Latar Belakang

Dengan perkembangan pada penggunaan gadolinium yaitu cairan yang disuntikkan ke dalam jaringan tubuh, maka dewasa ini memungkinkan untuk mengamati dan mengukur laju darah ke bagian-bagian miokardia yang berbeda dengan memanfaatkan peningkatan dari alur pertama gadolinium. Pengamatan laju darah ke miokardia dapat bermanfaat untuk mendiagnosis penyakit pada arteri koroner berupa penyempitan pembuluh darah arteri koroner tersebut yang menyebabkan penurunan laju darah ke jantung. Myocardiac ischemia atau jantung iskemia adalah suatu keadaan dimana ketidakseimbangan antara kebutuhan jantung akan darah dengan pasokan atau suplai darah yang disebabkan oleh penyempitan pembuluh darah arteri koroner. Penyempitan arteri koroner paling sering disebabkan oleh arterosklerosis dan arteri koroner spasme. Arterosklerosis adalah suatu proses yang sudah dimulai sejak kita lahir, dan proses ini tidak hanya pada pembuluh darah jantung tapi diseluruh pembuluh darah. Kita merasa jantung kita sehat-sehat saja biarpun gaya hidup kita tidak anda perhatikan seperti mengkonsumsi lemak lebih, merokok, kurang aktivitas dll. Kita beranggapan demikian karena jantung kita dalam batas tertentu mampu melindungi dari iskemia, akan tetapi apabila kebutuhan jantung bertambah misalkan saat kita melakukan aktivitas ringan sampai berat dimana jantung tidak bisa melindungi dirinya lagi, maka kita akan mengalami keluhan seperti nyeri dada yang hebat, dada terasa terbakar atau tertekan dan nyeri bisa menjalar (bahu, lengan dan leher).Keadaan ini dinamakan kita sedang mengalami stable angina. Jika keluhan muncul tidak lagi pada saat anda melakukan aktivitas dinamakan unstable angina. Apabila unstable angina tidak ditangani dengan tepat, maka bukan tidak mungkin lagi serangan jantung atau acut myocardiac infarction dan kematian mendadak akan terjadi. Prosedur pencitraan diantaranya yaitu pre-contrast baselined image (sebelum dimasukkan contrast agent ganolidium) dan satu alur penuh dari contrast agent gadolinium yaitu pertama gadolinium memasuki ventrikal kanan, kemudian ke ventrikal kiri dimana contrast agent menghilang.

pre-contrast baselined

peningkatan maksimal gadolinium di ventrikal kanan

peningkatan maksimal gadolinium di ventrikal kiri

peningkatan maksimal gadolinium pada miokardia

Fig. 1. Citra dari peningkatan dari alur pertama gadolinium, MRI dengan perfusi miokardia pada pasien yang menderita acut myocardiac infarction (MI).

Citra diambil untuk mendapatkan gambaran keseluruhan dari alur pertama gadolinium (sekitar 60 detak jantung) yang merupakan durasi yang terlalu panjang bagi pasien untuk menahan napas. Gerak non-rigid --gerak objek ada dua yaitu gerak rigid yaitu gerakan semua komponen dari objek memiliki skala translasi dan rotasi yang sama contoh: pesawat, kapal; sedangkan gerak non-rigid yaitu gerakan semua komponen dari objek memiliki skala translasi dan rotasi yang berbeda contoh: kelopak mata-- pernapasan yang didapatkan dari urutan citra menghasilkan mis-alignment pada urutan citra itu sendiri. Maka untuk analisa, dibutuhkan metode alignment yang baik pada urutan citra.

