Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Neuroscience
Click here for the English version

Neuroscience

Manuell segmentering av den mänskliga plexus choroid med hjälp av hjärn-MR

Published: December 15, 2023 doi: 10.3791/65341
Automatic Translation
*1,2, *3,4, 1,2, 5,6,7, 1,2,8
1Department of Psychiatry, Beth Israel Deaconess Medical Center, 2Division of Translational Neuroscience, Beth Israel Deaconess Medical Center, 3Huaxi MR Research Center (HMRRC), Department of Radiology, West China Hospital of Sichuan University, 4Department of Psychiatry and Psychotherapy, Jena University Hospital, 5AI in Medical Imaging, German Center for Neurodegenerative Diseases (DZNE), 6A. A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital, 7Department of Radiology, Harvard Medical School, 8Department of Psychiatry, Harvard Medical School
* These authors contributed equally

Summary

Trots den avgörande roll som plexus choroidus spelar i hjärnan är neuroradiologiska studier av denna struktur knapphändiga på grund av bristen på tillförlitliga automatiserade segmenteringsverktyg. Det nuvarande protokollet syftar till att säkerställa manuell segmentering av plexus choroid som kan informera framtida hjärnavbildningsstudier.

Abstract

Plexus choroidum har varit inblandat i neurologisk utveckling och en rad hjärnsjukdomar. Det finns bevis för att plexus choroidum är avgörande för hjärnans mognad, immun-/inflammatorisk reglering och beteendemässig/kognitiv funktion. Nuvarande automatiserade neuroradiologiska segmenteringsverktyg är dock dåliga på att exakt och tillförlitligt segmentera den laterala ventrikeln choroid plexus. Dessutom finns det inget befintligt verktyg som segmenterar plexus choroideus som ligger i hjärnans tredje och fjärde kammare. Således behövs ett protokoll som avgränsar hur man segmenterar choroid plexus i den laterala, tredje och fjärde ventrikeln för att öka tillförlitligheten och reproducerbarheten av studier som undersöker choroid plexus vid neurologiska utvecklings- och hjärnsjukdomar. Detta protokoll innehåller detaljerade steg för att skapa separat märkta filer i 3D Slicer för choroid plexus baserat på DICOM- eller NIFTI-bilder. Plexus choroid kommer att segmenteras manuellt med hjälp av de axiella, sagittala och koronala planen i T1w-bilder och se till att utesluta voxlar från grå eller vita substansstrukturer som gränsar till ventriklarna. Fönstren kommer att justeras för att hjälpa till med lokaliseringen av plexus choroidus och dess anatomiska gränser. Metoder för att bedöma noggrannhet och tillförlitlighet kommer att demonstreras som en del av detta protokoll. Guldstandardsegmentering av choroid plexus med hjälp av manuella avgränsningar kan användas för att utveckla bättre och mer tillförlitliga automatiserade segmenteringsverktyg som öppet kan delas för att belysa förändringar i choroid plexus över livslängden och inom olika hjärnsjukdomar.

Introduction

Plexus funktion i choroideus
Plexus choroid är en mycket vaskulariserad struktur i hjärnan som består av fenestrerade kapillärer och ett monolager av plexus choroideusepitelceller1. Plexus choroid projicerar in i de laterala, tredje och fjärde hjärnventriklarna och producerar cerebrospinalvätska (CSF), som spelar en viktig roll i neural mönstring2 och hjärnfysiologi 3,4. Plexus choroideus utsöndrar neurovaskulära ämnen, omfattar ett stamcellsliknande förråd och fungerar som en fysisk barriär för att hindra inträde av toxiska metaboliter, en enzymatisk barriär för att avlägsna delar som kringgår den fysiska barriären och en immunologisk barriär för att skydda mot främmande inkräktare5. Plexus choroidus modulerar neurogenes6, synaptisk plasticitet7, inflammation8, dygnsrytm 9,10, tarmhjärnaxel11 och kognition12. Dessutom kan perifera cytokiner, stress och infektion (inklusive SARS-CoV-2) störa blod-CSF-barriären 13,14,15,16. Således är choroid plexus-CSF-systemet integrerat för neuroutveckling, neurokretsmognad, hjärnhomeostas och reparation17. Eftersom immuna, inflammatoriska, metaboliska och enzymatiska förändringar påverkar hjärnan, använder forskare neuroavbildningsverktyg för att bedöma rollen av choroid plexus under hela livslängden och i hjärnsjukdomar 18,19,20. Det finns dock begränsningar i vanliga automatiserade verktyg för segmentering av choroid plexus, såsom FreeSurfer, vilket resulterar i att plexus choroid är dåligt segmenterad. Således finns det ett kritiskt behov av grundläggande manuell segmentering av choroid plexus som kan användas för att utveckla ett exakt automatiserat verktyg för choroid plexus segmentering.

Plexus choroidus vid neurologisk utveckling och hjärnsjukdomar
Plexus choroideus roll vid hjärnsjukdomar har länge försummats, främst för att den betraktades som en stödjande aktör vars roll var att dämpa hjärnan och upprätthålla en korrekt saltbalans 2,21. Plexus choroidum har dock fått uppmärksamhet som en struktur kopplad till hjärnsjukdomar som smärtsyndrom22, SARS-CoV-2 16,23,24, neurodevelopmental 2 och hjärnsjukdomar19, vilket tyder på en transdiagnostisk effekt i utvecklingen av beteendestörningar. Vid neuropsykiatriska funktionsnedsättningar var plexuscystor i choroideusen förknippade med en ökad risk för försenad utveckling, ADHD (Attention-Deficit/Hyperactivity Disorder) eller autismspektrumstörning (ASD)25,26. Dessutom visade sig volymen lateral ventrikel choroid plexus vara ökad hos patienter med ASD27. Vid hjärnsjukdomar har plexusavvikelser i choroideus beskrivits sedan 1921 vid psykotiska störningar28,29. Tidigare studier har identifierat plexusförstoring av choroideus med hjälp av FreeSurfer-segmentering hos ett stort urval av patienter med psykossjukdomar jämfört med både deras förstagradssläktingar och kontroller19. Dessa fynd replikerades med hjälp av manuellt segmenterad plexusvolym i choroideus i ett stort urval av kliniska högriskpopulationer för psykos och fann att dessa patienter hade större choroid plexusvolym jämfört med friska kontroller30. Det finns ett växande antal studier som visar plexusförstoring av choroideus vid komplext regionalt smärtsyndrom22, stroke31, multipel skleros20,32, Alzheimers33,34 och depression35, med några som visar en koppling mellan perifer och hjärnans immuna/inflammatoriska aktivitet. Dessa hjärnavbildningsstudier är lovande; Dålig lateral ventrikel choroid plexus segmentering av FreeSurfer21 begränsar dock tillförlitligheten av automatiserad uppskattning av choroid plexus volym. Som ett resultat av detta har studier inom multipel skleros20,32, depression35, Alzheimers34 och tidig psykos36 börjat segmentera den laterala ventrikelplexus, men det finns inga aktuella riktlinjer för hur man gör detta, och inte heller deras vägledning om segmentering av tredje och fjärde ventrikelchoroidplexus.

Vanliga segmenteringsverktyg utesluter plexus choroideus
Pipelines för hjärnsegmentering som FreeSurfer37,38,39, FMRIB Software Library (FSL)40, SLANT41 och FastSurfer (utvecklad av medförfattaren Martin Reuter)42,43, segmenterar noggrant och tillförlitligt kortikala och subkortikala strukturer med hjälp av atlasbaserade (FSL), atlas- och ytbaserade (FreeSurfer) och djupinlärningssegmenteringsparadigm (SLANT och FastSurfer). Svagheter i några av dessa metoder inkluderar bearbetningshastighet, begränsad generalisering till olika skannrar, fältstyrkor och voxelstorlekar37,44 och tvingad justering av etikettkartan i ett standardatlasutrymme. Möjligheten att segmentera plexus choroid och kompatibiliteten med högupplöst MR tas dock endast upp av FreeSurfer och FastSurfer. De neurala nätverken bakom FastSurfer är tränade på FreeSurfers choroid plexus-etiketter, så de ärver FreeSurfers tidigare diskuterade tillförlitlighet och täckningsbegränsningar, med den tredje och fjärde ventriklarna ignorerade21. Nuvarande begränsningar för högupplöst MR finns också, men FreeSurfers högupplösta stream45 och FastSurferVINN43 kan användas för att hantera detta problem.

