Summary

Segmentazione manuale del plesso coroideo umano mediante risonanza magnetica cerebrale

Published: December 15, 2023
doi:

Summary

Nonostante il ruolo cruciale del plesso coroideo nel cervello, gli studi di neuroimaging di questa struttura sono scarsi a causa della mancanza di strumenti di segmentazione automatizzati affidabili. Il presente protocollo mira a garantire la segmentazione manuale gold standard del plesso coroideo che può informare i futuri studi di neuroimaging.

Abstract

Il plesso coroideo è stato implicato nel neurosviluppo e in una serie di disturbi cerebrali. L’evidenza dimostra che il plesso coroideo è fondamentale per la maturazione del cervello, la regolazione immunitaria/infiammatoria e il funzionamento comportamentale/cognitivo. Tuttavia, gli attuali strumenti automatizzati di segmentazione del neuroimaging non sono in grado di segmentare in modo accurato e affidabile il plesso coroideo del ventricolo laterale. Inoltre, non esiste uno strumento che segmenti il plesso coroideo situato nel terzo e quarto ventricolo del cervello. Pertanto, è necessario un protocollo che delinei come segmentare il plesso coroideo nel ventricolo laterale, terzo e quarto per aumentare l’affidabilità e la replicabilità degli studi che esaminano il plesso coroideo nei disturbi dello sviluppo neurologico e cerebrale. Questo protocollo fornisce passaggi dettagliati per creare file etichettati separatamente in 3D Slicer per il plesso coroideo in base a immagini DICOM o NIFTI. Il plesso coroideo verrà segmentato manualmente utilizzando i piani assiale, sagittale e coronale delle immagini T1w, assicurandosi di escludere i voxel dalle strutture di sostanza grigia o bianca che delimitano i ventricoli. Le finestre saranno regolate per aiutare nella localizzazione del plesso coroideo e dei suoi confini anatomici. Nell’ambito di questo protocollo verranno dimostrati i metodi per valutare l’accuratezza e l’affidabilità. La segmentazione gold standard del plesso coroideo utilizzando delineazioni manuali può essere utilizzata per sviluppare strumenti di segmentazione automatizzata migliori e più affidabili che possono essere condivisi apertamente per chiarire i cambiamenti nel plesso coroideo nel corso della vita e all’interno di vari disturbi cerebrali.

Introduction

Funzione del plesso coroideo
Il plesso coroideo è una struttura altamente vascolarizzata nel cervello costituita da capillari fenestrati e un monostrato di cellule epiteliali del plesso coroideo1. Il plesso coroideo si proietta nel ventricolo laterale, terzo e quarto cerebrale e produce liquido cerebrospinale (CSF), che svolge un ruolo importante nel pattern neurale2 e nella fisiologia cerebrale 3,4. Il plesso coroideo secerne sostanze neurovascolari, comprende un deposito simile a una cellula staminale e funge da barriera fisica per impedire l’ingresso di metaboliti tossici, una barriera enzimatica per rimuovere le parti che aggirano la barriera fisica e una barriera immunologica per proteggere dagli invasori estranei5. Il plesso coroideo modula la neurogenesi6, la plasticità sinaptica7, l’infiammazione8, il ritmo circadiano 9,10, l’asse intestino-cervello11 e la cognizione12. Inoltre, le citochine periferiche, lo stress e l’infezione (incluso SARS-CoV-2) possono interrompere la barriera emato-liquorale 13,14,15,16. Pertanto, il sistema plesso-CSF coroideo è parte integrante del neurosviluppo, della maturazione del neurocircuito, dell’omeostasi cerebrale e della riparazione17. Poiché le alterazioni immunitarie, infiammatorie, metaboliche ed enzimatiche hanno un impatto sul cervello, i ricercatori stanno utilizzando strumenti di neuroimaging per valutare il ruolo del plesso coroideo nel corso della vita e nei disturbi cerebrali 18,19,20. Tuttavia, esistono limitazioni negli strumenti automatizzati comunemente usati per la segmentazione del plesso coroideo, come FreeSurfer, che comportano una scarsa segmentazione del plesso coroideo. Pertanto, c’è un bisogno critico di segmentazione manuale del plesso coroideo che possa essere utilizzata per sviluppare uno strumento automatizzato accurato per la segmentazione del plesso coroideo.

Il plesso coroideo nel neurosviluppo e nei disturbi cerebrali
Il ruolo del plesso coroideo nei disturbi cerebrali è stato a lungo trascurato, principalmente perché era considerato un attore di supporto il cui ruolo era quello di ammortizzare il cervello e mantenere un corretto equilibrio salino 2,21. Tuttavia, il plesso coroideo ha attirato l’attenzione come struttura legata a disturbi cerebrali come le sindromi dolorose22, SARS-CoV-2 16,23,24, disturbi dello sviluppo neurologico 2 e disturbi cerebrali 19, suggerendo un effetto transdiagnostico nello sviluppo di disturbi comportamentali. Nei disturbi dello sviluppo neurologico, le cisti del plesso coroideo sono state associate a un aumentato rischio di ritardo dello sviluppo, disturbo da deficit di attenzione/iperattività (ADHD) o disturbo dello spettro autistico (ASD)25,26. Inoltre, è stato riscontrato un aumento del volume del plesso coroideo del ventricolo laterale nei pazienti con ASD27. Nei disturbi cerebrali, le anomalie del plesso coroideo sono state descritte dal 1921 nei disturbi psicotici28,29. Studi precedenti hanno identificato l’allargamento del plesso coroideo utilizzando la segmentazione FreeSurfer in un ampio campione di pazienti con disturbi psicotici rispetto sia ai loro parenti di primo grado che ai controlli19. Questi risultati sono stati replicati utilizzando il volume del plesso coroideo segmentato manualmente in un ampio campione di popolazione clinica ad alto rischio di psicosi e hanno scoperto che questi pazienti avevano un volume del plesso coroideo maggiore rispetto ai controlli sani30. C’è un numero crescente di studi che dimostrano l’ingrossamento del plesso coroideo nella sindrome dolorosa regionale complessa22, ictus31, sclerosi multipla20,32, Alzheimer33,34 e depressione35, con alcuni che dimostrano un legame tra attività immunitaria/infiammatoria periferica e cerebrale. Questi studi di neuroimaging sono promettenti; tuttavia, la scarsa segmentazione del plesso coroideo del ventricolo laterale da parte di FreeSurfer21 limita l’affidabilità della stima automatica del volume del plesso coroideo. Di conseguenza, gli studi sulla sclerosi multipla20,32, sulla depressione35, sull’Alzheimer34 e sulla psicosi precoce36 hanno iniziato a segmentare manualmente il plesso coroideo del ventricolo laterale, ma non ci sono linee guida attuali su come farlo, né la loro guida sulla segmentazione del plesso coroideo del terzo e quarto ventricolo.

Gli strumenti di segmentazione più comuni escludono il plesso coroideo
Le pipeline di segmentazione cerebrale come FreeSurfer37,38,39, FMRIB Software Library (FSL)40, SLANT41 e FastSurfer (sviluppato dal co-autore Martin Reuter)42,43, segmentano in modo accurato e affidabile le strutture corticali e sottocorticali impiegando paradigmi di segmentazione basati su atlante (FSL), basati su atlante e superficie (FreeSurfer) e deep learning (SLANT e FastSurfer). I punti deboli di alcuni di questi approcci includono la velocità di elaborazione, la generalizzazione limitata a diversi scanner, le intensità di campo e le dimensioni dei voxel37,44 e l’allineamento forzato della mappa delle etichette in uno spazio atlante standard. Tuttavia, la capacità di segmentare il plesso coroideo e la compatibilità con la risonanza magnetica ad alta risoluzione sono affrontate solo da FreeSurfer e FastSurfer. Le reti neurali alla base di FastSurfer sono addestrate sulle etichette del plesso coroideo di FreeSurfer, quindi ereditano i limiti di affidabilità e copertura di FreeSurfer discussi in precedenza, con il terzo e il quarto ventricolo ignorati21. Esistono anche limitazioni attuali per la risonanza magnetica ad alta risoluzione, ma il flusso ad alta risoluzione45 e FastSurferVINN43 di FreeSurfer possono essere utilizzati per gestire questo problema.

Strumenti attuali per la segmentazione del plesso coroideo
Esiste un solo strumento di segmentazione disponibile gratuitamente per il plesso coroideo, ma l’accuratezza della segmentazione è limitata. Un’accurata segmentazione del plesso coroideo può essere influenzata da una varietà di fattori, tra cui (1) variabilità nella posizione del plesso coroideo (spazialmente non stazionario) a causa della sua posizione all’interno dei ventricoli, (2) differenze nell’intensità dei voxel, nel contrasto, nella risoluzione (eterogeneità all’interno della struttura) dovute all’eterogeneità cellulare, alla funzione dinamica del plesso coroideo, ai cambiamenti patologici o agli effetti parziali del volume, (3) differenze di dimensioni ventricolari legate all’età o alla patologia che influiscono sulle dimensioni del plesso coroideo, e (4) vicinanza a strutture sottocorticali adiacenti (ippocampo, amigdala, caudato e cervelletto), anch’esse difficili da segmentare. Date queste sfide, le segmentazioni di FreeSurfer spesso sottostimano o sovrastimano, etichettano erroneamente o ignorano il plesso coroideo.

Tre recenti pubblicazioni hanno affrontato il divario della segmentazione affidabile del plesso coroideo con un modello di miscela gaussiana (GMM)46, un Axial-MLP47 e approcci di deep learning basati su U-Net48. Ogni modello è stato addestrato e valutato utilizzando set di dati privati ed etichettati manualmente di un massimo di 150 soggetti con una diversità limitata di scanner, siti, dati demografici e disturbi. Sebbene queste pubblicazioni 46,48,49 abbiano ottenuto miglioramenti significativi rispetto alla segmentazione del plesso coroideo di FreeSurfer – a volte raddoppiando l’intersezione tra predizione e verità di base, nessuno dei due metodi è (1) convalidato nella risonanza magnetica ad alta risoluzione, (2) ha analisi di generalizzazione e affidabilità dedicate, (3) presenta grandi set di dati rappresentativi di addestramento e test, (4) affronta o analizza in modo specifico le sfide di segmentazione del plesso coroideo come effetti di volume parziale, o (5) è disponibile al pubblico come strumento pronto all’uso. Pertanto, l’attuale “gold standard” per la segmentazione del plesso coroideo è il tracciamento manuale, ad esempio utilizzando 3D Slicer50 o ITK-SNAP51, che non è stato descritto in precedenza e ha rappresentato una sfida importante per i ricercatori che desiderano esaminare il ruolo del plesso coroideo nei loro studi. 3D Slicer è stato scelto per la segmentazione manuale per la familiarità dell’autore con il software e perché mette a disposizione dell’utente vari strumenti basati su diversi approcci che possono essere combinati per ottenere il risultato desiderato. È possibile utilizzare altri strumenti, come ITK-SNAP, che è principalmente orientato alla segmentazione delle immagini e, una volta padroneggiato lo strumento, l’utente può ottenere buoni risultati. Inoltre, gli autori hanno condotto uno studio caso-controllo che dimostra l’elevata precisione e affidabilità della loro tecnica di segmentazione manuale utilizzando 3D Slicer30 e che la metodologia specifica è descritta nel presente documento.

Protocol

Il presente protocollo è stato approvato dall’Institutional Review Board presso il Beth Israel Deaconess Medical Center. Per questa dimostrazione del protocollo è stato utilizzato un soggetto sano con una risonanza magnetica cerebrale priva di artefatti o movimenti ed è stato ottenuto il consenso informato scritto. Per acquisire immagini 3D-T1 con una risoluzione di 1 mm x 1 mm x 1,2 mm è stato utilizzato uno scanner MRI da 3,0 T con una bobina di testa a 32 canali (vedi Tabella dei materiali). È st…

Representative Results

Il metodo proposto è stato sottoposto a un perfezionamento iterativo per il plesso coroideo del ventricolo laterale, che ha comportato test approfonditi su una coorte di 169 controlli sani e 340 pazienti con rischio clinicamente elevato di psicosi30. Utilizzando la tecnica sopra descritta, gli autori hanno ottenuto un’elevata precisione e affidabilità intra-rater con un DC = 0,89, avgHD = 3,27 mm3 e ICC single-rater = 0,9730, dimostrando la forza del protocollo qui descritto. <p c…

Discussion

Fasi critiche del protocollo
Tre passaggi critici richiedono un’attenzione particolare durante l’implementazione di questo protocollo. Innanzitutto, il controllo della qualità e del contrasto delle immagini RM è fondamentale per garantire una segmentazione accurata. Se la qualità dell’immagine è troppo scarsa, o il contrasto è troppo basso o troppo alto, può portare a una delineazione imprecisa del plesso coroideo. Il contrasto dell’immagine può essere regolato visualizzando il valore in scala …

Divulgazioni

The authors have nothing to disclose.

Acknowledgements

Questo lavoro è stato sostenuto da un National Institute of Mental Health Award R01 MH131586 (a P.L e M.R), R01 MH078113 (a M.K) e da una sovvenzione della Sydney R Baer Jr Foundation (a P.L).

Materials

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. 

Riferimenti

  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, a. V. 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., Išgum, I., Colliot, O. Axial multi-layer perceptron architecture for automatic segmentation of choroid plexus in multiple sclerosis. Medical Imaging 2022: Image Processing. SPIE. , (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., Muñoz-Barrutia, A. Pituitary adenoma volumetry with 3D Slicer. PLoS ONE. 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).

Play Video

Citazione di questo articolo
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).

View Video