Tantangan
Tantangan terbesar dari kompensasi gerak pencitraan perfusi dengan peningkatan contrast yaitu bahwa contrast dan intensity dari citra berubah secara lokal terhadap waktu, khususnya pada bagian yang kita amati yaitu ventrikal kiri miokardia. Selain itu, walaupun pencitraan jantung yang telah dilakukan menghasilkan representasi rigid dari jantung, sebenarnya gerakan pernapasan terjadi secara lokal berhubungam dengan daerah yang dicitrakan, sehingga seharusnya didapatkan deformasi non-rigid di dalam urutan citra. Berbagai metode image registration telah diusulkan untuk mencapai alignment yang baik dari citra miokardia.

Metode
2.1 Image Registration Image Registration dapat didefinisikan sebagai berikut: mempertimbangkan domain citra di dalam dimensi ruang Euclidean dan sebuah rentang intensitas pergerakan citra , sebuah acuan citra , dan notasi atau ,

,sebuah transformasi domain . Kemudian ,registrasi dari

M ke R bertujuan untuk mencari

berdasar kan dari persamaan berikut :

Mengukur nilai F mempunyai kesamaan dengan pergerakan citra dan referensinya. E memastikan kemantapan dan kehalusan transformasi T ,dan adalah bobot faktor antara kelembutan dan kesamaan . Dengan registrasi non-rigid, domain dari kemungkinan transformasi hanya dibatasi oleh neighborhood-preserving. Dalan aplikasi ini, F berasal dari sesuatu yang disebut voxel-similarity measure yang memperhitungkan intensitas dari seluruh domain citra .Karena itu , tenaga penggerak dari registrasi akan dihitung langsung dari data citra yang diberikan. 2.1.1 Image similarity measures Akibat contrast agent, pembelajaran citra dari perfusi menunjukan perubahan yang besar terhadapat intensitas. Similarity measures digunakan umtuk mendapatkan citra supaya menjadi local nature. Salah satu contoh dari pengukurannya adalah Normalized Gradient Fields (NGF) yang terdapat dalam buku (Haber & Modersitzki, 2005). Citra yang didapatkan dan noise level jump capat didefinisikan sebagai berikut : , dan pengukuran untuk batas

Dengan

NGF dari citra I dapat didefinisikan sebagai berikut :

Dalam buku (Haber &Modersitzki, 2005) dua NGF yang berdasarkan similarity measure didefinisikan sebagai berikut:

Dan sukses digunakan untuk registrasi yang masih rigid. Tetapi, dalam buku Wollny et al., 2008 untuk registrasi non-rigid , hasil dari perhitungan tersebut tidak bagus . Kemudian ,kita mendapatkan persamaan NGF yang berdasarkan similarity measure sebagai berikut :

Nilai dari fungsi ini menjadi minimalis , karena selalu diferensiabel dan sama bagusnya dengan perhitungan derivatif yang langsung , sehingga perhitungan ini sangat mudah digunakan untuk registrasi non-rigid . Dalam sebuah kasus ketika M = R fungsi harga dan orde derivatif menjadi nol dan evaluasinya menjadi angak yang stabil . stabil ketika dan dan paralel dan memiliki arah yang sama dan menjadi nol ketika

memiliki norm yang sama . Namun perhitungannya juga menjadi nol ketika memiliki norm yang nol seperti di dalam area dari citra referensi . Untuk alasan tersebut kita mempertimbangkan untuk menggunakan kombinasi dari NGF based measure dengan Sum of Squared Differences (SSD)

Faktor nilai dari kombinasi ini dapat dinyatakan sebagai berikut:

Dengan

dan

sebagi nilai dari 2 bagian dari fungsi nilai

2.1.2 Regularization, transformation space and optimization

Dua perhitungan diambil untuk mendapatkan tranformasi yang halus: dalam satu tangan transformasi ini diformulasikan ke dalam uniform B-splines (Kybic & Unser, 2003) Persamaannya sebagai berikut :

Dengan kontrol poin dan uniform knots spacing

, basis fungsi spline

D adalah dimensi dari D, knots

Dalam kasus lain, registrasi ini menggunakan metode Laplacian regularization (Snchez Sorzano et al., 2005),

2.2 Serial registration Sebagai hasil perhitungan pencitraan perfusi otot jantung dalam N time steps dan seri dari N gambar telah didapatkan.

