Rlh 3 2015 by felipe espino

Editor en Jefe Manuel Velasco (Venezuela) Editor Adjunto Julio Acosta Martínez Editores Asociados Alcocer Luis (México) Brandao Ayrton (Brasil) Feldstein Carlos (Argentina) Israel Anita (Venezuela) Israili Zafar (Estados Unidos) Levenson Jaime (Francia) Parra José (México) Ram Venkata (Estados Unidos) Comité Editorial Álvarez de Mont, Melchor (España) Amodeo Celso (Brasil) Arciniegas Enrique (Venezuela) Baglivo Hugo (Argentina) Bermúdez Valmore (Venezuela) Bognanno José F. (Venezuela) Briceño Soledad (Venezuela) Contreras Freddy (Venezuela) Contreras Jesús (Venezuela) Crippa Giuseppe (Italia) De Blanco María Cristina (Venezuela) Escobar Edgardo (Chile) Foo Keith (Venezuela) Gamboa Raúl (Perú) Juan De Sanctis (Venezuela) Kaplan Norman (Estados Unidos) Lares Mary (Venezuela) Lenfant Claude (Estados Unidos) López Jaramillo Patricio (Colombia) López Mora (Venezuela) Manfredi Roberto (Italia) Manrique Vestal (Venezuela) Marahnao Mario (Brasil) Marín Melania (Venezuela) Monsalve Pedro (Venezuela) Morr Igor (Venezuela) Mújica Diorelys (Venezuela) Nastasi Santina (Venezuela) Pizzi Rita (Venezuela) Ponte Carlos (Venezuela) Rodríguez Luis Alejandro (Venezuela) Rodríguez de Roa Elsy (Venezuela) Sánchez Ramiro (Argentina) Soltero Iván (Venezuela) Tellez Ramón (Venezuela) Valdez Gloria (Chile) Valencia Delvy (Venezuela) Vidt Donald (Estados Unidos) Zanchetti Alberto (Italia)

Sumario - Volumen 10, Nº 3, 2015

Editores

evista Latinoamericana de Hipertensión Plasma lipids and lipoproteins in newborns of preeclamptic patients and normotensive pregnant women Lípidos y lipoproteínas plasmáticas en neonatos de pacientes preeclámpticas y de embarazadas normotensas Eucaris Andrade-Finol, Eduardo Reyna-Villasmil, Jorly Mejia-Montilla, Joel-Santos-Bolívar, Duly Torres-Cepeda, Nadia Reyna-Villasmil, Sandra Wilches-Durán, Modesto Graterol, Julio Contreras-Velásquez, Marco Cerda.

Subchorionic hematoma volume in the first trimester and risk of spontaneous abortion Volumen del hematoma sub-coriónico en el primer trimestre y riesgo de aborto espontáneo Isabel Benavides-Reyes, Eduardo Reyna-Villasmil, Jorly Mejia-Montilla, Duly Torres-Cepeda, Yolimar Navarro-Briceño, Joel Santos-Bolívar, Nadia Reyna-Villasmil, Anny Cuevas-González, Sandra Wilches-Durán, Modesto Graterol, Julio Contreras-Velásquez, Marco Cerda

Métodos de segmentación de imágenes cardiacas: Fundamentos y alcance Medical Imaging Segmentation Methods: Foundations and Scope Yoleidy Huérfano, Miguel Vera, Atilio Del Mar, José Chacón, María Vera, Nahid Bautista, María Sofía Martínez, Joselyn Rojas, Julio Contreras, Modesto Graterol Rivas, Sandra Wilches, Miguel Aguirre, Marcos Cerda, Carlos Garicano, Juan Diego Hernández, Victor Arias, Rosemily Graterol, Maricarmen Chacín, Armando Peña, Valmore Bermúdez, Antonio Bravo

Volumen 10, Nº 3. 2015 Depósito Legal: pp200602DC2167 ISSN: 1856-4550 Sociedad Latinoamericana de Hipertensión Dirección: Escuela de Medicina José María Vargas, Cátedra de Farmacología, piso 3. Esq. Pirineos. San José. Caracas-Venezuela. Telfs. 0212-5619871 E-mail: revistahipertension@gmail.com www.revistahipertension.com.ve Comercialización y Producción: Felipe Alberto Espino Telefono: 0212-881.1907/ 0416-811.6195 / 0412-363.4540 E-mail: felipeespino7@gmail.com Diseño de portada y diagramación: Mayra Gabriela Espino Telefono: 0412-922.25.68

E-mail: mayraespino@gmail.com

Instrucciones a los Autores

ALCANCE Y POLÍTICA EDITORIAL

La revista Latinoamericana de Hipertensión es una publicación biomédica periódica, arbitrada, de aparición trimestral, destinada a promover la productividad científica de la comunidad nacional e internacional en el área de Sistema Cardiovascular; así como todas aquellas publicaciones vinculadas a la medicina práctica en esta área. Su objetivo fundamental es la divulgación de artículos científicos y tecnológicos originales y artículos de revisión por invitación del Comité Editorial, asimismo, se admiten informes de investigaciones de corte cualitativo o cuantitativo; todos deben ser trabajos inéditos, no se hayan sometidos o hayan publicados en otra revista. El manuscrito debe ir acompañado de una carta solicitud firmada por el autor principal y el resto de los autores responsables del mismo. Está constituida por un Comité de redacción, organizado por Editor en Jefe, Editores Ejecutivos y Comité Editorial. Los manuscritos que publica pueden ser de autores nacionales o extranjeros, residentes o no en Venezuela, en castellano o en ingles (los resúmenes deben ser en ingles y castellano). Esta revista está incluida en las bases de datos de publicaciones científicas en salud: SCIENCE CITATION INDEX EXPANDED (SciSearch) OPEN JOURNAL SYSTEMS REDALYC (Red de Revistas Científicas de América Latina, el Caribe, España y Portugal) SCIELO (Scientific Electronic Library Online) LATINDEX (Sistema Regional de Información en Línea para Revistas Científicas de América Latina, el Caribe, España y Portugal) LIVECS (Literatura Venezolana para la Ciencias de la Salud) LILACS (Literatura Latinoamericana y del Caribe en Ciencias de la Salud) ELSEVIER BIBLIOGRAPHIC DATABASES: EMBASE, Compendex, GEOBASE, EMBiology, Elsevier BIOBASE, FLUIDEX, World Textiles, Scopus DRJI (Directory of Research Journal Indexing) PERIÓDICA (Índices de Revistas Latinoamericanas en Ciencias) REVENCYT (Índice y Biblioteca Electrónica de Revistas Venezolanas de Ciencias y Tecnología) SABER UCV A tales efectos, los manuscritos deben seguir las instrucciones siguientes: a.- Todo el proceso de revisión, edición y publicación se realiza vía correo electrónico y a través de la red, permitiendo de esta manera agilizar la edición, y que un amplio público pueda acceder de manera rápida y gratuita. b.- Los trabajos deben ser enviados como archivo en formato MS Word u openoffice no comprimido adjunto a un mensaje de correo electrónico en el que deben figurar: Los nombres y apellidos completos de todos los autores y el título del trabajo, el correo electrónico y dirección postal del autor de contacto. Después de haber recibido el trabajo enviaremos un correo electrónico como acuse de recibo. Orientaciones para la publicación Para la publicación de trabajos científicos en la revista Latinoamericana de Hipertensión, los mismos estarán de acuerdo con los requisitos originales para su publicación en Revistas Biomédicas, según el Comité Internacional de Editores de Revistas Biomédicas (Arch. lntern. Med. 2006:126(36):1-47), www.icmje.com. Además, los editores asumen que los autores de los artículos conocen y han aplicado en sus estudios la ética de experimentación Internacional, como es el caso de la Convención de Helsinki. En el caso de estudios clínicos hechos en Venezuela, debe mencionarse en la sección correspondiente a selección del paciente, si el estudio se realizo en apego a la Convención de Helsinki, Ley del ejercicio de la medicina y Normas de Investigación Clínica del Ministerio de Salud y Desarrollo Social, con el consentimiento informado y la aprobación del comité de ética correspondiente. Se aceptan como idiomas el español, francés, portugués e inglés. Los trabajos no deben pasar de un total de 25 páginas de extensión. Se debe revisar el trabajo eliminando todos los formatos ocultos innecesarios. Al comienzo del trabajo se debe incluir, y por este orden: título, autores, afiliación, dirección electrónica, resumen de no más de 200 palabras y listado de palabras clave. A continuación, en el caso de que el idioma no sea el inglés, versión en esta lengua del título (Title), resumen (Abstract) y palabras clave (Key words). Las referencias a artículos o libros figurarán en el texto, entre paréntesis, indicando el apellido del autor/a o autores/as y el año de edición, separados por una coma. Configuración de página Mecanografiar original a doble espacio, papel bond blanco, 216 x 279 mm (tamaño carta) con márgenes, Margen superior 2,4.Márgenes inferior, izquierdo y derecho 3. Encabezado 1,4. Pie de página 1,25. Sin citas a pie de página, en una sola cara del papel. Usar doble espacio en todo el original. Su longitud no debe exceder las 10 páginas, excluyendo el espacio destinado a figuras y leyendas (4-5) y tablas (4-5). Formato texto - Cada uno de los componentes del original deberá comenzar en página aparte, en la secuencia siguiente: a. Página del título. b. Resumen y palabras claves. c. Texto. d. Agradecimientos. e. Referencias. f. Tablas: cada una de las tablas en páginas apartes, completas, con título y llamadas al pie de la tabla. g. Para la leyenda de las ilustraciones: use una hoja de papel distinta para comenzar cada sección. Enumere las páginas correlativamente empezando por el título. El número de la página deberá colocarse en el ángulo superior izquierdo de la misma. La página del título deberá contener: - Título del artículo, en inglés y español conciso pero informativo. a. Corto encabezamiento de página, no mayor de cuarenta caracteres (contando letras y espacios) como pie de página, en la página del título con su respectiva identificación. b. Primer nombre de pila, segundo nombre de pila y apellido (con una llamada para identificar al pie de página el más alto grado académico que ostenta y lugar actual donde desempeña sus tareas el(los) autores. c. El nombre del departamento (s) o instituciones a quienes se les atribuye el trabajo. d. Nombre y dirección electrónica del autor a quien se le puede solicitar separatas o aclaratorias en relación con el manuscrito. e. La fuente que ha permitido auspiciar con ayuda económica: equipos, medicamentos o todo el conjunto. f. Debe colocarse la fecha en la cual fue consignado el manuscrito para la publicación. - La segunda página contiene un resumen en español y su versión en inglés, cada uno de los cuales tendrá de no más de 250 palabras. En ambos textos se condensan: propósitos de la investigación, estudio, método empleado, resultados (datos específicos, significados estadísticos si fuese posible) y conclusiones. Favor hacer énfasis en los aspectos nuevos e importantes del estudio o de las observaciones. Inmediatamente después del resumen, proporcionar o identificar como tales: 3-10 palabras claves o frases cortas que ayuden a los indexadores en la construcción de índices cruzados de su artículo y que puedan publicarse con el resumen, utilice los términos del encabezamiento temático (Medical Subject Heading) del lndex Medicus, cuando sea posible. - En cuanto al texto, generalmente debe dividirse en: introducción, materiales y métodos, resultados y discusión. Agradecimientos, sólo a las personas que han hecho contribuciones reales al estudio. Figuras, tablas y cuadros

- Deben ir centradas y dejar un espacio anterior 12. - Pies: Arial 10 normal justificada. Interlineado sencillo. Sangrado especial primera línea 0,50 cm. Espacio anterior 6 y posterior 12. No utilizar abreviaturas (Ejemplo Fig. 1 ó Tab. 1) sino palabra completa (Ejemplo Figura 1 ó Tabla 1). - Las tablas no deben ocupar más de una página, en caso de necesitar más espacio dividirla en varias y si no es posible incluirla como anexo. - Las figuras tipo imagen deben ser en formato JPG, PNG ó GIF con una resolución mínima aceptable que permita ver claramente su contenido. - Cuando se quiera presentar una sola figura a partir de varios cuadros de texto, seleccione los objetos y agrúpelos. - Es recomendable incluir en el manuscrito una hoja de leyendas de cada figura. Si se trata de microfotografías, citar la magnificación al microscopio ej. 50X y la técnica de coloración empleada. - La publicación de fotografías de pacientes identificables no esta permitida por razones éticas; enmascarar para que no sean identificables los pacientes. Ilustraciones: Deben ser de buena calidad; entregarlas separadas; las fotos, en papel brillante con fondo blanco, generalmente 9 x 12 cm. Las fotografías de especimenes anatómicos, o las de lesiones o de personas, deberán tener suficiente nitidez como para identificar claramente todos los detalles importantes. En caso de tratarse de fotos en colores, los gastos de su impresión correrán a cargo del autor(s) del trabajo. Lo mismo sucederá con las figuras que superen el número de cuatro. - Todas las figuras deberán llevar un rótulo engomado en el reverso y en la parte superior de la ilustración indicando número de la figura, apellidos y nombres de los autores. No escribir en la parte posterior de la figura. Si usa fotografía de personas, trate de que ésta no sea identificable o acompañarla de autorización escrita de la misma. Las leyendas de las ilustraciones deben ser mecanografiadas a doble espacio en página aparte y usar el número que corresponde a cada ilustración. Cuando se usen símbolos y fechas, números o letras para identificar partes en las ilustraciones, identifíquelas y explíquelas claramente cada una en la leyenda. Si se trata de microfotografía, explique la escala e identifique el método de coloración. Para el envío - Envíe un original inédito y dos copias impresas en un sobre de papel grueso, incluyendo copias fotográficas y figuras entre cartones para evitar que se doblen, simultáneamente envíe una versión electrónica en CD o a través del E-mail: revistahipertension@gmail.com, indicando el programa de archivo. Las fotografías deben venir en sobre aparte. Los originales deben acompañarse de una carta de presentación del autor en la que se responsabiliza de la correspondencia en relación a los originales. En ella debe declarar que conoce los originales y han sido aprobados por todos los autores; el tipo de artículo presentado, información sobre la no publicación anterior en otra revista, congresos donde ha sido presentado y si se ha usado como trabajo de ascenso. - Acuerdo de asumir los costos de su impresión en caso de fotos a color, autorización para reproducir el material ya publicado o ilustraciones que identifiquen a personas. - Cuando se refiere a originales, queda entendido que no se enviará artículo sobre un trabajo que haya sido publicado o que haya sido aceptado para su publicación en otra revista. - Todos los trabajos serán consultados por lo menos por dos árbitros en la especialidad respectiva. - La revista Latinoamericana de Hipertensión, no se hace solidaria con las opiniones personales expresadas por los autores en sus trabajos, ni se responsabiliza por el estado en el que está redactado cada texto. - Todos los aspectos no previstos por el presente reglamento serán resueltos por la Junta Directiva de la Revista. Referencias - Las referencias serán individualizadas por números arábicos, ordenados según su aparición en el texto. La lista de referencias llevará por título “Referencias” y su ordenamiento será según su orden de aparición en el texto. Para su elaboración usar el sistema Internacional. - Las citas de los trabajos consultados seguirán los requisitos de uniformidad para manuscritos presentados a revistas Biomédicas, versión publicada en: Ann lntern Med. 2006; 126(36): 1-47, www.icmje.com. No se aceptarán trabajos que no se ajusten a las normas. Las mismas aparecerán al final del artículo y deberán ajustarse al siguiente formato: Libros: Apellido, Iníciales del nombre. (Año de publicación). Título en letra cursiva. Ciudad: Editorial. Cheek, D.A. (1992). Thinking constructively about Science, Technology, and Society education. New York: State University of New York Press. Capítulos de libros: Apellido, Iniciales del nombre. (Año de publicación). Título del capítulo. En Inicial del nombre, Apellido del editor (Ed.), Título del libro en letra cursiva (páginas que comprende el capítulo). Ciudad: Editorial. Solomon, J.P. (1989).The social construction of school science. En R. Millar (Ed.), Doing science: Images of science in science education (pp. 126-136). New York: Falmer Press. Artículos de revistas: Apellido, Iniciales del nombre. (Año de publicación). Título del artículo. Nombre de la revista en letra cursiva, volumen, número, páginas. Rubba, P.A. y J.A. Solomon (1989). An investigation of the semantic meaning assigned to concepts affiliated with STS education and of STS Intructional practices among a sample of exemplary science teachers. Journal of Research in Science Teaching, 4, 26, 687-702. Para cualquier consulta relacionada con el formato de los trabajos dirigirse al editor. Proceso de revisión Los trabajos enviados serán revisados anónimamente por dos evaluadores o revisores. No se aceptan trabajos ya publicados anteriormente, tanto en soporte papel como electrónico. Aceptación y publicación Todos los manuscritos aceptados serán publicados tanto impresa como electrónicamente trimestralmente. La salida de cada número será anunciada previamente a los incluidos en la lista de correos de revistahipertension@gmail.com. No hay gastos de afiliación, de publicación ni de ningún otro tipo en la revista Latinoamericana de Hipertensiónl. La revista apoya las políticas para registro de ensayos clínicos de la Organización Mundial de la Salud (OMS) y del International Committee of Medical Journall Editors (ICMJE), reconociendo la importancia de esas iniciativas para el registro y divulgación internacional de Información sobre estudios clínicos, en acceso abierto. En consecuencia, solamente se aceptarán para publicación, a partir de 2007, los artículos de investigaciones clínicas que hayan recibido un número de identificación en uno de los Registros de Ensayo Clínicos validados por los criterios establecidos por OMS e ICMJE, cuyas direcciones están disponibles en el sitio del ICMJE. El número de Identificación se deberá registrar al final del resumen.

