心房顫動（atrial fibrillation，AF）是臨床常見的心律失常之一，具有較高的致殘率和致死率。目前為止，影響因素的多樣性和測試管道的差异性，導致我們很難理解心顫真正的機制和原理。那麼，我們在科學上應該如何探討這個研究？本項目主要由中國科學院深圳先進技術研究院的Kelvin Wong研究員團隊與四川大學華西醫院的朱達醫師的團隊合作開展，研究內容框架如圖1所示。

圖1齒輪架構圖為Kelvin Wong團隊研究內容框架

研究指出心房重構與AF的發生和維持密切相關，心房重構主要包括心房電重構與結構重構。心房電重構發生在AF早期，表現為離子通道功能改變，心房肌細胞動作電位時程與有效不應期明顯縮短，新增AF易感性。AF電重構可進一步導致結構重構，而這一改變又進一步加重AF，從而導致惡性循環，為臨床AF類型（陣發性、持續性和永久性AF）的演變打下基礎。

研究表明，心房纖維化被認為是心房重構的重要標誌，主要因為在心肌組織中，凋亡的心肌細胞死亡後不能再生新細胞，相反，成纖維細胞會增殖以填補空隙。鄰近心肌間質纖維化部位的瘢痕形成，可封锁心肌修復，並易發生心律失常。心房肌組織不同程度的纖維化是心房結構重構最突出的改變特點。（如圖2）

圖2左心房异常的流體力學訊號導致心房纖維化的發生，A健康狀態，B間質纖維化狀態，C替代纖維化狀態。

心臟結構重構檢測科技

圖3醫學成像科技分類

MRI是利用核磁共振原理，依據能量在不同結構環境中不同的衰减情况，在外加磁場內，用探測器檢測訊號並輸入電腦，經過轉換處理在電腦上顯示影像。由於其具有良好的軟組織對比分辯率、掃描視野大、可獲得各方位和角度的斜斷面影像等優點，成為主流醫學成像管道。與CT成像相比，MRI成像清晰且無輻射，在某些組織和部位成像顯示更明顯，不易產生雜訊干擾，無需介入即可成像；與US成像相比，MRI成像更清晰，雜訊影響小，在分割方面表現更好。圖3從左至右依次是MRI成像圖、CT成像圖和US成像圖。從圖3中可以看出超聲圖像品質差，CT圖像品質有所改善，但CT對人體有傷害，MRI成像清晰且對身體傷害較小，所以一般臨床上更傾向於使用MRI作為臨床診斷標準。

Kelvin Wong團隊心血管研究課題組分工

圖4團隊課題組分工

團隊主要進行心血管研究，團隊下設三個課題組（如圖4所示），分別進行DE-MRI科技研究、4D Flow MRI科技研究和RTE科技研究，而動物實驗主要通過與華西醫院進行合作。每個團隊都在國際期刊上發表了頂級雜誌的文章，描述了基於4D flow MRI成像的左心房流體力學變化介導的心房結構重構在心房纖顫的發生與發展作用及機制以及基於4D磁共振和超聲彈性成像科技的心房纖維化在心房顫動中的作用及機制。

延遲增强磁共振（DE-MRI）科技

延遲增强磁共振（Delayed Enhancement MRI，DE-MRI）科技是分析房顫患者心房纖維化即結構重構的有效科技。正常心肌與纖維化組織對釓對比劑的吸收及排泄動力學存在差异是DE-MRI顯像的機制。由於心肌纖維化組織內的毛細血管密度下降而導致釓清除時間相對延長，心肌纖維化組織內釓濃度的新增可使T1縮短，從而在最終DE-MRI影像中，正常心肌訊號顯示為暗訊號，而心肌纖維化組織顯示為亮訊號，通過三維重建獲得心肌影像進行定量分析。

基於四維流場磁共振科技（4D-flow MRI）

近年來基於四維流場磁共振科技（4D-flow MRI）科技的問世，使得對於在體大血管及與心腔內血液流體力特性的學研究有了質的飛躍。與傳統的二維相位對比磁共振科技（2D-PC MRI）相比，4D-flow MRI通過量測三個方向的流速編碼和單向的流動補償編碼來進行四點掃描，從而獲取影像資訊。在三個空間維度中的每一個具有速度資訊的時間分辨3D成像已經證明了心臟內流量定量的可靠性和準確性。相比於2D-PC MRI，4D-flow MRI可以對流體體積定量，且有更好的可重複性，多種流體參數據，可以更好的進行回顧性分析。現時4D-flow MRI視覺化方法已經有效地識別了諸如主動脈，頸動脈、腦血管患者左心房內的各種管腔中的血流异常變化，精確的計算出血管及心腔內不同區域流場的速度，流體力學方向，以及局部血管壁所承受的血流剪切應力。

