ウェアラブル心臓超音波画像装置
Nature volume 613、pages 667–675 (2023)この記事を引用
82k アクセス
15 件の引用
802 オルトメトリック
メトリクスの詳細
心機能の連続画像化は、長期的な心血管の健康状態の評価、急性心機能不全の検出、重症患者または手術患者の臨床管理にとって非常に望ましい1、2、3、4。 しかし、心機能を画像化するための従来の非侵襲的アプローチでは、デバイスがかさばるため連続測定を行うことができず5、6、7、8、9、10、11、また既存のウェアラブル心臓デバイスは皮膚上の信号しか捕捉できません12、13、14。 15、16。 ここでは、継続的、リアルタイム、直接的な心機能評価のためのウェアラブル超音波デバイスを報告します。 私たちは、デバイスと人間の皮膚の間の機械的結合を改善するデバイス設計と材料製造における革新を導入し、動作中にさまざまな視点から左心室を検査できるようにします。 また、連続画像記録から左心室容積を自動的に抽出し、一回拍出量、心拍出量、駆出率などの主要な心臓性能指標の波形を生成する深層学習モデルも開発しています。 この技術により、さまざまな環境において精度が大幅に向上した心臓パフォーマンスの動的ウェアラブルモニタリングが可能になります。
このデバイスは、分解図 (図 1a、左、拡張データ図 1、および補足説明 3) に示されているように、圧電トランスデューサー アレイ、液体金属複合電極、およびトリブロック コポリマー カプセル化を特徴としています。 このデバイスは、スチレン-エチレン-ブチレン-スチレン (SEBS) 上に構築されています。 心臓の包括的なビューを提供するために、標準的な臨床実践では、超音波プローブを回転させて 2 つの直交する方向で心臓を画像化します 17。 手動回転の必要性を排除するために、直交構成でデバイスを設計しました(図1a、右および補足ビデオ1および2)。 各トランスデューサ要素は、異方性 1-3 圧電複合材料と銀エポキシベースの裏打ち層で構成されていました 18、19。 浸透深さと空間分解能のバランスを取るために、深部組織イメージング用に 3 MHz の中心共振周波数を選択しました 19 (補足図 1)。 アレイのピッチは 0.4 mm (つまり、超音波の波長 0.78 倍) で、これにより横方向の解像度が向上し、グレーティング ローブが減少します 20。
a. ウェアラブル イメージャの分解図を示す概略図。主要なコンポーネントにラベルが付けられ (左)、その動作原理 (右) が示されています。 b. 一軸引張ひずみの関数としての液体金属複合電極の抵抗。 電極は約 750% まで故障することなく伸ばすことができます。 y 軸は R/R0 として定義される相対抵抗で、R0 と R はそれぞれ 0% ひずみと与えられたひずみで測定された抵抗です。 挿入図は、幅が約 30 μm ほどの液体金属複合電極の走査型電子顕微鏡写真です。 スケールバー、50μm。 c. 0% ~ 100% の一軸引張ひずみにおける電極のサイクル性能。電極の堅牢性を示します。 挿入図は、電極の周期的な伸長と弛緩中のグラフの拡大された特徴を示しています。 d、トランスデューサ要素とSEBSまたは液体金属複合電極の間の接合の重ねせん断強度。 データは、n = 3 回のテストの平均値と標準偏差です。 挿入図はラップせん断試験の概略構成です。 e. 110% 二軸延伸下のデバイス全体の有限要素解析。 f、現像可能な表面上で曲げたり、非現像可能な表面に巻き付けたり、突き刺したりねじったりしたときのウェアラブルイメージャの機械的コンプライアンスを示す光学画像。 スケールバー、5 mm。
このようなコンパクトなアレイ内の各要素に個別に対応するために、ガリウム - インジウム共晶液体金属と SEBS21 の複合材料に基づいて、高密度多層伸縮性電極を作成しました。 複合材料は導電性が高く、パターン化が容易です(図1b、c、補足図2〜4および方法)。 ラップせん断測定によると、界面結合強度はトランスデューサー要素とSEBS基板の間で約250 kPa、トランスデューサー要素と複合電極の間は約236 kPa(図1dおよび補足図5)であり、どちらもより強いです。典型的な市販の接着剤22(補足表2)。 得られた電極の厚さはわずか約8μmです(補足図6および7)。 同じく複合材料で作られた電磁シールドは、周囲の電磁波の干渉を軽減することができ、これにより超音波無線周波数信号のノイズが低減され、画質が向上します23(補足図8および補足説明4)。 このデバイスは、高い電気機械結合係数、低い誘電損失、広い帯域幅、および無視できるクロストークによって決定される、優れた電気機械特性を備えています(補足図1および方法)。 デバイス全体のヤング率は 921 kPa と低く、人間の皮膚の弾性率に匹敵します 24 (補足図 9)。 このデバイスは、最大約 110% の高い伸縮性を示し (図 1e および補足図 10)、さまざまな変形に耐えることができます (図 1f)。 人間の皮膚にかかる典型的なひずみが 20% 以内であることを考慮すると (参考文献 19)、これらの機械的特性により、ウェアラブル イメージャは広範囲にわたって皮膚との密着を維持できますが、これは硬質超音波デバイスにとっては困難です 25。
私たちは、解剖学的イメージングにとって最も重要な 5 つの指標、空間解像度 (軸方向、横方向、および高さ)、信号対雑音比、位置精度 (軸方向および横方向)、ダイナミック レンジおよびコントラストに基づいて、生成された画像の品質を評価しました。 -ノイズ比26。
送信ビームフォーミング戦略は画質にとって重要です。 したがって、平面波、単焦点、ワイドビーム複合という 3 つの異なる戦略を比較しました。 この比較には、モノフィラメント ワイヤを含むファントムが使用されました (補足図 11、位置 1)。 3 つの戦略のうち、ワイドビーム合成では、一連の送信角度で一連の発散音響波が実行され、各送信で生成された画像がコヒーレントに合成されて合成画像が作成されます。合成画像は、拡張された超音波検査ウィンドウで最高の品質を備えています 27 (図2a、bおよび補足図12〜14)。 また、画質をさらに向上させるために受信ビームフォーミング戦略も使用しました(補足図15と方法)。 ワイドビーム複合は合成集束効果を実現し、したがって、インソネーションエリア全体にわたって高い音響強度を実現し(図2cおよび補足図13)、最高の信号対雑音比と空間分解能につながります(図2c)。 .2a、3列目、図2bおよび補足図12)。
a. さまざまな送信ビームフォーミング戦略を使用したワイヤー (直径 100 μm) ファントム上のイメージング結果。 最初の 3 つの列は、それぞれ異なる深度での平面波、単焦点、およびワイドビーム合成による画像を示しています。 4 番目の列は、仰角方向のワイドビーム合成の画像解像度を示しています。 下の行は、ワイドビーム複合による横方向に分布したワイヤの画像を示しており、中心軸からの異なる横方向距離での横方向の精度と空間分解能を取得できます。 b、さまざまな送信戦略の下でのイメージング深度の関数としての信号対雑音比。 c. 共鳴領域全体にわたって音場が強化された、ワイドビーム複合の音場をシミュレートしました。 d、さまざまな深さでのワイドビーム複合を使用したデバイスの立面、横方向、および軸方向の解像度。 e. 中心軸から異なる横方向距離を使用したワイドビーム複合を使用したデバイスの横方向および軸方向の解像度。 d と e のデータは、5 回のテストの平均値と標準偏差 (n = 5) です。 f、マトリックスに対して異なるコントラストをもつ介在物をイメージングします。 これらの B モード画像に基づいて、デバイスのダイナミック レンジ (g) とコントラスト対ノイズ比 (h) を定量化できます。
ワイドビーム複合戦略を使用してデバイスの空間解像度を定量化するために、画像から抽出した点広がり関数曲線28から半値全幅を測定しました(図2a、3番目と4番目の列と一番下の行、および補足図11、位置 1 と 2)。 深さが増加すると、ビームが仰角方向にさらに発散するため、仰角解像度は低下します(図2d)。 したがって、音響ビームの収束性と高度分解能を向上させるために、6 つの小さな要素を 1 つの長い要素に統合しました (拡張データ図 1)。 横方向の解像度は、受信ビームフォーミングのプロセス(方法)により、深さによってわずかに劣化します(図2d)。 軸方向の分解能は、トランスデューサアレイの周波数と帯域幅のみに依存するため、深さに対してほぼ一定のままです(図2d)。 同様に、同じ深さでは、軸方向の分解能はデバイスの中心軸からの横方向の距離が異なっても一貫していますが、横方向の分解能は中心で最高であり、複合後に音響ビームの重なりが高くなります(図2e)。および方法)。
イメージングのもう 1 つの重要な指標は、位置精度です。 軸方向と横方向のイメージング結果とグランドトゥルース(図2aの赤い点)の一致はそれぞれ96.01%と95.90%であり、優れた位置精度を示しています(方法)。
最後に、ワイドビーム複合戦略を使用してデバイスのダイナミック レンジとコントラスト対ノイズ比を評価しました。 評価には、異なる音響インピーダンスを持つ円筒形の介在物を含むファントムが使用されました(補足図11、位置3)。 音響インピーダンスの不整合が高いと、コントラストの高い画像が生成されます (図 2f)。 内包物画像の平均グレー値を抽出し、線形回帰29を実行し、ダイナミックレンジが63.2 dBであると決定しました(図2g、補足図16および方法)。これは、一般的に使用される60 dBのしきい値をはるかに上回っています。医学的診断30.