Nuvarande verktyg för segmentering av choroid plexus
Det finns bara ett fritt tillgängligt segmenteringsverktyg för plexus choroideus, men segmenteringsnoggrannheten är begränsad. Korrekt segmentering av choroid plexus kan påverkas av en mängd olika faktorer, inklusive (1) variabilitet i choroid plexus plats (rumsligt icke-stationär) på grund av dess placering i ventriklarna, (2) skillnader i voxelintensitet, kontrast, upplösning (inom strukturens heterogenitet) på grund av cellulär heterogenitet, dynamisk choroid plexusfunktion, patologiska förändringar eller partiella volymeffekter, (3) ålders- eller patologirelaterade ventrikulära storleksskillnader som påverkar choroid plexus storlek, och (4) närhet till intilliggande subkortikala strukturer (hippocampus, amygdala, caudatus och lillhjärnan), som också är svåra att segmentera. Med tanke på dessa utmaningar underskattar eller överskattar FreeSurfer-segmenteringarna ofta, felmärker eller ignorerar plexus choroideus.

Tre nyligen publicerade publikationer har behandlat gapet mellan tillförlitlig plexussegmentering av choroid med en Gaussian Mixture Model (GMM)46, en Axial-MLP47 och U-Net-baserade djupinlärningsmetoder48. Varje modell tränades och utvärderades med hjälp av privata, manuellt märkta datauppsättningar med högst 150 försökspersoner med en begränsad mångfald av skannrar, platser, demografi och störningar. Även om dessa publikationer 46,48,49 uppnådde signifikanta förbättringar jämfört med FreeSurfers choroid plexus-segmentering - ibland fördubblar skärningspunkten mellan förutsägelse och grundsanning, är ingen av metoderna (1) validerad i högupplöst MRI, (2) har dedikerade generaliserings- och tillförlitlighetsanalyser, (3) har stora representativa tränings- och testdatamängder, (4) adresserar eller analyserar specifikt utmaningar med choroid plexus segmentering som t.ex. partiella volymeffekter, eller (5) är allmänt tillgänglig som ett färdigt verktyg. Således är den nuvarande "guldstandarden" för plexussegmentering av choroid plexus manuell spårning, t.ex. med hjälp av 3D Slicer50 eller ITK-SNAP51, vilket inte har beskrivits tidigare och har varit en stor utmaning för forskare som vill undersöka choroid plexus roll i sina studier. 3D Slicer valdes för manuell segmentering på grund av författarens förtrogenhet med programvaran och för att den ger användaren olika verktyg baserade på olika tillvägagångssätt som kan kombineras för att uppnå önskat resultat. Andra verktyg kan användas, till exempel ITK-SNAP, som främst är inriktad på bildsegmentering, och när verktyget väl behärskas kan goda resultat uppnås av användaren. Dessutom har författarna genomfört en fall-kontrollstudie som visar den höga noggrannheten och tillförlitligheten hos deras manuella segmenteringsteknik med hjälp av 3D Slicer30, och den specifika metodiken beskrivs här.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Det nuvarande protokollet godkändes av Institutional Review Board vid Beth Israel Deaconess Medical Center. En frisk försöksperson med en MRT-skanning av hjärnan som var fri från artefakter eller rörelse användes för denna protokolldemonstration, och skriftligt informerat samtycke erhölls. En 3,0 T MR-skanner med en 32-kanals huvudspole (se materialförteckning) användes för att ta 3D-T1-bilder med en upplösning på 1 mm x 1 mm x 1,2 mm. MP-RAGE ASSET-sekvensen med ett synfält på 256 x 256, TR/TE/TI=7,38/3,06/400 ms och en 11-graders lutningsvinkel användes.

1. Importera hjärn-MR till 3D-slicer

3D Slicer tillhandahåller dokumentation relaterad till dess användargränssnitt.

  1. Förbered hjärnans MRI DICOM (Digital Imaging and Communications in Medicine) eller NIFTI (Neuroimaging Informatics Technology Initiative) filer för import till 3D Slicer.
  2. Importera DICOM-data genom att klicka på DCM-knappen i verktygsfältets övre vänstra hörn. Klicka sedan på knappen Importera DICOM-filer för att importera DICOM-formatdata.
  3. Om MRT-data är i NIFTI-format, importera dem genom att klicka på DATA-knappen i det övre vänstra hörnet av verktygsfältet. I popup-dialogrutan väljer du Välj katalog att lägga till för att batchimportera NIFTI-data i en mapp eller väljer Välj fil(er) att lägga till för att importera specifika NIFTI-filer. Klicka sedan på OK för att fortsätta med datauppladdning till 3D Slicer.
  4. Efter importen kommer MRT-data att visas i fönstret till höger som visar axiella, sagittala och koronala plan.
  5. Ändra layouten på fönstren genom att gå till Layouter och välja en specifik layout. Du hittar den antingen genom att klicka på modulbilden Layouter i verktygsfältet för 3D-utsnittet eller via Visa > layouter på programmenyn.

2. Ladda ned DICOM från exempeldata i 3D-utsnitt

  1. Klicka på knappen Ladda ned exempeldata på öppningsskärmen i avsnittet Välkommen till utsnitt. Välj sedan MRHead-knappen så startar nedladdningsprocessen, vilket kan ta några minuter.
  2. Se till att hjärnans MRT-data med axiella, sagittala och koronala plan visas i det högra fönstret.

3. Kvalitetskontroll och justering av MR-bilden

  1. Bestäm bildkvaliteten och förekomsten av artefakter på grund av huvudrörelser eller skanningsproblem genom att kritiskt granska varje MR-skiva.
  2. Zooma bildsegmentet genom att högerklicka och flytta musen uppåt eller nedåt för att zooma ut respektive in.
  3. Om du vill flytta runt bildsegmentet vänsterklickar du på bilden, håller ned Skift-tangenten och drar runt musen.
  4. Att justera bildens ljusstyrka kan hjälpa till att visa plexus choroideus. För att göra detta, klicka antingen på Justera fönster/volymnivå i verktygsfältet eller vänsterklicka på bilden och flytta musen uppåt eller nedåt för att höja respektive sänka ljusstyrkan.
  5. Att justera kontrasten kan dessutom hjälpa till att hitta plexus choroideus. Vänsterklicka på bildsegmentet och flytta musen åt vänster eller höger för att öka respektive minska kontrasten. För att bestämma lämplig kontrast för plexus choroideus, använd kärnorna i djup grå substans (centrala massor av grå substans uppställda runt de laterala och tredje ventriklarna) eller signalintensiteten som visas i kontrastskalan.
  6. När du har valt önskad kontrast ska du behålla samma kontrast under hela segmenteringen och inte justera för potentiella variationer i supra- och infratentoriella regioner.

4. Skapa de manuella segmenten av plexus choroid

  1. Om du vill börja segmentera den laterala, tredje och fjärde ventrikelplexus skapar du segmenteringsfilerna i modulen Segmentredigerare . Om du vill navigera dit klickar du antingen på Segment Editor i verktygsfältet eller går till Modules: nedrullningsbar meny och väljer Segment Editor.
  2. Klicka på rullgardinsmenyn för segmentering för att välja olika segmenteringar (om flera segmenteringar skapades) och byt namn på den valda segmenteringen.
  3. Använd listrutan Huvudvolym för att välja vilka NIFTI- eller DICOM-uppsättningar som behöver redigeras. Först när volymfilen är vald kan användaren börja segmentera/redigera.
  4. Klicka på knappen Lägg till två gånger för att lägga till två segment för den laterala ventrikeln choroid plexus. För att byta namn på dessa, dubbelklicka på namnet och ändra dem till Höger lateral ventrikel choroid plexus och Vänster lateral ventrikel choroid plexus.
  5. Klicka på knappen Lägg till igen för att lägga till segment för tredje och fjärde ventrikelplexus och döp om dem till "3:e ventrikelchoroidplexus" och "4:e ventrikelplexus".

5. Visa olika segment och segmenteringar

  1. Innan du redigerar bör du utföra en bakgrundsstudie för att veta hur du flyttar mellan layouter i visningsfönstret och hur du ändrar visningen eller opaciteten för segmenteringarna.
  2. Högst upp i visningsfönstret och till vänster om segmentreglaget klickar du på nålikonen. Detta öppnar en rullgardinsmeny, som kan variera beroende på den specifika layouten som fönstret finns i.
    OBS: Att använda olika layouter kan vara till hjälp när man segmenterar plexus choroid eftersom dess struktur kan variera mellan individer. Till exempel gör den "konventionella" layouten det möjligt för användaren att samtidigt visa alla tre segmenten och en 3D-vy av scenen. Om du väljer "Endast röd/gul/grön skiva" får användaren en närbild av 2D-skivan för att möjliggöra en mer exakt segmentering av plexus choroideus.

6. Avgränsning av laterala ventrikeln choroid plexus ROI

OBS: Bildregistrering till en mall är inte nödvändig för manuell segmentering.

  1. För den laterala ventrikelplexus, börja i det axiella planet och se till att bilderna är placerade baserat på den bikommissurala linjen. Använd sedan trigonum collaterale som referenspunkt för att lokalisera den laterala ventrikeln choroid plexus.
    1. När redigeringar har gjorts i det axiella planet, gå vidare till de återstående vyerna (sagittal och koronal) för att säkerställa att den manuella segmenteringen av den laterala ventrikeln choroid plexus inte fångar det omgivande hjärnparenkymet eller CSF.
  2. För att börja redigera klickar du på segmentet som du vill arbeta med, så markeras segmentnamnet.
  3. Klicka på verktyget Paint eller Draw i avsnittet Effekter i segmentredigeraren för att starta manuell segmentering.
    OBS: Det är bäst att börja segmentera i ett plan (korona, axiellt eller sagittal), och efter att segmenteringen har slutförts i alla skivor, flytta till andra plan för att kontrollera och förfina den manuella segmenteringen. Det föreslås att användaren börjar med axiella eller koronala plan eftersom den laterala ventrikeln choroid plexus lättare ses i dessa vyer.
  4. När du använder ritverktyget vänsterklickar du och håller ned för att rita en kontur vid gränsen för den laterala ventrikelplexus. När du har spårat högerklickar du för att fylla i det inritade området.
  5. När du använder målarverktyget väljer du först diametern på penseln som ska användas för att måla. En borste på 3 % eller 5 % föreslås för en mer exakt avgränsning av plexus choroideus, medan 10 % kan vara användbart för större urval.
  6. För båda verktygen, använd Paint eller Erase för att korrigera eventuella felaktiga avgränsningar genom att lägga till eller ta bort markeringar.
    OBS: Att hänvisa till andra synplan kan hjälpa till att identifiera den laterala ventrikeln choroid plexusstrukturen kontra andra hjärnstrukturer, såsom omgivande grå substans, fornix, corpus callosum eller hippocampus. Användaren uppmuntras att utesluta hjärnskanningar som har choroid plexus cystor identifierade.
  7. Använd nivån på den röda kärnan som ett landmärke för att stoppa segmenteringen av choroidplexus i de laterala kamrarna.

7. Avgränsning av tredje och fjärde ventrikeln choroid plexus ROI

OBS: T1w-bilder med högre upplösning (t.ex. 0,7 eller 0,8 mm) och de som erhålls på en 7T MRT skulle ge en mer exakt och tillförlitlig manuell segmentering av den tredje och fjärde ventrikelns choroid plexus. Att segmentera den tredje och fjärde ventrikeln choroid plexus är svårare än den laterala ventrikeln choroid plexus eftersom dessa regioner kan vara mycket mindre och med färre voxlar att avgränsa.

  1. För den tredje ventrikeln choroid plexus, börja i sagittalplanet och använd foramen av Monro, fornix, corpus callosum, thalamus och inre hjärnven som referenspunkter för att lokalisera choroid plexus i 3:e ventrikeln. Att flytta mellan skivor inom samma plan kan hjälpa till att avgöra om en region är fornix, thalamus, ven eller tredje ventrikeln choroid plexus.
    1. När redigeringar har gjorts i sagittalplanet, navigera till de återstående vyerna (axiell och koronal) för att säkerställa att den manuella segmenteringen av den tredje ventrikeln choroid plexus inte väljer det omgivande hjärnparenkymet eller CSF.
  2. På samma sätt, för den fjärde ventrikeln choroid plexus, börja i sagittalplanet och använd den övre lillhjärnsstjälken, pons och medulla som referenspunkter för att lokalisera choroid plexus i den fjärde ventrikeln. Att flytta mellan skivor inom samma plan kan hjälpa till att avgöra om en region är lillhjärnan, lillhjärnans tonsiller, nedre medullära velum eller 4:e ventrikelns choroid plexus.
    1. När redigeringarna har slutförts i sagittalplanet, gå vidare till de återstående vyerna (axiell och koronal) för att säkerställa att den manuella segmenteringen av den fjärde ventrikelns choroid plexus inte väljer omgivande hjärnparenkym eller CSF.

8. Beräkning av volymerna av plexus choroidus

  1. I listrutan Modules navigerar du till Quantification och väljer Segment Statistics.
  2. Under Indata väljer du den nya segmenteringskartan för kvantifiering under segmenteringsverktyget och väljer MRT-volymen från den skalära volymen. För Utdatatabell (under Utdata) väljer du alternativet Tabell . När du är klar trycker du på Verkställ, och en tabell som innehåller volymen på plexus choroid kommer att visas i olika enheter.

9. Spara segmenten och volymresultaten

  1. Klicka på knappen Spara i det övre vänstra hörnet av verktygsfältet för att spara genererade filer.
  2. Spara segmenteringsfilerna som .nrrd (3D-utsnittsfil), .nii.gz (NIFTI-fil) eller .tsv (tabellfil).

10. Bestämning av noggrannhet, prestanda och överensstämmelse för segmenteringen

OBS: Det rekommenderas att använda MORAI-paketet (se materialtabell), som beskriver tärningskoefficienten (DC) och DeepMind average Surface Distance (avgSD). Information om DC och avgSD beskrivs nedan. För att kunna beräkna dessa mätvärden måste läsarna veta hur man programmerar (t.ex. python, läser bilder från disk, formaterar om data till lämpliga indatamatriser för dessa funktioner). Det finns inget användarvänligt paket som innehåller alla dessa mätvärden.