Dalam rangka untuk mengurangi pengaruh perunahan intensitas, pendaftaran dari semua frame untuk satu frame referensi ini telah diatur dan digantikan oleh registrasi serial. Dalam rangka untuk mempermudah pemilihan frame referensi, kita harus mengikuti prosedur berikut: untuk setiap pasangan gambar registrasi dilakukan dua kali, yang pertama digunakan sebagai

referensi (backward registration), dan yang kedua digunakan sebagai referensi selanjutnya (forward registration). Sekarang berdasarkan hal tersebut maka didapatkan persamaan berikut:

Dalam rangka untuk menyelaraskan semua gambar menghasilkan persamaan berikut:

menjadi kerangka acuannya dan

2.3 Towards validation Dalam validasi ini, kita fokus dalam membandingkan profil perfusi yang didapat dari gambar yang terdaftar sampai profil perfusi yang didapat secara manual, karena profil tersebut telah mencapai hasil akhir dari analisis perfusi dan akurasinya telah sangat baik . Untuk melakukan itu , seluruh gambar otot jantung dari ventrikel kiri dibagi menjadi 6 bagian S = {S1, S2, ..., S6} seperti gambar dibawah ini:

Fig. 2. Segmentasi dari bagian ventrikal kiri dari miokardia ke dalam 6 bagian.

Dalam rangka untuk memungkinkan normalisasi dari gambar yang berbeda untuk analisis yang statis, makan intesitas lengkungan k harus dinormalisasi berdasarkan jarak referensi

Untuk mengukur efek dari kompensasi gerakan, hasil bagi dari jumlah jarak antar kurva referensi dan kurva yang telah didaftarkan dan juga jumlah jarak antara kurva referensi dan kurva yang belum didaftarkan harus telah di evaluasi , hasilnya digunakan untuk menghitung

Maka hasilnya yang semakin baik.

> 0 dan semakin kecil nilai

maka akan menghasilkan registrasi

3. Hasil dan Percobaan Sebelumnya 3.1 Percobaan Sebaliknya melewatkan data pertama perfusi miokard dapatditingkatkan pencitraan yang diperoleh selama freebreathingmenggunakan 2 urutan pulsa yang berbedayaitu urutan GRE-EPI hibrida dan urutan trueFISP.Kedua urutan yang dipicu EKGinidapat digunakan 90 derajat kejenuhan pemulihan pencitraandari beberapa iris per interval RR diperoleh selama 60 detak jantung. Urutan parameter pulsauntuk urutan yang benar-FISP denganpembacaan sudut 50 derajat flip, 975 Hz / pixel bandwidth,TE / TR / TI = 1.3/2.8/90 ms, 128x88 matriks, ketebalan 6mm slice; danuntukurutan GRE-EPI parameteradalah: 25 derajat pembacaan sudut lain, gema panjang = 4, 1500 Hz / bandwidth piksel,TE / TR / TI = 1.1/6.5/70 ms, matriks 128x96, 8 mm ketebalan irisan. Resolusi spasial telahsekitar 2.8mm x 3.5mm. Paralel pencitraan menggunakan metode TSENSE dengan akselerasiFaktor = 2 digunakan untuk meningkatkan resolusi temporal dancakupan spasial.Dosis tunggalagen kontras (Gd-DTPA, 0,1 mmol / kg) diberikan pada 5 ml / s, diikuti dengan salinflush. Kompensasi gerak dilakukan selama tujuh irisan yang berbeda dari dua set data pasienyang meliputi berbagai tingkat LV-miokardium. Semua yangkami analisisadalah 17 irisan dari enam yang berbedadaripasien, tiga bernapas bebas, salah satu menahan napas selama paruh pertama urutan,dan bernapas dengan dua napas dalam-dalam di babak kedua, dan dua pernapasandangkal.RegistrasiPerangkat lunakini telah diimplementasikan dalam C + +, prosedur registrasi yang digunakan B-Splinesderajat 2 dan parameter yang berbeda-beda untuk l nomor l={1, 2, 3} multi-resolusi tingkat,jarak simpul h = {14, 16, 20} piksel untuk B-Spline koefisien, dan beratk = {0,8, 1,0, 2,0, 3,0} istilah regularisasi Laplacian. Memperkirakan tingkat kebisingan gambaradalah masalah sulit, kami melakukan pendekatandengan (I) deviasi standar dari intensitasgradien.

