성 하에서도 정확성을 유지하는가?

주요 결과

• 에너지-데미라이 및 지수함수 모델 기능이 가장 빠른 수렴 속도와 가장 높은 적합 정확도를 보였으며, 두 테스트 케이스 모두에서 상대적 면적 오차가 8% 이하였다.
• 케이스 06-CoA에서 지수-제곱 및 거듭제곱함수 모델은 수렴 속도가 느렸고, 라플라스 법칙 모델은 가장 높은 면적 오차(8.40%)와 변형 오차를 보였다.
• 에너지-데미라이 및 지수함수 모델은 케이스 06-CoA에서 각각 상대적 부피 오차 0.11%와 0.13%를 기록하여 목표 Klotz 곡선에 매우 우수한 적합을 보였다.
• 감도 분석을 통해 초깃값에 대한 저항력이 높아 임상 환경에서의 신뢰성을 뒷받침하는 등 알고리즘이 견고함을 입증했다.
• 라플라스 법칙 모델은 저압 범위에서는 가장 우수한 적합을 보였지만 고압 영역에서는 크게 산산이 흩어져 전반적으로는 적합성이 떨어졌다. 물리적 직관은 있었지만 전체적으로는 부적합하다.
• 알고리즘이 시뮬레이션된 EDPVR와 일치하는 응력이 없는 기준 구조를 성공적으로 생성하여 재료 물성과 기준 상태의 이중 추정이 유효함을 검증했다.