各包含領域の内側と外側の 2 つの関心領域を選択して、0.63 から 2.07 の範囲のコントラスト対ノイズ比 31 を導き出しました(図 2h および方法)。 包含物コントラストが高いほど、画像のコントラスト対ノイズ比が高くなります。 最も低いコントラスト (+3 dB または -3 dB) の介在物が明確に視覚化され、このデバイスの優れた感度が実証されています20。 ウェアラブル イメージャーの性能は、市販のデバイスの性能と同等です (補足図 17 および 18、拡張データ表 1、および補足説明 5)。
心エコー検査は、心臓の構造的完全性と血液送達能力を検査するために一般的に使用されます。 ソフトデバイス特有のことですが、人間の胸部の輪郭によりトランスデューサー素子の非平面分布が生じ、これが位相歪み、ひいては画像アーティファクトの原因となります 32。 3次元スキャナを使用して胸の曲率を収集し、ウェアラブルイメージャ内の要素の位置のシフトを補償し、送信および受信ビームフォーミング中の位相歪みを補正しました(補足図19、拡張データ図2、および補足説明6)。
私たちは、重要な心臓の特徴を特定できる心エコー検査の 4 つの主要なビューで、ウェアラブル デバイスのパフォーマンスを市販のデバイスと比較しました (拡張データ図 3)。 図 3a は、心尖四腔像、心尖二腔像、胸骨傍長軸像、胸骨傍短軸像を含むこれら 4 つの像の概略図と対応する B モード画像を示しています。 ウェアラブル デバイスと商用デバイスの結果の違いはごくわずかです。 胸骨傍短軸像は、半径方向の動きと相対的な肥厚に基づいて心筋の収縮機能を評価するのに特に役立ちます。この像からは両方が容易に確認できます。 収縮と弛緩中に、健康な心筋は緊張を受け、それに応じて壁の厚さが変化します。収縮中には厚く、弛緩中には薄くなります。 左心室の収縮機能の強さは、心筋の歪みの大きさを通じて超音波画像に直接反映されます。 無動などの収縮機能の異常は、虚血性心疾患や心筋梗塞を示している可能性があります33。
a、ウェアラブルおよび商用イメージャからの心臓の解剖学的構造の概略図および B モード画像。 ウェアラブルイメージャーは、胸骨傍長軸像および短軸像のイメージングのために胸骨傍位置に配置され、心尖部の 4 腔像および 2 腔像のイメージングのために心尖端位置に再配置されました。 b、左心室壁の 17 セグメント モデル表示。 円形のプロットを構成する同心円状に入れ子になったリングのそれぞれは、左心室の異なるレベルから見た心筋壁の胸骨傍短軸図を表します。 c、基底、中空洞、心尖部のビューでの左心室のBモード画像(上の行)と、それぞれセグメント3、10、14の対応する典型的な変位(下の行)。 17 セグメント モデルの各セグメントによって表される左心室壁の物理的領域は、対応する短軸ビューでラベル付けされています。 ピークは赤い点でマークされています。 d、胸骨傍の長軸像から抽出された M モード画像 (左上) および対応する心電図信号 (左下)。 拡大されたプロットは、代表的な心周期のさまざまな位相を示しています (右)。 一次イベントには、心電図の P 波中の拡張期と僧帽弁の開き、QRS 群中の大動脈弁の開きと収縮期、および T 波中の大動脈弁の閉鎖が含まれます。 AC、心房収縮。 AMVL、僧帽弁前尖。 CI、商用イメージャ。 ERF、早期急速充填。 つまり、排出。 IVCT、等容性収縮時間。 IVRT、等容性緩和時間。 IVS、心室中隔。 LA、左心房。 LV、左心室。 LVIDd、左心室内径拡張末期。 LVID、左心室内径収縮終期。 LVOT、左心室流出路。 LVPW、左心室後壁。 MV、僧帽弁。 RA、右心房。 RV、右心室。 テレビ、三尖弁; WI、ウェアラブルイメージャー。
潜在的に病理学的である左心室壁の特定のセグメントをより適切に位置特定するために、標準的な臨床診療と同様に 17 セグメント モデルを採用できます 33 (図 3b)。 左心室壁から胸骨傍短軸像の基底、中腔、心尖部のスライスを取得し、モデルに従ってそれらをセグメントに分割しました。 各セグメントは特定の冠動脈にリンクされており、対応する心筋セグメントの無動に基づいて冠動脈内の虚血を局所的に特定することができます 33。 次に、心筋境界の変位波形を記録しました(図3cおよび補足説明6)。 変位曲線の各心周期の 2 つのピークは、拡張期中の左心室への 2 つの流入に対応します。 基底面、中間腔、心尖部のビューで測定された壁の変位は、左心室の円錐形に沿って心筋の半径が減少するため、順次小さくなります。
モーション モード (M モード) 画像は、1 次元のターゲット領域内の活動を経時的に追跡します 34,35。 胸骨傍の長軸ビューのBモード画像からMモード画像を抽出しました(図3d)。 主なターゲットには、左心室、中隔、僧帽弁/大動脈弁が含まれます。 M モードでは、心筋の厚さや左心室の直径などの構造情報を、特徴の境界間の距離に従って追跡できます。 弁の機能、たとえば開閉速度は、弁尖と中隔壁の間の距離に基づいて評価できます(補足説明 1)。 さらに、M モード画像の機械的活動と、心周期のさまざまな段階で同時に測定された心電図の電気的活動を相関させることができます(図 3d および補足説明 1 および 6)。
負荷心エコー検査は、運動や薬物によって引き起こされるストレスに対する心臓の反応を評価します。これには、壁運動異常として現れる新たな虚血または悪化した虚血が含まれる可能性があり、冠状動脈疾患の診断において重要です36。 さらに、心臓は同じ心拍出量を維持するために効率を犠牲にするため、心不全患者は安静時には無症状に見えることがあります37,38。 したがって、運動中に心臓を限界まで追い込むと、効率の欠如が明らかになります。 しかし、現在の手順では、超音波画像は運動の前後にのみ取得されます。 扱いにくい装置では、運動中に新しい異常が始まったときに貴重なリアルタイムの洞察が含まれる可能性のあるデータを取得することは不可能です39(補足説明7)。 また、画像は伝統的に運動後に取得されるため、迅速な回復によってストレス時の一時的な病理学的反応が隠蔽され、検査が偽陰性になる可能性があります40。 さらに、演習を終了するエンドポイントは主観的なものであるため、最適なテストが行われない可能性があります。
ウェアラブル超音波パッチは、これらの課題を克服するのに最適です。 このデバイスは、被験者の動きに対する最小限の制約で胸部に取り付けることができ、運動アーチファクトを無視した運動前、運動中、運動後の心臓活動の継続的な記録を提供します(拡張データ図 4)。 これにより、検査中のリアルタイムの反応を取得するだけでなく、エンドポイントを標準化するための客観的なデータも提供され、検査全体を通じて患者の安全性が向上します(補足説明 7)。 時間の経過とともに蒸発する水ベースの超音波ゲルの代わりに、安定した品質の画像を実現するために、接触媒質として液相シリコーンを使用しました(補足図20および21および補足説明8)。 24時間連続着用した後でも、皮膚の炎症やアレルギーは観察されませんでした(補足図22)。 デバイスが1時間連続して動作した後、被験者の心拍数はデバイス温度が約32℃で一定のまま安定しました(補足図23)。 さらに、1 つのデバイスが異なる被験者でテストされました (補足図 24)。 再現可能な結果は、ウェアラブル イメージャーの安定した信頼性の高いパフォーマンスを示しています。
運動中のデバイスのパフォーマンスを実証するために、負荷心エコー検査を実行しました(補足説明7)。 このデバイスは、プロセス全体を通じて胸骨傍の長軸に沿って連続的に記録するために被験者に取り付けられ、3つの主要な段階で構成されました(図4a)。 安静段階では、被験者は仰臥位に横たわりました。 運動段階では、被験者は可能な最大心拍数に達するまで、数回の間隔でエアロバイクで運動しました。 回復段階では、被験者は再び仰臥位に置かれました。 このデバイスは、対応する M モード心エコー検査と同期心拍数波形を含む左心室活動の中断のない追跡を実証しました (図 4b、c、拡張データ図 5、および補足ビデオ 3)。 各検査段階の代表的なセクションを検査し、左心室内径収縮終期(LVIDs)と左心室内径拡張終期(LVIDd)を抽出しました(図4d)。 被験者のLVIDおよびLVIDdは、休息段階中安定したままでした(図4e)。 運動段階では、被験者の心室中隔と左心室後壁が皮膚表面に近づき、前者よりも後者の動きが大きくなり、LVIDsとLVIDdが減少した。 回復段階では、LVID と LVIDd はゆっくりと正常に戻りました。 心臓の筋肉の収縮性の尺度である短縮率の変動は、負荷心エコー検査のさまざまな段階での血液供給の需要の変化を反映しています(図4e)。 特に、図4bのセクション4には、運動の期間と休息の間隔が含まれており、深呼吸のパターンも左心室後壁の動きから見ることができます(図4f)。
a、負荷心エコー検査の 3 段階。 安静段階では、被験者は約 4 分間仰向けになりました。 運動段階では、被験者は休憩を挟みながらエアロバイクに約 15 分間乗りました。 回復段階では、被験者は再び約 10 分間仰向けになりました。 ウェアラブル イメージャは、ステージ間の移行中も含め、テスト全体を通して被験者の胸に装着されました。 b、プロセス全体の胸骨傍の長軸ビューBモード画像から抽出された連続Mモード心エコー検査。 心室中隔と左心室後壁の主要な特徴が特定されます。 休息、運動(休息の間隔あり)、回復の段階がラベル付けされています。 c、M モード心エコー検査から抽出された心拍数の変化。 d、bのセクション1(休息)、2(運動)、および3(回復)の拡大画像(破線のボックス)。 e、記録の 3 つの異なるセクションの左心室内径拡張終期 (LVIDd) および左心室内径収縮終期 (LVIDs) の波形、および対応する平均短縮率。 f、bの休憩を挟んだ運動中のセクション4(破線のボックス)の拡大画像。 最初の間隔では、被験者はリズミカルな深呼吸を 6 回行いましたが、運動中は、深呼吸の明らかな兆候はないようです。これはおそらく、被験者が横隔膜 (休息) 呼吸から胸部 (運動) 呼吸に切り替わったためと思われます。より浅く、通常は時間がかかりません。
心血管疾患は心臓のポンプ機能の変化に関連していることが多く、これは一回拍出量、心拍出量、駆出率によって測定できます。 これらの指標を非侵襲的に継続的にモニタリングすることは、心血管疾患の早期発見と監視に役立ちます (補足説明 9)。 これらの波形に組み込まれた重要な情報は、潜在的な危険因子を正確に判断し、健康状態を追跡するのに役立つ可能性があります41 (補足説明 10)。 一方で、前例のない画像データ ストリームの処理を手動で行うと、臨床医にとって多大な負担となる可能性があり、観察者間の変動やエラーさえも引き起こす可能性があります42。
自動画像処理により課題を解決できます。 深層学習ニューラルネットワークを適用して、画像の連続ストリームから重要な情報(心尖部四腔ビューの左心室容積など)を抽出しました(図5a、補足図25、および補足説明11)。 左心室容積の出力画像と波形を通じて、さまざまなタイプの深層学習モデル 43 を評価しました (拡張データ図 6 および 7、補足表 3、および補足ビデオ 4)。 FCN-32 モデルは、定性的および定量的分析に基づいて他のモデルよりも優れています (補足図 26、補足表 4 および 5、および補足説明 11)。 また、データ拡張を適用してデータセットを拡張し、パフォーマンスを向上させました (補足図 27 および補足説明 11)。
a、概略的なワークフロー。 FCN-32 モデルのトレーニングには、前処理された画像が使用されます。 トレーニングされたモデルは未処理の画像を受け入れ、一回拍出量、心拍出量、駆出率が導出されるのに基づいて左心室 (LV) 容積を予測します。 b. ウェアラブル イメージャー (WI) と商用イメージャー (CI) の両方から FCN-32 モデルによって生成された左心室容積波形 (左)。 重要な特徴は 1 つの詳細な心周期でラベル付けされます (右)。 c、ウェアラブル(黒)および市販(赤)イメージャーのモデル生成および手動でラベル付けされた左心室容積の平均(x軸)と差(y軸)のブランド・アルトマン分析。 破線は 95% 信頼区間を示し、データ ポイントの約 95% が両方のイメージャの区間内にあります。 実線は平均差を示します。 d、ウェアラブル画像装置と市販の画像装置による結果から抽出された一回拍出量、心拍出量、駆出率の比較。 データは、12 心周期の平均値と標準偏差 (n = 12) です。 e, モデルによって生成された回復段階の左心室容積波形。 f、eの初期、中期、後期の録音の代表的な3つのセクション。 収縮終期容積(ESV)、拡張終期容積(EDV)、一回拍出量および駆出率(g)、および左心室容積波形から得られる心拍出量および心拍数波形(h)。 収縮終期容積および拡張終期容積は、最終セクションでは徐々に正常範囲に回復します。 ストローク量は約 60 ml から約 70 ml に増加します。 駆出率は約 80% から約 60% に減少します。 心拍出量は約11 l min -1 から約9 l min -1 に減少し、心拍数の約175 bpmから約130 bpmへの減少が一回拍出量の増加を覆い隠したことを示しています。 AS、心房収縮。 IC、等容性収縮。 IR、等容積緩和。 RI、急速な流入。
ウェアラブル イメージャーと市販のイメージャーの出力左心室容積は、同様の波形形態を示します (図 5b、左)。 波形から、心周期の対応する位相を特定できます (図 5b、右および拡張データ、図 8)。 Bland-Altman 分析では、モデルで生成された左心室容積と手動でラベル付けされた左心室容積の定量的比較が得られ、FCN-32 モデルの安定した信頼性の高いパフォーマンスが示されています 44 (図 5c および補足説明 11)。 左心室容積の平均差は両方とも約 -1.5 ml であり、これは標準的な医学診断で許容できる値です 45。 次に、左心室容積波形から 1 回拍出量、心拍出量、駆出率を導き出しました。 2 つのデバイス間の平均または標準偏差には顕著な差は観察されません (図 5d)。 その結果、ウェアラブル イメージャのパフォーマンスが市販のイメージャと同等であることが確認されました。
左心室の容積は常に変化しており、健康な被験者の安静時には通常、定常状態のパターンに従います。 したがって、一回拍出量、心拍出量、駆出率も一定に保たれる傾向があります。 ただし、心臓の病状や運動などの通常の日常活動によって、これらの指数が動的に変化する可能性があります。 動的状況下でのウェアラブルイメージャの性能を検証するために、負荷心エコー検査の回復段階の記録から左心室容積を抽出しました(図5e)。 人体の解剖学的制限により、立位で画像を収集した場合、左心室の寸法を正確に決定することはできません(補足図28および補足説明9)。 運動後の深呼吸により、画像では心臓が肺によってブロックされることがありました。 画像補完アルゴリズムを使用して、ブロックされた部分を補完しました(補足図29および補足説明11)。 取得された波形は、左心室容積の増加傾向を示しています。 図 5f は、回復段階の開始、中間、終了から得られた記録の 3 つの代表的なセクションを示しています。 最初のセクションでは、心拍数が高いため、離散段階はほとんど目立ちません。 中央セクションでは、離散期が見られます。 最後のセクションでは心拍数が著しく低下します。 回復中の心拍数の低下により、血液が左心室を満たすための時間が長くなるため、拡張末期および収縮末期の体積は増加しています46(図5g)。 一回拍出量は徐々に増加し、拡張終期容積が収縮終期容積よりわずかに速く増加することを示しています(図5g)。 回復中に心臓の収縮が減少するにつれて、駆出率は減少します(図5g)。 心拍出量は減少し、拍出量の増加よりも心拍数の減少によってもたらされる影響が大きいことを示しています(補足考察9)。
心エコー検査は心疾患の診断に不可欠ですが、診療所での現在の実装は煩雑であり、継続的なモニタリングへの応用は制限されています。 ウェアラブル剛性モジュール 25 または柔軟パッチ 47 に基づく新興技術には、ウェアラブル超音波技術の理想的な特性が 1 つ以上欠けています (拡張データ表 2)。 この研究では、被験者が激しい運動を行っている場合でも、心臓画像をフレームごとに中断なく取得できるようにしました。 さらに、深層学習を備えたウェアラブル イメージャは、心筋変位、拍出量、駆出率、心拍出量などの重要な心臓指標の曲線を自動的かつ継続的に出力することにより、実用的な情報を提供しました。これらは救命救急、心血管疾患の管理、スポーツにおいて非常に望ましいものです。科学48。 この機能は従来の臨床診療では前例がなく9、非侵襲性により外来患者やスポーツ人口に潜在的な利益をもたらすことができます。
この技術の意義は、下大静脈、腹部大動脈、脊椎、肝臓などの他の深部組織の画像化に一般化できるため、心臓の画像化をはるかに超えています(補足図30)。 たとえば、嚢胞ファントムの超音波ガイド下生検手順で実証されているように (補足図 31)、2 つの直交するイメージング セクションにより生検プロセス全体が同時に表示され、オペレーターの片手が解放されます (補足ビデオ 5)。 このテクノロジーの独自の機能により、オペレーターが常にデバイスを保持する必要がなくなります。
空間解像度をさらに改善することで、他の将来の取り組みが続く可能性があります(補足図32)。 3 次元スキャナは、静止した人間の胸部の曲率のみを提供できます。 動的な胸部の湾曲に対応するには、位相歪みを補償して空間解像度を向上させる高度なイメージング アルゴリズムを開発する必要があります。 さらに、ウェアラブルイメージャはフレキシブルケーブルを介してデータ処理のためのバックエンドシステムに接続されており(補足図33)、将来の作業はシステムの小型化と統合に焦点を当てる必要があります。 さらに、FCN-32 ニューラル ネットワークは、現時点ではトレーニング データセット内の被験者にのみ適用できます。 その一般化性は、トレーニング データセットを拡張するか、少数ショット学習 49 または強化学習 50 戦略を使用してネットワークを最適化することによって潜在的に改善される可能性があり、これによりモデルがより大きな母集団に適応できるようになります。
ガリウム - インジウム共晶液体金属、トルエン、エチルアルコール、アセトン、イソプロピル アルコールは Sigma-Aldrich から購入しました。 SEBS (G1645) は Kraton から入手しました。 シリコン (Ecoflex 00-30) は、デバイスの封入材料として Smooth-On から購入しました。 シリコーン (Silbione) は、超音波接触媒質として Elkem Silicones から入手しました。 アクアソニック超音波伝達ジェルは Parker Laboratories から購入しました。 1-3 複合材 (PZT-5H) は Del Piezo Specialty から購入しました。 銀エポキシ (Von Roll 3022 E-Solder) は EIS から入手しました。 異方性導電フィルムケーブルは Elform 社から購入しました。
バイプレーン標準ビューを同時に実現するために、ミルズ十字アレイ (補足図 34) と同様の直交幾何学でトランスデューサー アレイを設計しました。 トランスデューサには、優れた電気機械結合を持つ 18 ため、超音波の送受信用に 1-3 コンポジットを選択しました。 さらに、1-3 複合材料の音響インピーダンスは皮膚の音響インピーダンスに近く、人間の組織に伝播する音響エネルギーが最大化されます19。 バッキング層はリンギング効果を軽減し、帯域幅を広げ、空間解像度を向上させます18,51。