  1. DC-poängen är en standardmetod för att kvantifiera överlappningen av två geometriska domäner. Om du vill beräkna den genomsnittliga DC-poängen mellan två segmenteringar anger du två tensorer y_pred och y, d.v.s. bilder med flera bildrutor med en bildruta för varje binäriserad etikettbild. Tensorer y_pred och y kan innehålla segmenteringar av två olika manuella bedömare, upprepade segmenteringar av samma bedömare eller automatiserad förutsägelse och manuell grundsanning.
    1. Använd funktionen monai.metrics.compute_meandice för att beräkna den genomsnittliga DC-poängen.
    2. Generera lämpliga tensorer för binära etiketter med monai.transforms.post.
      Parametern include_background kan ställas in på Falskt för att utesluta den första kategorin (kanalindex 0) från DC-beräkningen, som enligt konvention antas vara en bakgrund.
  2. Tänk på att avgSD-poängen är mindre vanlig och observera att metoden kan skilja sig åt eftersom det finns flera definitioner för ytavstånd. Använd till exempel maxavståndet (kallas även Hausdorff-avstånd, mycket känsligt för extremvärden), medelavståndet (enligt beskrivningen här) och den 95:e percentilen (mycket robust) som ofta använda mått.
    1. Använd funktionen compute_average_surface_distance för att beräkna avgSD-poängen.
    2. Se till att den här funktionen beräknar det genomsnittliga ytavståndet från y_pred till y under standardinställningen.
    3. Dessutom, om symmetrisk = True, se till att det genomsnittliga symmetriska ytavståndet mellan dessa två indata returneras.
  3. Utför den statistiska analysen av DC- och avgSD-poängen i flera fall kan utföras med hjälp av det robusta Wilcoxon-signerade rangtestet för parad analys.
  4. Överväg att använda Intraclass correlation coefficient (ICC) som en annan vanlig metod för att avgöra om flera deltagare kan bedömas på ett tillförlitligt sätt av olika bedömare. Kom ihåg att ICC fungerar på en uppsättning parade mätningar (t.ex. volymen) av segmenteringar och inte direkt på segmenteringsbilderna. Om du vill beräkna ICC använder du R-programvara och R Studio (se Materialförteckning), vilket gör processen enkel.
    1. Ladda ned paketet med install.packages("psych") och läs in biblioteket(psych).
    2. Ange dataramen, som innehåller deltagarna (raderna) och en bedömare i varje kolumn, med hjälp av Data <- data.frame(df). Visualisera sedan mätningarna med hjälp av plot (Data).
    3. För att köra ICC, använd ICC(Data), som genererar en tabell över de olika typerna av ICC, t.ex. för att få inter- eller intrabedömarpoäng.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Den föreslagna metoden har genomgått iterativ förfining för plexus i lateral ventrikelchoroideus, vilket innebär omfattande tester på en kohort av 169 friska kontroller och 340 patienter med kliniskt hög risk för psykos30. Med hjälp av den teknik som beskrivs ovan uppnådde författarna hög intrabedömarnoggrannhet och tillförlitlighet med en DC = 0,89, avgHD = 3,27 mm3 och single-rater ICC = 0,9730, vilket visar styrkan i protokollet som beskrivs häri.

Hantera problem med kvalitetskontroll och inställningar för 3D-utsnitt
Innan segmenteringsprocessen påbörjas är det nödvändigt att kontrollera kvaliteten på hjärnskanningen för att säkerställa att det inte finns några huvudrörelser eller artefakter som stör manuell segmentering (Figur 1A). Därefter kan ljusstyrka och kontrast justeras för att hjälpa till med bättre visualisering av plexus choroideus. Vissa hjärnskanningar kan ha huvudrörelser, och det är viktigt att avgöra om artefakten skulle påverka avgränsningen av plexus choroideus negativt (Figur 1B). Dessutom gör bilder med ljushets- och kontrastartefakter det svårt att urskilja gränserna för plexus choroid (Figur 1C,D). Försök i så fall att justera ljusstyrkan och kontrasten tills den är lämplig för manuell segmentering. Se till att hjärnskanningar som inte enkelt kan segmenteras för plexus choroideus utesluts.

Lateral ventrikel choroid plexus segmentering
Som visas i figur 2 används fem huvuddelar för att ladda och visa bilderna (del 1), välja olika 3D-slicerfunktioner (del 2), verktyg för att segmentera den laterala choroidplexus (del 3), visualisera axiella, koronala och sagittala bilder (del 4), beräkna volymen av den laterala ventrikelplexus choroidus (del 5) och spara resultaten från den manuella segmenteringen. T1w-hjärnskanningen kan laddas upp med hjälp av gränssnittet Välkommen till utsnitt genom att ladda ned exempeldata från MRHead-datauppsättningen i 3D-utsnittet (bild 3) eller importera NIFTI- eller DICOM-filen från en befintlig datauppsättning (bild 4A,B). Det finns också ett alternativ i den här panelen för att redigera bildens ljusstyrka och kontrast (Figur 4C). Efter att ha laddat T1w-hjärnskanningen kommer den att visas i segmentvygränssnittet och förberedas för lateral ventrikelplexussegmentering. Manuell segmentering skapas med modulen Segment Editor (bild 5A) och huvudvolymens namn kan bekräftas i figur 5B. I figur 5C kan etiketterna för höger och vänster lateral ventrikel choroid plexus läggas till och märkas i olika färger (Figur 5C), och själva intresseområdet kan avgränsas med hjälp av rit- eller målarverktyget (Figur 5D). Figur 6 betecknar den laterala ventrikeln choroid plexus och dess omgivande hjärnstrukturer, såsom svanskärnan, hippocampus, fornix och den tredje ventrikeln, vilket ger landmärken för segmenteringen av den laterala ventrikeln choroid plexus i några av de mer komplexa regionerna. För att generera och extrahera choroid plexus volymdata från de manuella segmenteringarna, välj modulen Segmentstatistik (Figur 7A). Det finns några alternativ att välja mellan för att mata ut data (bild 7B). De nya filerna som innehåller den beräknade laterala ventrikelvolymen choroid plexus kan nu sparas genom att trycka på Spara-knappen (Figur 7C).

Tredje och fjärde ventrikelsegmenteringen av choroideusen
Som framgår av figur 8 kan den 3:e ventrikeln choroid plexus lätt ses i den nedre vänstra panelen som visar sagittalplanet. Noterbart är att Foramen of Monro kan observeras välvd under corpus callosum, med plexus choroidus markerad i den tredje ventrikeln i grönt. Den tredje ventrikeln och den tredje ventrikeln choroid plexus kan också ses i axiella och koronala plan (övre vänstra respektive nedre högra panelerna i figur 8). Slutligen visas en 3D-rendering av den tredje ventrikeln choroid plexus i den övre högra panelen i figur 8. Figur 9 betecknar den tredje ventrikeln choroid plexus och dess omgivande hjärnstrukturer, inklusive corpus callosum, fornix, thalamus, inre hjärnven och tredje ventrikeln, vilket ger landmärken för segmenteringen av tredje ventrikeln choroid plexus i några av de mer komplexa regionerna.

Den fjärde ventrikelplexus choroidus är svårare att se och kan ses i figur 10. De sagittala och koronaplanen (nedre vänstra och nedre högra panelerna i figur 10) möjliggör bästa möjliga visning av dess struktur. Försiktighet måste iakttas för att säkerställa att delar av lillhjärnan eller själva den fjärde ventrikeln inte avgränsas som plexus choroideus. Figur 11 betecknar den fjärde ventrikeln choroid plexus och dess omgivande hjärnstrukturer, inklusive medulla, pons, superior cerebella peduncle, inferior medullary velum och fourth ventricle, vilket ger landmärken för segmenteringen av 4:e ventrikeln choroid plexus i några av de mer komplexa regionerna.

