本研究团队最新动态

在中华心血管杂志发表文章“心脏建模仿真在室性心动过速预测的临床应用”，如需查看文章，请点击链接（文章正式版刊出后放出链接）。

以下摘自论文原文：

“这是国内第1例扩张型心肌病植入ICD病人心脏建模仿真，并且成功诱发室性心动过速，标记着心脏计算机建模仿真指导临床工作的新纪元。我们已开始在恶性心律失常计算机仿真与ICD植入方向开始临床研究，该实验设计目的为实现心脏建模仿真指导下ICD植入患者的科学入选；此外，心脏建模仿真指导持续性室速射频消融的工作也是很重要的一个研究方向，相信随着更多工程人员及心脏电生理医师的加入，这一事业终将走向辉煌！”

文章已接收

以下动画是期刊文章“心脏建模仿真在室性心动过速预测的临床应用”对应的动画。

刺激点1折返动画（从心内膜看）      刺激点1折返动画（从心外膜看）

刺激点2折返动画（从心内膜看）      刺激点2折返动画（从心外膜看）

刺激点3折返动画（从心内膜看）      刺激点3折返动画（从心外膜看）

本团队研究内容

邓冬东的科研工作主要是基于计算机建模仿真来研究临床心脏病（如房颤，室速等）的发生维持机制，并为临床医生提供手术方案优化策略。建立了基于个性化的心脏建模仿真精确预测室速及房颤是否发生，并精确探测病灶位置的方法。这些研究从理论上验证了基于个性化的心脏建模仿真用于精确探测病灶位置并制定个性化手术方案的可行性，为临床直接指导医生进行心律失常的治疗奠定了理论基础。

邓冬东基于个性化的心脏建模仿真方法提出了房颤及室性心动过速的优化消融治疗方案，目前正在临床进行小范围的验证使用。此方法解决了临床手术中由于电生理参数标测过程中有限的空间分辨率导致的无法精确标测室速患者的病变区域及寻找维持室速的关键折返环传导路径的问题。该方法无需医生在术中进行任何常规标测，不仅解决了临床标测中存在的问题，还能减少手术时间及开销，也能减少射线辐射及并发症。利用计算机建模仿真指导临床消融有可能成为未来室速消融的一种常规术式，具有及其重要的临床价值。该项工作申请人以并列第一作者的身份发表在生物医学工程领域排名第一的Nature子刊Nature Biomedical Engineering（IF:18.952）杂志上。此文章在2018年发表后，google citation显示目前引用为74次。

论著1：

引用格式：Deng DD, Arevalo H, Pashakhanloo F, Prakosa A, Ashikaga H, McVeigh E, Halperin H and Trayanova N. Accuracy of prediction of infarct-related arrhythmic circuits from image-based models reconstructed from low and high resolution MRI. Front Physiol. 2015;6

        中文描述：基于猪的心梗MRI 数据仿真了室性心动过速时折返环的位置，并和实验中用网状电极测得的心外膜兴奋时序图进行了对比研究，结果显示仿真预测的折返环和位置实验测得的位置吻合。然后基于此猪数据对其进行欠采样使得分辨率和临床MRI 图像相近，并基于欠采样数据进行图像分割并进行模型重建和仿真，结果显示通过低分率重建的模型和高分辨率下重建的模型有相似的预测室性心动过速时折返环的位置的能力，此研究验证了通过临床低分率图像重建病人心脏模型然后进行仿真的可靠性，并为后续基于临床MRI 图像进行建模仿来辅助临床诊断和治疗提供了理论依据。

图1. 不同分辨率重建的心脏模型仿真结果和试验标测结果对比研究。结果显示低分辨率图像和高分辨率图像仿真结果和试验结果一致。

论著2：

引用格式：Deng D, Arevalo HJ, Prakosa A, Callans DJ and Trayanova NA. A feasibility study of arrhythmia risk prediction in patients with myocardial infarction and preserved ejection fraction. Europace. 2016;18:iv60-iv66.

中文描述：基于动物的仿真研究成果，我们基于临床病人的轧增强MRI（LGE-MRI）数据仿真验证了病人在射血分数大于35%时发生室性心动过速的折返环位置，并与临床标测系统Carto 测得的兴奋时序图进行了比较，结果显示仿真预测的折返环位置和临床测的的位置吻合。此研究验证了基于病人个体化的MRI 数据进行建模仿真的可靠性，并为后续临床大量病人的仿真研究奠定了理论基础。

图2. 基于病人个体化的模型仿真结果预测的病灶点和临床标测位置一致，表明我们的模型适用于射血分数大于35%的室速患者。

    此文章被美国斯坦福大学医学院的Paul J. Wang教授（斯坦福心脏心律失常服务中心的主任；导管冷冻消融术的共同发明者，该技术已被用于治疗250,000 例房颤患者，并开创了治疗心律问题的新技术；心血管领域著名杂志Circulation: Arrhythmia and Electrophysiology[IF:4.393]的主编）在Circulation: Arrhythmia and Electrophysiology 杂志发表的心脏电生理学年度回顾文章（Year in Review in Cardiac Electrophysiology，DOI: 10.1161/CIRCEP.120.008733）中将此篇文章列入了其中。这篇 “心脏电生理学年度回顾”文章只选择了在2019-2020年间发表的和心脏电生理相关的顶级文章（top articles）。

    在2020年9月，国际四大心脏协会（美国心率协会，欧洲心率协会，亚太心率协会，拉丁美洲心率协会）共同发表的心律失常风险评估专家共识中(由各协会的分会主席主持编写，48页)将本文使用的个体化建模仿真方法加入到了该共识中。该共识是各国医疗工作者进行心律失常风险评估的参考手册，其对指导室性心律失常的研究和管理具有非常重要的意义。

论著3：

引用格式：Deng D, Murphy MJ, Hakim JB, Franceschi WH, Zahid S, Pashakhanloo F, Trayanova NA and Boyle PM. Sensitivity of reentrant driver localization to electrophysiological parameter variability in image-based computational models of persistent atrial fibrillation sustained by a fibrotic substrate. Chaos. 2017;27:093932.

中文描述：基于病人个体性GE-MRI 数据建立心房解剖模型，并通过调整模型中细胞动作电位形态及传导速度模拟不同病人的电生理参数差异，然后仿真研究不同参数下模型结果的差异性并同参考模型进行对比，结果显示不同的电生理参数对模型结果的影响在合理的误差范围内。此研究从理论上验证了基于病人个体的图像数据建模并利用均值电生理参数可以用于临床预测房颤病人病灶点的可行性，并为后续指导医生进行治疗奠定理论基础。

图3. 不同参数变化对病灶点位置的影响。研究结果显示我们的模型有很强的鲁棒性。

论著4：

引用格式：Prakosa A#, Arevalo HJ#, Deng D#, Boyle PM, Nikolov PP, Ashikaga H, Blauer JJE, Ghafoori E, Park CJ, Blake RC, Han FT, MacLeod RS, Halperin HR, Callans DJ, Ranjan R, Chrispin J, Nazarian S and Trayanova NA. Personalized virtual-heart technology for guiding the ablation of infarct-related ventricular tachycardia. Nature Biomedical Engineering. 2018. （# 并列一作）

中文描述：基于病人个体性GE-MRI 数据，我们对临床室性心动过速病人和房颤病人进行了消融靶点的仿真研究，首先通过建模仿真预测出折返环的位置，然后通过仿真模拟消融靶点，最后临床医生基于仿真得到的消融靶点对临床病人进行消融。上述研究首次从临床实践中验证了基于病人个体化的MRI 数据进行建模仿真指导临床进行室性心动过速射频消融的可行性。

图4. 模型仿真预测的消融靶点直接应用到临床指导医生对患者进行射频消融。结果显示我们的方法不仅精度高、用时少，而且对患者心脏损伤非常小。此方法有可能在将来成为一种全新的手术方式。

在文章发表后，美国德克萨斯大学奥斯汀分校杰出教授Michael Sacks（威尔森心血管建模与仿真中心主任，论文总引用20916次，i10-index 245）对该文章进行了专门的评价，其评论文章（https://doi.org/10.1038/s41551-018-0303-1）发表在Nature Biomedical Engineering(IF:18.952)杂志上。Sacks 教授评价说“这种个性化的虚拟心脏建模方法为心肌梗死相关的室性心动过速消融的临床治疗方式的改变铺平道路。这种方法还能减少手术时间及开销，也能减少射线辐射及并发症。重要的是这种建模方法是在三维中进行，这样就能够在病人手术中定位那些无法完全在二维标测中获取的消融靶点”。

同年，Alexandra Le Bras 博士（现任Nature 旗下LabAnimal 杂志的主编，在加入LabAnimal 杂志主编前，她担任了Nature 子刊Nature Reviews Cardiology副主编1年）对该文章进行了专门的评价，其评论文章（https://doi.org/10.1038/s41569-018-0102-0）发表在Nature子刊Nature Reviews Cardiology (IF:20.260)杂志上。Le Bras 博士评价说“这篇文章的研究结果验证了将计算机模拟预测的消融靶点直接应用于临床中的可行性”。

Demosthenes Katritsis教授（Arrhythmia & Electrophysiology Review 的主编，而AER 杂志是“英国心律学会”的官方杂志；论文总引用13758次，i10-index 179）在2018 必读文章（https://doi.org/10.15420/aer.2019.8.2.FO1）中“What Cannot be Missed: Must-read Papers,2018”把此篇文章列入了其中。

美国斯坦福大学医学院的Paul J. Wang教授（斯坦福心脏心律失常服务中心的主任；导管冷冻消融术的共同发明者，该技术已被用于治疗250,000 例房颤患者，并开创了治疗心律问题的新技术；心血管领域著名杂志Circulation: Arrhythmia and Electrophysiology[IF:4.393]的主编）在Circulation: Arrhythmia and Electrophysiology 杂志发表的心脏电生理学年度回顾文章（Year in Review in Cardiac Electrophysiology）中将此篇文章列入了其中。这篇回顾文章（https://doi.org/10.1161/CIRCEP.118.007142）只选择了在2018-2019 年间发表的和心脏电生理相关的所有文章中具有最高影响力（highest impact research）的50 篇研究论文。

在2019年6月，国际四大心脏协会（美国心率协会，欧洲心率协会，亚太心率协会，拉丁美洲心率协会）共同发表的导管消融治疗室性心律失常的专家共识中(由各协会的分会主席主持编写，147页)第一次把心脏建模仿真加入到了该共识中。该共识是各国医疗工作者进行室速治疗的参考手册，其对指导室性心律失常的研究和管理具有非常重要的意义。该共识对基于个性化的心脏建模仿真方法进行了评价：“计算机多尺度心脏仿真模型为心肌梗死患者开发一种针对特定患者的先验消融策略提供了一种令人兴奋的可能性，且使用预测工具最终可以在疾病发生的正确时间，在正确的心脏位置，为正确的患者提供正确的信息”。

论著5：

引用格式：Deng D, Prakosa A, Shade J, Nikolov P and Trayanova NA. Sensitivity of Ablation Targets Prediction to Electrophysiological Parameter Variability in Image-Based Computational Models of Ventricular Tachycardia in Post-infarction Patients. Front Physiol. 2019;10.

中文描述：基于病人个体性GE-MRI 数据建立心室解剖模型，并通过调整模型中细胞动作电位形态及传导速度模拟不同病人的电生理参数差异，然后仿真研究不同参数下模型结果的差异性并同参考模型进行对比，结果显示不同的电生理参数对模型结果的影响在合理的误差范围内。此研究从理论上验证了基于病人个体的图像数据建模并利用均值电生理参数可以用于临床预测室性心动过速病人是否发生室速的可行性，并为后续指导医生进行治疗奠定理论基础。

图5. 基于病人个体化的建模仿真结果对于参数变化的敏感性低，表明模型鲁棒性好，可用于不同病人的病灶点预测。

论著6：

引用格式：Deng D, Prakosa A, Shade J, Nikolov P and Trayanova NA. Characterizing Conduction Channels in Postinfarction Patients Using a Personalized Virtual Heart. Biophys J. 2019.

中文描述：通过对病人LGE-MRI 数据进行个体化的建模仿真，研究室速病人室速发作的机制，并对其进行特性进行分析，然后和临床标测系统测量的病灶位置及病理特性进行对比。此研究发现病人室速发作主要是由于心肌梗死后所形成的三种不同传导通路引起的，通过仿真我们对不同的病因提供了优化的临床解决方案。

图6. 通过建模仿真预测室速患者室速发生的维持机制，模型仿真发现有三种通道是维持室速的基地。同时模型中预测的消融靶点能够准确的终止室速。

----------------------------------------------------------------------

研究方向

（1）医学图像处理

高分辨率心脏图像的分割，重建及可视化

利用CT扫描离体人体心脏，然后建立了详细的人体心脏解剖及传导系统模型。和国外小组的研究相比，此模型不仅包括腔体结构，而且还包括详细的心内传导束。比如窦房结，界嵴，Bachmann 束，梳妆肌，房室结，His束，浦肯野细胞等等。此模型是目前国际上已发表模型中最为完备的。此模型的建立不仅能够用于心脏病理条件下的发病机制研究，还能对临床医生进行教学以辅助医生直观的了解心脏解剖结构及各种疾病状态下（如房颤，室颤）心脏电生理的表现形式。

临床低分率心脏图像的分割，重建及可视化

利用半自动或者自动算法对临床低分率图像（分辨率大约为1.5x1.5x10毫米）进行分割，插值重建，最后建立有限元模型，为后续仿真提供数据源。

论著7：

引用格式：Sun Y#, Deng D#, Sun L, He Y, Wang H and Dong J. Comparison of Segmentation Algorithms for Detecting Myocardial Infarction Using Late Gadolinium Enhancement Magnetic Resonance Imaging. Cardiovascular Innovations and Applications. 2020;5:89-95. （# 并列一作）

中文描述：此文章主要是建立临床低分辨率图像的梗死区域的自动分割及自动重建算法，然后和临床通用算法进行对比分析。此研究为后续建立病人个体化心脏模型及躯体模型的自动化流程提供了基础，为心电功能成像技术中的解剖结构的自动建立及病理状态的仿真打下基础。

图7：我们提出的自动分割梗死区域的算法相对于传统临床分割方法精度更高，重复性更好。分割时间从传统的几个小时减少到几分钟，大大缩短了分割时间，为临床大量数据分析提供了保障。

利用人工智能分割临床心脏图像

临床心脏图像的心外膜及心内膜边界非常难分割，其像素的灰度值和周围组织相似度很高，利用传统方法很难进行精确分割，而人工智能的出现让临床低分辨率心脏图像的自动分割成为可能。

（2）心肌纤维旋向的构建

基于规则（rule-based method）的重建

基于DTMRI数据的重建

基于映射方法的构建

（3）单细胞动作电位模型的构建及药物作用仿真

单细胞动作电位模型的构建是心脏电生理的仿真的基础，基于膜片钳数据对各个离子通道建模然后研究细胞的各种特性。构建了 34 种不同心肌细胞的动作电位模型库，此模型库涵盖了窦房结，房室结，心房肌，界嵴，Bachmann束，梳妆肌，浦肯野细胞，心室肌细胞。

（4）心脏电生理及临床疾病（房颤及室性心动过速）的仿真及指导临床消融治疗

对整个心脏的电生理特性进行了仿真并和临床试验比较研究，包括电兴奋传导时序，12 导联 ECG，心脏表面电场分布，体表电位及心电向量图；

本人已发表成果汇总：

期刊文章

1）Zhenghong Wu, Liping Sun, Yunlong Liu, Diandian Dong, Lv Tong, Dongdong Deng*, et al, " Fully Automatic Scar Segmentation for Late Gadolinium Enhancement MRI Images in Left Ventricle with Myocardial Infarction", Current Medical Science, 2020. (* 通讯作者，已接收 )

2）Sun Y#, Deng D.#, Sun L, He Y, Wang H and Dong J. Comparison of Segmentation Algorithms for Detecting Myocardial Infarction Using Late Gadolinium Enhancement Magnetic Resonance Imaging. Cardiovascular Innovations and Applications. 2020; vol 5: p89-95.（# 并列一作）

3) D. Deng, et al, "Characterizing Conduction Channels in Post-infarction Patients Using a Personalized Virtual Heart", Biophysical Journal, vol. 117, pages 1-8, 2019.

4) P. M. Boyle#, T. Zghaib#, S. Zahid, R. L. Ali, D. Deng et al., "Computationally guided personalized targeted ablation of persistent atrial fibrillation", Nature Biomedical Engineering, 2019.（#并列一作）

5) D. Deng, et al., "Sensitivity of Ablation Targets Prediction to Electrophysiological Parameter Variability in Image-based Computational Models of Ventricular Tachycardia in Post-infarction Patients", Frontiers in Physiology, 2019, 10(628), p12.

6) Adityo Prakosa#, Hermenegild J. Arevalo#, Dongdong Deng# et al., "Personalized virtual-heart technology for guiding the ablation of infarct-related ventricular tachycardia", Nature Biomedical Engineering, vol. 2, pages732–740, 2018. (#并列一作)

7) D. Deng, et al., "Optimal contrast-enhanced MRI image thresholding for accurate prediction of ventricular tachycardia using ex-vivo high resolution models", Computers in Biology and Medicine, vol 102, 426–432, 2018.

8) D. Deng, et al., "Sensitivity of reentrant driver localization to electrophysiological parameter variability in image-based computational models of persistent atrial fibrillation sustained by a fibrotic substrate", Chaos, vol. 27, 093932, 2017.

9) D. Deng, et al., "A feasibility study of arrhythmia risk prediction in patients with myocardial infarction and preserved ejection fraction", Europace, vol. 18,, pp. 7, 2016.

10) R. Ranjan, E. Ghafoori, Joshua Blauer, D. Deng et al. "Personalized MRI-Based Modeling for Prediction of VT Vulnerability in Patients Receiving Primary Prevention ICDs", (Abstract), Circulation, vol. 134 no. Suppl 1 A16247, 2016.

11) D. Deng, et al., "Accuracy of prediction of infarct-related arrhythmic circuits from image-based models reconstructed from low and high resolution MRI", Frontiers in Physiology, vol. 6, Article 282, pp. 12, 2015.

12) Y. Gong, Y. Gao, Z. Lu, D. Zheng, D. Deng, L. Xia, "Preliminary Simulation Study of Atrial Fibrillation Treatment Procedure Based on A Detailed Human Atrial Model", J Clin Trial Cardiol, vol. 2, pp 9, 2015.

13) D. Deng, H. Arevalo, H. Halperin, N. Trayanova. “Fully Validated Mri-Based Computational Models of Swine Hearts With Post-Infarction Ventricular Tachycardia”. (Abstract), Circulation, vol. 130 no. Suppl 2 A16824, 2014.

14) D. Deng, et al., "Simulation of biatrial conduction via different pathways during si-nus rhythm with a detailed human atrial model", Journal of Zhejiang University SCIENCE B, vol. 13, pp. 19, 2012.

15) D. Deng, P. Jiao, X. Ye, and L. Xia, "An Image-Based Model of the Whole Human Heart with Detailed Anatomical Structure and Fiber Orientation", Computational and Mathematical Methods in Medicine, vol. 2012, pp. 16, 2012.

16) J. Dou, L Xia, D. Deng, et al., "A Study of Mechanical Optimization Strategy for Cardiac Resynchronization Therapy Based on an ElectromechanicalModel", Computational and Mathematical Methods in Medicine, vol. 2012, pp. 13, 2012.

会议文章

1) D. Deng, J. Zhang, and L. Xia, "Three-Dimensional Mesh Generation for Human Heart Model", in Life System Modeling and Intelligent Computing. p. 157-162, 2010

2) D. Deng and L. Xia. "Study the effect of tissue heterogeneity and anisotropy in atrial fibrillation based on a human atrial model". in Computers in Cardiology, 2010.

3) D. Deng, P. Jiao, G. Shou, and L. Xia. "Registering myocardial fiber orientations with heart geometry using iterative closest points algorithms". in Medical Imaging, Parallel Processing of Images, and Optimization Techniques Yichang, China: Proc. SPIE 2009.

4) G. Yinglan, D. Deng, Z. Yu, and X. Ling. "Automatic location of phase singularities in cardiac spiralwave reentry simulation". in Computing in Cardiology, 2011.

5) G. Shou, D. Deng, L. Xia, and M. Jiang, Choosing Near-Optimal Regularization Parameter for the Inverse Problem of Electrocardiography, in Proceedings of the 2009 Fifth International Conference on Natural Computation - Volume 04, IEEE Computer Society. p. 172-176, 2009

6) L. Xia, J. H. Dou, Y. L. Gong, Y. Zhang, and D. Deng. "Simulation analysis of mechanical properties of the canine heart with bundle branch block based on a 3-D electromechanical model". in Computers in Cardiology, 2007.

7) D. Deng, H. Arevalo, A. Prakosa, R. Blake, S. Nazarian, N. Trayanova. “Feasibility of Predicting Optimal Ablation Targets for Infarct-related Ventricular Tachycardia Using the "Minimum-cut" Algorithm”. (Abstract), In Heart Rhythm, 2017.

8) D. Deng, A. Prakosa, P. Nikolov, N. Trayanova. “Personalized Virtual-heart Modelling Identifies the Narrowest Conductive Region Sustaining VT which Serves as the Optimal Ablation Target”. (Abstract), In Heart Rhythm, 2018.