Revista Latinoamericana de Hipertensión. Vol. 10 - Nº 3, 2015

P lasma lipids and lipoproteins in newborns of preeclamptic patients and normotensive pregnant women

Lípidos y lipoproteínas plasmáticas en neonatos de pacientes preeclámpticas y de embarazadas normotensas

Objetivo: Comparar las concentraciones de lípidos y lipoproteínas plasmáticas en neonatos de pacientes preeclámpticas con embarazadas normotensas. Materiales y métodos: Se seleccionaron 100 pacientes que acudieron al Hospital Central “Dr. Urquinaona”, Maracaibo, Venezuela. Los grupos consistieron en preeclámpticas (grupo A; n = 50) y embarazadas normotensas sanas (grupo B; n = 50), consideradas como controles. Se evaluaron las concentraciones de lípidos - lipoproteínas maternas y neonatales. Resultados: No se encontraron diferencias estadísticamente significativas con relación a la edad materna y al índice de masa corporal materno entre ambos grupos (p = ns), pero si con respecto a la edad gestacional al momento del parto, presión arterial y proteinuria en 24 horas (p < 0,0001). Los neonatos del grupo A presentaron valores significativamente más bajos de colesterol y lipoproteínas de alta densidad comparados con los neonatos del grupo B (p < 0,0001). Las concentraciones de triglicéridos fueron más elevadas en los neonatos del grupo A comparado con aquellos del grupo B (p < 0,0001). Las concentraciones de lipoproteínas de baja densidad no mostraron diferencias significativas entre los dos grupos (p = 0,1224). No se observó correlaciones significativas entre las concentraciones de lípidos - lipoproteínas maternos y neonatales en el grupo A (p = ns). Conclusión: Los recién nacidos de pacientes preeclámpticas tienen concentraciones significativamente más bajas de colesterol y lipoproteínas de alta densidad y concentraciones más altas de triglicéridos comparado con los recién nacidos de embarazadas normotensas sanas. Palabras Clave: Lípidos, Lipoproteínas, Neonatos, Preeclampsia

Abstract

Resumen

Eucaris Andrade-Finol1, Eduardo Reyna-Villasmil1, Jorly Mejia-Montilla1, Joel-Santos-Bolívar1, Duly Torres-Cepeda1, Nadia Reyna-Villasmil2, Sandra Wilches-Durán, MgSc3, Modesto Graterol, MgSc, PhD3, Julio Contreras-Velásquez, MgSc3, Marco Cerda, MgSc3 1 Department of obstetrics and Gynecology – Maternidad “Dr. Nerio Belloso”. Hospital Central “Dr. Urquinaona”. Maracaibo, Zulia state. Venezuela 2 Research Center for Endocrine - Metabolic Disorders. Medicine Faculty. Universidad del Zulia. 3 Advanced Frontier Studies Research Group (ALEF). Universidad Simón Bolívar, sede Cúcuta, Colombia Correspondence to: Dr. Eduardo Reyna-Villasmil. Hospital Central “Dr. Urquinaona” El Milagro Avenue. Maracaibo, Zulia State. Venezuela. Phone number: 584162605233 e-mail: sippenbauch@gmail.com

Objective: To compare plasma lipids and lipoprotein concentrations in newborn of preeclamptic patients with normotensive pregnant women. Materials and method: A total of 100 patients were selected who assisted to Hospital Central “Dr. Urquinaona”, Maracaibo, Venezuela. Groups consisted in preeclamptic patients (group A; n = 50) and healthy normotensive pregnant women (group B; n = 50) considered as controls. Maternal and neonatal lipids and lipoprotein concentrations were evaluated. Results: There were not found significant differences related to maternal age and body mass index between groups (p = ns), significant differences were found in gestational age at time of delivery, blood pressure and 24-hour protein (p< 0.0001). Newborns of group A presented significant lower values of cholesterol and highdensity lipoprotein compared to newborns of group B (p<0.0001). Triglyceride concentrations were higher in newborn of group A compared to those in group B (p <0.0001). Low-density lipoprotein concentrations did not show significant difference between groups (p = ns). There were not observed significant correlation between maternal and neonatal lipids - lipoprotein concentrations in group A (p = ns). Conclusion: Newborns of preeclamptic patients have lower concentrations of cholesterol and high-density lipoprotein and higher concentrations of triglycerides compared to newborns of healthy normotensive pregnant women. Keywords: Lipids, Lipoproteins, Newborn, Preeclampsia.

During preeclampsia, TG concentrations increase compared to what is observed in normal pregnancy, especially in the third trimester1,10. Concentrations of HDL-C reduce as a result of TG concentrations. The change of lipoprotein concentrations during preeclampsia is considered an adaptive response to the placental failure1. Few studies have focused on the circulatory changes such as biochemists in fetuses and newborn infants in preeclamptic women. Previous studies have shown that preeclampsia is associated with changes in the endothelial function of the fetal circulation6. However, there is little literature cited about the concentrations of lipids and lipoproteins in newborns of preeclamptic patients; therefore, the aim of this research was to compare the plasma concentrations of lipids and lipoproteins in preeclamptic patients with normotensive pregnant women.

Materials and methods

Introduction 52

n normal pregnancies without complications there are changes in the lipid profile. A gestational increment of 300% has been described in the concentrations of triglycerides (TG), 25-50% of total cholesterol and variations in the concentrations of high density lipoproteins (HDL-C) and low density lipoproteins (LDL-C)1. The physiological basis for this gestational alteration is the nutrient supply to the rapidly growing fetus and the maternal energy needs2. The placental transportation of cholesterol is possible through the uptake of LDL-C by a receiver on the maternal side. The maternal TG is hydrolyzed by lipoprotein lipase and transported through the placenta by the proteins that bind to fatty acids3-5. Hypertension syndrome during pregnancy is a specific multi-systemic disorder of pregnancy in humans and a maternal-fetal morbidity and mortality cause. The specific etiology is still unknown. It has been reported that in preeclamptic there is an alteration of the lipid profile, activation of leukocytes, increment of the inflammatory response and oxidative stress in the maternal circulation6-8. The hypoperfused placenta is the potential source of reactive oxygen species and cytokines that can induce maternal inflammatory response9.

study of cases and controls was carried out from January 2014 to June 2015, which included patients with simple pregnancies referred to the Hospital Central “Dr. Urquinaona”, Maracaibo, Venezuela. A total of 100 pregnant women and their newborns were selected. Fifty preeclamptic and their newborns were included (group A) and a control group selected by having an age and body mass index similar to the study group, and consisted on 50 healthy pregnant women and their newborns (Group B). The research was approved by the Ethics Committee and Research of the hospital and a written consent of all patients was obtained. Pregnant women with polyhydramnios, third trimester bleedings (placenta abruptio, placenta praevia), suspect of the intrauterine fetal growth restriction (head circumference, abdominal girth and femur length under 10 percent of reference with postnatal weight confirmation less than 10 percent of reference), HELLP syndrome, fetal heart rate abnormalities, multiple gestations, active maternal or intrauterine infection, chronic hypertensive disease (before 20 weeks of pregnancy), treatment with antihypertensive drugs, cardiac, liver or renal disease, pre or gestational diabetes mellitus, those pregnant women or newborns in which blood samples cannot be obtained and patients who have used drugs which alter plasma lipid concentration and smoking habit, were excluded. Also, patients who have refused to participate in the research were excluded. Preeclampsia was defined as systolic blood pressure of 140 mm Hg or more or diastolic blood pressure of 90 mm Hg or more, confirmed for 6 hours or more of difference, while the proteinuria is defined as 300 mg or more of protein in a 24-hour sample, or 1-2 proteinuria crosses in a qualitative examination after 20 weeks of gestation. Blood pressure was measured in the sitting position after 15 minutes of rest using a 14 cm-sleeve standard mercury upper-arm device. The systolic and diastolic blood pressure (taken in relation to the fifth Korotkoff sound) was compared to the 2 mm Hg nearest point. The palpatory method was used to verify the auscultation of systolic blood pressure readings. The systolic and diastolic blood pressures were calculated from the average of the blood pressure in each arm. Blood samples (10 ml) were collected from the antecubital vein in all patients before giving birth and immediately after the diagnosis, and the sample was clotted at room temperature. Twenty milliliters of blood were placed in a tube with K2 acetic acid (1 mg/ml final concentration) and heparin. In the newly born the blood sample was obtained (5 ml) immediately after the birth. Plasma was stored at

Revista Latinoamericana de Hipertensión. Vol. 10 - Nº 3, 2015

-80°C, centrifuged at low speed and lipid and lipoprotein measures were done immediately after.

Table 2 shows the values of maternal and neonatal lipids and lipoproteins of the patients and infants in each group. The concentrations of cholesterol, TG, HDL-C and LDL-C were significantly more elevated in patients of group A compared to the patients of group B (p<0.0001). Newborns in group A had significantly lower values of cholesterol and HDL-C (74.9 ±10.4 mg/dL and 32.1 ± 3.6 mg/dL, respectively) compared to newborns of group B (89.3 ±10.7 mg/dL and 52.7 ± 2.8 mg/dL, respectively; p<0.0001). TG concentrations were higher in newborns of group A compared to those of group B (47.1 ± 8.0 mg/ dL compared to 38.8 ± 6.4 mg/dL; p<0.0001). LDL-C concentrations did not show significant differences between the two groups (p = 0.1224).

Plasma total cholesterol, TG and HDL-C measurements were performed by a modification of the standard protocol of research clinic of lipids, using enzymatic reagents for determining the lipids. Total cholesterol and TG were measured using automate enzymatic methods (COBAS® integrate cholesterol and COBAS® integrate triglycerides) on a Roche/Hitachi® 74 Analyzer. The concentrations of HDL-C were determined after the selective precipitation using manganese-heparin and after the enzymatic determination of cholesterol. The concentrations of LDL-C were calculated using the Friedwald formula (LDL-C = cholesterol - HDL-C - (TG/5)).

Table 2. Maternal and neonatal lipid profile GROUP A GROUP B Cases Controls (n = 50) (n = 50) Maternal Cholesterol, mg/dL 311.0 ± 24.3 260.1 ± 26.9 Triglycerides, mg/dL 342.1 ± 39.4 216.4 ± 29.1 HDL-C, mg/dL 56.2 ± 3.8 50.2 ± 2.2 LDL-C, mg/dL 181.8 ± 20.9 156.9 ± 24.0 Newborn Cholesterol, mg/dL 74.9 ± 10.4 89.3 ± 10.7 Triglycerides, mg/dL 47.1 ± 8.0 38.8 ± 6.4 HDL-C, mg/dL 32.1 ± 3.6 52.7 ± 2.8 LDL-C, mg/dL 39.3 ± 6.7 37.1 ± 7.4

he characteristics of preeclamptic women (group A) and normotensive pregnant women (group B) are shown in table 1. Statistically significant differences were not found in relation to the age and maternal body mass index (p = ns), but there were observed in the gestational age at the time of delivery, the systolic and diastolic blood pressure and 24-hour proteinuria (p<0.0001). It was observed that newborns of the patients from group A presented average weights significantly lower than newborn of pregnant women from group B (2872 ±309 grams compared to 3635 ±369 grams; p<0.0001). GROUP B Controls (n = 50)

Age/years

21.4 ± 3.0

22.1 ± 3.4

0.2777

Gestational age at the moment of the delivery, weeks

36.4 ± 1.1

38.3 ± 1.1

< 0.0001

Body mass index, Kg/m2

28.8 ± 2.0

28.9 ± 1.6

0.7831

152.6 ± 18.2

119.2 ± 11.9

< 0.0001

Diastolic blood pressure, mm de Hg

96.6 ± 8.0

71.1 ± 9.0

< 0.0001

Proteinuria, g/24 horas

4.06 ± 1.87 0.12 ± 0.05 < 0.0001

Weight grams

2872 ± 309 3635 ± 369 < 0.0001

Systolic blood pressure, mm de Hg

the

newborn,

< 0.0001 < 0.0001 < 0.0001 < 0.0001 < 0.0001 < 0.0001 < 0.0001 0.1224

Table 3. Correlations in the parameters of the maternal/newborn lipid profile

Table 1. General characteristics GROUP A Cases (n = 50)

Significant correlations between the concentrations of cholesterol, TG and HDL-C were observed in all subjects of both groups (p<0.05) by correlating the concentrations of lipids and lipoproteins with maternal and fetal concentrations (table 3), but this correlation proved to be significant when they were analyzed in the group of cases and in the control groups, which may be due, in part, to the small number of cases in both groups (p = ns). The weight of newborn of preeclamptic women only showed weak, negative and significant correlation with concentrations of LDL-C neonatal (Figure 5; r = -0.299; p<0.05).

Cholesterol Triglycerides HDL-C LDL-C

Both groups

Controls

Cases

- 0.302* 0.388* - 0.664* 0.146

0.143 0.067 - 0.195 - 0.109

0.199 - 0.221 0.065 0.052

* p < 0.05.

Discussion

Results

The data is presented as mean values ±standard deviation. The statistical analysis of the two groups was performed with the inference statistical test for unrelated data to compare the demographic characteristics and the lipid and lipoprotein concentrations. Pearson test was used to establish the correlations between maternal and newborn concentrations of lipids and lipoproteins. It was also used to establish the relationship between the lipid and lipoprotein concentrations and the weight of newborns. P<0.05 was considered statistically significant.

he results of this research confirm changes in the concentrations of lipids and lipoproteins in newborns of preeclamptic women compared to newborns of healthy normotensive pregnant women. On the other hand, the data from this current research

confirm previous findings of low concentrations of lipids in the newborns compared to maternal concentrations4,5. Normal pregnancy is associated with physiological hyperlipidemia, which is emphasized in preeclampsia11. In this research, preeclamptic women showed significantly higher values of TG compared to normal pregnant women. Different authors have reported that TG concentrations in preeclampsia may lead to an â&#x20AC;&#x153;atherogenic stateâ&#x20AC;? 12,13. It has also been described that the increment of TG concentrations is a risk factor for cardiovascular disease14.

Maternal TG does not cross the placental barrier, but the TG on maternal lipoproteins is hydrolyzed by lipase-placental lipoprotein and the resulting fatty acids are transferred across the placenta by proteins that bind to fatty acids. The positive regulation of this mechanism may increase the transport of fatty acids through the placenta to provide substrate to the fetal liver for the synthesis of TG3,15. Reaching the fetal circulation non- esterified fatty acids can be transported to the fetal liver for the synthesis of TG3. The findings of this research show the tendency to maternal hypertriglyceridemia and high concentrations of LDLC in preeclamptic women compared to healthy controls, which has previously been reported10,12,16. Obesity is associated with dyslipidemia and abdominal-visceral fat correlates with increased plasma concentrations of TG and a decrease of HDL-C concentrations17. Body mass index is a risk factor for the development of preeclampsia and due to the influence of the body mass index on plasma lipids in pregnancy18,19. In this research, this possible confusing element was limited. It could be demonstrated by controlling the effects of the body mass rate on the lipid profile that the concentrations of lipids and lipoproteins in infants are affected by preeclampsia. The metabolism of lipoproteins in the fetus is still unknown. In the fetus, the metabolism of HDL-C is different from the metabolism in adults20. The HDL-C forms a complex with the apoprotein E, the main acceptor of lipids and is captured by cells through the lipoprotein receptor. This movement of cholesterol plays an important role in the development of tissues. It is possible that maternal high concentrations of HDL-C may be involved in the transfer of cholesterol from the placenta to the fetal circulation by the ABCA1 transporter, which is highly expressed in this tissue21. HDL-C rich in apoprotein E is important in the redistribution of cholesterol from tissues, where they appear in high concentrations, to tissues that need cholesterol for the metabolic processes. The increment of maternal lipids during preeclampsia may cause changes in the amount of lipids that cross the placenta, leading to modifications in the concentrations of neonatal lipids and lipoproteins. It is known that human placenta expresses large quantities of lipoproteins receptors and HDL-C receptors play an important role in the

uptake of maternal lipoproteins for the steroid placental metabolism22,23. It has been shown that during the first trimester, trophoblast cells express SR-BI (a receiver of HDLC) and it can work as effective supply route of cholesteryl esters of maternal lipoproteins to the fetal tissue24. It is important to mention that neonatal lipid profile did not provide significant correlations with values of maternal lipids and lipoproteins in preeclamptic women neither in normotensive pregnant women. This could indicate that the circulating concentrations of maternal lipids available for the placental uptake are not probably the main determinant of the lipid profile of infants. Changes in lipids of newborns may be an appropriate physiological response to an adverse intrauterine environment. Transportation mechanisms can be modified to compensate the structural and oxidative damage of the placenta25,26. The concentration of lipids may alter due to an incomplete development or immaturity of biochemical processes involved in the metabolism. It has been reported that newborns who are small for their gestational age present alterations in the use of the circulating TG, consistent with the peripheral fat depletion27. Alterations in the lipid profile in infants of preeclamptic women can be attributed to the response of acute and chronic stress. Long-term stress can alter the fetal production of hormones such as cortisol, with effects on lipid metabolism. The correlation observed between concentrations of LDLC with the weight of the newborn of preeclamptic patients can be explained by the persistent decrease in the activity of the receptors of LDL-C associated with alterations in fetal liver growth16,22. Preeclampsia can lead to under-nourishment of the secondary fetus to utero-placental vascular insufficiency). The fetus responds to this state (particularly during the third trimester) keeping the brain growth at the expense of body growth22. This affects the liver, which grows rapidly in the last quarter, and it seems that it also affects the metabolism of LDL-C16. The data found in newborns of preeclamptic patients show high concentrations of cholesterol and TG with low concentrations of HDL-C. Therefore, the lipid profile of these infants would be, in relation to the group of control newborns, more atherogenic. These changes in the lipid profile of newborns of preeclamptic patients may have a negative effect during adulthood since it is related to the possible risk of atherosclerosis. Considering the changes in the lipid profile in this group of infants, it would be interesting to investigate if they have any difference in the risk factors compared to infants of normotensive pregnant women in a subsequent period. This can provide information about the metabolism of lipoproteins and, on the risk and importance of studying these subjects in the development of cardiovascular disease in adult life. It is concluded that the infants of preeclamptic patients have significantly lower concentrations of cholesterol and

Revista Latinoamericana de Hipertensión. Vol. 10 - Nº 3, 2015

high-density lipoprotein, and higher concentrations of triglycerides compared to newborns of normotensive pregnant patients.

References 1. Sattar N, Greer IA, Louden J, Lindsay G, McConnell M, Shepherd J, et al. Lipoprotein subfraction changes in normal pregnancy: threshold effect of plasma triglyceride on appearance of small, dense low density lipoprotein. J Clin Endocrinol Metab. 1997;82(8):2483-91. 2.

Mortensen K, Tawia S. Sustained breastfeeding. Breastfeed Rev. 2013;21(1):22-34.

3. Duttaroy AK. Transport of fatty acids across the human placenta: a review. Prog Lipid Res. 2009;48(1):52-61. 4.

Merzouk H, Madani S, Korso N, Bouchenak M, Prost J, Belleville J. Maternal and fetal serum lipid and lipoprotein concentrations and compositions in type 1 diabetic pregnancy: relationship with maternal glycemic control. J Lab Clin Med. 2000;136(6):441-8.

5. Pac-Kozuchowska E. Evaluation of lipids, lipoproteins and apolipoproteins concentrations in cord blood serum of newborns from rural and urban environments. Ann Agric Environ Med. 2007;14(1):25-9. 6. Catarino C, Santos-Silva A, Belo L, Rocha-Pereira P, Rocha S, Patrício B, et al. Inflammatory disturbances in preeclampsia: relationship between maternal and umbilical cord blood. J Pregnancy. 2012;2012:684384. 7. Lok CA, Jebbink J, Nieuwland R, Faas MM, Boer K, Sturk A, et al. Leukocyte activation and circulating leukocyte-derived microparticles in preeclampsia. Am J Reprod Immunol. 2009;61(5):346-59.

14. Miller M, Cannon CP, Murphy SA, Qin J, Ray KK, Braunwald E, et al. Impact of triglyceride levels beyond low-density lipoprotein cholesterol after acute coronary syndrome in the PROVE IT-TIMI 22 trial. J Am Coll Cardiol. 2008;51(7):724-30. 15. Herrera E, Amusquivar E, López-Soldado I, Ortega H. Maternal lipid metabolism and placental lipid transfer. Horm Res. 2006;65 Suppl 3:59-64. 16. Ogura K, Miyatake T, Fukui O, Nakamura T, Kameda T, Yoshino G. Low-density lipoprotein particle diameter in normal pregnancy and preeclampsia. J Atheroscler Thromb. 2002;9(1):42-7. 17. Reaven GM. Insulin resistance, the insulin resistance syndrome, and cardiovascular disease. Panminerva Med. 2005;47(4):201-10. 18. Pouta A, Hartikainen AL, Sovio U, Gissler M, Laitinen J, McCarthy MI, et al. Manifestations of metabolic syndrome after hypertensive pregnancy. Hypertension. 2004;43(4):825-31. 19. Stewart FM, Freeman DJ, Ramsay JE, Greer IA, Caslake M, Ferrell WR. Longitudinal assessment of maternal endothelial function and markers of inflammation and placental function throughout pregnancy in lean and obese mothers. J Clin Endocrinol Metab. 2007;92(3):969-75. 20. Nagasaka H, Chiba H, Kikuta H, Akita H, Takahashi Y, Yanai H, et al. Unique character and metabolism of high density lipoprotein (HDL) in fetus. Atherosclerosis. 2002;161(1):215-23. 21. Wenzel JJ, Kaminski WE, Piehler A, Heimerl S, Langmann T, Schmitz G. ABCA10, a novel cholesterol-regulated ABCA6-like ABC transporter. Biochem Biophys Res Commun. 2003;306(4):1089-98. 22. Poirier S, Mayer G, Benjannet S, Bergeron E, Marcinkiewicz J, Nassoury N, et al. The proprotein convertase PCSK9 induces the degradation of low density lipoprotein receptor (LDLR) and its closest family members VLDLR and ApoER2. J Biol Chem. 2008;283(4):2363-72

8. Szarka A, Rigó J Jr, Lázár L, Beko G, Molvarec A. Circulating cytokines, chemokines and adhesion molecules in normal pregnancy and preeclampsia determined by multiplex suspension array. BMC Immunol. 2010;11:59.

23. Wadsack C, Tabano S, Maier A, Hiden U, Alvino G, Cozzi V, et al. Intrauterine growth restriction is associated with alterations in placental lipoprotein receptors and maternal lipoprotein composition. Am J Physiol Endocrinol Metab. 2007;292(2):E476-84.

9. Howlader MZ, Parveen S, Tamanna S, Khan TA, Begum F. Oxidative stress and antioxidant status in neonates born to pre-eclamptic mother. J Trop Pediatr. 2009;55(6):363-7.

24. Wadsack C, Hammer A, Levak-Frank S, Desoye G, Kozarsky KF, Hirschmugl B, et al. Selective cholesteryl ester uptake from high density lipoprotein by human first trimester and term villous trophoblast cells. Placenta. 2003;24(2-3):131-43.

10. Bayhan G, Koçyigit Y, Atamer A, Atamer Y, Akkus Z. Potential atherogenic roles of lipids, lipoprotein(a) and lipid peroxidation in preeclampsia. Gynecol Endocrinol. 2005;21(1):1-6.

25. Jauniaux E, Burton GJ. Morphological and biological effects of maternal exposure to tobacco smoke on the feto-placental unit. Early Hum Dev. 2007;83(11):699706.

11. Belo L, Caslake M, Santos-Silva A, Castro EM, Pereira-Leite L, Quintanilha A, et al. LDL size, total antioxidant status and oxidised LDL in normal human pregnancy: a longitudinal study. Atherosclerosis. 2004;177(2):391-9.

26. Chelchowska M, Ambroszkiewicz J, Gajewska J, Laskowska-Klita T, Leibschang J. The effect of tobacco smoking during pregnancy on plasma oxidant and antioxidant status in mother and newborn. Eur J Obstet Gynecol Reprod Biol. 2011;155(2):132-6.

12. Belo L, Caslake M, Gaffney D, Santos-Silva A, Pereira-Leite L, Quintanilha A, et al. Changes in LDL size and HDL concentration in normal and preeclamptic pregnancies. Atherosclerosis. 2002;162(2):425-32.

27. Kelishadi R, Badiee Z, Adeli K. Cord blood lipid profile and associated factors: baseline data of a birth cohort study. Paediatr Perinat Epidemiol. 2007;21(6):518-24.

13. Serdar Z, Gür E, Develioğlu O. Serum iron and copper status and oxidative stress in severe and mild preeclampsia. Cell Biochem Funct. 2006;24(3):209-15.

Manuel Velasco (Venezuela) Editor en Jefe - Felipe Alberto Espino Comercialización y Producción Reg Registrada en los siguientes índices y bases de datos:

SCOPUS, EMBASE, Compendex, GEOBASE, EMBiology, Elsevier BIOBASE, FLUIDEX, World Textiles, OPEN JOURNAL SYSTEMS (OJS), REDALYC (Red de Revistas Científicas de América Latina, el Caribe, España y Portugal), LATINDEX (Sistema Regional de Información en Línea para Revistas Científicas de América Latina, el Caribe, España y Portugal) LIVECS (Literatura Venezolana para la Ciencias de la Salud), LILACS (Literatura Latinoamericana y del Caribe en Ciencias de la Salud) PERIÓDICA (Índices de Revistas Latinoamericanas en Ciencias), REVENCYT (Índice y Biblioteca Electrónica de Revistas Venezolanas de Ciencias y Tecnología) SCIELO (Scientific Electronic Library Online), SABER UCV, DRJI (Directory of Research Journal Indexing) CLaCaLIA (Conocimiento Latinoamericano y Caribeño de Libre Acceso), EBSCO Publishing, PROQUEST.

ubchorionic hematoma volume in the first trimester and risk of spontaneous abortion Volumen del hematoma sub-coriónico en el primer trimestre y riesgo de aborto espontáneo

Abstract

Objective: to establish an association between subchorionic hematoma volume and risk of spontaneous abortion. Methods: patients with viable intrauterine pregnancy between 6 and 13 weeks were included and with diagnosis of subchorionic hematoma with or without genital bleeding and visible heart rate by ultrasound. Patients were divided into two groups depending on the interruption or continuity of pregnancy: patients who presented spontaneous abortion and patients who continued with their pregnancy after the first trimester. Settings: Maternity “Dr. Armando Castillo Plaza” and Hospital “Dr. Urquinaona”. Maracaibo, Venezuela. Results: Two hundred patients were selected. The gestational age at the moment of the ultrasound evaluation was 9.2 ± 2.0 weeks and the mean value of subchorionic hematoma volume was 22.4 ± 12.2 cm3. The rate of spontaneous abortion in the group was 33.5%. Patients who presented spontaneous abortion did not show significant differences in the maternal age and gestational age at the moment of the ultrasound evaluation compared to those who continued with their pregnancy (p = ns). Patients with spontaneous abortion presented higher mean values of subchorionic hematoma volume (p = 0.05). Relative risk were significant for groups who presented hematomas considered big (relative risk = 1.74; interval confidence 95%, 1.20 – 2.44) and very big (relative risk = 4.19, interval confidence 95%, 2.51 – 7.02; p < 0.05). Conclusion: There is an association between the first trimester subchorionic hematoma volume and an increased risk of spontaneous abortion. Keywords: Subchorionic hematoma; Spontaneous abortion; Risk; Ultrasound; Pregnancy.

Resumen

Isabel Benavides-Reyes, MD1, Eduardo Reyna-Villasmil, MD, PhD2, Jorly Mejia-Montilla, MgSc, PhD2, Duly Torres-Cepeda, MD2, Yolimar Navarro-Briceño, MD1, Joel Santos-Bolívar, MD2, Nadia Reyna-Villasmil, MgSc, PhD2, Anny Cuevas-González, MD2, Sandra Wilches-Durán, MgSc3, Modesto Graterol, MgSc, PhD3, Julio Contreras-Velásquez, MgSc3, Marco Cerda, MgSc3 1 Diagnostic Imaging Department. Maternidad “Dr. Armando Castillo Plaza”. Maracaibo, Venezuela 2 Department of obstetrics and Gynecology – Obstetrics “Dr. Nerio Belloso”. Hospital Central “Dr. Urquinaona”. Maracaibo. Venezuela 3 Advanced Frontier Studies Research Group (ALEF). Universidad Simón Bolívar, sede Cúcuta, Colombia Short title: Subchorionic hematoma and risk of spontaneous abortion Correspondence to: Dr. Eduardo Reyna-Villasmil. Hospital Central “Dr. Urquinaona” End of Milagros Avenue. Maracaibo, Zulia State. Venezuela. Phone number: 584162605233 e-mail: sippenbauch@gmail.com

Objetivo: Establecer la asociación entre el volumen del hematoma subcoriónico en el primer trimestre y riesgo de aborto espontáneo. Métodos: Se incluyeron pacientes con embarazos intrauterinos viables entre 6 y 13 semanas y diagnóstico de hematoma subcoriónico con o sin sangrado genital y frecuencia cardiaca visible por ultrasonido. Las pacientes fueron posteriormente divididas en dos grupos dependiendo de la interrupción o no del embarazo: pacientes que presentaron abortos espontáneos y pacientes que continuaron con el embarazo más allá de la primera mitad de este. Ambiente: Maternidad “Dr. Armando Castillo Plaza” y Hospital Central “Dr. Urquinaona”. Maracaibo, Venezuela. Resultados: se seleccionaron 200 pacientes. La edad gestacional al momento de la evaluación ecográfica de 9,2 ± 2,0 semanas y el volumen promedio del hematoma subcoriónico de 22,4 ± 12,2 cm3. La tasa de aborto espontáneo en el grupo de pacientes seleccionadas fue de 33,5%. Las pacientes que presentaron abortos no presentaron diferencias significativas en edad materna y edad gestacional al momento de la evaluación ecográfica comparado con las pacientes que continuaron con el embarazo (p = ns). Las pacientes con abortos presentaron valores promedio mayores del volumen del hematoma subcoriónico (p = 0,05). El riesgo relativo fue significativo para los grupos que presentaron hematomas considerados grandes (riesgo relativo = 1,74; intervalo de confianza 95%, 1,20 2,44) y muy grandes (riesgo relativo = 4,19; intervalo de confianza 95%, 2,51 – 7,02; p < 0,05). Conclusión: Existe asociación entre el volumen del hematoma subcoriónico en el primer trimestre y aumento del riesgo de aborto espontáneo. Palabras claves: Hematoma subcoriónico; Aborto espontáneo; Riesgo; Ecografía; Embarazo.

ubchorionic hematomas are common ultrasound findings that can be associated with bleedings of the first trimester of pregnancy, occurring in 5-25% of all the pregnancies, and normally diagnosed accidentally or during the evaluation of patients with bleeding1,2. Many sonographers report the presence or absence of subchorionic hematoma, not only to supply an explanation of maternal symptoms but also as a forecast sign of the probable result of the pregnancy3,4. These hematomas are generally hypoechoic or anechoic, with elevated areas of the placental edge that separates the uterine wall from the chorion and may be diagnosed early during the first trimester5,6. Subchorionic hematomas usually originate from the placenta. The mechanisms that relate them with obstetric complications may rely on the fact that the bleeding between the chorionic membrane and the uterine wall produces a lot of effects on the development and complications of the pregnancy7. In most of the cases, the etiology is unknown, but can be associated with pre-existing medical pathologies such as autoimmune diseases and immunological factors8,9. There are reports that have described the association of the diagnosis of subchorionic hematoma with different complications during pregnancy10. Some reports have suggested that the hematoma increases the risk of alterations of the intrauterine growth, causes premature abruption of the placenta, premature break of membranes, preeclampsia and preterm delivery11. However, other researchers have not confirmed these facts12,13. There are controversies about the possible association of different secondary obstetric pathologies of subchorionic hematoma with the number of pregnancies, volume of subchorionic hematoma, maternal age, gestational age at the moment of the diagnosis and the frequency of abortions1,2,14,15, but the association between the volume of the subchorionic hematoma and the risk of spontaneous abortion has not yet been completely established. The objective of this research was to establish the association between the volume of the subchorionic hematoma in the first quarter of pregnancy and the risk of spontaneous abortion.

Materials and methods

Introduction

Revista Latinoamericana de Hipertensión. Vol. 10 - Nº 3, 2015

he research was carried out in pregnant women during their first trimester. They attended the obstetrics emergency of the maternity “Dr. Armando Castillo Plaza” and Hospital “Dr. Urquinaona”, from July 2013 to November of 2014. The research was approved by the Committee of ethics and research of both hospitals and a written consent of patients was obtained. Patients with viable intrauterine pregnancies between 6 and 13 weeks were included with diagnosis of subchorionic hematoma with or without genital bleeding and visible heart rate by ultrasound. During the research were excluded patients with multiple pregnancies, not viable pregnancies, presence of pathological conditions such as uterine fibroids, polyps or congenital anomalies, systemic pathologies as endocrinopathies, liver diseases, alterations of the coagulation, kidney or autoimmune diseases. Additionally, those patients who refused to participate in the research or those whose follow-up was impossible to perform. All patients underwent full interrogation in which were included medical, surgical and obstetric backgrounds. A previous sonogram was asked, made before their inclusion in the research. The gestational age was confirmed by the date of the last menstrual period and by any ultrasound evaluation before the exploration, and in case of any discrepancy greater of 7 days between both calculations, the result of this last was used. The ultrasound evaluation was performed exclusively by an investigator and with the same Ultrasound (General Electric® Logiq Pro 3) with 3.5 transducers and 5 Mhz in real time, in longitudinal, oblique, and transverse plans to have a better appreciation of the hematoma. All patients with living embryos or fetuses and subchorionic hematomas were reevaluated in intervals of 7 to 10 days, repeating the evaluation until the resolution of the subchorionic hematoma, an interruption of pregnancy or that it exceeds 20 weeks. Subchorionic hematoma is defined as hypoechoic or anechoic areas, with elevated areas and free of echoes between the chorionic membrane and the myometrium. The volume of the hematoma was estimated by measuring the following diameters: transverse, anteroposterior and maximum longitudinal and multiplying these values by 0.52 and expressed in cubic centimeters (cm3). The 0.52 correction factor is used to correct the shape of the hematoma, as suggested by Stabile and collaborators16. The patients were divided in two groups depending on the interruption or continuity of pregnancy: patients that presented abortions and patients who continued with their pregnancy more beyond the first half of it. Subsequently, these patients were divided into quartiles accord-

ing to the volume of the hematoma and divided in four groups: small, medium, big and very big hematoma. This division allowed establishing the association between the volume of the subchorionic hematoma and the risk of spontaneous abortion. The data analysis was performed using the t Student test for the quantitative data and Fischer exact test for the qualitative data. The logistic regression analysis was used to estimate the relative risk of spontaneous abortion controlling simultaneously all the risk factors included in this research (maternal age, number of pregnancies, gestational age at the moment of the ultrasound evaluation and volume of subchorionic hematoma). Tendency tests were conducted using the binary logistic regression. Relative risk was calculated for those cases in the group of moderate, big, and very big hematoma according to the volume of the subchorionic hematoma contrasted to the group of small hematoma. P< 0.05 was considered statistically significant.

Results

wo hundred patients were selected during the research period with ultrasonography evidence of living embryo-fetus and subchorionic hematoma during the first quarter, whose characteristics are shown in table 1. The maternal age average of patients was 28.7 ± 8.2 years with a gestational age at the time of the ultrasound evaluation of 9.2 ±2.0 weeks and the average volume of the subchorionic hematoma was of 22.4 ± 12.2 cm3.

Table 2. Characteristics of the patients according to the interruption or continuity of the pregnancy Patients with abortion (n = 67)

Patients without abortion (n = 133)

Age, years

28.8 ± 6.4

27.8 ± 8.3

Previous pregancies, number

1.8 ± 1.1

1.9 ± 1.0

9.5 ± 1.8

9.1 ± 2.0

32.0 ± 15.0

17.6 ± 6.4

< 0.05

Gestational age at the moment of the ultrasound, weeks Volume of the subchorionic hematoma, cm3

The relative risk of pregnancy interruption among the groups with different volumes of subchorionic hematoma is shown in table 3. No statistically significant differences were found in the maternal age, number of pregnancies and gestational age at the time of the ultrasound evaluation between the groups of patients with medium, big and very big hematomas compared with the group of small hematomas (p = ns). The relative risk was significant for the groups that presented hematomas considered big (relative risk = 1.74) and very big (relative risk = 4.19; P for tendency < 0.05). Medium hematomas showed no differences in the relative risk compared with the small hematomas (p = ns). The risk adjustment by maternal age, number of pregnancies and week when the ultrasound evaluation was performed did not modify the risk (p = ns). Table 3. Relative risk of abortion according to volume quartiles of subchorionic hematoma

Abortion, n (%)

Small (n = 50) 5 (10)

n = 200 28.7 ± 8.3 1.9 ± 1.1

Gestational age at the moment of the ultrasound, weeks

Volume of the 9.6 ± 2.3 hematoma, cm3 Rank of the hematoma, 6 - 14 cm3 Age, years 30.7 ± 6.2

9.2 ± 2.0

Previous pregancies, n

Volume of the subchorionic hematoma, cm3

22.4 ± 12.2

Gestational age at the moment of the ultrasound, weeks

Table 1. General Characteristics n (%) Age, years Previous pregancies, number

The rate of spontaneous abortion in the group of selected patients was 33.5%. The characteristics of the patients who presented abortions compared with those that did not present interruption of the pregnancy are shown in the table 2. Even though the patients who presented abortions had a higher maternal age (28.8 ± 6.4 years compared with 27.8 ±8.3 years) and a higher gestational age at the moment of the evaluation (9.5 ± 1.8 weeks compared with 9.1+ /- 2.0 weeks) both differences were considered not significant (p = ns). However, it was observed that the patients with abortions presented average values higher to the volume of the subchorionic hematoma (32.0 ± 15.0 cm3) compared with the patients who continued their pregnancy (17.6 ± 6.4 cm3; p = 0.05).

Medium (n = 50) 9 (18)

Big (n = 50) 15 (30)

Very big (n = 50) 38 (76)

17.1 ± 1.7

23.7 ± 2.3

39.6 ± 10.0

15 - 20

21 - 27

28 - 58

28.5 ± 6.7

27.6 ± 5.5

27.9 ± 6.6

1.7 ± 1.1

2.0 ± 1.2

2.0 ± 1.1

1.8 ± 1.1

9.4 ± 1.8

9.2 ± 2.0

9.1 ± 2.1

9.3 ± 2.0

Relative risk

1.34

1.74

4.19

Trustable interval of 95%

0.86 – 2.11 1.20 – 2.44 2.51 – 7.02

Revista Latinoamericana de Hipertensiรณn. Vol. 10 - Nยบ 3, 2015

Discusion

hematoma, maternal age, gestational age at the moment of the ultrasound evaluation and number of pregnancies as possible risk factors in pregnancies complicated with subchorionic hematoma in the first quarter. ubchorionic hematomas are common findings during the ultrasound evaluation in the first trimester of pregnancy. The clinical effects of their presence during this time are not completely known6. Some authors have reported a significant association with spontaneous abortions and other pregnancy complications such as preeclampsia, placental abnormalities and preterm delivery3,15. The results of the current research show that the presence of subchorionic hematomas over 20 cm3 is associated with a marked increase in the risk of spontaneous abortion. Subchorionic bleeding is not well recognized in the ultrasound literature. There are two factors that probably contribute to confuse the diagnosis: the thickness of membranes and the consistency of the hematoma, which can be confused with amniotic liquid when it is anechoic, with the myometrium when it is isoechoic and with the placenta when it is hyperechoic4. Subchorionic hematoma probably occurs because of the marginal placental abruption during the first half of pregnancy. Because of unknown reasons, the blood, instead of storing behind the placenta as occurs in the third quarter, opens through the chorionic membrane, with compression of the gestational sac, and then steps toward the cervical canal. The echogenicity of the hematoma usually depends on evaluation time with respect to the first episode. The fresh blood is usually anechoic, when organized it becomes more echogenic and when it starts to hemolyze it becomes anechoic4. Different researches have tried to correlate pregnancy complications with different clinical and ultrasound findings. Two studies did not find any correlation between different obstetric complications and the volume of the hematoma17,18. However, other studies found that the volume of the hematoma had a significant correlation with complications during pregnancy. Sauerbrei and collaborators19 found that the volume of the hematoma was the main prognostic factor related to complications of pregnancy, suggesting that patients with hematomas smaller than 60 cm3 and a relative volume of 0.4 with respect to the gestational sac have more favorable results. Other two investigations20,21 reported that patients with hematomas bigger than 50 ml have increased complications during pregnancy. In the current research is found that pregnant women with hematomas bigger than 20 cm3 have greater risk of spontaneous abortion. The current research evaluated the association between the risk of spontaneous abortion and the volume of the

Maternal age is considered an independent risk factor for complications during pregnancy because there is a strong correlation with chromosome and structural anomalies of the fetus6. The results of the research did not show a relationship between the spontaneous abortion and the increase of the maternal age, which is contrary to the reported by Bennett and collaborators22. The risk of spontaneous abortion is independent to the gestational age at the time of the ultrasound evaluation, contrary to what was reported before in which the risk of abortion increased 2.4 times when the hematoma was diagnosed before the 9 weeks2,6. A prospective study conducted by Dongol and collaborators23 reported that abortion occurred in 27% of the evaluated patients, which is markedly lower than the observed in the current investigation. The findings of this research did not show a significant relation between gestational age at the time of the ultrasound evaluation of the subchorionic hematoma and the development of abortion, which is contrary the information reported before1,2,14. It has been described that the rate of abortion is higher at a lower gestational age. The relation between the volume of the hematoma and complications of pregnancy, particularly in relation to spontaneous abortion, is controversial14,24. When classifying in quartiles the volume of the hematoma in small, medium, big and very big, the abortion rate obtained in each category is 12%, 20%, 30% and 82%, respectively. The relative risk of abortion is 1.74 for big hematomas (21-27 cm3) compared with the small hematomas and 4.19 for very big hematomas (28-58 cm3) compared with the small hematomas (6-14 cm3). This is similar to the information reported by Bennet and collaborators22 and contrary to what has been reported by Pedersen and collaborators12. The subchorionic bleeding can affect pregnancy in several ways. Theoretically, a hematoma of big volume can threaten the continuity of the pregnancy by the effect of the direct pressure volume. It can also depend on the location of the hematoma, its distance from the location of the placenta and the volume of the hematoma25. The bleeding during the first trimester with or without the formation of the hematoma can be associated with a chronic inflammatory reaction in the decidua producing persistent myometrial activity and interruption of the pregnancy26. It is known that approximately in two thirds of interrupted pregnancies there are alterations in the placentation, characterized by more fine and fragmented layers of the trophoblast and a reduction of the citotrophoblastic invasion in spiral arteries leading to a weakening and eventual rupture of the placental structures27.

Conclusion

12. Pedersen JF, Mantoni M. Large intrauterine haematomata in threatened miscarriage. Frequency and clinical consequences. Br J Obstet Gynaecol. 1990;97:75-7. 13. Clifford K, Rai R, Regan L. Future pregnancy outcome in unexplained recurrent first trimester miscarriage. Hum Reprod. 1997;12:387-9.

The findings of this research allow concluding that there is a relation between the volume of the subchorionic hematoma in the first trimester and increased risk of spontaneous abortion.

References 60

1. Nagy S, Bush M, Stone J, Lapinski RH, Gardó S. Clinical significance of subchorionic and retroplacental hematomas detected in the first trimester of pregnancy. Obstet Gynecol. 2003;102:94-100. 2. Maso G, D’Ottavio G, De Seta F, Sartore A, Piccoli M, Mandruzzato G. First-trimester intrauterine hematoma and outcome of pregnancy. Obstet Gynecol. 2005;105:339-44. 3. Johns J, Hyett J, Jauniaux E. Obstetric outcome after threatened miscarriage with and without a hematoma on ultrasound. Obstet Gynecol. 2003;102:483-7. 4. Masselli G, Brunelli R, Di Tola M, Anceschi M, Gualdi G. MR imaging in the evaluation of placental abruption: correlation with sonographic findings. Radiology. 2011;259:222-30 5. Yamada T, Atsuki Y, Wakasaya A, Kobayashi M, Hirano Y, Ohwada M. Characteristics of patients with subchorionic hematomas in the second trimester. J Obstet Gynaecol Res. 2012;38:180-4. 6. Leite J, Ross P, Rossi AC, Jeanty P. Prognosis of very large first-trimester hematomas. J Ultrasound Med. 2006;25:1441-5. 7. Saraswat L, Bhattacharya S, Maheshwari A, Bhattacharya S. Maternal and perinatal outcome in women with threatened miscarriage in the first trimester: a systematic review. BJOG. 2010;117:245-57. 8. Ramírez-Alvarado M, Oñate de González N, González-Amaro C, González-Cintra C, Sanoja-Breña A. Anticuerpos antifosfolípidos y anticuerpos antinucleares en pacientes con pérdidas de embarazo y pacientes con infertilidad primaria. Salus. 2005;9:28-31. 9. Gumus II, Uslu H, Bavbek N, Turhan N. Multifactorial thrombophilia in a pregnancy: a case report. Clin Appl Thromb Hemost. 2008;14:112-5. 10. Johns J, Jauniaux E. Placental haematomas in early pregnancy. Br J Hosp Med (Lond). 2007;68:32-5

14. Sharma G, Kalish RB, Chasen ST. Prognostic factors associated with antenatal subchorionic echolucencies. Am J Obstet Gynecol. 2003;189:994-6. 15. Jauniaux E, Johns J, Burton GJ. The role of ultrasound imaging in diagnosing and investigating early pregnancy failure. Ultrasound Obstet Gynecol. 2005;25:613-24. 16. Stabile I, Campbell S, Grudzinskas JG. Ultrasonic assessment of complications during first trimester of pregnancy. Lancet. 1987;2:1237-40. 17. Bloch C, Altchek A, Lavy-Ravetch M. Sonography in early pregnancy: The significance of subchorionic hemorrhage. Mt Sinai J Med. 1989;56:290-292. 18. Pasquier JC, Doret M. Fetal membranes: embryological development, structure and the physiopathology of the preterm premature rupture of membranes. J Gynecol Obstet Biol Reprod (Paris). 2008;37:579-88. 19. Sauerbrei EE, Pham DH. Placental abruption and subchorionic hemorrhage in the first half of pregnancy: US appearance and clinical outcome. Radiology. 1986;160:109-12. 20. Mantoni M, Pedersen JF. Intrauterine haematoma. An ultrasonic study of threatened abortion. Br J Obstet Gynaecol. 1981;88:47-51. 21. Ben-Haroush A, Yogev Y, Mashiach R, Meizner I. Pregnancy outcome of threatened abortion with subchorionic hematoma: possible benefit of bed-rest? Isr Med Assoc J. 2003;5:422-4. 22. Bennett GL, Bromley B, Lieberman E, Benacerraf BR. Subchorionic hemorrhage in first-trimester pregnancies: prediction of pregnancy outcome with sonography. Radiology. 1996;200:803-6. 23. Dongol A, Mool S, Tiwari P. Outcome of pregnancy complicated by threatened abortion. Kathmandu Univ Med J (KUMJ). 2011;9:41-4. 24. Mäkikallio K, Tekay A, Jouppila P. Effects of bleeding on uteroplacental, umbilicoplacental and yolk-sac hemodynamics in early pregnancy. Ultrasound Obstet Gynecol. 2001;18:352-6. 25. Kurjak A, Schulman H, Zudenigo D, Kupesic S, Kos M, Goldenberg M. Subchorionic hematomas in early pregnancy: clinical outcome and blood flow patterns. J Matern Fetal Med. 1996;5:41-4. 26. Poulose T, Richardson R, Ewings P, Fox R. Probability of early pregnancy loss in women with vaginal bleeding and a singleton live fetus at ultrasound scan. J Obstet Gynaecol. 2006;26:782-4. 27. Ball E, Robson SC, Ayis S, Lyall F, Bulmer JN. Early embryonic demise: no evidence of abnormal spiral artery transformation or trophoblast invasion. J Pathol. 2006;208:528-34.

11. Papageorghiou AT, Avgidou K, Bakoulas V, Sebire NJ, Nicolaides KH. Risks of miscarriage and early preterm birth in trichorionic triplet pregnancies with embryo reduction versus expectant management: new data and systematic review. Hum Reprod. 2006;21:1912-7.

Manuel Velasco (Venezuela) Editor en Jefe - Felipe Alberto Espino Comercialización y Producción Reg Registrada en los siguientes índices y bases de datos:

Revista Latinoamericana de Hipertensión. Vol. 10 - Nº 3, 2015

étodos de segmentación de imágenes cardiacas: Fundamentos y alcance Medical Imaging Segmentation Methods: Foundations and Scope

Abstract

Resumen

Yoleidy Huérfano, MgSc1, Miguel Vera, MgSc. PhD2*, Atilio Del Mar, MD3, José Chacón, MgSc, PhD2, María Vera, MD1, Nahid Bautista, MgSc2, María Sofía Martínez, MD4, Joselyn Rojas, MD, MgSc4,7, Julio Contreras, MgSc5, Modesto Graterol Rivas, MgSc, PhD6, Sandra Wilches, MgSc5, Miguel Aguirre. MD, MgSc4, Marcos Cerda, MgSc5, Carlos Garicano, MD5, Juan Diego Hernández Ing, MgSc4, Victor Arias, Ing5 Rosemily Graterol, MgSc6, Maricarmen Chacín, MD, MgSc4, Armando Peña, MgSc5, Valmore Bermúdez, MD, MPH, MgSc, PhD4, Antonio Bravo, MgSc, PhD8 1 Grupo de Investigación en Procesamiento Computacional de Datos (GIPCD-ULA) Universidad de Los Andes-Táchira, Venezuela. 2 Grupo de Investigación en Ingeniería Biomédica del Caribe (INGEBIOCARIBE), Universidad Simón Bolívar, Colombia. E-mail de correspondencia: veramig@gmail.com*. 3 Instituto de Bioingeniería y Diagnóstico Sociedad Anónima (IBIDSA), San Cristóbal, Venezuela. e-mail: atiliodelmar@yahoo.com 4 Centro de Investigaciones Endocrino-Metabólicas “Dr. Félix Gómez” (CIEM). Facultad de Medicina. Universidad del Zulia, Venezuela. 5 Grupo de Investigación Altos Estudios de Frontera (ALEF), Universidad Simón Bolívar, Cúcuta, Colombia. 6 Centro de Estudios de la Empresa. Universidad del Zulia, Venezuela 7 Pulmonary and Critical Care Medicine Department. Brigham and Women’s Hospital. Harvard Medical School. Boston, MA. USA 02115. 8 Coordinación de Investigación Industrial, Decanato de Investigación, Universidad Nacional Experimental del Táchira, San Cristóbal, Venezuela. e-mail: antonio.j.bravo@gmail.com

La segmentación de estructuras cardiacas es un problema de gran interés para la comunidad médica internacional y, en particular, para los especialistas en cardiología ya que la segmentación de tales estructuras es útil para la cuantificación y el monitoreo de la función cardiovascular. Por otra parte, la segmentación de imágenes cardiacas constituye un verdadero desafío, debido a que: 1) el corazón realiza movimientos no rígidos de naturaleza compleja, 2) la presencia de bajo contraste entre el fluido sanguíneo y los tejidos que componen dichas estructuras, y 3) la presencia de artefactos y de ruido. Por estas razones, mediante el presente trabajo se presenta una revisión de los diversos métodos utilizados para la segmentación de imágenes cardiacas, en las diversas modalidades de imagenología. Adicionalmente, se presenta una aproximación al problema de segmentación de las estructuras cardiacas y se analizan los fundamentos teóricos de los métodos de segmentación más utilizados en el área médica. Palabras clave: Ecocardiografía, Tomografía axial computarizada, enfermedad arterial coronaria, métodos de segmentación, insuficiencia cardíaca.

ardiac structures segmentation is a great interest issue to medical community, particularly, in cardiology since the segmentation of heart structures is useful for quantification and monitoring of cardiovascular function. Moreover, segmentation of cardiac imaging is a real challenge, because three main technical problems: 1) not rigid and complex nature of cardiac movements’ production, 2) low contrast between blood fluid and cardiac tissues, and 3) the presence of artifacts and noise. For these reasons, through this work, a review of several methods for segmenting cardiac imaging by several image techniques is presented. Additionally, an approach to cardiac structures segmentation problem is displayed and cardiac segmentation methods theoretical foundations are analyzed. Keywords: ecocardiography, computed axial tomography, coronary artery disease, segmentation methods, heart failure.

Introducción 62

l principal objetivo del presente trabajo es realizar una revisión y un análisis del estado del arte de los métodos de segmentación de imágenes cardiacas usando diversas modalidades de imagenología médica. En los últimos años, en el contexto de la medicina, se ha desarrollado un gran interés por la segmentación de imágenes médicas, particularmente, las de tipo cardiaco debido a dos motivaciones centrales. Por una parte, está el alto índice de muertes que anualmente producen las enfermedades de índole cardiaca, según lo reporta la Organización Mundial de la Salud, ente que ubica este tipo de enfermedades, como la primera causa de muerte en el mundo1. Y por la otra, como un dato de referencia fundamental, es necesario indicar la invaluable utilidad que la segmentación de imágenes cardiacas representa para la comunidad médica internacional, debido a que la información derivada de dicha segmentación, permite la valoración y el monitoreo de la función cardiovascular2. La Sección 1, plantea el problema de la segmentación de las estructuras cardiacas; mientras que en la Sección 2, se presentan los principios teóricos que fundamentan los métodos de segmentación y se describen algunas metodologías desarrolladas para la segmentación de las estructuras cardiacas. Finalmente, se construyen las conclusiones derivadas del proceso de revisión de las referidas técnicas de segmentación. 1. Breve descripción del problema de segmentación de imágenes cardiacas En el contexto médico, es rutinario extraer información muy útil de las imágenes adquiridas mediante diversas modalidades imagenológicas tales como Ultrasonido (US), Resonancia magnética (MRI), Tomografía computarizada convencional (CT) y multicapa (MSCT), Tomografía computarizada por emisión de positrones (PET), Tomografía por emisión de fotones simples (SPECT), entre otras. Habitualmente, los médicos especialistas fijan su atención en una escena, órgano, objeto ó región particular y hacen uso de su experiencia para establecer un diagnóstico. Muchas veces estos especialistas deben desarrollar un proceso de delineación del órgano que se desea estudiar (segmentación manual) para obtener parámetros de interés clínico que fundamenten su diagnóstico. Durante el desarrollo de la segmentación manual los médicos deben procesar un número importante de capas o imágenes cuya agrupación ordenada y sistemática conforman la estructura del órgano sujeto a análisis. Formalmente, la segmentación de imágenes es una técnica de procesamiento digital de imágenes que permite obtener una descripción precisa de la forma

de los objetos presentes en una escena. La segmentación es también la partición de una imagen en muchas regiones no solapadas3. Luego de aplicar el proceso de segmentación, es posible generar tantas regiones independientes como objetos presentes en la imagen considerada. Adicionalmente, es importante señalar que la segmentación de imágenes médicas constituye un problema abierto ya que cada modalidad de imagenología genera enormes cantidades de información la cual, típicamente, contiene una serie de imperfecciones debido a múltiples factores entre los que se pueden mencionar: ruido, artefactos, no-homogeneidad de los tejidos que conforman el cuerpo humano, entre otros Además, la segmentación de estructuras presentes en imágenes cardiacas constituye un problema desafiante debido a diversas razones, entre las que cabe señalar: complejidad y diversidad de los movimientos no rígidos que presenta el corazón2, el bajo contraste entre el fluido sanguíneo y los tejidos que componen las estructuras cardiacas, la presencia de artefactos (el paciente, durante el proceso de adquisición de las imágenes, puede moverse, respirar de manera no controlada o toser) y por la generación de ruido aleatorio (como el producido por la línea de alimentación de los equipos de adquisición de las imágenes)4. Como consecuencia de ello, todas las modalidades imagenológicas generan imágenes con múltiples imperfecciones lo cual constituye el principal obstáculo a superar cuando se pretende extraer la morfología de cualquier órgano o escena de interés. Sólo con el propósito de describir las mencionadas imperfecciones será considerada, a manera de ejemplo, las imágenes derivadas de tomografía computarizada multicapa (MSCT). La MSCT produce imágenes en las que se aprecia, con facilidad, un tipo de ruido denominado Poisson el cual es de naturaleza no aditiva y se caracteriza por ser dependiente de la intensidad que posee cada vóxel en la imagen. En tales imágenes, el ruido Poisson se manifiesta mediante la aparición de intensidades aleatorias, de aspecto granuloso, que se producen por efectos inherentes a la naturaleza del fenómeno de emisión de fotones de rayos X y al equipo usado durante la adquisición5. La figura 1, muestra este tipo de ruido en una imagen cardiaca de MSCT.

Revista Latinoamericana de Hipertensión. Vol. 10 - Nº 3, 2015 Figura 1: Vista axial de una imagen cardiaca de MSCT, en la que se observa el aspecto granular indicativo de la presencia de ruido Poisson.

De manera complementaria, en el ámbito del procesamiento digital de imágenes, el termino artefacto es atribuido, teóricamente, a una discrepancia sistemática entre las intensidades pertenecientes a las imágenes obtenidas luego de un proceso de reconstrucción y los verdaderos valores para los coeficientes de atenuación de los objetos presentes en la imagen real6. Particularmente, las imágenes cardiacas de MSCT sincronizadas con la onda R del ECG, son fuertemente sensitivas a cambios del latido cardiaco. En este sentido, debido a fallos en tal sincronización se pueden producir tanto la superposición de capas como artefactos generados por el movimiento del corazón. Además, la adquisición de imágenes en fases inconsistentes del ciclo cardiaco puede generar artefactos que pueden ser visualizados en vistas axiales de tales imágenes7, tal y como lo muestra la figura 2 en la cual se destacan los dos artefactos (escalera y banda oscura) que aparecen con mayor frecuencia en las imágenes de Figura 2

MSCT cardiaca.

Por otra parte, diversas técnicas han sido propuestas para reducir el efecto del ruido y de los artefactos durante la generación de las imágenes de MSCT. La mayoría de estas técnicas están orientadas hacia la disminución del impacto en la calidad de tales imágenes tanto del ruido como de los artefactos relacionados con el paciente como, por ejemplo, los artefactos producidos por movimientos voluntarios o involuntarios del paciente o aquellos generados por objetos localizados en su cuerpo8,9,10. Sin embargo, a pesar de los esfuerzos de los desarrolladores de software y de las casas fabricantes de tomógrafos para corregir tal impacto, aún persisten ciertos factores que habilitan su generación y por ende su aparición notoria en las imágenes de MSCT afectando la calidad de las mismas. La situación descrita en el párrafo anterior, debería promover la creación de técnicas computacionales, aplicables pos adquisición, que permitan abordar el problema de los artefactos y de la presencia de ruido en las imágenes de MSCT de manera que se pueda elevar la calidad de tales imágenes y posibilitar un apoyo clínico que facilite a los cardiólogos la emisión de diagnósticos precisos, prescribir tratamientos efectivos y, de ser necesario, planificar intervenciones quirúrgicas. Adicionalmente, como se verá en la próxima sección, en un intento por dar alternativas de solución al problema de segmentación de las estructuras cardiacas, se ha desarrollado una serie de algoritmos para generar segmentaciones automáticas o semiautomáticas, las cuales requieren diversos grados de interacción por parte del usuario. A pesar de este gran esfuerzo, no existe una metodología robusta y eficiente que haya sido validada clínicamente y que permita resolver el problema de la segmentación en imágenes cardiacas para cada una de las diversas modalidades de adquisición de imágenes, ya mencionadas. Por esta razón, en la actualidad, se sigue promoviendo el desarrollo de investigaciones tendientes a abordar, efectivamente, los problemas descritos. En este sentido, como un esquema general, derivado de la revisión de las referencias bibliográficas especializadas en el área, se puede afirmar que el algoritmo de segmentación más efectivo se obtiene configurando cuidadosamente, combinaciones de componentes y ajustando los parámetros de estos componentes de acuerdo tanto con la modalidad usada, como con los atributos de las estructuras cardiacas, candidatas a ser segmentadas11. 2. Métodos de segmentación de imágenes: fundamentos y aplicaciones en imágenes cardiacas

Imágenes cardiacas de MSCT, en las que se puede observar: a) Bandas horizontales de diversas tonalidades que afectan la calidad de la imagen (Artefacto banda oscura). b) Discontinuidades dramáticas del contorno que delimita las estructuras cardiacas (Artefacto escalera).

Los métodos de segmentación cardiaca desempeñan un papel fundamental en el análisis de las imágenes cardiacas, el diagnóstico de enfermedades cardiacas, el modelamiento geométrico de dichas estructuras y en la construcción de modelos biomecánicos utilizados

en la simulación de cirugías cardiacas12. Debido a ello, la segmentación manual, semi-automática y automática ha sido ampliamente desarrollada en procesamiento de imágenes médicas cardiacas. En el trabajo clásico de Pham et al.13, se propone una clasificación para diversos métodos utilizados en la segmentación de imágenes médicas. Mediante ella se agrupan los métodos de la siguiente forma: A. Métodos de umbralización, B. Métodos basados en crecimiento de regiones, C. Métodos de aprendizaje, D. Métodos de agrupamiento, E. métodos físicos y F. Métodos guiados por atlas. 64

Así, el problema de la segmentación de estructuras cardiacas ha sido abordado mediante distintas técnicas como, por ejemplo: 1) Los métodos de crecimiento de regiones para extraer contornos prominentes y discontinuidades entre regiones no homogéneas de una imagen. 2) Los métodos guiados por atlas que han sido empleados para separar regiones de acuerdo a sus características visuales (2). Particularmente, Sun et al.14 introdujeron un modelo Bayesiano para segmentar recursivamente objetos presentes en secuencias de imágenes cardiacas obtenidas por resonancia magnética. En este método, la segmentación del ventrículo izquierdo o en cada instante cardiaco se basa no solo en la información del instante actual sino también en la información que suministra la predicción pasada y futura de los contornos estimados inicialmente. Otra metodología que también ha sido aplicada en la segmentación de imágenes, es la basada en modelos de contornos activos tipo serpiente. Este modelo representa una curva parametrizada que permite segmentar objetos, permitiendo deformaciones que tienden hacia las zonas de bajo potencial y aislando contornos en la imagen; las optimizaciones de este algoritmo se iniciaron con la configuración de la suavidad con la que la curva tiende hacia los contornos. Este modelo posee limitaciones, ya que depende de las condiciones iniciales, de la parametrización de la curva, la habilidad para manejar estructuras con múltiples componentes y la estimación de las propiedades geométricas de la curva15. Adicionalmente, son extensas y muy variadas las investigaciones que se han desarrollado a nivel mundial tratando de producir técnicas capaces de segmentar las estructuras presentes en imágenes cardiacas generándose diversas aplicaciones prácticas como, por ejemplo, la presentada por Yamamoto et al.16, quienes desarrollaron una herramienta para la visualización 4D de las estructuras cardiacas presentes en secuencias de imágenes obtenidas por MSCT. Esta herramienta permite calcular, de manera semi-automática, la fracción de eyección y una curva del volumen cardiaco para la estimación del movimiento y el volumen del ventrículo izquierdo. Este modelo, también incluye el uso de una herramienta de selección de una región de interés.

A. Métodos de Umbralización Los métodos de umbralización requieren ajustar el umbral de detección a un nivel que permita separar el fondo de una imagen del resto de los objetos presentes en la misma de una forma óptima. A continuación se presenta una síntesis de los métodos de umbralización considerados en los trabajos de Palmn et al.13 y Sezging et al.17. Métodos basados en la forma del histograma: En este caso, los picos, los valles y las curvaturas de los histogramas correspondientes a las imágenes son analizados. Métodos basados en agrupamientos: En ellos, las muestras de nivel de gris son agrupadas en dos regiones -el fondo y los objetos que no pertenecen a él- o alternativamente estas muestras son modeladas como una mezcla de funciones gaussianas. Métodos basados en entropía: En estos, se utilizan como métodos de segmentación la entropía tanto del fondo como de los objetos y la entropía cruzada entre la imagen binarizada y la original. Métodos basados en los atributos de los objetos: Estos métodos establecen una medida de similaridad entre las imágenes binarizadas y las imágenes en nivel de gris, tales como similaridad de la forma difusa y coincidencia de los bordes, entre otros. Métodos espaciales: utilizan una distribución de probabilidad de alto orden, así como la correlación entre los píxeles para realizar la segmentación. Métodos locales: Estos métodos adaptan el valor de un umbral sobre cada píxel a características locales de la imagen. Umbralización básica: Se compara la intensidad de cada píxel de una imagen con un nivel de gris de referencia (que se establece de acuerdo con cada aplicación particular). A este nivel de referencia, usualmente, se denomina umbral de referencia. Luego se aplica uno o más criterios que permite generar la imagen umbralizada. Uno de los criterios más utilizados es el siguiente: si la intensidad del píxel considerado supera el valor de referencia se le asigna el máximo nivel de gris presente en la imagen; en caso contrario, al píxel considerado se le asigna el mínimo nivel de gris presente en la imagen. Este tipo de umbralización es, frecuentemente, usado como un paso inicial en otros algoritmos de umbralización18. Umbralización de banda: Este método es similar a la umbralización básica solo que utiliza dos valores umbrales (uno superior y uno inferior), y asigna al píxel sometido a estudio el nivel de gris máximo, presente en la imagen, si el valor de intensidad del píxel está comprendido entre los umbrales, en caso contrario le asigna el nivel de gris mínimo de la imagen considerada18. Umbralización por Percentiles: Este método se utiliza normalmente como un paso preliminar en la umbralización básica. El umbral es calculado como el valor de intensidad (nivel de

Revista Latinoamericana de Hipertensión. Vol. 10 - Nº 3, 2015

gris) obtenido de la sumatoria acumulativa de las intensidades de los píxeles más cercanos al percentil considerado19. Umbralización óptima: Este tipo de umbralización selecciona un valor umbral estadísticamente óptimo basado en los contenidos de la imagen. Una aplicación de este tipo de umbralización lo constituye el método de Otsu. Para encontrar el umbral óptimo, este método minimiza la varianza intraclases, definida como una suma pesada de las varianzas de las dos clases representadas por el fondo de una imagen y los objetos presentes en ella. El método de Otsu es muy dependiente de establecer el nivel de umbral óptimo para generar segmentaciones de buena calidad20. Umbralización adaptativa: Esta umbralización divide la imagen en regiones y cada región es umbralizada a partir de un valor umbral que depende del contenido de cada región (el umbral se adapta). El valor umbral de una región se selecciona como la suma pesada del valor de intensidad promedio de la región y un valor umbral global. Normalmente, este valor global es seleccionado por un método de umbralización óptima13. Como un ejemplo de aplicación de las técnicas de umbralización descritas se puede describir el trabajo de Silva et al.21. Estos investigadores presentan un algoritmo semiautomático para segmentar el ventrículo izquierdo en imágenes de MSCT. La investigación se desarrolla mediante dos fases. Por una parte, estiman, para cada instante del ciclo cardiaco, una región de interés adecuada que contenga el Ventrículo izquierdo y por la otra, realizan un sub-muestreo de los niveles de gris de los píxeles, presentes en el epicardio, estableciendo así un adecuado intervalo de intensidad. Aplicando un método de umbralización por banda y apoyándose en los resultados obtenidos de las fases descritas, logran segmentar tanto el epicardio como el endocardio; no obstante, los referidos investigadores no reportaron parámetros que permitan inferir la calidad y eficiencia de su algoritmo, tales como sensibilidad y especificidad. B. Métodos basados en el crecimiento de regiones El crecimiento de regiones es una técnica que permite extraer (de una imagen) regiones que son conectadas de acuerdo a un criterio predefinido. Este criterio puede estar basado en los contornos o en la información de la intensidad de la imagen22. En su forma más simple, este método requiere un punto semilla que puede ser seleccionado manual o automáticamente, de forma de extraer todos los píxeles conectados a la semilla. Con la finalidad de aplicar el crecimiento de regiones, teóricamente, se debe cumplir que: a) La unión de todas las regiones debe generar la imagen completa. b) La intersección de dos regiones cualesquiera debe ser vacía. c) Un píxel es agregado a una región, si y solo si, ese píxel cumple con ciertos criterios predefinidos como23: 1.Comparar el nivel de gris de la semilla, con el nivel de gris de cada

píxel presente en la imagen. Si la diferencia absoluta de estos niveles es menor o igual a cierto umbral, el píxel objeto de estudio es agregado a la región, en caso contrario no es agregado; 2.Comparar el nivel de gris de la semilla, con el nivel de gris promedio de los píxeles presentes en una vecindad de la semilla. Si la diferencia absoluta de estos niveles es menor o igual a cierto umbral, el píxel objeto de estudio es agregado a la región, en caso contrario no es agregado; 3. Este criterio es similar al anterior. La diferencia, con respecto al segundo criterio, es que el umbral se calcula como el producto de una constante (proporcionada por el usuario) y la varianza de la intensidad de los píxeles, que conforman una vecindad de la semilla24. Son varios los trabajos de segmentación que han sido desarrollados utilizando entre sus componentes el crecimiento de regiones. Así por ejemplo, Okuyama et al.25, introdujeron un algoritmo semiautomático 3D basado en crecimiento de regiones para obtener el contorno ventricular izquierdo y medir parámetros asociados con dicha estructura, tales como la masa, fracción de eyección y función ventricular. El método fue aplicado a 50 bases de datos de imágenes obtenidas mediante tomografía computarizada multicapa y al comparar los resultados con un estudio de cateterismo cardiaco presentó una sensibilidad del 96%. Una solución factible para la segmentación del ventrículo izquierdo en imagen es de MSCT y para la estimación de su movimiento fue desarrollada por Bravo et al.2. Este método se basa en la aplicación de máquinas de soporte vectorial, el algoritmo de crecimiento de regiones y un algoritmo 2D de correspondencia no rígida, el cual fue utilizado para hacerle seguimiento a los marcadores anatómicos detectados con la máquina de soporte vectorial. Para el proceso de segmentación del referido ventrículo, el error de posición promedio fue de 1.38 mm, el cual es más pequeño que el error de posición promedio de 1.85 mm reportado por Assen et al.26. El algoritmo de estimación del movimiento es validado, inicialmente, usando data sintética correspondiente a superficies del ventrículo izquierdo, adquiridas de una base de imágenes reales bajo la modalidad de SPECT. El error promedio de posición obtenido para el algoritmo de estimación de movimiento sobre 42 imágenes fue de 2.69 mm. C. Métodos basados en máquinas de aprendizaje Los algoritmos basados en máquinas de aprendizaje son aquellos que permiten aprender de la experiencia con respecto a alguna clase de tareas y una medida de desempeño27. Generalmente, existen dos tipos de esquemas de aprendizaje en este tipo de métodos: 1) El aprendizaje supervisado, en el cual la salida ha sido dada mediante un proceso de etiquetaje o la máquina de aprendizaje tiene algún conocimiento a priori de la data; y 2) un aprendizaje no supervisado donde la máquina de aprendizaje no recibe ninguna información a priori acerca de la data o de la salida esperada.

Las principales tareas que puede desempeñar una máquina de aprendizaje son la caracterización y agrupación de los datos de entrada (Proceso de Clasificación) y la realización de aproximaciones funcionales de los datos de entrada (Proceso de predicción o regresión)28. En cuanto a la categorización de los métodos basados en máquinas de aprendizaje, Tan et al.29, propusieron la siguiente clasificación: a) sistemas de aprendizaje basados en decisiones, b) sistemas de aprendizaje estadístico y c) sistemas de aprendizaje adaptativo.

a. Sistemas basados en árboles de decisiones: El núcleo más representativo de los sistemas de aprendizaje basado en decisiones, está constituido por los árboles de decisión. Ellos permiten crean un modelo basado en la estructura de un árbol. Los nodos en el árbol representan atributos, con ramas que representan posibles valores de selección de esos atributos. Una hoja representa una clase que finaliza en una serie de nodos y ramas. La determinación de la clase de un ejemplo, para su clasificación se hace obteniendo la ruta de los nodos y las ramas hacia las hojas terminales30. Por otra parte, las redes neurales artificiales representan un paradigma de los sistemas basados en aprendizaje estadístico y pueden ser usadas para la segmentación de imágenes. En imagenología médica, este tipo de redes se ha implementado como un detector de marcadores anatómicos cardiacos, es decir, se ha empleado como un clasificador que funciona en base a una distribución de «pesos», los cuales son determinados durante el proceso de entrenamiento. Luego, se aplica el proceso de validación que consiste en el uso de las referidas redes para clasificar imágenes que no han sido empleadas durante el proceso de entrenamiento. Las redes neurales artificiales también pueden ser usadas de una manera no supervisada desarrollando la función de un método de agrupamiento13. b. Sistemas de aprendizaje estadístico: Como una evolución de este tipo de redes, surgen las máquinas de soporte vectorial (SVM), las cuales constituyen una metodología basada en la teoría de aprendizaje estadístico creada por Vapnik31. Esta técnica utiliza para la toma de decisiones el principio de minimización del riesgo estructural31. Las SVM son herramientas eficientes de regresión y de clasificación no paramétricas32. En problemas de clasificación las SVM son usadas para construir una función discriminante para separar las clases usando los vectores más cercanos a la superficie de decisión28. Una variante de las SVM, denominada máquinas de soporte vectorial de mínimos cuadrados (LSSVM), puede ser obtenida empleando análisis discriminante de Fischer y reemplazando el sistema de INECUACIONES original, que modela a toda SVM, por un sistema de ECUACIONES equivalente, el cual puede ser resuelto más eficientemente que el sistema original33. Adicionalmente, a diferencia de otros sistemas de clasificación basados en máquinas de aprendizaje, como las redes neurales artificiales, la LSSVM utiliza la minimización del riesgo estructural, el cual eleva a niveles óptimos la

capacidad de generalización de esas máquinas, haciendo posible que las LSSVM se desempeñen, adecuadamente, en el proceso de validación superando en este aspecto a las referidas redes neurales34. c. Sistemas de aprendizaje adaptativo: En este caso se presenta el algoritmo de aprendizaje adaptativo y supervisado (AdaBoost) que toma un conjunto de muestras vectorizadas y etiquetadas, una distribución de pesos y un clasificador, denominado débil, para generar, mediante el proceso de entrenamiento, un clasificador fuerte, luego de que el algoritmo itera T veces35. En cada iteración t el AdaBoost entrena un clasificador débil para que clasifique las referidas muestras. De acuerdo a la forma como este tipo de clasificador se desempeñe, el algoritmo redistribuye los pesos asignándole menos peso a las muestras bien clasificadas y un peso mayor a las muestras mal clasificadas. De esta forma, se tiene un criterio para que el siguiente clasificador se enfoque en estas últimas muestras repitiendo, iterativamente, este proceso hasta que se obtenga un alto desempeño del clasificador36. Como un excelente ejemplo de aplicación de estos métodos basados en máquinas de aprendizaje, Zheng et al.4, presentan un algoritmo automático, eficiente y robusto para segmentar volúmenes de imágenes cardiacas obtenidos con la modalidad CT. Para ello, se emplean filtros direccionables y una técnica denominada aprendizaje en espacios marginales, que detectan de manera independiente cada una de las cámaras del corazón en un número elevado de bases de datos, formulando la segmentación de las cavidades cardiacas como un problema de aprendizaje, estructurado en dos etapas: localización de las estructuras anatómicas y delineación de los contornos de dichas estructuras. La técnica de aprendizaje marginal es utilizada para resolver el problema de búsqueda de la transformación de similaridad que permitirá establecer la localización de las cuatro cavidades cardiacas. Luego de determinar la pose de las referidas cavidades, estiman la delineación de los contornos que rodean la forma de cada cavidad cardiaca usando para ello algoritmos basados en máquinas de aprendizaje. La robustez del algoritmo desarrollado es evaluada en extensas bases de datos de MSCT. Por otra parte, ellos reportan una velocidad de segmentación, de las cuatro cámaras, de cuatro segundos por volumen cardiaco usando un procesador core-dual 3.2 MHz. Por su parte, Fleureau et al.37, desarrollaron un método de segmentación 3D, semiautomático el cual fue aplicado para extraer las cavidades cardiacas, en secuencias de imágenes de MSCT. El método asoció agentes básicos a los objetos de interés. Cada agente asociado aprendió la región correspondiente a cada imagen usando, para ello, una máquina de soporte vectorial. Las cavidades cardiacas fueron obtenidas maximizando la región asociada con cada agente. El método desarrollado permitió discriminar las mencionadas estructuras cardiacas, sin embargo, el método no fue validado clínicamente.

Revista Latinoamericana de Hipertensión. Vol. 10 - Nº 3, 2015

Adicionalmente, Vera et al.38, realizaron una investigación que permitió obtener un método, para la segmentación del ventrículo izquierdo, utilizando detección de marcadores anatómicos y modelos deformables. El modelo propuesto es aplicado a angiogramas humanos. Algunos marcadores anatómicos, localizados en el ventrículo izquierdo, son detectados por máquinas de soporte vectorial. La etapa de entrenamiento es desarrollada usando ventanas de 31x31 píxeles, las cuales incluyeron patrones que representaban tanto marcadores como no marcadores. La máquina de soporte vectorial usó un núcleo de base radial y el principio de minimización del riesgo estructural como regla de inferencia. Durante la fase de entrenamiento no se registraron falsos positivos y durante la fase de reconocimiento se reportó una tasa de aciertos del 97.94%. La localización estimada de los marcadores anatómicos se usó para construir un contorno aproximado del miocardio. Este contorno aproximado es un modelo deformable que luego es optimizado usando algoritmos genéticos. Luego se realiza una comparación de los contornos obtenidos mediante el método desarrollado y los trazados por dos cardiólogos, reportándose un error máximo de 4.93% sobre un total de 178 imágenes empleadas. D. Métodos de Agrupamiento Los métodos de agrupamiento son técnicas de clasificación no supervisadas, es decir, no requieren que se les informe acerca de la respuesta o salida deseada. En este sentido, este tipo de métodos realiza un proceso iterativo que intenta caracterizar cada una de las clases de acuerdo a la similaridad existente entre los píxeles que integran cada una de ellas para realizar la segmentación. Una técnica representativa de este tipo de método es el algoritmo denominado K-medias. Este algoritmo agrupa los datos iterativamente calculando, por ejemplo, el atributo denominado “intensidad promedio para cada clase” y segmentando la imagen mediante la clasificación de los píxeles de acuerdo a su similaridad con respecto a este atributo9. De esta manera, la mencionada técnica permite particionar una imagen en K grupos. Dicho algoritmo se basa en la aplicación de los siguientes pasos: 1.- Se eligen los centros de los K grupos, bien sea de manera aleatoria o aplicando alguna heurística. 2.-Se asigna cada píxel presente en la imagen al grupo, de manera que la distancia entre el centro del grupo y ese píxel sea mínima. 3.- Se recalculan los centros de los grupos tomando como criterio, por ejemplo, el promedio de la intensidad de los píxeles que pertenecen al grupo. 4.- Se repiten los pasos 2-3 hasta que el algoritmo converja, es decir, hasta que los píxeles no cambien de grupo39. E. Métodos basados en Leyes Físicas En este apartado se consideran las técnicas más importantes que ejemplifican adecuadamente, lo que representan los métodos basados en leyes físicas. Ellos son los Modelos de Forma Activa, los Modelos Deformables y los Conjuntos de Nivel.

1. Modelos de Forma Activa (ASM): Los Modelos de Forma Activa (ASM), se caracterizan por ser modelos estadísticos que poseen la habilidad de representar las formas de objetos específicos que están presentes en el conjunto de imágenes de entrenamiento40. En esta técnica, el paso fundamental es la generación de la Forma Media, obtenida luego de aplicar el análisis Procrustes, el cual consiste en efectuar un conjunto de transformaciones geométricas (traslaciones, rotaciones y escalamiento) sobre un grupo de contornos extraídos, manualmente, de las imágenes de entrenamiento40. Posteriormente, se aplica un Análisis de Componentes Principales (PCA) que permite obtener a partir de esta forma media, un conglomerado de formas candidatas a evolucionar para segmentar contornos similares40. Para ello, estas formas serán deformadas, iterativamente, con el propósito de segmentar las estructuras presentes en imágenes que conforman un conjunto especial denominado conjunto de validación, conformado por imágenes no empleadas durante el entrenamiento. Estas imágenes de validación normalmente deben ser muy similares a las imágenes de entrenamiento. Para que un modelo forma activa evolucione el algoritmo trabaja en función del denominado modelo de puntos distribuidos que, en síntesis, representa la pose original del contorno elegido para ser deformado. Cada uno de los marcadores del referido contorno va cambiando iterativamente de posición hasta que se cumpla uno o más criterios de parada que pueden ser el número de iteraciones o la minimización de una medida de distancia, que puede ser la Euclidea o la de Mahalanobis40. Adicionalmente, Zhang et al.41, propusieron un método basado en la combinación de Modelos de Forma Activa y de Modelos de Apariencia Activa (AAM) para realizar la segmentación tanto del ventrículo izquierdo como del derecho usando bases de datos 4D de MRI tanto sanos como patológicos, alcanzando 90% y 100% de sensibilidad y especificidad respectivamente, lo cual es una muestra de la alta calidad de la segmentación llevada a cabo. Por otra parte, Chen et al.42, han propuesto una técnica basada en modelos de apariencia activa y level set, para segmentar la RA en imágenes de MRI. En esta investigación, los parámetros de forma y del análisis de componentes principales se optimizaron utilizando un modelo energético basado en histogramas globales. Sin embargo, ya que los parámetros de forma abarcan un espacio mucho más pequeño, no puede capturar los detalles finos de los objetos presentes en las imágenes consideradas. Por lo tanto, realizaron una segunda etapa de segmentación, basada en level set, para refinar la segmentación generada mediante el modelo de apariencia activa. 2. Modelos Deformables: Los Modelos Deformables son modelos físicos de objetos que se deforman atendien-

do las leyes de la mecánica de Newton, en particular, las leyes que fundamentan la teoría de la elasticidad expresadas mediante la dinámica de Lagrange. Este tipo de modelo es usado, en análisis de imágenes, como una poderosa herramienta para el manejo, reconocimiento, reconstrucción y visualización de curvas no rígidas, superficies y sólidos. Los modelos deformables. Se basan en dos tipos de fuerzas, las propias de la imagen a segmentar, denominadas fuerzas Internas y las fuerzas externas calculadas a partir del contorno a deformar. La función de ambos tipos de fuerza es deformar las curvas o superficies con el propósito de segmentar una región mediante la delineación de sus bordes. Si por ejemplo, se desea delinear el contorno de un objeto en una imagen, se debe colocar el modelo a deformar (generalmente una curva o superficie cerrada) muy cerca del referido contorno y luego el algoritmo itera hasta que se produzca su convergencia siguiendo un criterio basado en la suavidad, curvatura y energía derivadas de la información que las fuerzas aportan acerca del contorno a delinear43. Una aplicación de este tipo de método la presentan Mongnat et al.12, combinando los modelos deformables con un conjunto de restricciones, tanto espaciales como temporales, con el propósito de segmentar imágenes cardiacas 4D generadas aplicando la modalidad SPECT ya discutida. A fin de calcular las fuerzas tanto externas como internas que rigen el modelo deformable, ellos consideraron restricciones espaciales, basadas tanto en la forma como en la suavidad y curvatura de los contornos a segmentar; mientras que, para establecer las restricciones temporales, se apoyaron en la posición promedio de las estructuras a segmentar a lo largo de la trayectoria que describen en su movimiento. Ellos también compararon imágenes de 5 pacientes que exhibían una perfusión sanguínea normal en el endocardio, contra las imágenes de un paciente con problemas de perfusión reflejadas en zonas isquémicas presentes en el tejido cardiaco. La precisión del algoritmo desarrollado es estimada sobre una secuencia SPECT de imágenes sintéticas para las cuales se dispone de una segmentación manual del ventrículo izquierdo realizada por un cardiólogo. Por último, cabe destacar que el error promedio obtenido al segmentar el ventrículo izquierdo fue del 4% respecto a la citada segmentación manual. Por su parte, Ecabert et al.44, reportaron un modelo para la segmentación automática del corazón en imágenes 3D adquiridas mediante CT. En primer lugar, la pose del corazón es obtenida estimando su localización en la imagen utilizando una implementación 3D de la transformada generalizada de Hough. Luego, pose es corregida haciendo corresponder el modelo con la imagen mediante el empleo de una transformación de similaridad global. Para la compleja inicializa-

ción de la superficie de multicompartimiento se utiliza una transformación afín para cada región anatómica del modelo; mientras que la adaptación del modelo es realizada incrementando progresivamente los grados de libertad de las deformaciones permitidas. Finalmente, una adaptación deformable es llevada a cabo, con el propósito de hacer más precisa la correspondencia del modelo con los contornos anatómicos del corazón del paciente analizado. Ellos indicaron que el error promedio de correspondencia entre superficies fue de 0.82mm y fue obtenido mediante validación cruzada aplicada sobre un total de 28 imágenes. Adicionalmente, Oost et al.18, describieron una técnica para la segmentación automática del ventrículo izquierdo, en imágenes de Angiografía, usando para ello AAM y programación dinámica. Para ello, construyen un modelo basado en un AAM multivista, el cual se basó en el acoplamiento de información relativa a la forma y la textura de las fases finales, tanto diastólica como sistólica, del ciclo cardiaco completo. Para compensar el exceso de restricciones asociadas con el modelo generado inicialmente, ellos utilizaron programación dinámica, incorporando en una función de costo la intensidad de la imagen y algunos atributos del movimiento ejecutado por el ventrículo izquierdo. Mediante la investigación desarrollada hicieron un estudio comparativo entre un algoritmo inicializado manualmente y un algoritmo totalmente automático alcanzando ambos métodos una sensibilidad del 83%. Por su parte, Tan et al.29, propusieron un esquema de segmentación basado en modelos de forma activa para la delineación del ventrículo izquierdo en imágenes obtenidas por la modalidad de SPECT. Este esquema reduce significativamente la labor intensiva que debe realizarse para la cuantificación de la perfusión del miocardio en este tipo de imágenes. El método es semiautomático y se ha aplicado para obtener la referida perfusión con un 94% de aciertos sobre bases de datos de validación. De la misma manera, un método semiautomático para la segmentación del Ventrículo izquierdo usando modelos de forma activa, fue desarrollado por Assen et al.26. Este método tiene la ventaja de ser independiente de la modalidad de adquisición de las imágenes y fue aplicado sobre secuencias de imágenes cardiacas obtenidas por CT y MRI. Como métrica para valorar la calidad del método fue utilizada la distancia punto a punto, obteniéndose un error promedio de 1.85 mm. También, Lynch et al.45, desarrollaron un método de segmentación del ventrículo izquierdo a partir de imágenes obtenidas por resonancia magnética. Este método incorpora conocimiento a priori relacionado con el movimiento ventricular para guiar un modelo deformable paramétrico de la cavidad cardiaca. La deformación del modelo fue inicialmente controlada mediante

Revista Latinoamericana de Hipertensión. Vol. 10 - Nº 3, 2015

una formulación basada en conjuntos de nivel, pasando luego a refinar la evolución de dichos conjuntos mediante el uso del algoritmo de expectación maximización. El método fue validado usando seis bases de datos, obteniéndose un coeficiente de correlación de 0.76 respecto a una segmentación manual usada como referencia. Moreno et al.46, también han abordado el problema de segmentación del corazón, proponiendo un método automático que toma en cuenta la posición del corazón, respecto a los pulmones. Este conocimiento a priori, es representado en un formalismo basado en lógica difusa y se utiliza tanto para definir una región de interés como para manejar la evolución de un modelo deformable. El método desarrollado ha sido aplicado a imágenes cardiacas de CT sin contraste, obteniéndose una sensibilidad de 0.83 y una especificidad bastante regular de 0.68, lo cual indica que el método debe ser afinado. Zhuang et al.47, propusieron un método automático basado en técnicas de registro de tipo local afín y deformaciones libres dotadas de control adaptativo para segmentar el corazón en imágenes de resonancia magnética (MRI) cardíaca. La técnica de registro ofrece la correspondencia de sub-estructuras anatómicas como las cuatro cámaras y los grandes vasos del corazón, mientras que las deformaciones libres afinan los detalles locales utilizando un esquema de optimización. Ellos validaron el método propuesto analizando 37 volúmenes cardíacos correspondientes a la fase diastólica final. Tales volúmenes exhiben una amplia diversidad de morfología y anatomía patológica con un error cuadrático medio de 2.14 ± 0.63 mm y un coeficiente de Dice promedio de 0.84, para la segmentación del ventrículo izquierdo (LV). Una de las características mejorables del enfoque presentado por estos investigadores es el elevado costo computacional por volumen, el cual supera las 2 horas. Este tiempo es típico en los procesos de segmentación basados en técnicas clásicas de registro. Existe otra técnica, basada en operadores morfológicos y splines, para la segmentación precisa de la arteria pulmonar principal (MPA) y la determinación de parámetros tales como la longitud, área y perímetro circunferencial medio de la MPA. Estos parámetros se pueden utilizar para detectar enfermedades que causan aumento de la presión arterial pulmonar, y permitir mediciones de serie normalizadas para evaluar la progresión o la respuesta a diversos tratamientos. La técnica fue desarrollada utilizando 4 estudios CT de tórax normal y luego probado en 20 estudios normales de CT torácica. Los resultados se compararon con la segmentación manual y medición por un radiólogo torácico. La técnica muestra una alta correlación entre

los parámetros obtenidos automáticamente con los parámetros determinados de forma manual. Por último, Oberg et al.48, proponen una metodología basada en modelos de forma activa para segmentar el ventrículo derecho en imágenes de tomografía computarizada. Ellos utilizan diversas métricas entre las que se destaca el coeficiente de Dice (Dc) y reportan para el Dc valores superiores a 0.9 cuando comparan las segmentaciones manuales con las generadas por el método desarrollado. 3. Conjuntos de Nivel: Los conjuntos de nivel constituyen un método iterativo que permite el control de la evolución de los modelos de contornos activos tipo serpiente para la segmentación de curvas. Esta técnica puede manejar cambios topológicos permitiendo la estimación de las propiedades geométricas de dichas curvas. El contorno resultante es obtenido como el conjunto de nivel cero de una función de alto orden dimensional llamada “funcional de conjunto de nivel”. Este funcional evoluciona bajo el control de una ecuación diferencial implícita. Durante el proceso, el contorno en evolución puede extraerse del conjunto de nivel cero a partir de la salida correspondiente. La ventaja de usar los conjuntos de niveles es su utilidad al realizar la segmentación en contornos difíciles de segmentar por exhibir cambios topológicos complejos, ya que estos son modelados adecuadamente por la referida ecuación diferencial47. Normalmente, esta técnica se emplea en la segmentación de imágenes basándose en atributos de la misma como, por ejemplo, el nivel de gris promedio o el gradiente de la imagen sometida a estudio. Generalmente, para la aplicación de esta técnica un contorno es inicializado por el usuario. El contorno inicializado evoluciona hasta que converge, asumiendo la forma del contorno o superficie que se desea segmentar15. Adicionalmente, dado un flujo y una curva inicial, la función de conjuntos de niveles es construida y actualizada de acuerdo a la ecuación de movimiento en todos los píxeles del dominio de la imagen. Por lo general, para recuperar la posición actual de la curva, se usa el algoritmo de Marcha Rápida, buscando los valores de cruce por cero. El mencionado algoritmo es un método numérico que permite, entre otras cosas, estimar de manera eficiente las derivadas de primer y segundo orden del funcional que modela los Conjuntos de Nivel. En este sentido, el referido algoritmo hace posible la disminución de la complejidad computacional requerida para el cálculo de la función de deformación de los Conjuntos de nivel en el dominio de la imagen49. Como un ejemplo de implementación de la técnica de Conjuntos de Nivel debe citarse el trabajo desarrollado por Dydenko et al.50, quienes presentan una formulación basada en Conjuntos de Nivel usando conocimiento a priori tanto de las formas (presentes en una escena de interés) como del movimiento de

4. Métodos guiados por Atlas: Este tipo de métodos constituyen una poderosa herramienta para la segmentación de imágenes médicas cuando está disponible una plantilla, un estándar o Atlas, de la estructura que se desea segmentar. Este Atlas es generado mediante información recabada acerca de la anatomía de la dicha estructura. La referida plantilla es usada como un marco referencial para segmentar volúmenes de imágenes que no se hayan utilizado para generarla. Conceptualmente, los métodos basados en plantillas son implementados en el dominio que en el espacio de características de la misma. El uso de transformaciones tanto lineales como no lineales, permite colocar en correspondencia el Atlas con la imagen que se requiere segmentar18. En este sentido, Kirisli et al.51, presentaron un algoritmo guiado por multi-atlas para segmentar, automáticamente las cuatro cavidades cardiacas en imágenes de angiografía computarizada. El error promedio obtenido para el proceso global de segmentación, fue aproximadamente de 1 mm, lo cual indica claramente que el mencionado algoritmo exhibió una alta precisión, la cual fue valorada con las bases de datos provenientes de 8 pacientes. Adicionalmente, se evaluó la robustez del método desarrollado aplicándolo exitosamente, a 243 bases de datos distintas de las usadas para generar el atlas o plantilla de referencia.

AGRADECIMIENTOS Los autores agradecen por el apoyo financiero al Consejo de Desarrollo Científico Humanístico Tecnológico y de las Artes (CDCHTA) de la Universidad de Los Andes-Venezuela, (a través del proyecto código NUTA-C-29-15-07-C), a la Universidad Simón Bolívar y al Decanato de Investigación de la Universidad Nacional Experimental del Táchira, San Cristóbal-Venezuela.

Conclusiones

estructuras anatómicas, para registrar y segmentar las estructuras cardiacas presentes, en una secuencia de imágenes de ecocardiografía. Para el registro de las formas incorporadas, se plantea a priori un problema de transformación afín en el cual se aplica la minimización de la referida transformación mediante un criterio basado en la localización de puntos críticos globales. Luego, la segmentación se desarrolla a través del frente de propagación del Conjunto de Nivel, restringido mediante la forma registrada a priori. Las segmentaciones automáticas obtenidas mediante la formulación descrita son muy similares a los obtenidos, por un cardiólogo, quien desarrolló una segmentación manual de las estructuras cardiacas presentes en las imágenes ecocardiografías consideradas.

pesar de la cantidad y calidad de las metodologías desarrolladas para abordar el problema de la segmentación de las estructuras cardiacas más relevantes, tales como los ventrículos, las aurículas y los grandes vasos, aún no se ha podido generar una técnica que por sus atributos permita su incorporación definitiva en el desarrollo de actividades rutinarias en el ámbito clínico, tales como el apoyo a la planeación de cirugías, el diagnóstico y el monitoreo clínico de enfermedades. Lo anterior puede ser debido a que las metodologías de segmentación reportadas en la literatura especializada, todavía poseen serias limitaciones, tales como la falta de eficiencia, robustez y/o reproducibilidad y todavía no han sido sometidas a los respectivos procesos de validación médica apuntalada por un riguroso protocolo clínico. De acuerdo a este panorama, el tema de la segmentación cardiaca se sigue manteniendo como un problema de carácter abierto, lo cual, indudablemente constituye un gran reto que puede servir de elemento motivante para que los investigadores del área cardiovascular se propongan elevar la calidad de sus modelos, a fin de generar metodologías que puedan ser incorporadas, en un futuro inmediato, a algunos equipos de adquisición de imágenes cardiacas en las diversas modalidades de imagenología médica.

References 1. World Health Organization. The world health report 2002: reducing risks, promoting healthy life. Switzertland: WHO Library; 2002 2. Bravo A, Mantilla J, Clemente J, Vera M, Medina R. Left ventricle segmentation and motion analysis in multi-slice computerized tomography. In: Gonzalez FA, Romero E, Editores. Biomedical Image Analysis and Machine Learning Technologies: Applications and Techniques. 1 edition. Hershey: Medical Information Science Reference; 2010:307–22. 3. Shapiro LG, Stockman GC. Computer Vision. 1 edition. Upper Saddle River, NJ: Pearson; 2001. 4. Zheng Y, Barbu A, Georgescu B, Scheuering M, Comaniciu D. Four-Chamber Heart Modeling and Automatic Segmentation for 3-D Cardiac CT Volumes Using Marginal Space Learning and Steerable Features. IEEE Transactions on Medical Imaging. 2008;27(11):1668-81. 5. Maiera A, Wigstrm L, Hofmann H, Hornegger J, Zhu L, Strobel N, Fahrig R. Threedimensional anisotropic adaptive filtering of projection data for noise reduction in cone beam CT. Medical Physics. 2011;38(11):5896–909. 6. Hsieh J. Image artifacts: appearances, causes, and corrections. In: Computed tomography: principles, design, artifacts, and recent advances. Bellingham: SPIE Press; 2003:167–240. 7. Kroft L, de Roos A, Geleijns J. Artifacts in ECG–synchronized MDCT coronary angiography. American Journal of Roentgenology. 2007;189(3):581–91. 8. De Man B, Nuyts J, Dupont P, Marchal G, Suetens P. Reduction of metal streak artifacts in X–ray computed tomography using a transmission maximum a posteriori algorithm. IEEE Transactions on Nuclear Science. 2000;47(3): 977–81. 9. Kalender W, Hebel R, Ebersberger J. Reduction of CT artifacts caused by metallic implants. Radiology. 1987;164(2):576–77. 10. Lemmens C, Faul D, Nuyts J. Suppression of metal artifacts in CT using a reconstruction procedure that combines MAP and projection completion. IEEE Transactions on Medical Imaging. 2009;28(2): 250–60.

Revista Latinoamericana de Hipertensión. Vol. 10 - Nº 3, 2015 11. Vera M. Segmentación de estructuras cardiacas en imágenes de tomografía computarizada multi-corte [Tesis doctoral]. Mérida-Venezuela: Universidad de los Andes, 2014. 12. Mongnat J, Delingette H. 4d deformable models with temporal constraints: application to 4d cardiac image segmentation. Medical Image Analysis. 2005;9: 87–100. 13. Pham D, Xu C, Prince J. Current methods in medical image segmentation. Annual Review of Biomedical Engineering. 2000;2:315–37. 14. Sun W, Cetin M, Chan R, Willsky A. Learning the dynamics and time-recursive boundary detection of deformable objects. IEEE Transactions on Image Processing. 2008;17(11):2186-200. 15. Paragios N, Chen Y, Faugeras O. Handbook of Mathematical Models in Computer Vision. Boston:Springer US;2006. 16. Yamamoto S, Hamada S, Miyamoto M, Masumoto J, Komizu M, Moriyama N. A new approach towards volumetric assessment of left ventricular function with msct. Biomedical Imaging and Intervention Journal. 2006;2(3):50–56. 17. Sezgin M, Sankur B. Survey over image thresholding techniques and quantitative performance evaluation. Journal of Electronic Imaging. 2004;13:146–65. 18. Oost E, Koning G, Sonka M, Reiber JH, Lelieveldt BP. Automated contour detection in x-ray left ventricular angiograms using multiview active appearance models and dynamic programming. IEEE transactions on medical imaging. 2006;25(9):115871. 19. Doyle W. Operation useful for similarity invariant pattern recognition. Journal of the Association for Computing Machinery. 1962;9:259–67. 20. Otsu N. A threshold selection method from gray level histograms. Automatica. 1975;11(285-296):23-27. 21. Silva S, Sousa B, Madeira J, Silva A. Left Ventricle Segmentation from Heart MDCT. Pattern Recognition and Image Analysis. 2009; 5524:306-13. 22. Passarielo G, Mora F. Imágenes Médicas, Adquisición, Análisis, Procesamiento e Interpretación. Venezuela:Equinoccio Universidad Simón Bolívar;1995. 23. Pratt W. Digital image processing. Hoboken, NJ: John Wiley & Sons; 2007. 24. Petrou M, Bosdogianni P. Image processing. Chichester:Wiley;1999. 25. Okuyama T, Ehara S, Shirai N, Sugioka K, Ogawa K, Oe H, et al. Usefulness of three-dimensional automated quantification of left ventricular mass, volume, and function by 64-slice computed tomography. Journal of Cardiology. 2008; 52(3):276-284. 26. Assen H, Danilouchkine M, Dirksen M, Reiber J, Lelieveldt B. A 3-D active shape model driven by fuzzy inference: application to cardiac CT and MR. IEEE Transactions on information technology in biomedicine. 2008;12(5):595-605. 27. Mitchell T. Machine Learning. New York: McGraw-Hill; 1997. 28. Schölkopf B, Smola A. Learning with kernels. Cambridge:MIT Press;2002. 29. Tan A, Gilbert D. Conferences in research and practice in information technology. IEEE Medical Imaging. 2003;19:219–22. 30. Kohavi R, Quinlan J. Data mining tasks and methods: Classification: decision-tree discovery. NY:Oxford University Press, Inc.;2002. 31. Vapnik V. The Nature of Statistical Learning Theory. New York:Springer Verlag;1995. 32. Osuna E, Freund R, Girosit F. Training support vector machines: an application to face detection. In: Computer vision and pattern recognition, 1997 Proceedings. IEEE computer society conference;1997:130-136. 33. Suykens J, Gestel T, Brabanter J. Least Squares Support Vector Machines. UK:World Scientific Publishing Co;2002.

34. Oren M, Papageorgiou C, Sinha P, Osuna E, Poggio T. Pedestrian detection using wavelet templates. In: IEEE Comput. Soc;1997:193-200. 35. Schapire R, Singer Y. Improved Boosting Algorithms Using Confidence-rated Predictions. Machine Learning. 1999;37(3):297-336. 36. Freund Y, Schapire RE. A decision-theoretic generalization of on-line learning and an application to boosting. En: Vitányi P, Editor. Computational Learning Theory. UK:Springer; 1995:23–37. 37. Fleureau J, Garreau M, Hernández AI, Simon A, Boulmier D. Multi-object and ND segmentation of cardiac MSCT data using SVM classifiers and a connectivity algorithm. , IEEE Transactions on Computers in Cardiology. 2006;33:817–20. 38. Vera M, Bravo A, Medina R. Myocardial border detection from ventriculograms using support vector machines and real-coded genetic algorithms. Comput Biol Med. abril de 2010;40(4):446-455. 39. Kanungo T, Mount DM, Netanyahu NS, Piatko CD, Silverman R, Wu AY. An efficient k-means clustering algorithm: Analysis and implementation. IEEE Trans Pattern Anal Mach Intell. 2002;24(7):881–92. 40. Cootes T, Taylor C, Cooper D, Graham J. Active shape models- their training and application. Comput. Vis. Image Underst. 1995;61(1):38–59. 41. Zhang H, Wahle A, Johnson RK, Scholz TD, Sonka M. 4-D Cardiac MR Image Analysis: Left and Right Ventricular Morphology and Function. IEEE Trans Med Imaging. 2010;29(2):350-64. 42. Chen S, Kohlberger T, Kirchberg KJ. Advanced level set segmentation of the right atrium in MR. In: Wong KH, Holmes DR, editores. Proceedings of the SPIE The International Society for Optical Engineering, Volume 7964. Lake Buena Vista: 2011: 89-92. 43. Radeva P, Serrat J, Marti E. A snake for model-based segmentation. In: Computer Vision, 1995 Proceedings, Fifth International Conference. IEEE; 1995:816-21. 44. Ecabert O, Peters J, Schramm H, Lorenz C, von Berg J, Walker MJ, et al. Automatic Model-Based Segmentation of the Heart in CT Images. IEEE Trans Med Imaging. 2008;27(9):1189-201. 45. Lynch M, Ghita O, Whelan PF. Segmentation of the Left Ventricle of the Heart in 3-D+t MRI Data Using an Optimized Nonrigid Temporal Model. IEEE Trans Med Imaging. 2008;27(2):195-203. 46. Moreno A, Takemura CM, Colliot O, Camara O, Bloch I. Using anatomical knowledge expressed as fuzzy constraints to segment the heart in CT images. Pattern Recognit. 2008;41(8):2525-40. 47. Zhuang X, Rhode KS, Razavi RS, Hawkes DJ, Ourselin S. A Registration-Based Propagation Framework for Automatic Whole Heart Segmentation of Cardiac MRI. IEEE Trans Med Imaging. 2010;29(9):1612-25. 48. Oberg J. Segmentation of the right ventricle in cardiac CT images [Master’s thesis]. Lund, Suecia: Lund University. 49. Osher S. Level set methods. In Geometric level set methods in imaging, vision, and graphics. New York: Springer New York; 2003: 3-20. 50. Dydenko I, Jamal F, Bernard O, D’hooge J, Magnin IE, Friboulet D. A level set framework with a shape and motion prior for segmentation and region tracking in echocardiography. Medical Image Analysis. 2006;10(2):162-77. 51. Kirisli HA, Schaap M, Klein S, Neefjes LA, Weustink AC, Van Walsum T, et al. Fully automatic cardiac segmentation from 3D CTA data: a multi-atlas based approach. En: Dawant BM, Haynor DR, editores. Proceedings of SPIE Medical Imaging;2010:304-762.

Manuel Velasco (Venezuela) Editor en Jefe - Felipe Alberto Espino Comercialización y Producción Reg Registrada en los siguientes índices y bases de datos: