四维左心室运动聚类技术在群体层面揭示了心血管疾病的特征表现

《Scientific Reports》：Four-dimensional left ventricular motion clustering reveals cardiovascular phenotypes at population scale

　　

摘要

了解左心室的运动动力学对于理解病理生理机制以及从健康状态到疾病状态的转变至关重要。传统的基于影像的心脏体积评估主要关注功能的整体特征，但这些特征在区分不同情况方面效果较差。在这里，我们提出了一种新的方法，通过高效地表示运动轨迹来量化和可视化心血管风险因素对左心室的影响。我们利用计算机视觉技术，分析了英国生物银行（UK Biobank）中20,000多名参与者的左心室的高密度采样点云数据，以研究心脏的四维运动特征。我们开发了一个计算框架，用于降维处理时空信息，从而得出一个可供人类解读的签名，该签名能够概括复杂的运动模式变化。我们发现了六个表型组，这些表型组代表了对心血管结局和遗传风险具有不同影响的异质性运动特征。低维的运动表示形式被可视化为一个简单的空间签名，用于捕捉与平均状态的偏差。从动态点云中提取健康和疾病的紧凑型心脏运动签名，有助于高效地对患者风险及相关的多基因因素进行分类。