Summary
尽管脉络丛在大脑中起着至关重要的作用,但由于缺乏可靠的自动分割工具,这种结构的神经影像学研究很少。本方案旨在确保脉络丛的金标准手动分割,这可以为未来的神经影像学研究提供信息。
Abstract
脉络丛与神经发育和一系列脑部疾病有关。有证据表明,脉络丛对大脑成熟、免疫/炎症调节以及行为/认知功能至关重要。然而,目前的自动神经影像学分割工具在准确可靠地分割侧脑室脉络丛方面表现不佳。此外,没有现有的工具可以分割位于大脑第三和第四脑室的脉络丛。因此,需要制定一个方案来描述如何分割侧脑室、第三脑室和第四脑室中的脉络丛,以提高检查神经发育和脑部疾病中脉络丛的研究的可靠性和可复制性。该协议提供了在基于DICOM或NIFTI图像的脉络丛的3D Slicer中创建单独标记文件的详细步骤。脉络丛将使用 T1w 图像的轴向、矢状面和冠状面手动分割,确保从与心室接壤的灰质或白质结构中排除体素。将调整窗口以帮助脉络丛及其解剖边界的定位。评估准确性和可靠性的方法将作为本协议的一部分进行演示。使用手动划定对脉络丛进行金标准分割可用于开发更好、更可靠的自动分割工具,这些工具可以公开共享,以阐明脉络丛在整个生命周期和各种脑部疾病中的变化。
Introduction
脉络丛功能
脉络丛是大脑中高度血管化的结构,由开窗的毛细血管和单层脉络丛上皮细胞组成 1。脉络丛投射到外侧、第三和第四脑室并产生脑脊液 (CSF),脑脊液在神经模式2 和脑生理学 3,4 中起重要作用。脉络丛分泌神经血管物质,包含干细胞样储存库,并作为阻止有毒代谢物进入的物理屏障,去除绕过物理屏障的部分的酶屏障,以及防止外来入侵者的免疫屏障5。脉络丛调节神经发生6、突触可塑性7、炎症8、昼夜节律9、10、肠脑轴11 和认知12。此外,外周细胞因子、应激和感染(包括 SARS-CoV-2)会破坏血液脑脊液屏障13、14、15、16。因此,脉络丛-脑脊液系统是神经发育、神经回路成熟、脑稳态和修复不可或缺的一部分 17。由于免疫、炎症、代谢和酶促改变会影响大脑,研究人员正在使用神经影像学工具来评估脉络丛在整个生命周期和脑部疾病中的作用 18,19,20。然而,用于脉络丛分割的常用自动化工具(如 FreeSurfer)存在局限性,导致脉络丛分割不良。因此,迫切需要脉络丛的地面实况手动分割,可用于开发用于脉络丛分割的精确自动化工具。
脉络丛在神经发育和脑部疾病中的应用
脉络丛在脑部疾病中的作用长期以来一直被忽视,主要是因为它被认为是一个辅助角色,其作用是缓冲大脑并维持适当的盐平衡2,21。然而,脉络丛作为一种与脑部疾病相关的结构而受到关注,例如疼痛综合征22、SARS-CoV-216、23、24、神经发育2 和脑部疾病19,这表明在行为障碍的发展中具有跨诊断作用。在神经发育障碍中,脉络丛囊肿与发育迟缓、注意力缺陷/多动障碍 (ADHD) 或自闭症谱系障碍 (ASD) 的风险增加有关25,26。此外,发现 ASD27 患者的侧脑室脉络丛体积增加。在脑部疾病中,脉络丛异常自 1921 年以来一直在精神障碍中被描述 28,29。先前的研究已经使用 FreeSurfer 分割在精神障碍患者的大样本中确定了脉络丛增大,与他们的一级亲属和对照组相比 19.在精神病临床高危人群的大样本中使用手动分割的脉络丛体积重复了这些发现,发现与健康对照组相比,这些患者的脉络丛体积更大30。越来越多的研究表明脉络丛肿大在复杂区域疼痛综合征22、中风31、多发性硬化症 20,32、阿尔茨海默氏症33,34 和抑郁症35 中,其中一些证明了外周和大脑免疫/炎症活动之间的联系。这些神经影像学研究很有希望;然而,FreeSurfer21 对侧脑室脉络丛分割不良限制了自动脉络丛体积估计的可信度。因此,多发性硬化症20,32、抑郁症35、阿尔茨海默氏症34 和早期精神病36 的研究已经开始手动分割侧脑室脉络丛,但目前没有关于如何做到这一点的指南,也没有关于分割第三和第四脑室脉络丛的指南。
常见的分割工具排除脉络丛
大脑分割管道,如 FreeSurfer37,38,39、FMRIB 软件库 (FSL)40、SLANT41 和 FastSurfer(由合著者 Martin Reuter 开发)42,43,使用基于图谱 (FSL)、基于图谱和表面的 (FreeSurfer) 以及深度学习分割范式(SLANT 和 FastSurfer)准确可靠地分割皮层和皮层下结构。其中一些方法的缺点包括处理速度、对不同扫描仪的有限泛化、场强和体素大小 37,44,以及在标准图集空间中强制对齐标签图。然而,脉络丛分割的能力以及与高分辨率 MRI 的兼容性仅由 FreeSurfer 和 FastSurfer 解决。FastSurfer 背后的神经网络是在 FreeSurfer 脉络丛标签上训练的,因此它们继承了 FreeSurfer 之前讨论的可靠性和覆盖范围限制,第三和第四脑室被忽略21。目前高分辨率 MRI 也存在局限性,但 FreeSurfer 的高分辨率流45 和 FastSurferVINN43 可用于处理此问题。
当前的脉络丛分割工具
脉络丛只有一种免费可用的分割工具,但分割精度有限。准确的脉络丛分割可能受到多种因素的影响,包括 (1) 脉络丛位置的变异性(空间上非平稳的),这是由于其在心室内的位置,(2) 体素强度、对比度、分辨率(结构内异质性)的差异,由于细胞异质性、动态脉络丛功能、病理变化或部分体积效应,(3) 影响脉络丛大小的年龄或病理学相关的心室大小差异, (4)靠近相邻的皮质下结构(海马体、杏仁核、尾状核和小脑),这些结构也很难分割。鉴于这些挑战,FreeSurfer 分割经常低估或高估、错误标记或忽略脉络丛。
最近的三篇出版物解决了使用高斯混合模型 (GMM)46、轴向 MLP47 和基于 U-Net 的深度学习方法48 进行可靠脉络丛分割的差距。每个模型都使用最多 150 名受试者的私有、手动标记数据集进行训练和评估,这些受试者的扫描仪、部位、人口统计学和疾病的多样性有限。虽然这些出版物 46,48,49 比 FreeSurfer 的脉络丛分割取得了显着改进——有时将预测和地面实况的交叉点增加了一倍,但这两种方法都没有 (1) 在高分辨率 MRI 中得到验证,(2) 具有专门的泛化和可靠性分析,(3) 具有大型代表性的训练和测试数据集,(4) 专门解决或分析脉络丛分割挑战,例如部分体积效应,或 (5) 作为即用型工具公开提供。因此,目前脉络丛分割的“金标准”是手动追踪,例如,使用 3D Slicer50 或 ITK-SNAP51,这在以前没有描述过,对于希望检查脉络丛在其研究中的作用的研究人员来说,这是一个重大挑战。之所以选择3D Slicer进行手动分割,是因为作者熟悉该软件,并且因为它为用户提供了基于不同方法的各种工具,这些工具可以组合在一起以获得所需的结果。可以使用其他工具,例如主要面向图像分割的ITK-SNAP,一旦掌握了该工具,用户就可以获得良好的效果。此外,作者还进行了一项病例对照研究,证明了他们使用 3D Slicer30 的手动分割技术的高准确性和可靠性,本文描述了具体方法。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
本协议已获得贝斯以色列女执事医疗中心机构审查委员会的批准。使用脑部 MRI 扫描没有伪影或运动的健康受试者进行该协议演示,并获得书面知情同意书。使用带有 32 通道头线圈的 3.0 T MRI 扫描仪(参见 材料表)采集分辨率为 1 mm x 1 mm x 1.2 mm 的 3D-T1 图像。使用 MP-RAGE ASSET 序列,视场为 256 x 256,TR/TE/TI=7.38/3.06/400 ms,翻转角度为 11 度。
1. 将脑部 MRI 导入 3D 切片器
注意:3D Slicer 提供与其用户界面相关的文档。
- 准备脑部 MRI DICOM(医学中的数字成像和通信)或 NIFTI(神经影像信息学技术计划)文件以导入到 3D Slicer。
- 通过单击工具栏左上角的 DCM 按钮导入 DICOM 数据。然后单击 导入 DICOM 文件 按钮导入 DICOM 格式数据。
- 如果 MRI 数据为 NIFTI 格式,请单击工具栏左上角 的 DATA 按钮导入它。在弹出的对话框中,选择 “选择要添加的目录 以批量导入文件夹中的 NIFTI 数据”,或选择“ 选择要添加的文件” 以导入特定的 NIFTI 文件。然后,点击 OK 按钮继续将数据上传到 3D Slicer。
- 导入后,MRI 数据将出现在右侧的窗口中,显示轴向、矢状面和日冕平面。
- 通过导航到 “布局 ”并选择特定布局来更改窗口的布局。这可以通过单击 3D Slicer 工具栏本身的 Layouts 模块图像或通过应用程序菜单中的 View > Layouts 找到。
2. 从 3D Slicer 中的示例数据下载 DICOM
- 单击“欢迎使用切片器”部分打开屏幕中的“下载示例数据”按钮。然后选择 MRHead 按钮,它将开始下载过程,这可能需要几分钟时间。
- 确保右侧窗口显示轴向、矢状面和冠状面的脑部 MRI 数据。
3.质量控制和调整MRI图像
- 通过严格审查每个 MRI 切片,定性地确定图像质量以及由于头部运动或扫描问题而导致的伪影的存在。
- 通过 右键单击并分别向上或向下移动鼠标 来缩小或缩小图像切片。
- 若要移动图像切片, 请左键单击 图像,按住 Shift 键,然后拖动鼠标。
- 调整图像亮度有助于观察脉络丛。为此,请单击工具栏中的 “调整窗口/音量级别 ”或 左键单击 图像并 向上或向下移动鼠标 以分别提高或降低亮度。
- 调整对比度还有助于找到脉络丛。 左键单击 图像切片,然后 向左或向右移动鼠标 以分别增加或减少对比度。要确定脉络丛的适当对比度,请使用深层灰质核(排列在侧脑室和第三脑室周围的灰质中心块)或对比度比例尺中显示的信号强度。
- 选择首选对比度后,在整个分割过程中保持相同的对比度,并且不要针对幕上和幕下区域的潜在变化进行调整。
4. 创建脉络丛的手动节段
- 要开始分割外侧、第三和第四室脉络丛,请在 “分段编辑器 ”模块中创建分割文件。要导航到那里,请单击工具栏中的 区段编辑器 ,或转到 模块:下拉菜单,然后选择 区段编辑器。
- 单击 细分 的下拉菜单以选择不同的细分(如果创建了多个细分)并重命名当前选定的细分。
- 使用 “主音量 ”下拉列表选择需要编辑的 NIFTI 或 DICOM 集。只有选择卷文件后,用户才能开始分段/编辑。
- 单击 “添加 ”按钮两次,为侧脑室脉络丛添加两个节段。要重命名这些名称,请 双击 名称并将它们更改为 右外侧心室脉络丛 和 左外侧心室脉络丛。
- 再次单击“添加”按钮以添加第三和第四室脉络丛的段,并将其重命名为“第三室脉络丛”和“第四室脉络丛”。
5. 查看不同的切片和分割
- 在编辑之前,请执行背景研究,以了解如何在查看窗口中的布局之间移动以及如何更改分段的视图或不透明度。
- 在查看窗口的顶部和切片滑块的左侧,单击 图钉图标。这将打开一个下拉菜单,该菜单可能因窗口所在的特定布局而异。
注意:在分割脉络丛时,使用不同的布局可能会有所帮助,因为它的结构可能因人而异。例如,“常规”布局允许用户同时查看所有三个切片和场景的 3D 视图。选择“仅红色/黄色/绿色切片”可让用户获得 2D 切片的特写视图,以便更精确地分割脉络丛。
6. 描绘侧脑室脉络丛 ROI
注意:手动分割不需要将图像注册到模板。
- 对于 侧脑室脉络丛,从 轴向平面 开始,确保图像基于双线定位。然后使用 三角侧支作为 定位侧脑室脉络丛的参考点。
- 在轴向平面上进行编辑后,移动到其余视图(矢状面和冠状面),以确保侧脑室脉络丛的手动分割不会捕获周围的脑实质或脑脊液。
- 要开始编辑,请单击要处理 的区段 ,区段名称将突出显示。
- 单击“片段编辑器”的“效果”部分中的“绘制”或“绘制”工具,开始手动分割。
注意:最好在一个平面(日冕、轴向或矢状面)开始分割,并在所有切片中完成分割后,移动到其他平面以检查和优化手动分割。建议用户从轴向或冠状平面开始,因为在这些视图中更容易看到侧脑室脉络丛。 - 使用 绘制 工具时, 左键单击并按住 以在侧脑室脉络丛边界处绘制轮廓。跟踪后, 右键单击 以填充绘制区域。
- 使用 “绘画 ”工具时,首先选择要用于绘画的画笔的直径。建议使用 3% 或 5% 的刷子来更精确地描绘脉络丛,而 10% 可用于更大的选择。
- 对于任一工具,请使用 “绘制 ”或 “擦除 ”通过添加或删除选区来纠正任何错误的描绘。
注意:参考其他视图平面可以帮助识别侧脑室脉络丛结构与其他大脑结构,例如周围的灰质、穹窿、胼胝体或海马体。鼓励用户排除已识别脉络丛囊肿的脑部扫描。 - 使用红核的水平作为停止侧脑室脉络丛分割的标志。
7. 描绘第三和第四脑室脉络丛 ROI
注意:更高分辨率的 T1w 图像(例如 0.7 或 0.8 毫米)和在 7T MRI 上获得的图像将提供更准确和可靠的第三和第四脑室脉络丛的手动分割。分割第三和第四脑室脉络丛比侧脑室脉络丛更困难,因为这些区域可能要小得多,并且需要描绘的体素更少。
- 对于 第三脑室脉络丛,从 矢状面 开始,以 门罗孔、穹窿孔、胼胝体、丘脑和大脑内静脉 为参考点,精确定位第三脑室 脉络丛。在同一平面内的切片之间移动有助于确定一个区域是穹窿、丘脑、静脉还是第三室脉络丛。
- 在矢状面上进行编辑后,导航到其余视图(轴向和冠状),以确保第三室脉络丛的手动分割不会选择周围的脑实质或脑脊液。
- 同样,对于 第四脑室脉络丛,从 矢状面 开始,使用 小脑上蒂、脑桥和延髓作为参考点 ,以精确定位第四脑室中的脉络丛。在同一平面内的切片之间移动有助于确定一个区域是小脑、小脑扁桃体、髓下腭还是第4 脑室 脉络丛。
- 在矢状面完成编辑后,移动到其余视图(轴向和冠状),以确保第四脑室脉络丛的手动分割不会选择周围的脑实质或脑脊液。
8. 计算脉络丛的体积
- 从 模块 下拉菜单中,导航到 量化 ,然后选择 细分统计。
- 在 输入下,在 分割 工具下选择要量化的新分割图,然后从 标量体积中选择 MRI 体积。对于 输出表 ( 输出), 选择表选项 。完成后,按 应用,包含脉络丛体积的表格将以各种单位出现。
9. 保存区段和交易量结果
- 点击 保存 工具 栏左上角的按钮以保存生成的文件。
- 将分割文件另存为 .nrrd (3D 切片器文件)、 .nii.gz (NIFTI 文件)或 .tsv (表文件)。
10. 确定分段的准确性、性能和一致性
注意:建议使用 MONAI 软件包(参见 材料表),它描述了骰子系数 (DC) 和 DeepMind 平均表面距离 (avgSD)。下面介绍了 DC 和 avgSD 的详细信息。为了计算这些指标,读者需要知道如何编程(例如,python,从磁盘读取图像,将数据重新格式化为这些函数的适当输入数组)。没有包含所有这些指标的用户友好型软件包。
- DC 分数是量化两个几何域重叠的标准方法。要计算两个分段之间的平均 DC 分数,请提供两个张量 y_pred 和 y,即多帧图像,每个二值化标签图像一个帧。张量 y_pred 和 y 可能包含两个不同手动评分器的分割、同一评分器的重复分割或自动预测和手动地面实况。
- 使用函数 monai.metrics.compute_meandice 计算平均 DC 分数。
- 使用 monai.transforms.post 生成合适的二进制标签张量。
注意:可以将 include_background 参数设置为 False,以从 DC 计算中排除第一类(通道索引 0),按照惯例,该类别被假定为背景。
- 考虑 avgSD 分数 不太常见,并注意该方法可能会有所不同,因为存在多个表面距离定义。例如,使用最大距离(也称为豪斯多夫距离,对异常值高度敏感)、平均距离(如此处所述)和第 95 个百分位数(高度稳健)作为常用度量。
- 使用函数 compute_average_surface_distance 计算 avgSD 分数。
- 确保此函数在默认设置下计算从 y_pred 到 y 的平均表面距离。
- 此外,如果 symmetric = True,请确保返回这两个输入之间的平均对称曲面距离。
- 通过使用强大的 Wilcoxon 符号秩检验进行配对分析,可以对多个案例的 DC 和 avgSD 分数进行统计分析。
- 考虑使用班级内相关系数 (ICC) 作为另一种常用方法,以确定不同评分者是否可以对多个参与者进行可靠评分。请记住,ICC 对一组配对的分割测量值(例如体积)进行操作,而不是直接对分割图像进行操作。若要计算 ICC,请使用 R 软件和 R Studio(请参阅 材料表),这使得该过程变得简单明了。
- 使用 install.packages(“psych”) 下载软件包并加载库 (psych)。
- 使用 Data <- data.frame(df) 输入数据框,其中包括每列中的参与者(行)和评分者。然后使用绘图(数据)可视化测量结果。
- 要运行 ICC,请使用 ICC(Data),它会生成不同类型 ICC 的表,例如,获取评分者之间或内部的分数。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
所提出的方法对侧脑室脉络丛进行了迭代改进,涉及对 169 名健康对照和 340 名临床精神病高风险患者的队列进行了广泛测试30。使用上述技术,作者在DC = 0.89,avgHD = 3.27 mm3和单评分者ICC = 0.9730的情况下获得了较高的评分者内部准确性和可靠性,证明了本文所述方案的强度。
处理质量控制问题和 3D 切片器设置
在开始分割过程之前,有必要检查脑部扫描的质量,以确保没有头部运动或干扰手动分割的伪影(图1A)。接下来,可以调整亮度和对比度,以帮助更好地可视化脉络丛。一些脑部扫描可能有头部运动,重要的是要确定伪影是否会对脉络丛的描绘产生不利影响(图1B)。此外,具有亮度和对比度伪影的图像很难区分脉络丛的边界(图1C,D)。在这种情况下,请尝试调整亮度和对比度,直到适合手动分割。确保排除脉络丛无法轻易分割的脑部扫描。
侧脑室脉络丛分割术
如图 2 所示,五个主要部分用于加载和显示图像(第 1 部分)、选择不同的 3D 切片器功能(第 2 部分)、分割外侧脉络丛的工具(第 3 部分)、可视化轴向、冠状和矢状图像(第 4 部分)、计算侧脑室脉络丛的体积(第 5 部分)以及保存手动分割的结果。通过从 3D Slicer 中的 MRHead 数据集下载样本数据(图 3)或从现有数据集导入 NIFTI 或 DICOM 文件(图 4A、B),可以使用 Welcome to Slicer 界面上传 T1w 脑部扫描。此面板中还有一个选项可以编辑图像的亮度和对比度(图4C)。加载 T1w 脑部扫描后,它将显示在切片视图界面中,并准备进行侧脑室脉络丛分割。使用Segment Editor模块(图5A)创建手动分割,主卷名称可在图5B中确认。在图5C中,可以添加右侧脑室脉络丛的标签并以不同的颜色标记(图5C),并且可以使用绘图或绘画工具描绘感兴趣区域本身(图5D)。图 6 标记了侧脑室脉络丛及其周围的脑结构,例如尾状核、海马体、穹窿和第三脑室,这为一些更复杂区域的侧脑室脉络丛分割提供了标志。要从手动分割中生成和提取脉络丛体积数据,请选择“分段统计”模块(图7A)。有几个选项可供选择来输出数据(图7B)。现在可以通过按保存按钮保存包含计算的侧脑室脉络丛体积的新文件(图 7C)。
第三和第四脑室脉络丛分割术
如 图 8 所示,在描绘矢状面的左下面板中可以很容易地看到第 3 脑 室脉络丛。值得注意的是,可以观察到门罗孔在胼胝体下方拱起,第三脑室内的脉络丛以绿色突出显示。第三脑室和第三脑室脉络丛也可以在轴向和冠状平面上观察( 分别为图8的左上图和右下图)。最后,第三室脉络丛的 3D 渲染图如 图 8 的右上图所示。 图 9 标记了第三脑室脉络丛及其周围的脑结构,包括胼胝体、穹窿、丘脑、脑内静脉和第三脑室,这为第三室脉络丛在一些更复杂的区域分割提供了标志。
第四脑室脉络丛更难观察,如 图 10 所示。矢望面和日冕平面( 图10的左下和右下图)可以最佳地观察其结构。必须注意确保小脑或第四脑室本身的某些部分不被划定为脉络丛。 图 11 标记了第四脑室脉络丛及其周围的脑结构,包括髓质、脑桥、小脑上蒂、下髓质腭和第四脑室,这为第四脑室 脉络丛在一些更复杂的区域分割提供了标志。
分割准确性、相似性和一致性
神经解剖结构的分割可以在图像查看器中直接比较,但有时很难通过视觉评估相似性。因此,定量测量(例如 DC52(测量重叠百分比)和 avgSD53(测量划定结构的边界表面之间的距离)用于将预测与地面实况或跨评估者或内部的手动分割进行比较,以评估可靠性。如 图 12A 所示,两个 3D 分段 G 和 P 的 DC 只是重叠(交点)的体积除以平均体积53:
其中 | .|表示体积。它在 0 到 1 之间的范围内测量重叠,其中值 1 表示完全一致和 0 个不相交的分段,通常乘以 100 表示重叠百分比。平均表面距离 (ASD) 测量 G 边界上所有点 x 到 P 边界的平均距离(以毫米为单位),反之 亦然(图 12B)。它被定义为
距离代表欧几里得范数53 的最小值。与 DC 相比, ASD 越小表示更好地捕获分割边界,值为零是最小值(完美匹配)。请注意,有时还会使用最大距离或第 95个 百分位数而不是平均值,其中最大值对单个异常值高度敏感,而第 95个 百分位数是稳健的,但可能会遗漏小但相关的分割误差。
可以使用 ICC54 测量一组成对分段之间的体积估计(而不是直接分段)的一致性。这可以通过让多个参与者由多个评分者(班级间 ICC)或同一评分者(班级内 ICC)评分来实现(图 12C)。ICC 分数范围从 0(可靠性差)到 1(可靠性极好)。为了提高评分者之间的可靠性,建议对数据集使用 ICC1(单因素固定效应模型),其中每个分割都由随机选择的不同评分者完成。此外,对于随机选择的多个评分者进行相同分割的数据集,建议使用 ICC2(双向随机效应模型)来检验分割中的绝对一致性。最后,对于评分者内部的信度,建议使用ICC3(双向混合效应模型)(图12C)。
图 1:脑部扫描质量控制。 (A) 脑部扫描对比度和亮度良好,无伪影迹象,无头部运动。(B) 显示头部运动的脑部扫描(红色箭头)。(C) 高亮度和低对比度的脑部扫描或 (D) 低亮度和高对比度的脑部扫描。 请点击这里查看此图的较大版本.
图 2:3D Slicer 中侧脑室脉络丛的分割。 (1) 用于加载 DICOM 或 NIFTI 图像并保存结果。(2) 由一个下拉菜单组成,可用于进入分段编辑器模块(黄色箭头),该模块用于分割脉络丛。也可以在此处选择量化模块(蓝色箭头)来计算脉络丛的体积。(3) 显示线段工具栏,其中包括绘制、绘制和擦除工具。(4) 在 T1w 图像的轴向、矢状和冠状视图中展示了脉络丛。脉络丛的 3D 渲染也显示在右上角。(5) 显示使用“分段统计”模块计算的手动脉络丛分割的体积结果。可以使用(1)中提到的保存按钮保存最终结果。 请点击这里查看此图的较大版本.
图 3:加载 3D 切片器示例数据。 此图演示了如何从 3DSlicer 接口下载示例数据。首先,必须选择“下载样本数据”,然后必须选择“MRHead”,它会在屏幕右侧显示脑部扫描的轴向、矢状和冠状视图。 请点击这里查看此图的较大版本.
图 4:加载 T1w 脑部扫描。 此图演示了如何使用 NIFTI(左面板)或 DICOM(右面板)文件上传 T1w 脑部扫描。(A) 对于 NIFTI 文件,必须选择“选择要添加的目录”或“选择要添加的文件”,然后选择“确定”。(B) 对于 DICOM 文件,需要选择“添加 DICOM 数据”,然后选择“导入 DICOM 文件”,然后按“确定”。这两种方法将在屏幕右侧显示脑部扫描的轴向、矢状和冠状视图。(C) 要调整图像的亮度和对比度,必须选择红色按钮。 请点击这里查看此图的较大版本.
图5:侧脑室脉络丛分割。 将 T1w 脑部扫描加载到 3D 切片器中后。(A) 选择“分段编辑器”模块。(B) 确认用于手动分割侧脑室脉络丛的模块和主容积。(C) 为右脑室和左侧脑室脉络丛创建标签。(D)使用“绘制”和“绘画”工具手动勾勒侧脑室脉络丛。 请点击这里查看此图的较大版本.
图 6:与侧脑室脉络丛相邻的结构。 相邻的脑结构包括穹窿、尾状核、海马体和第三脑室。 请点击这里查看此图的较大版本.
图 7:体积计算。 计算脉络丛的体积并保存节段和体积结果。(A) 选择 “区段统计” 模块。(B) 选择输出数据。(C) 按 保存 按钮保存包含计算出的侧脑室脉络丛体积的新文件。 请点击这里查看此图的较大版本.
图 8:第三脑室脉络丛分割。 这里描绘的是第三脑室脉络丛的轴向、冠状和矢状面视图,这些视图已使用 3D 切片器手动分割。右上角显示了第三脑室脉络丛的 3D 渲染。 请点击这里查看此图的较大版本.
图 9:第三脑室脉络丛的相邻结构。 相邻的脑结构包括穹窿、大脑内静脉、丘脑、胼胝体和第三 脑室。 请点击这里查看此图的较大版本.
图 10:第四脑室脉络丛分割。 这里描绘的是第四脑室脉络丛的轴向、冠状和矢状面视图,这些视图已使用 3D 切片器手动分割。右上角显示了第四脑室脉络丛的 3D 渲染。 请点击这里查看此图的较大版本.
图 11:第四脑室脉络丛的相邻结构。 邻近的大脑结构包括延髓、脑桥、小脑、小脑蚓和小脑扁桃体。 请点击这里查看此图的较大版本.
图 12:确定分段准确性、性能和一致性。 (A) 描述如何使用骰子系数 (DC) 分数计算重叠百分比。(B) 平均表面距离 (avgSD) 测量划定结构的边界表面之间的距离,以便将预测与地面实况进行比较,或在评估者之间或内部进行手动分割以评估可靠性。(C) 类内相关系数 (ICC) 可用于评分者间(同一受试者的重复测量)或评分者内(来自同一评分者的多次测量)可靠性分析。提供了具有代表性的示例和输出。 请点击这里查看此图的较大版本.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
协议的关键步骤
在实施该协议时,需要特别注意三个关键步骤。首先,检查MR图像的质量和对比度是确保准确分割的关键。如果图像质量太差,或者对比度太低或太高,都可能导致脉络丛的描绘不准确。可以通过查看图像的灰度值或校准值来增强灰质核和灰质之间的对比度来调整图像的对比度。其次,评估者需要熟悉脉络丛的解剖结构并接受过专门培训。如果评估者不熟悉脉络丛和邻近大脑区域的解剖结构,他们可能会错误地分割脉络丛,从而使脉络丛的体积不准确。最后,重要的是要评估评分者内部和评分者之间的可重复性,以确保进行手动分割的评分者可以重现他们自己的以及其他评分者对脉络丛的分割。在后期验证自动分段工具时,这些数字也具有高度相关性。此外,如果数据集是固定的,并且如果将使用多个评分者进行手动分割,则建议使用相同的窗口设置,以便评分者以相同的对比度和亮度查看同一图像。如果窗口设置在查看同一图像的评分者之间发生变化,则同一图像的分割方式可能会有所不同。
修改和故障排除
用户可以对此协议进行一些修改。首先,位于间隔旁区域的脉络丛组织和颞角的地狱-前-外侧部分,与透明隔、穹窿和海马相邻,可能使脉络丛的分割具有挑战性。为了解决这一困难,建议在所有三个维度上对脉络丛进行分割,并为在这些复杂区域分割脉络丛提供了参考(图6)。其次,知道何时停止分段也很重要。对于侧脑室和第三脑室的脉络丛,红色核可以用作停止标志,而对于第四脑室脉络丛,Magendie孔可以用作停止点。第三,在区分侧脑室后基底部分脉络丛和脑脊液之间的边界时可能存在挑战。为了解决这个问题,可以使用信号强度和解剖学考虑来帮助评分者做出适当的分割决策。第四,如果使用低分辨率图像,建议在分割过程中更加保守,并优先使用对比增强成像来验证该时间区域脉络丛的分割。如果对比增强成像不可用,则建议将该区域排除在分割过程之外。但是,如果使用的是高分辨率图像,则建议在分割过程中更加自由。此外,如果脉络丛和脑实质之间的分界可以在颞角的高分辨率图像上进行,则不需要对比增强图像。第五,3D Slicer 可以在触摸屏计算机上运行,其中可以使用手写笔而不是鼠标来增强脉络丛的跟踪。但是,此软件目前在 iPad 上不可用。最后,当连续描绘了十多个受试者的脉络丛时,某些计算机上可能会遇到软件崩溃问题。在这种情况下,单击“ 保存 ”按钮可以防止因软件崩溃而导致的数据丢失。
局限性
虽然脉络丛的手动分割是获得准确体积数据的黄金标准,但与扫描的类型和质量以及评分者的经验 21 存在一些限制。例如,脉络丛大小可能因年龄或疾病状态而异,这可能会影响心室和脉络丛的大小。因此,脉络丛在年轻、健康的个体中可能看起来很小,因此难以手动分割。如果图像的分辨率较差(1.2 或 1.5 mm 异氧乙醇)和/或使用 1.5 T MRI 扫描仪捕获,则此问题可能会更加复杂。脉络丛的手动分割还可能受到图像亮度和对比度的影响,使得难以识别边界,从而导致体积被高估或低估。此外,第三和第四脑室脉络丛是小结构,如果没有更高分辨率的图像(0.7 或 0.8 mm 异氧乙烯),则很难正确分割。使用 3D 切片器而不是其他开源手动分割软件的一个局限性是无法同时在三维空间中执行图像分割,这是 ITK-SNAP51 提供的一项功能,可以提高脉络丛的图像分割速度。此外,手动分割是一项耗时且乏味的任务,这使得在数千或数万人的大型队列中研究脉络丛是不切实际的,这凸显了对准确的自动脉络丛分割工具的需求。最后,简单地计算脉络丛体素而不考虑脑脊液或白质的部分体积效应可能会在体积测量中引入误差。
对现有方法的意义
对 FreeSurfer 进行脉络丛分割的依赖性很差,并且不能分割第三和第四室脉络丛,这限制了可以完成的基础工作,以更好地了解脉络丛在健康和疾病中的作用。此外,阿尔茨海默氏症神经影像学界也可以利用脉络丛的更准确描绘来减少脉络丛中脱靶结合对内侧颞部 tau PET 信号的污染55。虽然机器学习 (GMM) 和深度学习技术(3D U-Net、nnU-Net、Axial-MLP 8)对脉络丛标记的初步适应提高了 FreeSurfer 衍生的脉络丛标记的分割准确性 46,48,49,但不幸的是,方法仅在小型、同质数据集中进行训练和评估,既不公开可用也不易于使用的工具,并且仅包括侧脑室内的脉络丛丛也不完整。需要注意的是,在重新提交该协议时,Yazdan-Panah等人发表了一篇文章,他们使用ITK-SNAP56对侧脑室脉络丛进行了手动分割。他们使用这些手动分割的图像来训练 2 步 3D U-Net,并演示了 0.72 的平均 DC,并且它优于 FreeSurfer 和基于 FastSurfer的分割 56。对其他分辨率、扫描仪、年龄和多种疾病的普遍性尚未确定,事实上,考虑到域转移的挑战,这不太可能。
未来应用
由于上述局限性,需要一种用于准确分割脉络丛的方案。此外,为了为脉络丛创建一个自动分割工具,由于这种结构的性质,开发起来可能具有挑战性,需要一个全面的脉络丛注释数据集,跨越各种参数,并将其与最先进的开源软件FastSurfer42,43的一组方法创新相结合,一种先进且可扩展的基于深度学习的神经成像管道,用于自动皮质和皮质下分割。FastSurferCNN 已被证明优于 3D U-Net、SDNet 和 QuickNAT 模型,用于近 100 个结构的皮层和皮层下分割,平均 DC > 8542。因此,脉络丛的大型综合注释可以与 FastSurfer 一起使用,以显着扩展到 (1) 具有改进的内部增强技术的 3D 架构,(2) 还能够预测 - 首次 - 直接部分体积估计,以及 (3) 更高分辨率(超分辨率)的输出分割以进行数据协调。作者计划进一步调整和开发 FastSurfer,为侧脑室、第三脑室和第四脑室创建高度准确的脉络丛分割工具,并与研究界公开分享。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
作者没有相互竞争的经济利益。
Acknowledgments
这项工作得到了美国国家心理健康研究所奖 R01 MH131586(授予 PL 和 MR)、R01 MH078113(授予 MK)和 Sydney R Baer Jr 基金会资助(授予 PL)的支持。
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. |
References
- 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).
- 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).
- Kaiser, K., Bryj, aV. Choroid plexus: the orchestrator of long-range signalling within the CNS. IJMS. 21 (13), 4760 (2020).
