Noninvasive monitoring of serial changes in pulmonary vascular resistance and acute vasodilator testing using cardiac magnetic resonance

Objectives The study sought to evaluate the ability of cardiac magnetic resonance (CMR) to monitor acute and long-term changes in pulmonary vascular resistance (PVR) noninvasively. Background PVR monitoring during the follow-up of patients with pulmonary hypertension (PH) and the response to vasodilator testing require invasive right heart catheterization. Methods An experimental study in pigs was designed to evaluate the ability of CMR to monitor: 1) an acute increase in PVR generated by acute pulmonary embolization (n = 10); 2) serial changes in PVR in chronic PH (n = 22); and 3) changes in PVR during vasodilator testing in chronic PH (n = 10). CMR studies were performed with simultaneous hemodynamic assessment using a CMR-compatible Swan-Ganz catheter. Average flow velocity in the main pulmonary artery (PA) was quantified with phase contrast imaging. Pearson correlation and mixed model analysis were used to correlate changes in PVR with changes in CMR-quantified PA velocity. Additionally, PVR was estimated from CMR data (PA velocity and right ventricular ejection fraction) using a formula previously validated. Results Changes in PA velocity strongly and inversely correlated with acute increases in PVR induced by pulmonary embolization (r = –0.92), serial PVR fluctuations in chronic PH (r = –0.89), and acute reductions during vasodilator testing (r = –0.89, p ≤ 0.01 for all). CMR-estimated PVR showed adequate agreement with invasive PVR (mean bias –1.1 Wood units,; 95% confidence interval: –5.9 to 3.7) and changes in both indices correlated strongly (r = 0.86, p < 0.01). Conclusions CMR allows for noninvasive monitoring of acute and chronic changes in PVR in PH. This capability may be valuable in the evaluation and follow-up of patients with PH.

Pulmonary Artery-Vein Segmentation in Real and Synthetic CT Images = Segmentación Arteria-Vena Pulmonares en Imágenes de CT Reales y Sintéticas