Segmenteringsnoggrannhet, likhet och överensstämmelse
Segmentering av neuroanatomiska strukturer kan jämföras direkt i en bildvisare, men likheten är ibland svår att bedöma visuellt. Därför används kvantitativa mått som DC52, som mäter procentuell överlappning, och avgSD53, som mäter avstånd mellan gränsytorna för de avgränsade strukturerna, för att jämföra förutsägelser med grundsanning eller manuella segmenteringar över eller inom bedömare för att bedöma tillförlitligheten. Som visas i figur 12A är DC för två 3D-segmenteringar G och P helt enkelt volymen av överlappningen (skärningspunkten) dividerat med den genomsnittliga volymen53:

Equation 1

där | . | representerar volym. Den mäter överlappning på en skala mellan 0 och 1, där värdet 1 anger exakt överensstämmelse och 0 osammanhängande segmenteringar och ofta multipliceras med 100 för att representera en procentuell överlappning. Det genomsnittliga ytavståndet (ASD) mäter det genomsnittliga avståndet (i mm) mellan alla punkter x på gränsen för G ( bd(G) ) till gränsen för P och vice versa (figur 12B). Det definieras som

Equation 2

med ett avstånd Equation 3 som motsvarar miniminivån för den euklidiska normen53. Till skillnad från DC indikerar en mindre ASD bättre insamling av segmenteringsgränserna, där värdet noll är minimum (perfekt matchning). Observera att ibland används också det maximala avståndet eller den 95:e percentilen i stället för genomsnittet, där den maximala är mycket känslig för enskilda extremvärden, medan den 95:e percentilen är robust men kan missa små men relevanta segmenteringsfel.

Överensstämmelsen mellan volymuppskattningar (inte segmenteringar direkt) mellan en uppsättning parade segmenteringar kan mätas med hjälp av ICC54. Detta kan åstadkommas genom att flera deltagare bedöms av flera bedömare (interclass ICC) eller av samma bedömare (intraclass ICC) (Figur 12C). ICC-poängen sträcker sig från 0 (dålig tillförlitlighet) till 1 (utmärkt tillförlitlighet). För interbedömarreliabilitet föreslås att man använder ICC1 (one-way fixed-effects model) för dataset där varje segmentering görs av en annan utvärderare som väljs ut slumpmässigt. Dessutom, för dataset där flera utvärderare, slumpmässigt utvalda, arbetar med samma segmentering, rekommenderas att använda ICC2 (tvåvägs random-effects model) för att testa för absolut överensstämmelse i segmenteringarna. Slutligen, för intrabedömartillförlitlighet, rekommenderas att använda ICC3 (tvåvägsmodell med blandade effekter) (figur 12C).

Figure 1
Figur 1: Kvalitetskontroll av hjärnskanning. (A) Hjärnskanning med god kontrast och ljusstyrka, inga tecken på artefakter och ingen huvudrörelse. (B) Hjärnskanning som visar huvudets rörelser (röd pil). (C) Hjärnskanning med hög ljusstyrka och låg kontrast eller (D) låg ljusstyrka och hög kontrast. Klicka här för att se en större version av denna figur.

Figure 2
Figur 2: Segmenteringen av den laterala ventrikeln choroid plexus i 3D Slicer. (1) används för att läsa in DICOM- eller NIFTI-bilderna och för att spara resultaten. (2) består av en rullgardinsmeny som kan användas för att öppna modulen Segment Editor (gul pil), som används för att segmentera plexus choroideus. Kvantifieringsmodulen (blå pil) kan också väljas här för att beräkna volymen på plexus choroideus. (3) Visar verktygsfältet Segment, som innehåller rit-, målar- och raderingsverktygen. (4) visar plexus choroidus i axiella, sagittala och koronala bilder av T1w-bilden. 3D-renderingen av plexus choroidus visas också i det övre högra hörnet. (5) visar volymresultaten från den manuella plexussegmenteringen av choroideus, beräknad med hjälp av modulen Segmentstatistik. De slutliga resultaten kan sparas med hjälp av spara-knappen som nämns i (1). Klicka här för att se en större version av denna figur.

Figure 3
Bild 3: Läsa in exempeldata för 3D-utsnitt. Den här bilden visar hur du laddar ner exempeldata från 3DSlicer-gränssnittet. Först måste "Ladda ner exempeldata" väljas och sedan måste "MRHead" väljas, som visar axiella, sagittala och koronala views av hjärnskanningen på höger sida av skärmen. Klicka här för att se en större version av denna figur.

Figure 4
Bild 4: Läsa in T1w-hjärnskanningen. Den här bilden visar hur du laddar upp T1w-hjärnskanningen med hjälp av antingen NIFTI (vänster panel) eller DICOM (höger panel) filer. (A) För NIFTI files måste antingen "Välj katalog att lägga till" eller "Välj fil(er) att lägga till" väljas, följt av att välja "OK". (B) För DICOM-filer måste du välja "Lägg till DICOM-data", följt av "Importera DICOM-filer" och sedan trycka på "OK". Dessa två tillvägagångssätt kommer att visa de axiella, sagittala och koronala vyerna av hjärnskanningen på höger sida av skärmen. (C) För att justera ljusstyrkan och kontrasten på bilderna måste den röda knappen väljas. Klicka här för att se en större version av denna figur.

Figure 5
Figur 5: Lateral ventrikel choroid plexus segmentering. Efter att T1w-hjärnskanningen har lästs in i 3D-skivaren. (A) Välj modulen "Segmenteringsredigerare". (B) Bekräfta modulen och mastervolymen för manuell segmentering av den laterala ventrikelplexus choroideus. (C) Skapa etiketter för höger och vänster lateral ventrikel choroid plexus. (D) Använd verktygen "rita" och "färga" för att manuellt avgränsa plexus i den laterala ventrikeln. Klicka här för att se en större version av denna figur.

Figure 6
Figur 6: Angränsande strukturer till den laterala ventrikeln choroid plexus. Angränsande hjärnstrukturer inkluderar fornix, caudatuskärnan, hippocampus och den tredje ventrikeln. Klicka här för att se en större version av denna figur.

Figure 7
Figur 7: Volymberäkning. Beräkna volymen på plexus choroid och spara segmenten och volymresultaten. (A) Välja modulen Segmentstatistik . (B) Val för utmatning av data. (C) Tryck på knappen Spara för att spara de nya files som innehåller den beräknade laterala ventrikeln choroid plexus volym. Klicka här för att se en större version av denna figur.

Figure 8
Figur 8: Segmentering av tredje ventrikeln choroideus. Här avbildas de axiella, koronala och sagittala vyerna av den tredje ventrikeln choroid plexus som har segmenterats manuellt med hjälp av 3D-skäraren. Det övre högra hörnet visar en 3D-rendering av den tredje ventrikeln choroid plexus. Klicka här för att se en större version av denna figur.

Figure 9
Figur 9: Angränsande strukturer till tredje ventrikelns choroid plexus. Angränsande hjärnstrukturer inkluderar fornix, inre hjärnven, talamus, corpus callosum och 3:e ventrikeln. Klicka här för att se en större version av denna figur.

Figure 10
Figur 10: Segmentering av plexus choroidus i fjärde ventrikeln. Här avbildas de axiella, koronala och sagittala vyerna av den fjärde ventrikeln choroid plexus som har segmenterats manuellt med hjälp av 3D-skäraren. Det övre högra hörnet visar en 3D-rendering av den fjärde ventrikeln choroid plexus. Klicka här för att se en större version av denna figur.

Figure 11
Figur 11: Angränsande strukturer till den fjärde ventrikelns choroid plexus. Angränsande hjärnstrukturer inkluderar förlängda märgen, pons, lillhjärnan, lillhjärnan vermis och lillhjärnans tonsiller. Klicka här för att se en större version av denna figur.