(a) seri gambar asli.

(b) Registrasi hanya menggunakan NGF, = 1,0, perhatikan kesejajaran yang buruk dan hanyut di setengah (lebih rendah) kedua dari seri.

(c) Registrasi menggunakan NGF + 0,1 SSD, = 2,0, drift lenyap dan keselarasannya adalah dalam. Fig. 3. Pendaftaran hasilnya dengan menggunakan l=3t ingkat multi-resolusi, dan jarak simpul h=16mm. Kiri: potonganvertikal, kanan: potongan horisontal.

Untuk memastikankekuatan pendorongadaregistrasiatas domainseluruh gambar, kita jugamenjalankan percobaandenganfungsi biayagabungan(9), pengaturan =1,0dan 0,1, 0,5, 1,0. Karena semuagambaradalah darimodalitasyang sama, kami berharapbahwa menggabungkandua tindakanakan menghasilkanhasil yangsama atau lebih baik.Pengujian menunjukkanbahwa penerapanFSSDsebagaikriteriatidak jadipendaftaranhanya tmenghasilkan hasil yangbermanfaat.

3.2 Registration results Sepenuhnya otomatis keselarasan dari serangkaian 60 gambar, termasuk gambarke 118darigambarregistrsidi resolusi penuh 196x256 ukuran pixel dan transformasi gambar ke kerangka acuan 30, dicapai pada sekitar 5 menit menjalankan perangkat lunak pada Linux workstation (Intel (R) Core (TM) 2 CPU 6600). Kali ini bisa lebih jauh berkurang jika berlari kotak itu harus diterapkan dan dengan memanfaatkan arsitektur multi-core pengolahan dan menjalankan pendaftaran secara paralel. Pertama, kualitas pendaftaran dinilai mengamati visual video maupun horizontal dan vertikal profil melalui stack time-series. Sebuah contoh dari lokasi profil ini diberikan dalam Gambar. 2. Dalam hal ukuran validasi, kami memperoleh hasil terbaik menggunakan l = 3 multi-resolusi tingkat dan jarak simpulh = 16 piksel di setiap arah spasial. Untuk pendaftaran dengan menggunakanNGF, berat regularizerk= 1,0 menghasilkan hasil terbaik, sedangkan untuk kombinasi NGFdan SSDk = 2,0 adalah yang terbaik. Registrasi dengan menggunakan hasil FNGF yang baik untuk pertama kalinya setengah dari urutan, di mana kontras intensitas tinggi,jugapadanilai gradien yang kuat. Di babak kedua, pendaftaran berurutan menghasilkan keselarasan yang buruk dan tertentu drift ventrikel kiri (Gambar 3 (b)). Menggabungkan hasil FNGF dan FSSD dalam penyelarasan peningkatan yang signifikan untuk keduabagian dari urutan (Gambar 3 (c)) dan hasil yang sama diberikan untuk semester pertama. Hasilterbaikmana diperoleh = 0,5. Setelah skema, pengurangan baik dari gerak pernapasan dicapaidisemuairisanakandianalisis. Prosedur registrasi dilakukan sama baiknya untuk semua jenis data pasien - bebas bernapas, dangkal pernapasan, dan menahan napas parsial. Ini harus dicatat meskipun untuk beberapairisan pendaftaran tidak berkinerja sangat baik, sehingga kesalahan yang kemudian disebarkanmelalui bagian jauh dari seri seperti yang terlihat dari titik acuan. Untuk validasi, kurva intensitas sebelum dan setelah regitrasi diperoleh dan dibandingkan untuk yang tersegmentasi secara manual (Gambar 4). Dalam kebanyakan kasus, intensitas kurva setelahpendaftaranmenyerupai yang diperoleh manual yang sangat baik, korelasi antara dua kurvameningkat sejauh 1.

Tabel 1. PendaftarankualitasQs, R2korelasi,dan bagianvariasiintensitasuntukparameter optimalseperti yang diberikandalam teks.

Dukungan Qs rata-rata dan median dari mengukur kualitas temuan umumnya baik kompensasi gerak, seperti melakukan korelasi R2 ditingkatkan antara profilintensitas dan variasiintensitasberkurangdibagianmiokardium,.Namun,maximadariQsdi atas1,0menunjukkan bahwadalam beberapakasus kompensasigeraktidak,atau hanyasebagian dicapai. Untuk percobaankami, yangtermasuk 17irisanberbedadan102miokardiumbagian,sebagian gagal16 bagianuntukregitrasi. Hal inisebagian besar disebabkanprosedur registrasiserial, di mana satu gagal registrasi pasangan akan menyebarkan gambardan kesalahan registrasi kecil mungkin menumpuk ketika deformasi akhir dievaluasimenurut (13) dan sehubungan dengan Iiref gambar referensi tertentu. Dalam Gambar. 5, masalah-masalahdiilustrasikan: Registrasi dua frame, yaitu 13 dan 14 di salah satu seri dianalisisgagal, sehingga misalignment parsial semua gambar di sisi yang jauh dari pasangan ini gambar denganterhadap kerangka acuan. Untuk satu bagian dari miokardium, ini mengakibatkan kesalahan yang besaruntuk sebagian besar dari 13 frame pertama dalam profil intensitas (Gambar 5 (a)) yang juga tercermin oleh peningkatandeviasi standar (Gambar 5 (b)). Pada paruh kedua dari seri, kesalahan registrasiterakumulasi sehingga dalam penyimpangan yang semakin meningkat dari profil intensitas diperoleh dengan bantuansegmentasi.Namun demikian, jika hanya sebagian dari profil intensitas yang menarik, adalah mungkin untuk meminimalkanini akumulasi kesalahan dengan memilih kerangka referensi yang tepat dan mengurangi analisis untukbagian dari profil intensitas. Dalam contoh di bawah (Gambar 5), dengan membatasi evaluasi kepadaframe 15-35, dan dengan demikian, dengan fokus pada bukit tersebut, terlihat bahwa kualitas registrasiadalah cukup untuk menganalisis ini bagian dari proses perfusi, meskipun registrasiyang lengkaptidak dapat dicapai. Hal ini dapat dinyatakan dalam Qs registrasikualitas, yanglebih besar dari 1,0 pada bagian 3 untuk dua frame referensi yang berbeda ketika menganalisis serangkaian penuh,tetapi lebih kecil dalam kisaran sub-(Tabel 2).

Gambar. 4. Intensitas kurva sebelum dan setelah registrasi dibandingkan dengan yangdiperoleh secara manual.Keselarasan dievaluasi dengan menggunakan frame 30 sebagai referensi. Perhatikan intensitas periodikperubahan dalam seri terdaftar bahwa hasil dari gerakan pernapasan, dan seberapa baikseri terdaftar menyerupai kurva intensitas secara manual diperoleh.

Gambar. 5. Dalamprofilintensitas(a) akumulasi kesalahanregistrasiyangjelas berada dibagiantercerminolehpeningkatanstandar deviasi(b).

Tabel 2. Kualitas registrasi Q, dari serangkaian contoh keseluruhan versus bagian dari tabel. Catatan,ketergantungan kualitas dari kerangka acuan dan registrasi secara signifikan lebih baikkualitas subset dibandingkan dengan seluruh seri.4.