自動アライメント戦略を使用して直交配列を作成しました。 バッキング層を 1-3 複合材に接着する既存の方法は、最初にバッキング層と 1-3 複合材の多数の小片をダイシングし、次に各ペアを 1 つずつ接着することでした。 小さな部分を揃えるにはテンプレートが必要でした。 この方法は効率が非常に低かった。 この研究では、バッキング層の大きな部分を 1-3 複合材料の大きな部分と結合し、次にそれらを一緒にダイスして設計された構成を持つ小さな部分に切り分けます。 次に、ダイスカットされたアレイは、高い均一性と完璧な位置合わせで粘着テープ上に自動的に位置合わせされます。
共晶ガリウム - インジウム液体金属をベースにした電極は、蛇行形状の銅薄膜をベースとした既存の電極よりも優れた伸縮性と高い製造分解能を実現するために製造されています。 共晶ガリウム - インジウム合金は通常、ステンシル リソグラフィー 52、マスク蒸着 53、インクジェット印刷 54、マイクロコンタクト プリンティング 55、またはマイクロ流体チャネリング 56 などのアプローチを通じてパターン化されます。 これらのアプローチは信頼性がありますが、パターニングの解像度が制限されているか、高度なフォトリソグラフィーまたは印刷ハードウェアが必要です。 高度なハードウェアにより製造が複雑になり、時間がかかり、コンパクトで皮膚に適合するウェアラブルエレクトロニクスの開発に課題が生じています。
この研究では、パターニングに新しい技術を活用しました。 まず、液体金属の薄層を基板上にスクリーン印刷しました。 スクリーン印刷前の重要な考慮事項は、液体金属を基板にどのように濡らすかということでした。 この問題を解決するために、チップソニケーターを使用して大きな液体金属粒子を小さな微粒子に分散させました(補足図2)。 微粒子が空気と接触すると、その最外層に酸化被膜が生成され、表面張力が低下して微粒子の凝集が防止されます。 さらに、SEBS は液体金属表面によく濡れるため、液体金属粒子を分散させるポリマー マトリックスとして 1.5 wt.% SEBS を使用しました。 基板としてSEBSも使用しました。 したがって、スクリーン印刷後にマトリックス内の SEBS と基板が融合して硬化し、液体金属層が基板に効率的かつ均一に付着することが可能になります。 次に、レーザーアブレーションを使用して基板から液体金属を選択的に除去し、パターン化された電極を形成しました。
アレイ内の多数の圧電トランスデューサ素子は、各素子を個別にアドレス指定するために多くのそのような電極を必要とする。 4層の上部電極と共通の接地電極を設計しました。 液体金属電極の異なる層の間には絶縁体として SEBS 層があります。 トランスデューサ要素に接続するすべての電極層を露出させるために、レーザー アブレーションを使用して垂直相互接続アクセスを穴あけしました21。 さらに、液体金属を使用して伸縮可能なシールド層を作成し、垂直相互接続アクセスを通じて接地し、外部の電磁ノイズからデバイスを効果的に保護しました(補足図8)。
電極をトランスデューサアレイに取り付ける前に、「溶剤溶接」とも呼ばれる液体金属ベースのエラストマーを柔らかくするために、多層電極の上部にトルエン-エタノール溶液(体積比8:2)をスピンコートしました。 。 軟化した SEBS は十分な接触面を提供し、電極とトランスデューサ表面の金属の間に比較的強いファンデルワールス力を形成するのに役立ちます。 電極をトランスデューサーアレイに接着した後、デバイスを室温に放置して溶媒を蒸発させました。 200 kPa 以上の最終接着強度は、多くの市販の接着剤よりも強力です22。
デバイスをカプセル化するために、未硬化のシリコーン エラストマー (Ecoflex 00-30、Smooth-On) を使用してペトリ皿内のデバイスを洗浄し、上部電極と下部電極の間のギャップとトランスデューサー要素間の切り溝を埋めました。 次に、80 °C のオーブンで 10 分間、シリコーン エラストマーを硬化させました。 充填材として、隣接する要素からの不要なせん断波を抑制し、要素間のクロストークを効果的に分離します18、19。 そうは言っても、スプリアス横波が抑制された主な理由は、圧電材料の横方向の振動を制限する 1-3 複合材料のエポキシによるものであると考えられます。 充填材としての Ecoflex は貢献している可能性がありますが、主要な役割を果たしているわけではありません。切り口が広すぎず、わずか 100 ~ 200 μm であるためです。 上部電極上のスライドガラスを持ち上げて、上部電極をシールド層で直接覆いました。 次に、下部電極上のスライドガラスを持ち上げて、デバイス全体を解放しました。 最後に、デバイス表面に約 50 μm のシリコン接着剤層をスクリーン印刷して、製造全体が完了しました。
既存のウェアラブル超音波アレイは、電極として蛇行形状の金属薄膜を使用することにより、優れた伸縮性を実現できます19,26。 しかし、蛇行形状により機能部品の充填率が大幅に制限され、高い集積密度や小さなピッチを必要とするシステムの開発が妨げられます。 本研究では、固有の伸縮性が大きく、高密度電極が可能となる液体金属を電極として使用することを選択しました。 パターン化された液体金属電極の最小幅は約 30 μm、溝は約 24 μm (補足図 3) で、他の伸縮性電極よりも 1 桁微細でした 18、26、57。 液体金属電極は、狭いピッチでアレイを接続するのに最適です58。
この液体金属電極は、高い導電性、優れた伸縮性、および引張歪み下での無視できる抵抗変化を示しました(図1bおよび補足図4)。 歪み 0% での初期抵抗は 1.74 Ω (約 11,800 S m-1 の導電率に相当) で、報告された研究と同等でした 59,60。 抵抗は、電極が約750%の破損ひずみに達するまで、ひずみとともに徐々に増加しました(図1bおよび補足図4)。 相対抵抗は、初期抵抗に対するさまざまなひずみ下での導体 (つまり、この場合は液体金属電極) の抵抗の変化を特徴付けるために広く使用されるパラメーターです58、59、60。 相対抵抗には単位がありません。 ひずみが0%のときの初期抵抗R0は1.74Ωであった。 電極に 750% の歪みがかかると、電極は破壊され、破壊点での抵抗 R は 44.87 Ω と測定されました。 したがって、破断点での相対抵抗 (R/R0) は 25.79 でした。
電極の疲労を調査するために、電極に 100% の周期的な引張歪みを加えました (図 1c)。 最初の 500 サイクルでは、液体金属が伸びるとより多くの表面が露出する可能性があるため、電極抵抗が徐々に増加することが観察されました。 これらの新しい表面は空気と接触した後に酸化され、抵抗の増加につながりました(補足図4)。 最初の 500 サイクルの後、液体金属電極は安定した抵抗を示しました。これは、一定期間のサイクルの後、露出した新しい表面があまりなかったためです。
この研究は、超音波トランスデューサー要素を接続するために液体金属ベースの電極を使用した最初の研究です。 それらの間の結合強度は、デバイスの堅牢性と耐久性を直接決定します。 これは、使用中に繰り返し変形を受けるウェアラブル パッチにとって特に重要です。 したがって、ラップせん断試験を使用して、電極とトランスデューサー要素の接着強度を特性評価しました。 まず、液体金属電極をトランスデューサー素子に接着しました。 電極と素子の反対側は両方とも硬い支持層で固定されました。 支持層は、試験機の引張グリップによってクランプされるように機能します。 サンプルを直接グリップで掴むとサンプルが破損する恐れがあります。 次に、サンプルに 0.5 s-1 のひずみ速度で一軸延伸を適用しました。 電極がトランスデューサ要素から剥離した時点で試験を停止した。 SEBSフィルムをトランスデューサ素子に接着し、同様の方法でラップせん断試験を実施しました。 曲線のピーク値は、重ねせん断強度を表すために使用されました (図 1d)。 純粋な SEBS フィルムとトランスデューサー要素の間の接着強度は約 250 kPa、電極とトランスデューサー要素の間の接着強度は約 236 kPa で、どちらも多くの市販の接着剤よりも強力でした (補足表 2)。 結果は、電極と素子間の強固な結合が示しており、さまざまな変形下でも電極の剥離が防止されています。 この堅牢な結合により、変換できる超音波圧力に制限がありません。
トランスデューサ要素の電気機械結合係数は 0.67 と計算され、市販のプローブの電気機械結合係数 (0.58 ~ 0.69)61 と同等でした。 この優れた性能は、この研究でトランスデューサ素子と電極を室温で接合する技術によるところが大きく、圧電材料を熱による損傷や脱分極から保護しました。 位相角は >60°であり、これまでのほとんどの研究よりも大幅に大きく 18,62、素子内の双極子のほとんどが接合後によく整列したことを示しています 63。 大きな位相角は、デバイスの優れた電気機械結合性能も実証しました。 誘電損失は、接合界面でトランスデューサ要素によって消費されるエネルギー量を表すため、接合プロセスを評価するために重要です20。 アレイの平均誘電損失は 0.026 で、報告されている硬質超音波プローブの誘電損失 (0.02 ~ 0.04)64,65,66 と同等であり、この接着アプローチによって消費されるエネルギーが無視できることを示しています (補足図 1b)。 応答エコーは時間領域と周波数領域で特徴付けられ(補足図1c)、そこから約35 dBの信号対雑音比と約55%の帯域幅が導出されました。 隣接する要素のペアと2番目に隣接する要素のペア間のクロストーク値が特徴付けられています(補足図1d)。 平均クロストークは現場での標準の -30 dB を下回っており、素子間の相互干渉が低いことを示しています。
さまざまな場所にさまざまな形状、レイアウト、音響インピーダンスの多くの反射体を備えた市販の多目的ファントムを使用して、ウェアラブルイメージャーの特性を評価しました(CIRS ATS 539、CIRS Inc.)(補足図11)。 収集されたデータは拡張データ表 1 に示されています。ほとんどのテストでは、デバイスは最初にファントム表面に取り付けられ、最良の結像面を確保するために回転させられました。 double から int8 への変換によって生じる情報損失を最小限に抑えるために、生の画像データが保存されました。 次に、k-Wave ツールボックスで提供される「scanConversion」関数を使用して生の画像データを処理し、扇形のイメージング ウィンドウ (復元データ) を復元しました。 垂直方向と水平方向の両方に 5 倍のアップサンプリングを適用しました。 アップサンプリングされたデータは、最終的に以下を使用して dB 単位に変換されました。
浸透深さは、ファントム内のさまざまな深さに分布した周囲の背景よりも高い音響インピーダンスの線のグループを使用してテストされました。 浸透深さは、背景と区別できる最も深い線の深さとして定義されます (ピクセル値で 6 dB 高い)。 この研究で利用可能な最も深いラインは深さ 16 cm であり、背景からまだ認識可能であったため、侵入深さは > 16 cm と決定されました。
精度は、測定された距離の精度として定義されます。 精度は、ラインファントムの垂直および水平グループを使用してテストされました。 垂直方向と水平方向の最も近い 2 つのピクセル間の物理的距離は次のように計算されました。
2 つのライン (画像では 2 つの明るいスポットとして表示) 間の測定距離は、2 つのスポット間のピクセル数を数え、測定方向に応じて Δy または Δx を乗算することで取得しました。 さまざまな深さで測定された距離が、データシートに記載されているグランドトゥルースと比較されました。 精度は次のように計算できます。
横方向の精度は、ファントム内の深さ 50 mm での横線の 4 つの隣接するペアの平均精度として表されました。
空間解像度は、ワイヤーの横方向および縦方向のグループを使用してテストされました。 異なる深さでの解像度について、各ワイヤの垂直方向または横方向の点広がり関数の半値全幅が計算されました。 垂直方向と横方向の解像度は、測定方向に応じて、半値全幅内のピクセル数に Δy または Δx を乗じることによって導出されます。 仰角解像度は、イメージャの開口部と線の間に 45 度の角度を形成するようにイメージャを回転させることによってテストされました。 その場合、B モード画像内の明るいスポットは、画像面からの散乱を明らかにします。 横方向の解像度を計算するのと同じプロセスを適用して、高さ方向の解像度を取得しました。 異なるイメージング領域での空間解像度も、ワイヤーの横方向のグループによって特徴付けられました。 9本のワイヤーは中心から±4cm、±3cm、±2cm、±1cm、0cmの位置にありました。 これらのワイヤからの B モード画像の横方向および軸方向の解像度は、同じ方法で計算されました。
主に受信ビームフォーミングが原因で、横方向の解像度は深さに応じて悪化することに注意してください(補足図15)。 2 つのビームフォーミング信号 A と B があります。A ポイント (x1) の横方向解像度は、B ポイント (x2) の横方向解像度よりも明らかに優れています。 横方向の解像度が深さに応じて悪化するという事実は、受信ビームフォーミングが使用されている限り、すべての超音波イメージングにおいて避けられません。
さまざまな送信ビーム形成方法に関しては、インソネーション領域全体で合成集束効果を達成できるため、ワイドビーム複合が最適です。 集束効果が優れているほど、横方向の解像度も高くなります。そのため、ワイドビーム合成の横方向の解像度は、同じ深度での他の 2 つの送信方法よりも優れています。 さらに、ワイドビーム合成で使用されるマルチアングルスキャンにより、高角度領域での解像度を向上させることができます。 マルチアングルスキャンは、さまざまな角度での送信を組み合わせて全体的に高い信号対雑音比を達成し、その結果解像度が向上します。
高さ方向の解像度は、イメージング ターゲットがトランスデューサの真下にある場合にのみ特徴付けることができます。 中心から遠く離れたターゲットの場合、画像化するのが難しく、仰角解像度の計算が困難になります。 標高解像度を特徴付ける場合、デバイスは 45° 回転する必要があります。 この場合、入射角が大きいため、これらのワイヤから反射された超音波のほとんどはデバイスに戻ることができません。 したがって、これらのワイヤは B モード画像では捉えることができません。 考えられる解決策の 1 つは、デバイスの回転角度を小さくすることです。これにより、B モード画像で横方向に分布するワイヤをより多く捕捉できる可能性があります。 ただし、回転角度が小さいと、立面画像が横画像と融合してしまい、立面解像度の計算誤差が増加します。 これらの理由を考慮して、トランスデューサ アレイの直下のイメージング ターゲットの高さ方向の解像度のみを特徴付けました。
コントラスト解像度、つまりイメージング システムによって区別できる最小コントラストは、グレースケール オブジェクトを使用してテストされました。 収集された B モード画像を図 2 に示します。この研究で利用可能な最低コントラストである +3 dB および -3 dB のターゲットも画像内で認識できるため、ウェアラブル イメージャのコントラスト解像度は次のように決定されます。 <3dB。
超音波システムのダイナミック レンジとは、モニターに表示できるコントラストの範囲を指します。 オブジェクトと背景の間のコントラストは、ディスプレイ内のオブジェクト内のすべてのピクセルの平均グレー値によって示されます。 グレー値はコントラストに直線的に比例します。 コントラストが大きいほど、グレー値も大きくなります。 表示ウィンドウはグレースケールを区別するためにデータ型「uint8」を使用していたため、ダイナミック レンジは 0 ~ 255 の範囲のグレー値を持つコントラスト範囲として定義されました。
-15 dB のコントラストを持つオブジェクトは平均グレー値が最も低く、+15 dB のコントラストを持つオブジェクトは最も高い平均グレー値を持ちます (補足図 16)。 この場合、ファントムには背景に対して異なるコントラストを持つ 6 つのオブジェクトがあります。 +15 dB コントラストのオブジェクトから得られた最高グレー値は 159.8 でしたが、-15 dB コントラストのオブジェクトから得られた最低グレー値は 38.7 でした。 線形フィットを使用して、対応する平均グレー値が 255 および 0 に等しい場合のコントラストを外挿しました。これは、それぞれ 39.2 dB および -24.0 dB のコントラストに相当します。 次に、ダイナミック レンジは次のように決定されました。
デッドゾーンは、最初のパルスによって圧倒されない最初のラインファントムの深さとして定義されます。 デッドゾーンは、デバイスの真下に異なる深さの特定のワイヤーファントムのセット(補足図11、位置4)を直接画像化し、Bモード画像に表示されたラインファントムを測定することによってテストされました。
イメージャの帯域幅は、周波数スペクトルの半値全幅と中心周波数の比として定義されます。 パルスエコー検査によって測定されました。 ガラス片をデバイスから 4 cm 離して置き、反射波形を 1 つのトランスデューサーで収集しました。 収集された反射波形は、高速フーリエ変換によって周波数スペクトルに変換されました。 半値全幅は周波数スペクトルから読み取った。 以下を使用して帯域幅を取得しました。
コントラスト感度は、異なる明るさのコントラストでオブジェクトを区別するデバイスの能力を表します20。 コントラスト感度はグレースケール オブジェクトでテストされました。 コントラスト感度は、B モード画像内の背景に対して特定のコントラストを持つオブジェクトのコントラスト対ノイズ比 (CNR) として定義されます。
ここで、μin と σin はオブジェクト内のピクセル強度の平均と標準偏差、μout と σout は背景のピクセル強度の平均と標準偏差です。
挿入損失は、送信および受信時のエネルギー損失として定義されます。 水晶振動子、出力インピーダンス 50 Ω の関数発生器、およびオシロスコープ (Rigol DS1104) を使用して水中でテストされました。 まず、トランスデューサは、関数発生器から 3 MHz の正弦波のトーン バーストの形式で励起を受信しました。 次に、同じトランスデューサーが水晶からのエコーを受信しました。 水晶への伝送の 1.9 dB のエネルギー損失と水の 2.2 × 10−4 dB (mm MHz)−1 の減衰を考慮すると、挿入損失は次のように計算できます。
シミュレーションでは、定義されたシミュレーション フィールド内の各点における音圧の二乗平均平方根が計算されます。 二乗平均平方根は以下の方程式で定義され、特定の期間にわたる平均音圧を与えます。これはソフトウェアのパッケージ機能で事前に定義されています。 式中の xi は、i 番目のタイム ステップでシミュレートされた音圧です。
図 2c は、直交トランスデューサによる送信音圧場のシミュレートされた二乗平均平方根です。 シミュレーションは MATLAB UltraSound Toolbox67 を使用して実行されました。 直交トランスデューサー内の各 1 次元フェーズド アレイは、扇形の音圧場を与えます。 シミュレーションでは、このような 2 つの扇形の音圧フィールドを結合します。 イメージング手順は、シミュレーションと同じパラメーターを使用して実行されました。
シミュレーションでは、最初にトランスデューサーのパラメーターを定義しました。トランスデューサーの中心周波数は 3 MHz、トランスデューサーの幅は 0.3 mm、トランスデューサーの長さは 2.3 mm、アレイのピッチは 0.4 mm、数値は素子数は 32、トランスデューサーの帯域幅は 55% です。 次に、ワイドビーム複合(補足図13)を送信方法として定義しました。97の送信角度、-37.5°から+37.5°、ステップサイズ0.78°。 次に、音圧場は 97 回の送信の全体的な影響になります。 最後に、計算領域を横方向に -8 mm ~ +8 mm、高さ方向に -6 mm ~ +6 mm、軸方向に 0 mm ~ 140 mm と定義しました。
すべてのデータは原稿または補足情報で入手できます。
この研究の結果を生成したコードは、https://github.com/UCSD-XuGroup/Wearable-Cardiac-Ultrasound-Imager で入手できます。
Levick, JR 『心臓血管生理学入門』 (Butterworth-Heinemann、1991)。
Yazdanyar, A. & Newman, AB 高齢者における心血管疾患の負担: 罹患率、死亡率、および費用。 クリン。 ジェリアトル。 医学。 25、563–577 (2009)。
記事 Google Scholar
Ouyang, D. et al. ビデオベースの AI による心機能の心拍ごとの評価。 ネイチャー 580、252–256 (2020)。
記事 ADS CAS Google Scholar
Jozwiak, M.、Monnet, X.、Teboul, JL モニタリング: 心拍出量モニタリングから心エコー検査まで。 カー。 意見。 クリティカル。 Care 21、395–401 (2015)。
記事 Google Scholar
Frahm, J.、Voit, D.、Uecker, M. リアルタイム磁気共鳴イメージング: 非線形逆再構成によるラジアル グラディエント エコー シーケンス。 投資する。 ラジオル。 54、757–766 (2019)。
記事 Google Scholar
Commandeur, F.、Goeller, M.、Dey, D. 心臓 CT: ハードウェア、ソフトウェア、および機械学習アプリケーションにおける技術の進歩。 カー。 心臓血管。 Imaging Rep 11、19 (2018)。
記事 Google Scholar
Angelidis、G.ら。 虚血性心不全におけるSPECTとPET。 ハートフェイル。 改訂第 22 巻、243–261 (2017)。
記事 Google Scholar
Efimov, IR、Nikolski, VP & Salama, G. 心臓の光学イメージング。 円解像度 95、21–33 (2004)。
記事 CAS Google Scholar
Gargesha, M.、Jenkins, MW、Wilson, DL & Rollins, AM 画像ベースのレトロスペクティブ ゲーティングを使用した高時間分解能 OCT。 オプション。 エクスプレス 17、10786 ~ 10799 (2009)。
記事 ADS CAS Google Scholar
王、RYら。 ポータブル超音波画像装置用の高解像度画像再構成。 EURASIP J.Adv. 信号プロセス。 2019年、56年(2019年)。
記事 ADS Google Scholar
Baribeau, Y. et al. ハンドヘルドポイントオブケア超音波プローブ: 新世代の POCUS。 J.心臓胸部。 バスク。 麻酔。 34、3139–3145 (2020)。
記事 Google Scholar
Zimetbaum、PJ および Josephson、ME 急性心筋梗塞における心電図の使用。 N.Engl. J.Med. 348、933–940 (2003)。
記事 Google Scholar
Alihanka, J.、Vaahtoranta, K.、Saarikivi, I. 心弾動図、心拍数、呼吸を長期モニタリングする新しい方法。 午前。 J.Physiol. 240、R384–R392 (1981)。
CAS Google スカラー
García-González, MA、Argelagós-Palau, A.、Fernández-Chimeno, M.、Ramos-Castro, J. in Computing in Cardiology 2013 461–464 (IEEE、2014)。
Elgendi, M. 指先の光電脈波信号の分析について。 カー。 カーディオール。 改訂 8、14 ~ 25 (2012)。
記事 Google Scholar
Isaacson, D.、Mueller, JL、Newell, JC、Siltanen, S. 電気インピーダンス断層撮影のための D-bar 法による心臓活動の画像化。 生理。 測定。 27、S43–S50 (2006)。
記事 ADS CAS Google Scholar
シラー、NBら。 二次元心エコー検査による左心室の定量に関する推奨事項。 混雑する。 社会心エコー検査 2、358–367 (1989)。
記事 CAS Google Scholar
胡、H.ら。 複雑な表面上の 3 次元イメージング用の伸縮可能な超音波トランスデューサー アレイ。 科学。 上級 4、eaar3979 (2018)。
記事 ADS Google Scholar
Wang, C. et al. 等角超音波装置による中心血圧波形のモニタリング。 ナット。 バイオメッド。 工学 2、687–695 (2018)。
記事 Google Scholar
Shung, KK 超音波診断: 画像処理と血流測定 (CRC、2005)。
Huang、ZL et al. 三次元一体型伸縮性エレクトロニクス。 ナット。 電子。 1、473–480 (2018)。
記事 Google Scholar
Wu、SJ、Yuk、H.、Wu、J.、Nabzdyk、CS、Zhao、X. 低侵襲組織シール用の多機能折り紙パッチ。 上級メーター。 33、e2007667 (2021)。
記事 Google Scholar
Wu, H.、Shen, G. & Chen, Y. 高強度焦点超音波プローブの放射線放出遮蔽方法。 バイオメッド。 メーター。 工学 26、S959–S966 (2015)。
Google スカラー
チェン、QP 他。 リニアスキャンSAFTイメージングによる半球全指向性超音波プローブによる曲面構造の超音波検査。 NDT E インターナショナル 129、102650 (2022)。
記事 Google Scholar
Wang, C. et al. さまざまな臓器の長期連続イメージングのための生体接着性超音波。 サイエンス 377、517–523 (2022)。
記事 ADS CAS Google Scholar
Wang, C. et al. 伸縮可能な超音波フェーズドアレイによる深部組織の血行動態の継続的なモニタリング。 ナット。 バイオメッド。 工学 5、749–758 (2021)。
記事 CAS Google Scholar
Montaldo, G.、Tanter, M.、Bercoff, J.、Benech, N. & Fink, M. 非常に高いフレームレートの超音波検査および過渡エラストグラフィーのためのコヒーレント平面波合成。 IEEEトランス。 ウルトラゾン。 強誘電体。 周波数コントロール 56、489–506 (2009)。
記事 Google Scholar
Ghavami, M.、Ilkhechi, AK & Zemp, R. 光音響トモグラフィー用の柔軟な透明 CMUT アレイ。 オプション。 エクスプレス 30、15877 ~ 15894 (2022)。
記事 ADS CAS Google Scholar
Xiao, Y.、Boily, M.、Hashemi, HS & Rivaz, H. 高ダイナミックレンジ超音波: 腱の病理イメージングへの応用。 超音波医学。 バイオル。 44、1525–1532 (2018)。
記事 Google Scholar
ザンダー、D. et al. 超音波画像の最適化 (「技術」): B モード。 超音波検査オープン 6、E14 ~ E24 (2020)。
記事 Google Scholar
Kempski, KM、Graham, MT、Gubbi, MR、Palmer, T. & Lediju Bell, MA 光音響画像の品質を評価するための一般化されたコントラスト対ノイズ比の適用。 バイオメッド。 オプション。 エクスプレス 11、3684 ~ 3698 (2020)。
記事 Google Scholar
Huang, X.、Lediju Bell, MA & Ding, K. フレキシブルアレイトランスデューサにおける超音波ビームフォーミングのためのディープラーニング。 IEEEトランス。 医学。 イメージング 40、3178–3189 (2021)。
記事 Google Scholar
セルケイラ医学博士ら。 心臓の断層撮影イメージングのための標準化された心筋セグメンテーションと命名法。 米国心臓協会の臨床心臓病評議会の心臓画像委員会からの医療専門家向けの声明。 回覧 105、539–542 (2002)。
記事 Google Scholar
Feigenbaum, H. 今日の心エコー検査における M モード技術の役割。 混雑する。 社会心エコー検査 23、240–257、335-247 (2010)。
記事 Google Scholar
Devereux、RB 他 M モード心エコー検査による左心室の解剖学的測定の標準化。 混雑する。 コル。 カーディオール。 4、1222–1230 (1984)。
記事 CAS Google Scholar
Armstrong, WF、Pellikka, PA、Ryan, T.、Crouse, L.、Zoghbi, WA ストレス心エコー検査: ストレス心エコー検査の実施と解釈に関する推奨事項。 混雑する。 社会心エコー検査 11、97–104 (1998)。
記事 CAS Google Scholar
Rerych, SK、Scholz, PM、Newman, GE、Sabiston, DC Jr & Jones, RH 健常者および冠状動脈性心疾患患者における安静時および運動時の心臓機能: 放射性核種血管心疾患検査による評価。 アン。 外科。 187、449–464 (1978)。
記事 CAS Google Scholar
リトル、WC およびアップルゲート、RJ うっ血性心不全: 収縮期機能と拡張期機能。 J.心臓胸部。 バスク。 麻酔。 7、2–5 (1993)。
記事 CAS Google Scholar
Hill, J. & Timmis, A. 運動耐性テスト。 Br. 医学。 J. 324、1084–1087 (2002)。
記事 Google Scholar
Marwick, TH 心エコー検査法 (Nihoyannopoulos, P. & Kisslo, J. 編) 491–519 (Springer、2018)。
Hammermeister, KE、Brooks, RC & Warbasse, JR 人間の左心室容積の変化率: I. 健康と病気における検証と最大収縮期駆出率。 回覧 49、729–738 (1974)。
記事 CAS Google Scholar
ペンシルベニア州ペリッカら。 冠状動脈疾患および左心室機能不全を有する患者における心エコー検査、ゲート制御単一光子放出コンピュータ断層撮影法、および心臓磁気共鳴によって測定された駆出率の変動。 自工会ネットワーク。 1、e181456 (2018) を開きます。
記事 Google Scholar
Ghorbanzadeh, O. et al. 地滑り検出のためのさまざまな機械学習手法と深層学習畳み込みニューラル ネットワークの評価。 Remote Sens. 11、196 (2019)。
記事 ADS Google Scholar
Bland, JM & Altman, DG 2 つの臨床測定方法間の一致を評価するための統計的方法。 ランセット 327、307–310 (1986)。
記事 Google Scholar
NA Matheijssen et al. 前心筋梗塞患者におけるシネ磁気共鳴画像法による左心室の体積と質量の輪郭検出における観察者内および観察者間の変動の評価。 内部。 J. Cardiovasc. イメージング 12、11–19 (1996)。
記事 CAS Google Scholar
Fritzsche、RG、Switzer、TW、Hodgkinson、BJ & Coyle、EF 長時間の運動中の拍出量の減少は、心拍数の増加の影響を受けます。 J.Appl. 生理。 86、799–805 (1999)。
記事 CAS Google Scholar
Pashaei, V. et al. 画像誘導神経調節のための柔軟な身体適合超音波パッチ。 IEEEトランス。 バイオメッド。 回路システム 14、305–318 (2020)。
記事 Google Scholar
ケニー、JS 他頸動脈の定量的ドップラーを継続的にモニタリングするための、斬新なハンズフリー超音波パッチ。 科学。 議員 11、7780 (2021)。
記事 ADS CAS Google Scholar
Sung、F.ら。 手順で。 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition 1199–1208 (IEEE、2018)。
Kaelbling, LP、Littman, ML & Moore, AW 強化学習: 調査。 J.アーティフ。 知性。 解像度 4、237–285 (1996)。
記事 Google Scholar
Lin、MY、Hu、HJ、Zhou、S.、Xu、S. 深部組織センシング用のソフト ウェアラブル デバイス。 ナット。 メーター牧師。 7、850–869 (2022)。
記事 ADS Google Scholar
Jeong, SH 他マイクロ流体伸縮性エレクトロニクスの液体アロイ印刷。 ラボチップ 12、4657–4664 (2012)。
記事 CAS Google Scholar
Kramer, RK、Majidi, C. & Wood, RJ 液体埋め込みエラストマー導体用のガリウム - インジウム合金のマスク蒸着。 上級機能。 メーター。 23、5292–5296 (2013)。
記事 CAS Google Scholar
Ladd, C.、So, JH、Muth, J.、Dickey, MD 自立型液体金属微細構造の 3D プリンティング。 上級メーター。 25、5081–5085 (2013)。
記事 CAS Google Scholar
Tabashibai, A. 、Fassler, A. 、Usiak, C. & Majidi, C. マイクロコンタクト印刷による液相ガリウム - インジウム合金エレクトロニクス。 言語 29、6194–6200 (2013)。
記事 CAS Google Scholar
Cheng, S. & Wu, Z. マイクロ流体エレクトロニクス。 ラボチップ 12、2782–2791 (2012)。
記事 CAS Google Scholar
センピオナット、JR 他血行力学的バイオマーカーと代謝バイオマーカーを同時にモニタリングするための表皮パッチ。 ナット。 バイオメッド。 工学 5、737–748 (2021)。
記事 CAS Google Scholar
Liu, S.、Shah, DS & Kramer-Bottiglio, R. 二相ガリウム - インジウムを使用した伸縮性の高い多層電子回路。 ナット。 メーター。 20、851–858 (2021)。
記事 ADS CAS Google Scholar
Ma、Z.ら。 透過性の超弾性液体金属繊維マットにより、生体適合性のあるモノリシックな伸縮性エレクトロニクスが可能になります。 ナット。 メーター。 20、859–868 (2021)。
記事 ADS CAS Google Scholar
Lopes, PA、Santos, BC、de Almeida, AT & Tavakoli, M. 自己はんだ付け、自己コーティング、自己修復による超伸縮性チップ集積回路のための可逆的ポリマーゲル転移。 ナット。 共通。 12、4666 (2021)。
記事 ADS CAS Google Scholar
Mi、XH、Qin、L.、Liao、QW、Wang、LK 1-1-3 圧電複合材料の電気機械結合係数と音響インピーダンス。 セラム。 内部。 43、7374–7377 (2017)。
記事 CAS Google Scholar
Wang、Z.ら。 微細加工されたバルク PZT を使用した柔軟な超音波トランスデューサー アレイ。 センサー 15、2538–2547 (2015)。
記事 ADS Google Scholar
ホン、C.-H. 他。 鉛フリーの圧電セラミック – 次に進むべき方向は? J. マテリオミクス 2、1–24 (2016)。
記事 ADS Google Scholar
Zhu、BPら。 高周波超音波リニアアレイ用途向けのゾルゲル由来 PMN-PT 厚膜。 セラム。 内部。 39、8709–8714 (2013)。
記事 CAS Google Scholar
リー、Xら。 PMN-PT自立フィルムを使用した80MHz血管内超音波トランスデューサ。 IEEEトランス。 ウルトラゾン。 強誘電体。 周波数コントロール 58、2281–2288 (2011)。
記事 Google Scholar
Zhu、B.ら。 高周波超音波生体顕微鏡用のリフトオフ PMN-PT 厚膜。 混雑する。 セラム。 社会 93、2929–2931 (2010)。
記事 CAS Google Scholar
Shahriari, S. & Garcia, D. 平滑化粒子流体力学を使用した超音波ベクトル フロー イメージングのメッシュフリー シミュレーション。 物理学。 医学。 バイオル。 63、205011 (2018)。
記事 Google Scholar
リファレンスをダウンロードする
実験に関する指導と議論をしていただいた Z. Wu、R. Chen、W. Zhao に感謝します。 心エコー検査の検査と相談については、E. Echegaray、M. Kraushaar、X. Guo、Y. Hewei に感謝します。 この研究は、国立衛生研究所 (NIH) (1R21EB025521-01、1R21EB027303-01A1、3R21EB027303-02S1 および 1R01EB033464-01) の支援を受けました。 内容は著者のみの責任であり、必ずしも NIH の公式見解を表すものではありません。 すべての生物実験は、NIH の倫理ガイドラインに従って、カリフォルニア大学サンディエゴ校の治験審査委員会の承認を得て実施されました。
これらの著者は同様に貢献しました:Hongjie Hu、Hao Huang、Mohan Li、Xiaoxiang Gao
カリフォルニア大学サンディエゴ校、ナノエンジニアリング学部、ラホーヤ、カリフォルニア州、米国
ホンジェ・フー、ハオ・ファン、シャオシアン・ガオ、ルー・イン、レイ・S・ウー、ユーシャン・マー、ムヤン・リン、ジーユアン・ルー、イーム・チェン、ユーシェン・レイ、シンユー・ワン、ルオタオ・ワン、ウェントン・ユエ、イージョウ・ビアン、ゴンホ・パーク、ジョセフ・ワン&シェン・シュウ
カリフォルニア大学サンディエゴ校、電気およびコンピュータ工学科、ラホーヤ、カリフォルニア州、米国
モハン・リー、チェンチャンフェン・ルー、シェン・シュー
カリフォルニア大学サンディエゴ校コンピュータサイエンス工学部、ラホーヤ、カリフォルニア州、米国
チー・ルイシアン
材料科学および工学プログラム、カリフォルニア大学サンディエゴ校、ラホーヤ、カリフォルニア州、米国
Xiangjun Chen、Keren Shi、Sai Zhou、Yue Gu、Xinyi Yang、Jing Mu、Shengqiang Cai、Joseph Wang、Sheng Xu
マサチューセッツ工科大学機械工学科、ケンブリッジ、マサチューセッツ州、米国
馬玉祥
材料科学および工学プログラム、カリフォルニア大学、リバーサイド、米国
ケレン・シー
カリフォルニア大学サンディエゴ校機械航空宇宙工学科、米国カリフォルニア州ラホーヤ
李成海&蔡盛強
カリフォルニア大学サンディエゴ校麻酔科、スルピツィオ心臓血管センター、米国カリフォルニア州ラホーヤ
ティモシー・M・マウス
カリフォルニア大学サンディエゴ校医学部放射線科、ラホーヤ、カリフォルニア州、米国
ブレイディ・ファン & シェン・シュー
米国コネチカット州ニューヘブンのイェール大学脳神経外科
岳谷
スタンフォード大学化学工学部、スタンフォード、カリフォルニア州、米国
ユーシェン・レイ
Softsonics, Inc.、米国カリフォルニア州サンディエゴ
シュー・シャン
米国カリフォルニア州サンディエゴのシャープ記念病院麻酔科
ポール・W・コーリー
カリフォルニア大学サンディエゴ校生物工学部、ラホーヤ、カリフォルニア州、米国
シェン・シュウ
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
PubMed Google Scholar でこの著者を検索することもできます
H. Hu、H. Huang、M. Li、XG、S. Xu が研究を設計しました。 H. Hu、H. Huang、M. Li、LY が実験を実施しました。 XG、RQ、M. Li はニューラル ネットワークを設計し、トレーニングしました。 H. Hu、H. Huang、M. Li、YM がデータ処理とシミュレーションを実行しました。 H. Hu、H. Huang、S.Xu がデータを分析しました。 H. Hu、H. Huang、M. Li、RSW、RQ、S. Xiang、JW、S. Xu が論文を執筆しました。 著者全員が原稿に対して建設的で貴重なフィードバックを提供してくれました。
Sheng Xu への通信。
著者らは競合する利害関係を宣言していません。
Nature は、この研究の査読に貢献してくれた David Ouyang 氏、Roger Zemp 氏、その他の匿名の査読者に感謝します。
発行者注記 Springer Nature は、発行された地図および所属機関の管轄権の主張に関して中立を保っています。
a, 直交イメージャは、1 列の 6 つの小さな素子を 1 つの長い素子として組み合わせた 4 つのアームと、4 つのアームが共有する中央部分で構成されます。 青と赤のボックスは、各方向に 6 つの小さな部分によって統合された長い要素にラベルを付けます。 一方向のエレメント数は 32 です。エレメント間のピッチは 0.4 mm です。 直交配列の形態を示す上面図 (b) と等角図 (c) の光学画像。 私たちは、自動アライメント戦略を使用して、大きなバッキング層と 1-3 複合材料の大きな部分を接着し、設計された構成を持つ小さな要素にそれらを一緒にダイシングすることによって直交アレイを製造しました。 c の挿入図は要素の詳細を示しています。 1-3 複合層とバッキング層にはラベルが付けられています。
さまざまな状況から得られたラインファントムの B モード画像 (a)。 左、平面から。 中央、位相補正なしの曲面から。 右、位相補正を施した曲面から。 b. これら 3 つの状況における、さまざまな深さでの軸方向および横方向の解像度。 軸方向分解能は主にトランスデューサの周波数と帯域幅に依存するため、軸方向分解能に明らかな違いは見られませんでした。 位相補正後、ウェアラブル イメージャの横方向の解像度が向上しました。 (c) で収集された画像、心臓の胸骨傍長軸 (PLAX) ビュー、および (d)、平面プローブ (左パネル)、位相補正なしの湾曲プローブ (中央パネル) で測定した場合の心尖四腔ビュー位相補正を備えた湾曲プローブ (右パネル)。 左心室の境界は、画像内の白い破線でラベル付けされています。 e、位相補正の影響を示す測定された心拍数の比較。 各測定値は、連続する 5 つの心周期の平均に基づいています (n = 5)。 標準偏差はエラーバーで示されています。
a、胸骨傍の長軸像。 b、胸骨傍の短軸像。 c、心尖部の四腔像。 d、心尖部の二腔像。 直交ウェアラブル心臓イメージャーは、胸骨傍の長軸と短軸のビュー (e) と、回転なしの心尖部 4 腔ビューと心尖部 2 腔ビュー (f) を組み合わせています。 ウェアラブル イメージャは、1 つの位置から 2 つの胸骨傍ビュー、または別の 1 つの位置から 2 つの心尖部ビューをキャプチャできます。 胸骨と肋骨には肋間スペースを示すラベルが付けられています。
被験者が座っているとき (a)、立っているとき (b)、前かがみになっているとき (c)、平らに寝ているとき (d)、および横向きに寝ているとき (e) の 4 つのビューが収集されます。 PLAX および PSAX ビューはさまざまな姿勢でも品質を維持できますが、A4C および A2C ビューの品質は横向きに寝ているときにのみ達成できます。 A2C、心尖部の二腔像。 A4C、心尖部の四腔像。 PLAX、胸骨傍の長軸像。 PSAX、胸骨傍の短軸像。
安静時(a)、運動時(b)、回復時(c)の代表的な B モードおよび M モード画像。 赤い線は、現在の B モード フレームに対応する M モード セクションを強調表示します。 詳細については、補足ビデオ 3 をご覧ください。
結果を定性的に評価したところ、補足ビデオ 4 には「ジッター」が見られませんでした。セグメント化された左心室は、B モード ビデオと同じくらい自然に収縮および弛緩します。 セグメンテーションの境界は滑らかで、忠実度が最も高くなります。 元の B モード画像と比較すると、FCN-32 モデルはこの研究で使用されたすべてのモデルの中で最もよく一致しています。
これらの波形は、同じ B モード ビデオをセグメント化したものです。 定性的には、FCN-32 モデルによって生成された波形は最高の安定性と最小限のノイズを実現し、波形形態はサイクル間でより一定です。 定量的には、これらのモデルの比較結果が補足図 26 にあります。これは、FCN-32 モデルが和集合に対する平均交差が最も高く、この研究で最高のパフォーマンスを示していることを示しています。
行は、同じフェーズの A4C、A2C、PLAX、および PSAX ビューの B モード イメージです。 列は、心室充満、心房収縮、等容性収縮、駆出終了時および等容性弛緩時の同じビューの B モード画像です。 破線は、現在のフェーズの主な機能を強調表示します。 青みがかった線は、ラベルを付けたチャンバーの容積が縮小していることを意味します。 赤みがかった線は、標識されたチャンバーの容積の膨張を意味します。 黄色がかった線は、標識されたチャンバーの容積内に滞留していることを意味します。 A2C、心尖部の二腔像。 A4C、心尖部の四腔像。 LA、左心房。 LV、左心室。 LVOT、左心室流出路。 RA、右心房。 RV、右心室。 PLAX、胸骨傍の長軸像。 PSAX: 胸骨傍の短軸像。
このファイルには、補足説明 1 ~ 11、補足図 1 ~ 34、補足表 1 ~ 5、および補足参考資料が含まれています。
直交アレイによって画像化された心臓の長軸および短軸のビュー。
直交アレイによって画像化された心尖部の 4 腔および 2 腔のビュー。
安静時、運動時、回復時の継続的な心臓画像検査。
FCN-32による左心室セグメンテーションの結果。
直交アレイによるファントム上での誘導生検のイメージング。
オープン アクセス この記事はクリエイティブ コモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブ コモンズ ライセンスへのリンクを提供し、変更が加えられたかどうかを示します。 この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブ コモンズ ライセンスに含まれています。 素材が記事のクリエイティブ コモンズ ライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。 このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。
転載と許可
Hu, H.、Huang, H.、Li, M. 他ウェアラブル心臓超音波画像装置。 Nature 613、667–675 (2023)。 https://doi.org/10.1038/s41586-022-05498-z
引用をダウンロード
受信日: 2022 年 5 月 11 日
受理日: 2022 年 10 月 31 日
公開日: 2023 年 1 月 25 日
発行日: 2023 年 1 月 26 日
DOI: https://doi.org/10.1038/s41586-022-05498-z
次のリンクを共有すると、誰でもこのコンテンツを読むことができます。
申し訳ございませんが、現在この記事の共有リンクは利用できません。
Springer Nature SharedIt コンテンツ共有イニシアチブによって提供
Nature Reviews 心臓学 (2023)
自然 (2023)
ネイチャーバイオテクノロジー (2023)
コメントを送信すると、利用規約とコミュニティ ガイドラインに従うことに同意したことになります。 虐待的なもの、または当社の規約やガイドラインに準拠していないものを見つけた場合は、不適切としてフラグを立ててください。