La tomografía axial computerizada (TAC) es la modalidad de imagen médica preferente para el estudio de enfermedades pulmonares y el análisis de su vasculatura. La segmentación general de vasos en pulmón ha sido abordada en profundidad a lo largo de los últimos años por la comunidad científica que trabaja en el campo de procesamiento de imagen; sin embargo, la diferenciación entre irrigaciones arterial y venosa es aún un problema abierto. De hecho, la separación automática de arterias y venas está considerado como uno de los grandes retos futuros del procesamiento de imágenes biomédicas. La segmentación arteria-vena (AV) permitiría el estudio de ambas irrigaciones por separado, lo cual tendría importantes consecuencias en diferentes escenarios médicos y múltiples enfermedades pulmonares o estados patológicos. Características como la densidad, geometría, topología y tamaño de los vasos sanguíneos podrían ser analizados en enfermedades que conllevan remodelación de la vasculatura pulmonar, haciendo incluso posible el descubrimiento de nuevos biomarcadores específicos que aún hoy en dípermanecen ocultos. Esta diferenciación entre arterias y venas también podría ayudar a la mejora y el desarrollo de métodos de procesamiento de las distintas estructuras pulmonares. Sin embargo, el estudio del efecto de las enfermedades en los árboles arterial y venoso ha sido inviable hasta ahora a pesar de su indudable utilidad. La extrema complejidad de los árboles vasculares del pulmón hace inabordable una separación manual de ambas estructuras en un tiempo realista, fomentando aún más la necesidad de diseñar herramientas automáticas o semiautomáticas para tal objetivo. Pero la ausencia de casos correctamente segmentados y etiquetados conlleva múltiples limitaciones en el desarrollo de sistemas de separación AV, en los cuales son necesarias imágenes de referencia tanto para entrenar como para validar los algoritmos. Por ello, el diseño de imágenes sintéticas de TAC pulmonar podría superar estas dificultades ofreciendo la posibilidad de acceso a una base de datos de casos pseudoreales bajo un entorno restringido y controlado donde cada parte de la imagen (incluyendo arterias y venas) está unívocamente diferenciada. En esta Tesis Doctoral abordamos ambos problemas, los cuales están fuertemente interrelacionados. Primero se describe el diseño de una estrategia para generar, automáticamente, fantomas computacionales de TAC de pulmón en humanos. Partiendo de conocimientos a priori, tanto biológicos como de características de imagen de CT, acerca de la topología y relación entre las distintas estructuras pulmonares, el sistema desarrollado es capaz de generar vías aéreas, arterias y venas pulmonares sintéticas usando métodos de crecimiento iterativo, que posteriormente se unen para formar un pulmón simulado con características realistas. Estos casos sintéticos, junto a imágenes reales de TAC sin contraste, han sido usados en el desarrollo de un método completamente automático de segmentación/separación AV. La estrategia comprende una primera extracción genérica de vasos pulmonares usando partículas espacio-escala, y una posterior clasificación AV de tales partículas mediante el uso de Graph-Cuts (GC) basados en la similitud con arteria o vena (obtenida con algoritmos de aprendizaje automático) y la inclusión de información de conectividad entre partículas. La validación de los fantomas pulmonares se ha llevado a cabo mediante inspección visual y medidas cuantitativas relacionadas con las distribuciones de intensidad, dispersión de estructuras y relación entre arterias y vías aéreas, los cuales muestran una buena correspondencia entre los pulmones reales y los generados sintéticamente. La evaluación del algoritmo de segmentación AV está basada en distintas estrategias de comprobación de la exactitud en la clasificación de vasos, las cuales revelan una adecuada diferenciación entre arterias y venas tanto en los casos reales como en los sintéticos, abriendo así un amplio abanico de posibilidades en el estudio clínico de enfermedades cardiopulmonares y en el desarrollo de metodologías y nuevos algoritmos para el análisis de imágenes pulmonares. ABSTRACT Computed tomography (CT) is the reference image modality for the study of lung diseases and pulmonary vasculature. Lung vessel segmentation has been widely explored by the biomedical image processing community, however, differentiation of arterial from venous irrigations is still an open problem. Indeed, automatic separation of arterial and venous trees has been considered during last years as one of the main future challenges in the field. Artery-Vein (AV) segmentation would be useful in different medical scenarios and multiple pulmonary diseases or pathological states, allowing the study of arterial and venous irrigations separately. Features such as density, geometry, topology and size of vessels could be analyzed in diseases that imply vasculature remodeling, making even possible the discovery of new specific biomarkers that remain hidden nowadays. Differentiation between arteries and veins could also enhance or improve methods processing pulmonary structures. Nevertheless, AV segmentation has been unfeasible until now in clinical routine despite its objective usefulness. The huge complexity of pulmonary vascular trees makes a manual segmentation of both structures unfeasible in realistic time, encouraging the design of automatic or semiautomatic tools to perform the task. However, this lack of proper labeled cases seriously limits in the development of AV segmentation systems, where reference standards are necessary in both algorithm training and validation stages. For that reason, the design of synthetic CT images of the lung could overcome these difficulties by providing a database of pseudorealistic cases in a constrained and controlled scenario where each part of the image (including arteries and veins) is differentiated unequivocally. In this Ph.D. Thesis we address both interrelated problems. First, the design of a complete framework to automatically generate computational CT phantoms of the human lung is described. Starting from biological and imagebased knowledge about the topology and relationships between structures, the system is able to generate synthetic pulmonary arteries, veins, and airways using iterative growth methods that can be merged into a final simulated lung with realistic features. These synthetic cases, together with labeled real CT datasets, have been used as reference for the development of a fully automatic pulmonary AV segmentation/separation method. The approach comprises a vessel extraction stage using scale-space particles and their posterior artery-vein classification using Graph-Cuts (GC) based on arterial/venous similarity scores obtained with a Machine Learning (ML) pre-classification step and particle connectivity information. Validation of pulmonary phantoms from visual examination and quantitative measurements of intensity distributions, dispersion of structures and relationships between pulmonary air and blood flow systems, show good correspondence between real and synthetic lungs. The evaluation of the Artery-Vein (AV) segmentation algorithm, based on different strategies to assess the accuracy of vessel particles classification, reveal accurate differentiation between arteries and vein in both real and synthetic cases that open a huge range of possibilities in the clinical study of cardiopulmonary diseases and the development of methodological approaches for the analysis of pulmonary images.

Medicago truncatula Natural Resistance Associated Macrophage Protein1 is required for iron uptake by rhizobia infected nodule cells

Iron is critical for symbiotic nitrogen fixation (SNF) as a key component ofmultiple ferroproteins involved in this biological process. In the model legume Medicago truncatula, iron is delivered by the vasculature to the infection/maturation zone (zone II) of the nodule, where it is released to the apoplast. From there, plasma membrane iron transporters move it into rhizobia-containing cells, where iron is used as the cofactor of multiple plant and rhizobial proteins (e.g. plant leghemoglobin and bacterial nitrogenase). MtNramp1 (Medtr3g088460) is the M. truncatula Natural Resistance-Associated Macrophage Protein family member, with the highest expression levels in roots and nodules. Immunolocalization studies indicate that MtNramp1 is mainly targeted to the plasma membrane. A loss-of-function nramp1 mutant exhibited reduced growth compared with the wild type under symbiotic conditions, but not when fertilized with mineral nitrogen. Nitrogenase activity was low in the mutant, whereas exogenous iron and expression of wild-type MtNramp1 in mutant nodules increased nitrogen fixation to normal levels. These data are consistent with a model in which MtNramp1 is the main transporter responsible for apoplastic iron uptake by rhizobia-infected cells in zone II.