Figure 12
Figur 12: Fastställa segmenteringsnoggrannhet, prestanda och överensstämmelse. (A) Visar hur den procentuella överlappningen beräknas med hjälp av tärningskoefficienten (DC). (B) Det genomsnittliga ytavståndet (avgSD) mäter avstånden mellan gränsytorna för de avgränsade strukturerna för att jämföra förutsägelser med grundsanning, eller manuella segmenteringar över eller inom bedömare för att bedöma tillförlitligheten. (C) Intraclass Correlation Coefficient (ICC) kan användas för interbedömare (upprepade mätningar av samma ämne) eller intrabedömare (flera mätningar från samma bedömare) tillförlitlighetsanalys. Ett representativt exempel och utdata tillhandahålls. Klicka här för att se en större version av denna figur.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Kritiska steg i protokollet
Tre kritiska steg kräver särskild uppmärksamhet vid implementering av detta protokoll. För det första är det viktigt att kontrollera kvaliteten och kontrasten på MR-bilder för att säkerställa korrekt segmentering. Om bildkvaliteten är för dålig, eller om kontrasten är för låg eller för hög, kan det leda till en felaktig avgränsning av plexus choroideus. Kontrasten för bilden kan justeras genom att visa bildens gråskalevärde eller genom att kalibrera värdena för att förbättra kontrasten mellan kärnorna i grå substans och grå substans. För det andra måste bedömarna vara bekanta med anatomin hos plexus choroideus och ha specialutbildning. Om bedömare inte är bekanta med anatomin hos choroid plexus och intilliggande hjärnregioner, kan de segmentera choroid plexus felaktigt, vilket gör choroid plexus volym felaktig. Slutligen är det viktigt att utvärdera reproducerbarheten inom och mellan bedömare för att säkerställa att bedömare som utför manuell segmentering kan reproducera sin egen, såväl som andra bedömares segmentering av plexus choroideus. Dessa siffror är också mycket relevanta när man validerar automatiserade segmenteringsverktyg i ett senare skede. Dessutom, om datauppsättningen är fast, och om flera bedömare kommer att användas för manuell segmentering, rekommenderas det att samma fönsterinställning används så att bedömarna tittar på samma bild med samma kontrast och ljusstyrka. Om fönsterinställningen ändras mellan bedömare som tittar på samma bild kan samma bild segmenteras på olika sätt.

Modifieringar och felsökning
Användare kan göra vissa ändringar i detta protokoll. För det första kan plexusvävnad i choroid som ligger i paraseptumområdet och den inferno-anterior-laterala delen av tinninghornet, som ligger intill septum pellucidum, fornix och hippocampus, göra segmenteringen av plexus choroid utmanande. För att ta itu med denna svårighet föreslås det att man utför segmenteringen av choroid plexus i alla tre dimensionerna, och en referens (figur 6) tillhandahålls för segmentering av choroid plexus i dessa komplexa regioner. För det andra är det också viktigt att veta när man ska stoppa segmenteringen. För plexus choroidus i de laterala och tredje ventriklarna kan den röda kärnan användas som ett stopplandmärke, medan för den fjärde ventrikeln choroid plexus kan foramen av Magendie användas som en stopppunkt. För det tredje kan det finnas utmaningar när det gäller att skilja gränsen mellan plexus choroideus och cerebrospinalvätska i den bakre basala delen av de laterala ventriklarna. För att ta itu med detta problem kan signalintensitet och anatomiska överväganden användas för att hjälpa bedömaren att fatta lämpliga segmenteringsbeslut. För det fjärde, om en lågupplöst bild används, rekommenderas det att vara mer konservativ i segmenteringsproceduren och att prioritera att använda kontrastförstärkt avbildning för att validera segmenteringen av choroidplexus i denna temporala region. Om kontrastförstärkt bildbehandling inte är tillgänglig föreslår vi att du undantar den här regionen från segmenteringsprocessen. Men om en högupplöst bild används, rekommenderas det att vara mer liberal i segmenteringsproceduren. Dessutom, om avgränsningen mellan plexus choroidus och hjärnans parenkym kan göras på en högupplöst bild av tinninghornet, skulle en kontrastförstärkt bild inte vara nödvändig. För det femte kan 3D Slicer köras på en pekskärmsdator där en styluspenna istället för en mus kan användas för att förbättra spårningen av plexus choroideus. Denna programvara är dock för närvarande inte tillgänglig på iPad. Slutligen kan problem med programvarukrascher uppstå på vissa datorer när plexus choroid hos mer än tio försökspersoner har avgränsats i följd. I det här fallet kan du genom att klicka på Spara-knappen ofta förhindra dataförlust orsakad av programvarukraschen.

Begränsningar
Även om manuell segmentering av plexus choroideus är guldstandarden för att få exakta volymdata, finns det flera begränsningar relaterade till typen och kvaliteten på skanningen, såväl som upplevelsen av bedömare21. Till exempel kan storleken på plexus choroidum variera beroende på ålder eller sjukdomstillstånd, vilket kan påverka storleken på ventrikeln och plexus choroideus. Således kan plexus choroidus verka liten hos unga, friska individer, vilket gör det svårt att segmentera manuellt. Problemet kan förvärras om bilden har sämre upplösning (1,2 eller 1,5 mm isovoxel) och/eller tas med en 1,5 T MR-skanner. Manuell segmentering av plexus choroidum kan dessutom påverkas av bildens ljusstyrka och kontrast, vilket gör det svårt att identifiera gränserna, vilket resulterar i över- eller underskattning av volymen. Dessutom är den tredje och fjärde ventrikeln choroid plexus små strukturer, som kan vara utmanande att segmentera ordentligt om en bild med högre upplösning inte är tillgänglig (0,7 eller 0,8 mm isovoxel). En begränsning med att använda en 3D-slicer istället för annan programvara för manuell segmentering med öppen källkod är oförmågan att utföra bildsegmentering samtidigt i tre dimensioner, en funktion som erbjuds genom ITK-SNAP51 och som kan förbättra hastigheten på bildsegmenteringen av choroid plexus. Dessutom är manuell segmentering en tidskrävande och tråkig uppgift, vilket gör studien av choroid plexus i stora kohorter med tusentals eller tiotusentals individer opraktisk, vilket belyser behovet av exakta automatiska verktyg för plexus choroideus. Slutligen kan det leda till fel i volymmätningen att bara räkna plexusvoxlar i choroideus utan att ta hänsyn till de partiella volymeffekterna av cerebrospinalvätska eller vit substans.

Betydelse i förhållande till befintliga metoder
Beroendet av FreeSurfer för plexus choroideus-segmentering, som har dålig noggrannhet och inte segmenterar den tredje och fjärde ventrikeln choroid plexus, begränsar det grundläggande arbete som kan utföras för att bättre förstå choroid plexus roll i hälsa och sjukdom. Dessutom kan en mer exakt avgränsning av choroid plexus också utnyttjas av Alzheimers neuroimaging community för att minska kontamineringen av medial temporal tau PET-signal genom off-target bindning i choroid plexus55. Medan initiala anpassningar av maskininlärning (GMM) och djupinlärningstekniker (3D U-Net, nnU-Net, Axial-MLP 8) till choroid plexus-etiketter har förbättrat segmenteringsnoggrannheten på FreeSurfer-härledda choroid plexus-etiketter 46,48,49, tränas och utvärderas metoder tyvärr endast i små, homogena datamängder, varken allmänt tillgängliga eller lättanvända verktyg och ofullständiga endast inkluderar choroid plexus i de laterala ventriklarna. En invändning är att det vid tidpunkten för återinlämningen av detta protokoll fanns en artikel publicerad av Yazdan-Panah et al. där de utförde manuell segmentering av den laterala ventrikeln choroid plexus med hjälp av ITK-SNAP56. De använde dessa manuellt segmenterade bilder för att träna ett 2-stegs 3D U-Net och visade en genomsnittlig DC på 0,72 med grundsanningen, och den överträffade FreeSurfer och FastSurfer-baserade segmenteringar56. Generaliserbarheten till andra upplösningar, skannrar, åldrar och multipla sjukdomar har inte fastställts och är i själva verket osannolik med tanke på utmaningen med domänöverföringen.

Framtida användningsområden
På grund av de begränsningar som anges ovan behövs ett protokoll för noggrann segmentering av plexus choroideus. Dessutom, för att skapa ett automatiserat segmenteringsverktyg för choroid plexus, vilket kan vara utmanande att utveckla på grund av denna strukturs natur, behövs en omfattande annoterad datauppsättning av choroid plexus som spänner över olika parametrar och kombinerar den med en uppsättning metodologiska innovationer för den toppmoderna programvaran med öppen källkod, FastSurfer42,43, en avancerad och skalbar djupinlärningsbaserad neuroimaging-pipeline för automatiserad kortikal och subkortikal segmentering. FastSurferCNN har visat sig överträffa 3D U-Net-, SDNet- och QuickNAT-modeller för kortikal och subkortikal segmentering av nära 100 strukturer med en genomsnittlig DCs > 8542. Således kan en stor och omfattande annotering av choroid plexus användas med FastSurfer för att avsevärt utöka till (1) en 3D-arkitektur med förbättrade interna förstärkningstekniker, (2) förmågan att också förutsäga - för första gången - partiella volymuppskattningar direkt, samt (3) utdatasegmenteringar vid högre upplösningar (superupplösning) för dataharmonisering. Författarna planerar att arbeta vidare med att anpassa och utveckla FastSurfer för att skapa ett mycket exakt segmenteringsverktyg för choroid plexus för de laterala, tredje och fjärde ventriklarna och dela detsamma öppet med forskarsamhället.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Författarna har inga konkurrerande ekonomiska intressen.

Acknowledgments

Detta arbete stöddes av National Institute of Mental Health Award R01 MH131586 (till P.L och M.R), R01 MH078113 (till M.K) och ett Sydney R Baer Jr Foundation Grant (till P.L).

Materials

Name Company Catalog Number Comments
3D Slicer 3D Slicer https://www.slicer.org/ A free, open source software for visualization, processing, segmentation, registration, and analysis of medical, biomedical, and other 3D images and meshes; and planning and navigating image-guided procedures.
FreeSurfer FreeSurfer https://surfer.nmr.mgh.harvard.edu/ An open source neuroimaging toolkit for processing, analyzing, and visualizing human brain MR images
ITK-SNAP ITK-SNAP http://www.itksnap.org/pmwiki/pmwiki.php A free, open-source, multi-platform software application used to segment structures in 3D and 4D biomedical images. 
Monai Package Monai Consortium https://docs.monai.io/en/stable/metrics.html Use for Dice Coefficient and DeepMind average Surface Distance. 
MRI scanner GE Discovery MR750 
Psych Package R-Project https://cran.r-project.org/web/packages/psych/index.html A general purpose toolbox developed originally for personality, psychometric theory and experimental psychology.
R Software R-Project https://www.r-project.org/ R is a free software environment for statistical computing and graphics. 
RStudio Posit https://posit.co/ An RStudio integrated development environment (IDE) is a set of tools built to help you be more productive with R and Python. 
Windows or Apple OS Desktop or Laptop Any company n/a Needed for running the software used in this protocol. 