- Damkier, H. H., Brown, P. D., Praetorius, J. Cerebrospinal fluid secretion by the choroid plexus. Physiological Reviews. 93, 46 (2013).
- Liddelow, S. A. Development of the choroid plexus and blood-CSF barrier. Frontiers in Neuroscience. 9, 00032 (2015).
- 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).
- 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).
- Kim, S., Hwang, Y., Lee, D., Webster, M. J. Transcriptome sequencing of the choroid plexus in schizophrenia. Translational Psychiatry. 6 (11), e964-964 (2016).
- Myung, J., Schmal, C., Hong, S. The choroid plexus is an important circadian clock component. Nature Communications. 9 (1), 1062 (2018).
- 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).
- 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).
- 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).
- 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).
- Coisne, C., Engelhardt, B. Tight junctions in brain barriers during central nervous system inflammation. Antioxidants & Redox Signaling. 15 (5), 1285-1303 (2011).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Bannai, D., Lutz, O., Lizano, P. Neuroimaging considerations when investigating choroid plexus morphology in idiopathic psychosis. Schizophrenia Research. 224, 19-21 (2020).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Taft, A. E. A note on the pathology of the choroid plexus in general paralysis. Archives of Neurology & Psychiatry. 7 (2), 177 (1922).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Senay, O., et al. Choroid plexus volume in individuals with early course and chronic psychosis - a magnetic resonance imaging study. Schizophrenia Bulletin. , (2022).
- Fischi, B.
FreeSurfer. NeuroImage. 62 (2), 774-781 (2012). - Fischl, B., et al. Cortical folding patterns and predicting cytoarchitecture. Cerebral Cortex. 18 (8), 1973-1980 (2008).
- Fischl, B., vander Kouwe, A., Destrieux, C. Automatically parcellating the human cerebral cortex. Cerebral Cortex. 14 (1), 11-22 (2004).
- 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).
- Huo, Y., Xu, Z., Xiong, Y. 3D whole brain segmentation using spatially localized atlas network tiles. NeuroImage. 194, 105-119 (2019).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- 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).
- Schmidt-Mengin, M., et al. Axial multi-layer perceptron architecture for automatic segmentation of choroid plexus in multiple sclerosis. arXiv. , (2021).
- Egger, J., Kapur, T., Nimsky, C., Kikinis, R. Pituitary adenoma volumetry with 3D Slicer. PLoS ONE. Muñoz-Barrutia, A. 7 (12), 51788 (2012).
- 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).
- Dice, L. R. Measures of the amount of ecologic association between species. Ecology. 26 (3), 297-302 (1945).
- 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).
- Shrout, P. E., Fleiss, J. L. Intraclass correlations: Uses in assessing rater reliability. Psychological Bulletin. 86 (2), 420-428 (1979).
- 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).
- 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).