我們得出的心臟的血流特性，基於相位對比度磁共振成像或造影超聲心動圖。然後，基於生物流體場和派生的流動參數，我們將實現一個心內室視覺化系統加上血流動力學名額為流動檢查，具體流程如如圖5所示。

圖5相位對比MRI或超聲造影科技進行流量視覺化和渦度的生物流體力學參數的推導，壁面剪切應力和壓力梯度，作為生物製劑的健康名額

實时超聲彈性成像科技（RTE）

實时超聲彈性成像科技用變換的色彩覆蓋於傳統的B型影像上，通過組織在產生的彈性形變來反映正常或异常組織的彈性應變能力，從而反映組織的彈性特徵。

RTE測量方法。實驗動物均常規建立靜脈通道，麻醉狀態下且給予心電監護。肌形變顯像在客觀評價心室功能的基礎上，對獲得有臨床價值的資訊具有重要作用。實时超聲彈性成像科技（RTE）是一種利用超聲射頻數據選取心肌局部變形場的心肌變形成像方法。RTE利用心肌的自然收縮和鬆弛作為應變估計的機械刺激。如圖6所示，A心肌的徑向和縱向應變視覺化結果，B心肌的軸向應變視覺化結果。

圖6 A心肌的徑向和縱向應變視覺化結果，B心肌的軸向應變視覺化結果

MRI圖像處理科技

基於超聲科技採集心腔內的血流速度，採用自動分割方法對左心房的漩渦進行識別。我們以CNN網絡為基礎，創新性設計了一種專門用於識別心腔內漩渦的IVD-CNN網絡（如圖7所示）。

圖7所提出的漩渦識別網路架構

隨著電腦計算能力的不斷提高，卷積神經網路已在電腦視覺領域得到廣泛應用，並取得了突破。建立了一個受U-Net啟發的完全卷積網絡，以實現醫學影像的端到端目標和背景分類。

圖8所提出的RA-UNet網路架構

團隊構建犬的慢性房顫動物模型，分析無創體表心電標測和有創心外膜心電標測系統採集的心電訊號的相關性。我們通過經頸靜脈介入（圖10）和右外側開胸小切口（圖11）兩種方法建立快速起搏右心房的犬慢性房顫模型

圖9經頸靜脈介入路徑構建右心房快速起博犬的慢性房顫模型

圖10經右側胸部小切口構建右心房快速起搏犬的慢性房顫模型

研究結果證明了我們的128導聯體表電位標測系統採集房顫電位訊號的可靠性。

血流動力學參數的分析：對血流動力學的分析，我們可開發渦强度名額作為我們的疾病的血流動力學的健康名額的貢獻，即心肌梗死。其他名額可以基於同樣的源流量，如壁面剪應力、壓力梯度等，最後階段選取資訊，並利用統計分析和特徵集分類框架，以支持臨床診斷和健康評估。這框架可以集成在一個臨床環境中的簡潔和全面的診斷。

生物資訊分析

NF-kB介導炎症訊號通路在不同類型房顫模型心房組織中表達及其與流體力學訊號相關性研究。採用獲取的心房組織樣本，測定出的NF-kB表達及活性程度，並結合第一部分研究中獲取的不同區域心房纖維化程度，流體力學改變特性，心房電生理重構程度，以及心房細胞炎症反應程度進行深入的相關性分析。

Kelvin Wong研究員，課題負責人，本項目中總體負責和協調實施，指導算灋的設計，尤其是分割、流體力學、深度學習模型的算灋設計與指導。朱達主任，課題的醫學負責人，負責臨床指導、協調和應用管理。彭禮清博士，在本項目中主攻醫學影像影像的採集和處理。楊志剛博士，在本項目中主攻醫學影像圖深度學習算灋的研究，以及DE-MRI科技。王浩宇碩士，在本項目中主攻運用4D flow MRI科技。陳毅工程師，參與了深度學習算灋的研究。鄭惠敏助理工程師，參與了深度學習算灋的探索。朱喜亮博士，參與了深度學習算灋的探索。王昌淼博士，參與了深度學習算灋的探索

實質性參與了本項目的人員還包括本組織多名博士和碩士研究生：其中王昌淼、張曉東、徐錦萍、蘇李一磊四比特博士生主要4D flow MRI科技、血管分割和深度學習部分；陳宏宇、包學志、陳銘林、蔣晟、劉旭輝、魏建華、伍海濤、徐紫雲等幾比特碩士主要負責項目中的圖像重建、流體力學、DE-MRI科技、影像配准、生物分析等工作；張燕霞助理負責日常的財務及科研檔案管理工作。

本文版權歸原作者所有，文章內容不代表平臺觀點或立場。如有關於文章內容、版權或其他問題請與我方聯系，我方將在核實情况後對相關內容做删除或保留處理！聯繫郵箱：yzhao@koushare.com