DOWNLOAD MATERIALS LIST

References

  1. Lun, M. P., Monuki, E. S., Lehtinen, M. K. Development and functions of the choroid plexus-cerebrospinal fluid system. Nature Reviews Neuroscience. 16 (8), 445-457 (2015).
  2. Dani, N., Herbst, R. H., McCabe, C. A cellular and spatial map of the choroid plexus across brain ventricles and ages. Cell. 184 (11), 3056-3074 (2021).
  3. Kaiser, K., Bryj, aV. Choroid plexus: the orchestrator of long-range signalling within the CNS. IJMS. 21 (13), 4760 (2020).
  4. Damkier, H. H., Brown, P. D., Praetorius, J. Cerebrospinal fluid secretion by the choroid plexus. Physiological Reviews. 93, 46 (2013).
  5. Liddelow, S. A. Development of the choroid plexus and blood-CSF barrier. Frontiers in Neuroscience. 9, 00032 (2015).
  6. Gato, A., Alonso, M. I., Lamus, F., Miyan, J. Neurogenesis: A process ontogenically linked to brain cavities and their content, CSF. Seminars in Cell & Developmental Biology. 102, 21-27 (2020).
  7. Spatazza, J., Lee, H. H. C., Di Nardo, A. A. Choroid-plexus-derived Otx2 homeoprotein constrains adult cortical plasticity. Cell Reports. 3 (6), 1815-1823 (2013).
  8. Kim, S., Hwang, Y., Lee, D., Webster, M. J. Transcriptome sequencing of the choroid plexus in schizophrenia. Translational Psychiatry. 6 (11), e964-964 (2016).
  9. Myung, J., Schmal, C., Hong, S. The choroid plexus is an important circadian clock component. Nature Communications. 9 (1), 1062 (2018).
  10. Quintela, T., Furtado, A., Duarte, A. C., Gonçalves, I., Myung, J., Santos, C. R. A. The role of circadian rhythm in choroid plexus functions. Progress in Neurobiology. 205, 102129 (2021).
  11. Gorlé, N., Blaecher, C., Bauwens, E., et al. The choroid plexus epithelium as a novel player in the stomach-brain axis during Helicobacter infection. Brain, Behavior, and Immunity. 69, 35-47 (2018).
  12. Zappaterra, M. W., Lehtinen, M. K. The cerebrospinal fluid: regulator of neurogenesis, behavior, and beyond. Cellular and Molecular Life Sciences. 69 (17), 2863-2878 (2012).
  13. Cardia, E., Molina, D., Abbate, F. Morphological modifications of the choroid plexus in a rodent model of acute ventriculitis induced by gram-negative liquoral sepsis: Possible implications in the pathophysiology of hypersecretory hydrocephalus. Child's Nervous System. 11 (9), 511-516 (1995).
  14. Coisne, C., Engelhardt, B. Tight junctions in brain barriers during central nervous system inflammation. Antioxidants & Redox Signaling. 15 (5), 1285-1303 (2011).
  15. Szmydynger-Chodobska, J., Strazielle, N., Gandy, J. R. Posttraumatic Invasion of monocytes across the blood-cerebrospinal fluid barrier. Journal of Cerebral Blood Flow & Metabolism. 32 (1), 93-104 (2012).
  16. Pellegrini, L., Albecka, A., Mallery, D. L. SARS-CoV-2 infects the brain choroid plexus and disrupts the blood-csf barrier in human brain organoids. Cell Stem Cell. 27 (6), 951-961 (2020).
  17. Bitanihirwe, B., Lizano, P., Woo, T. Deconstructing the functional neuroanatomy of the choroid plexus: an ontogenetic perspective for studying neurodevelopmental and neuropsychiatric disorders. Review at Molecular Psychiatry. , (2022).
  18. Ramaekers, V., Sequeira, J. M., Quadros, E. V. Clinical recognition and aspects of the cerebral folate deficiency syndromes. Clinical Chemistry and Laboratory Medicine. 51 (3), 0543 (2012).
  19. Lizano, P., Lutz, O., Ling, G. Association of choroid plexus enlargement with cognitive, inflammatory, and structural phenotypes across the psychosis spectrum. AJP. 176 (7), 564-572 (2019).
  20. Kim, H., Lim, Y. M., Kim, G. Choroid plexus changes on magnetic resonance imaging in multiple sclerosis and neuromyelitis optica spectrum disorder. Journal of the Neurological Sciences. 415, 116904 (2020).
  21. Bannai, D., Lutz, O., Lizano, P. Neuroimaging considerations when investigating choroid plexus morphology in idiopathic psychosis. Schizophrenia Research. 224, 19-21 (2020).
  22. Zhou, G., Hotta, J., Lehtinen, M. K., Forss, N., Hari, R. Enlargement of choroid plexus in complex regional pain syndrome. Scientific Reports. 5 (1), 14329 (2015).
  23. Jacob, F., Pather, S. R., Huang, W. K. Human pluripotent stem cell-derived neural cells and brain organoids reveal SARS-CoV-2 neurotropism predominates in choroid plexus epithelium. Cell Stem Cell. 27 (6), 937-950 (2020).
  24. Yang, A. C., Kern, F., Losada, P. M. Dysregulation of brain and choroid plexus cell types in severe COVID-19. Nature. 595 (7868), 565-571 (2021).
  25. Lin, Y. J., Chiu, N. C., Chen, H. J., Huang, J. Y., Ho, C. S. Cranial ultrasonographic screening findings among healthy neonates and their association with neurodevelopmental outcomes. Pediatrics & Neonatology. 62 (2), 158-164 (2021).
  26. Chang, H., Tsai, C. M., Hou, C. Y., Tseng, S. H., Lee, J. C., Tsai, M. L. Multiple subependymal pseudocysts in neonates play a role in later attention deficit hyperactivity and autistic spectrum disorder. Journal of the Formosan Medical Association. 118 (3), 692-699 (2019).
  27. Levman, J., Vasung, L., MacDonald, P. Regional volumetric abnormalities in pediatric autism revealed by structural magnetic resonance imaging. International Journal of Developmental Neuroscience. 71 (1), 34-45 (2018).
  28. Taft, A. E. A note on the pathology of the choroid plexus in general paralysis. Archives of Neurology & Psychiatry. 7 (2), 177 (1922).
  29. D, S. R. The choroid plexus in organic diseases of the brain and of schizophreina. The Journal of Nervous and Mental Disease. 56, 21-26 (1921).
  30. Bannai, D., Reuter, M., Hegde, R. Linking choroid plexus enlargement with plasma analyte and structural phenotypes in clinical high risk for psychosis: a multisite neuroimaging study. BioRxiv. , (2022).
  31. Egorova, N., Gottlieb, E., Khlif, M. S., Spratt, N. J., Brodtmann, A. Choroid plexus volume after stroke. International Journal of Stroke. 14 (9), 923-930 (2019).
  32. Ricigliano, V. A., Morena, E., Colombi, A. Choroid plexus enlargement in inflammatory multiple sclerosis: 3.0-T MRI and translocator protein PET evaluation. Radiology. 301 (1), 166-177 (2021).
  33. Tadayon, E., Pascual-Leone, A., Press, D., Santarnecchi, E. Choroid plexus volume is associated with levels of CSF proteins: relevance for Alzheimer's and Parkinson's disease. Neurobiology of Aging. 89, 108-117 (2020).
  34. Choi, J. D., Moon, Y., Kim, H. J., Yim, Y., Lee, S., Moon, W. J. Choroid plexus volume and permeability at brain MRI within the Alzheimer Disease clinical spectrum. Radiology. 304 (3), 635-645 (2022).
  35. Althubaity, N., Schubert, J., Martins, D. Choroid plexus enlargement is associated with neuroinflammation and reduction of blood-brain barrier permeability in depression. NeuroImage: Clinical. 33, 102926 (2022).
  36. Senay, O., et al. Choroid plexus volume in individuals with early course and chronic psychosis - a magnetic resonance imaging study. Schizophrenia Bulletin. , (2022).
  37. Fischi, B. FreeSurfer. NeuroImage. 62 (2), 774-781 (2012).
  38. Fischl, B., et al. Cortical folding patterns and predicting cytoarchitecture. Cerebral Cortex. 18 (8), 1973-1980 (2008).
  39. Fischl, B., vander Kouwe, A., Destrieux, C. Automatically parcellating the human cerebral cortex. Cerebral Cortex. 14 (1), 11-22 (2004).
  40. Patenaude, B., Smith, S. M., Kennedy, D. N., Jenkinson, M. A Bayesian model of shape and appearance for subcortical brain segmentation. NeuroImage. 56 (3), 907-922 (2011).
  41. Huo, Y., Xu, Z., Xiong, Y. 3D whole brain segmentation using spatially localized atlas network tiles. NeuroImage. 194, 105-119 (2019).
  42. Henschel, L., Conjeti, S., Estrada, S., Diers, K., Fischl, B., Reuter, M. FastSurfer - A fast and accurate deep learning based neuroimaging pipeline. NeuroImage. 219, 117012 (2020).
  43. Henschel, L., Kügler, D., Reuter, M. FastSurferVINN: Building resolution-independence into deep learning segmentation methods-A solution for HighRes brain MRI. NeuroImage. 251, 118933 (2022).
  44. Jovicich, J., Czanner, S., Han, X. MRI-derived measurements of human subcortical, ventricular and intracranial brain volumes: Reliability effects of scan sessions, acquisition sequences, data analyses, scanner upgrade, scanner vendors and field strengths. NeuroImage. 46 (1), 177-192 (2009).
  45. Zaretskaya, N., Fischl, B., Reuter, M., Renvall, V., Polimeni, J. R. Advantages of cortical surface reconstruction using submillimeter 7 T MEMPRAGE. NeuroImage. 165, 11-26 (2018).
  46. Tadayon, E., Moret, B., Sprugnoli, G., Monti, L., Pascual-Leone, A., Santarnecchi, E. Improving choroid plexus segmentation in the healthy and diseased brain: Relevance for Tau-PET imaging in dementia. Journal of Alzheimer's Disease. 74 (4), 1057-1068 (2020).
  47. Schmidt-Mengin, M., Ricigliano, V. A. G., Bodini, B. Axial multi-layer perceptron architecture for automatic segmentation of choroid plexus in multiple sclerosis. Medical Imaging 2022: Image Processing. SPIE. Išgum, I., Colliot, O. , (2022).
  48. Zhao, L., Feng, X., Meyer, C. H., Alsop, D. C. Choroid plexus segmentation using optimized 3D U-Net. 2020 IEEE 17th International Symposium on Biomedical Imaging (ISBI). IEEE. , 381-384 (2020).
  49. Schmidt-Mengin, M., et al. Axial multi-layer perceptron architecture for automatic segmentation of choroid plexus in multiple sclerosis. arXiv. , (2021).
  50. Egger, J., Kapur, T., Nimsky, C., Kikinis, R. Pituitary adenoma volumetry with 3D Slicer. PLoS ONE. Muñoz-Barrutia, A. 7 (12), 51788 (2012).
  51. Yushkevich, P. A., Piven, J., Hazlett, H. C., et al. User-guided 3D active contour segmentation of anatomical structures: Significantly improved efficiency and reliability. NeuroImage. 31 (3), 1116-1128 (2006).
  52. Dice, L. R. Measures of the amount of ecologic association between species. Ecology. 26 (3), 297-302 (1945).
  53. Aydin, O. U., Taha, A. A., Hilbert, A. On the usage of average Hausdorff distance for segmentation performance assessment: hidden error when used for ranking. European Radiology Experimental. 5 (1), (2021).
  54. Shrout, P. E., Fleiss, J. L. Intraclass correlations: Uses in assessing rater reliability. Psychological Bulletin. 86 (2), 420-428 (1979).
  55. Pawlik, D., Leuzy, A., Strandberg, O., Smith, R. Compensating for choroid plexus based off-target signal in the hippocampus using 18F-flortaucipir PET. NeuroImage. 221, 117193 (2020).
  56. Yazdan-Panah, A., Schmidt-Mengin, M., Ricigliano, V. A. G., Soulier, T., Stankoff, B., Colliot, O. Automatic segmentation of the choroid plexuses: Method and validation in controls and patients with multiple sclerosis. NeuroImage: Clinical. 38, 103368 (2023).

Tags

Denna månad i JoVE Choroid plexus MRT manuell segmentering människa volym neuroimaging
Manuell segmentering av den mänskliga plexus choroid med hjälp av hjärn-MR
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Bannai, D., Cao, Y., Keshavan, M.,… More

Bannai, D., Cao, Y., Keshavan, M., Reuter, M., Lizano, P. Manual Segmentation of the Human Choroid Plexus Using Brain MRI. J. Vis. Exp. (202), e65341, doi:10.3791/65341 (2023).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter