脳MRIを用いたヒト脈絡叢の手動セグメンテーション

脈絡叢機能
脈絡叢は、有窓毛細血管と脈絡叢上皮細胞^の単層からなる脳内の高度に血管新生した構造です1。脈絡叢は、外側、第3、第4脳室に突出し、脳脊髄液(CSF)を産生し、神経パターン形成²と脳生理学^3,4に重要な役割を果たします。脈絡叢は神経血管物質を分泌し、幹細胞様の貯蔵庫を包含し、有毒な代謝物の侵入を妨げる物理的障壁、物理的障壁を回避する部分を除去する酵素的障壁、および外^来侵入者から保護するための免疫学的障壁として機能します5。脈絡叢は、神経新生⁶、シナプス可塑性⁷、炎症⁸、概日リズム^9,10、腸脳軸¹¹、認知¹²を調節する。さらに、末梢サイトカイン、ストレス、および感染(SARS-CoV-2を含む)は、血液CSFバリアを破壊する可能性があります^13,14,15,16。したがって、脈絡叢-CSF系は、神経発達、神経回路の成熟、脳の恒常性、および修復に不可欠である¹⁷。免疫、炎症、代謝、および酵素の変化が脳に影響を与えるため、研究者は神経画像ツールを使用して、生涯にわたる脈絡叢の役割と脳障害を評価しています18,19,20。ただし、脈絡叢のセグメンテーションに一般的に使用される自動化ツールには制限があり、FreeSurferなど、脈絡叢のセグメント化が不十分になります。したがって、脈絡叢セグメンテーションのための正確な自動化ツールを開発するために使用することができる脈絡叢のグラウンドトゥルース手動セグメンテーションが決定的に必要とされている。

神経発達および脳障害における脈絡叢
脳障害における脈絡叢の役割は、主に脳を緩衝し、適切な塩分バランスを維持することであった脇役と見なされていたため、長い間無視されてきました^2,21。しかし、脈絡叢は、疼痛症候群²²、SARS-CoV-2 16,23,24、神経^発達2、脳障害¹⁹などの脳疾患に関連する構造として注目されており、行動障害の発症におけるトランス診断効果が示唆されています。神経発達障害では、脈絡叢嚢胞は発達遅延、注意欠陥/多動性障害(ADHD)、または自閉症スペクトラム障害(ASD)のリスクの増加と関連していました^25,26。さらに、側脳室脈絡叢の容積は^ASD27の患者で増加することがわかりました。脳障害では、脈絡叢の異常は1921年以来、精神病性障害で報告されています^28,29。以前の研究では、精神病性障害患者の大規模なサンプルで、FreeSurferセグメンテーションを使用して脈絡叢の拡大が特定されています 彼らの第一度近親者と対照の両方と比較して¹⁹。これらの所見は、精神病の臨床的高リスク集団の大規模なサンプルで、手動でセグメント化された脈絡叢容積を使用して再現され、これらの患者は健康な対照と比較して脈絡叢容積が大きいことがわかった³⁰。複合性局所疼痛症候群²²、脳卒中³¹、多発性硬化症^20,32、アルツハイマー病^33,34、うつ病³⁵における脈絡叢の拡大を示す研究が増えており、末梢と脳の免疫/炎症活動との関連を示すものもあります。これらの神経画像研究は有望です。ただし、FreeSurfer²¹による側脳室脈絡叢のセグメンテーションが不十分なため、自動脈絡叢体積推定の信頼性が制限されます。その結果、多発性硬化症^20,32、うつ病³⁵、アルツハイマー病³⁴、および早期精神病³⁶の研究は、側脳室脈絡叢を手作業でセグメント化し始めているが、これを行う方法に関する現在のガイドラインはなく、第3および第4脳室脈絡叢のセグメント化に関するガイダンスもない。

一般的なセグメンテーションツールでは、脈絡叢は除外されます
FreeSurfer^37,38,39、FMRIB Software Library (FSL)⁴⁰、SLANT⁴¹、FastSurfer(共著者のMartin Reuterによって開発)^42,43などの脳セグメンテーションパイプラインは、アトラスベース(FSL)、アトラスベースおよび表面ベース(FreeSurfer)、およびディープラーニングセグメンテーションパラダイム(SLANTおよびFastSurfer)を採用して、皮質および皮質下構造を正確かつ確実にセグメント化します。これらのアプローチのいくつかの弱点には、処理速度、異なるスキャナーへの限定された一般化、フィールドの強度とボクセルサイズ^37,44、および標準アトラス空間でのラベルマップの強制的な位置合わせが含まれます。ただし、脈絡叢をセグメント化する機能と高解像度MRIとの互換性は、FreeSurferとFastSurferによってのみ対処されます。FastSurferの背後にあるニューラルネットワークは、FreeSurfer脈絡叢ラベルでトレーニングされているため、FreeSurferの以前に説明した信頼性とカバレッジの制限を継承し、第3心室と第4心室は無視されます²¹。高解像度MRIの現在の制限も存在しますが、FreeSurferの高解像度ストリーム⁴⁵およびFastSurferVINN⁴³を使用してこの問題を処理できます。

現在の脈絡叢セグメンテーションツール
脈絡叢用のセグメンテーションツールは1つしかありませんが、セグメンテーションの精度には限界があります。正確な脈絡叢のセグメンテーションは、(1)心室内の位置による脈絡叢の位置(空間的に非定常)の変動、(2)細胞の不均一性、動的脈絡叢機能、病理学的変化、または部分的な体積効果によるボクセル強度、コントラスト、分解能(構造内不均一性)の違い、(3)脈絡叢のサイズに影響を与える加齢または病理学関連の心室サイズの違い、 (4)隣接する皮質下構造(海馬、扁桃体、尾状、小脳)への近接性もセグメント化が困難です。これらの課題を考えると、FreeSurferのセグメンテーションは、脈絡叢を過小評価または過大評価したり、誤ったラベル付けをしたり、無視したりすることがよくあります。

最近の3つの論文では、ガウス混合モデル(GMM)⁴⁶、Axial-MLP⁴⁷、およびU-Netベースの深層学習アプローチ⁴⁸による信頼性の高い脈絡叢セグメンテーションのギャップが取り上げられています。各モデルは、スキャナー、サイト、人口統計、および障害の多様性が限られている最大150人の被験者のプライベートで手動でラベル付けされたデータセットを使用してトレーニングおよび評価されました。これらの出版物46,48,49は、FreeSurferの脈絡叢セグメンテーションよりも大幅な改善を達成しましたが-予測とグラウンドトゥルースの交差を2倍にすることもありますが、どちらの方法も(1)高解像度MRIで検証されておらず、(2)専用の一般化および信頼性分析があり、(3)大規模な代表的なトレーニングおよびテストデータセットを特徴としており、(4)脈絡叢セグメンテーションの課題に具体的に対処または分析しています。パーシャルボリュームエフェクト(5)は、すぐに使えるツールとして公開されています。したがって、脈絡叢セグメンテーションの現在の「ゴールドスタンダード」は、例えば、3Dスライ^サー50またはITK-SNAP⁵¹を使用した手動トレースであり、これは以前には説明されておらず、研究における脈絡叢の役割を調べたい研究者にとって大きな課題となっています。3D Slicerが手動セグメンテーションに選ばれたのは、著者がソフトウェアに精通していることと、さまざまなアプローチに基づいてさまざまなツールをユーザーに提供し、それらを組み合わせて目的の結果を得ることができるためです。主に画像のセグメンテーションを指向するITK-SNAPなど、他のツールを使用することができ、ツールを習得すると、ユーザーは良い結果を得ることができます。さらに、著者らは、3Dスライ^サー30を用いた手動セグメンテーション技術の高精度および信頼性を実証する症例対照研究を実施しており、その具体的な方法論を本明細書に記載する。

現在のプロトコルは、Beth Israel Deaconess Medical Center の治験審査委員会によって承認されました。アーティファクトや動きのない脳MRIスキャンを受けた健康な被験者が、このプロトコルのデモンストレーションに使用され、書面によるインフォームドコンセントが得られました。32チャンネルヘッドコイルを備えた3.0T MRIスキャナー( 材料表を参照)を使用して、1 mm x 1 mm x 1.2 mmの解像度で3D-T1画像を取得しました。視野角256×256、TR/TE/TI=7.38/3.06/400ms、フリップ角度11度のMP-RAGE ASSETシーケンスを使用しました。

1. 脳MRIを3Dスライサーに取り込む

注: 3D スライサーには、ユーザー インターフェイスに関するドキュメントが用意されています。

1. 3Dスライサーにインポートするための脳MRI DICOM(Digital Imaging and Communications in Medicine)またはNIFTI(Neuroimaging Informatics Technology Initiative)ファイルを準備します。
2. ツールバーの左上隅にある [DCM ] ボタンをクリックして、DICOM データをインポートします。次に、をクリックします DICOMファイルのインポート ボタンをクリックして、DICOM形式のデータをインポートします。
3. MRIデータがNIFTI形式の場合は、ツールバーの左上隅にある [データ ]ボタンをクリックしてインポートします。ポップアップ ダイアログで、[ 追加するディレクトリの選択 ] を選択してフォルダー内の NIFTI データをバッチ インポートするか、[ 追加するファイルの選択 ] を選択して特定の NIFTI ファイルをインポートします。次に、[ OK ]ボタンをクリックして、3Dスライサーへのデータのアップロードを続行します。
4. インポート後、MRIデータは右側のウィンドウに表示され、軸面、矢状面、冠状面が表示されます。
5. ウィンドウのレイアウトを変更するには、[ レイアウト ] に移動し、特定のレイアウトを選択します。これは、3D スライサーのツールバー自体で レイアウト モジュールの画像をクリックするか、アプリケーション メニューから [レイアウトを表示] > で確認できます。

2. 3DスライサーのサンプルデータからDICOMをダウンロードする

1. [スライサーへようこそ] セクションの開始画面にある [サンプル データのダウンロード] ボタンをクリックします。次に、MRHeadボタンを選択すると、ダウンロードプロセスが開始されますが、数分かかる場合があります。
2. 軸面、矢状面、冠状面を含む脳MRIデータが右側のウィンドウに表示されていることを確認します。

3. 品質管理とMRI画像の調整

1. 各MRIスライスを批判的にレビューすることにより、画質と頭の動きやスキャンの問題によるアーチファクトの存在を定性的に判断します。
2. 画像スライスをズームするには、 右クリックしてマウスを上下に動か し、それぞれズームアウトまたはズームインします。
3. 画像スライスを移動するには、画像を 左クリック し、 Shift キーを押しながらマウスをドラッグします。
4. 画像の明るさを調整すると、脈絡叢の表示に役立ちます。これを行うには、ツールバーの [ウィンドウ/音量レベルの調整 ]をクリックするか、画像を 左クリック して マウスを上下に動か し、それぞれ明るさを上げたり下げたりします。
5. コントラストを調整すると、脈絡叢を見つけるのにも役立ちます。画像スライスを 左クリック し、 マウスを左または右に動か して、コントラストをそれぞれ増減します。脈絡叢の適切なコントラストを決定するには、深部灰白質核(側脳室と第3脳室の周囲に配列した灰白質の中心質量)またはコントラストスケールバーに表示される信号強度を使用します。
6. 優先コントラストを選択したら、セグメンテーション全体で同じコントラストを維持し、テント上領域とテント下領域の潜在的な変動を調整しないでください。

4.脈絡叢の手動セグメントの作成

1. 外側、第 3、および第 4 脳室脈絡叢のセグメンテーションを開始するには、 セグメント エディター モジュールでセグメンテーション ファイルを作成します。そこに移動するには、ツールバーの セグメントエディター をクリックするか、「 モジュール:」ドロップダウンメニューに移動して 「セグメントエディター」を選択します。
2. セグメンテーションのドロップダウンメニューをクリックして、異なるセグメンテーションを選択し(複数のセグメンテーションが作成されている場合)、現在選択されているセグメンテーションの名前を変更します。
3. [マスターボリューム]ドロップダウンを使用して、編集が必要なNIFTIまたはDICOMセットを選択します。ボリュームファイルが選択されている場合にのみ、ユーザーはセグメント化/編集を開始できます。
4. [追加] ボタンを 2 回クリックして、側心室脈絡叢のセグメントを 2 つ追加します。これらの名前を変更するには、名前をダブルクリックして、右側心室脈絡叢と左側心室脈絡叢に変更します。
5. [追加]ボタンをもう一度クリックして、第3および第4脳室脈絡叢のセグメントを追加し、名前を「第3心室脈絡叢」および「第4^心室脈絡叢」に変更します。

5. さまざまなスライスとセグメンテーションの表示

1. 編集する前に、バックグラウンド スタディを実行して、表示ウィンドウ内のレイアウト間を移動する方法と、セグメンテーションの表示または不透明度を変更する方法を確認します。
2. 表示ウィンドウの上部、スライス スライダーの左側にある ピン アイコンをクリックします。これにより、ドロップダウンメニューが開きますが、ウィンドウが置かれている特定のレイアウトによって異なる場合があります。
   注:脈絡叢の構造は個人によって異なる可能性があるため、脈絡叢をセグメント化する際には、さまざまなレイアウトを利用すると役立ちます。たとえば、「従来型」レイアウトでは、ユーザーは 3 つのスライスすべてとシーンの 3D ビューを同時に表示できます。「赤/黄/緑のスライスのみ」を選択すると、ユーザーは2Dスライスをクローズアップして表示し、脈絡叢のより正確なセグメンテーションを可能にします。

6.側脳室脈絡叢ROIの描写

注: 手動セグメンテーションでは、テンプレートへの画像登録は必要ありません。

1. 側脳室脈絡叢の場合は、軸面から開始し、画像が双交連線に基づいて配置されるようにします。次に、側脳室脈絡叢を特定するための基準点として三角側副を使用します。
   1. 軸面で編集を行ったら、残りのビュー(矢状および冠状)に移動して、側脳室脈絡叢の手動セグメンテーションが周囲の脳実質またはCSFをキャプチャしていないことを確認します。
2. 編集を開始するには、作業する セグメント をクリックすると、セグメント名が強調表示されます。
3. セグメントエディターの「効果」セクションにある「ペイント」または「描画」ツールをクリックして、手動セグメンテーションを開始します。
   注: 1 つの平面(冠状、軸状、または矢状)でセグメンテーションを開始し、すべてのスライスでセグメンテーションが完了したら、他の平面に移動して手動セグメンテーションを確認して調整するのが最善です。側心室脈絡叢はこれらのビューでより簡単に見られるため、ユーザーは軸面または冠状面から始めることが提案されます。
4. 描画ツールを使用する場合は、左クリックを押したままにして、側心室脈絡叢の境界に輪郭を描きます。トレースしたら、右クリックして描画領域を埋めます。
5. ペイントツールを使用する場合は、まずペイントに使用するブラシの直径を選択します。脈絡叢をより正確に描写するには3%または5%のブラシが推奨され、より大きな選択には10%が役立ちます。
6. どちらのツールでも、ペイントまたは消去を使用して、選択を追加または削除することで誤った描写を修正します。
   注:他の視点を参照することは、側脳室脈絡叢構造と周囲の灰白質、円蓋、脳梁、海馬などの他の脳構造を識別するのに役立ちます。ユーザーは、脈絡叢嚢胞が特定された脳スキャンを除外することをお勧めします。
7. 側脳室の脈絡叢のセグメンテーションを停止するためのランドマークとして、赤い核のレベルを使用します。

7.第3および第4心室脈絡叢ROIの描写

注:高解像度のT1w画像(0.7または0.8 mmなど)および7T MRIで得られた画像は、第3および第4脳室脈絡叢のより正確で信頼性の高い手動セグメンテーションを提供します。第 3 および第 4 脳室脈絡叢のセグメント化は、側脳室脈絡叢よりも困難であり、これらの領域ははるかに小さく、描写するボクセルが少ない可能性があります。

1. 第3脳室脈絡叢の場合、矢状面から始めて、モンロー、円蓋、脳梁、視床、および内脳静脈の孔を基準点として使用して、第^3脳室の脈絡叢を特定します。同じ平面内のスライス間を移動すると、領域が円蓋、視床、静脈、または第3脳室脈絡叢のいずれであるかを判断するのに役立ちます。
   1. 矢状面で編集が行われたら、残りのビュー(軸面と冠状部)に移動して、第3脳室脈絡叢の手動セグメンテーションが周囲の脳実質またはCSFを選択していないことを確認します。
2. 同様に、第4脳室脈絡叢の場合、矢状面から開始し、上小脳脚、橋、および延髄を基準点として使用して、第4脳室の脈絡叢を特定します。同じ平面内のスライス間を移動すると、領域が小脳、小脳扁桃腺、下髄質、または第^4心室脈絡叢のいずれであるかを判断するのに役立ちます。
   1. 矢状面で編集が完了したら、残りのビュー(軸面と冠状部)に移動して、第4脳室脈絡叢の手動セグメンテーションが周囲の脳実質またはCSFを選択していないことを確認します。

8.脈絡叢の体積を計算する

1. 「 モジュール 」ドロップダウンメニューから、「 Quantification 」に移動し、「 セグメント統計」を選択します。
2. [入力] の [セグメンテーション] ツールで定量化する新しいセグメンテーション マップを選択し、[スカラー ボリューム] から MRI ボリュームを選択します。[出力テーブル] ([出力] の下) で、[テーブル] オプションを選択します。完了したら、[適用]を押すと、脈絡叢の体積を含む表がさまざまな単位で表示されます。

9. セグメントとボリューム結果の保存

1. ツールバーの左上隅にある「 保存 」ボタンをクリックして、生成されたファイルを保存します。
2. セグメンテーション ファイルを .nrrd (3D スライサー ファイル)、 .nii.gz (NIFTI ファイル)、または .tsv (テーブル ファイル) として保存します。

10.セグメンテーションの正確性、パフォーマンス、および一致の決定

注:ダイス係数(DC)とDeepMindの平均表面距離(avgSD)を記述したMONIパッケージ( 材料表を参照)の使用をお勧めします。DCとavgSDの詳細については、以下で説明します。これらのメトリックを計算するには、読者はプログラミング方法を知っている必要があります(たとえば、Python、ディスクから画像を読み取る、これらの関数に適した入力配列にデータを再フォーマットする)。これらすべての指標を含むユーザーフレンドリーなパッケージはありません。

1. DCスコアは、2つの幾何学的ドメインのオーバーラップを定量化するための標準的なアプローチです。2 つのセグメンテーション間の平均 DC スコアを計算するには、2 つのテンソル y_pred と y 、つまり、2 値化されたラベル イメージごとに 1 つのフレームを持つマルチフレーム イメージを指定します。テンソル y_pred と y には、2 つの異なる手動評価者のセグメンテーション、同じ評価者の繰り返しセグメンテーション、または自動予測と手動グラウンド トゥルースが含まれる場合があります。
   1. 関数 monai.metrics.compute_meandice を使用して、平均 DC スコアを計算します。
   2. monai.transforms.post を使用して適切なバイナリ ラベル テンソルを生成します。
      注: include_background パラメータをFalseに設定すると、DC計算から最初のカテゴリ(チャネルインデックス0)を除外できます。
2. 平均SDスコアはあまり一般的ではないと考え、表面距離には複数の定義が存在するため、アプローチが異なる可能性があることに注意してください。たとえば、最大距離 (ハウスドルフ距離とも呼ばれ、外れ値に対して非常に敏感)、平均距離 (ここで説明)、および 95 パーセンタイル (非常に頑健) を頻繁に使用されるメジャーとして使用します。
   1. 関数 compute_average_surface_distance を使用して、平均 SD スコアを計算します。
   2. この関数が既定の設定で y_pred から y までの平均サーフェス距離を計算することを確認します。
   3. さらに、 symmetric = True の場合、これら 2 つの入力間の平均対称サーフェス距離が返されるようにします。
3. 複数のケースにわたるDCスコアと平均SDスコアの統計分析は、対応のある分析にロバストなWilcoxon符号順位検定を使用して実行できます。
4. クラス内相関係数(ICC)を、複数の参加者が異なる評価者によって確実に評価できるかどうかを判断するために、別の一般的に使用される方法として使用することを検討してください。ICCは、セグメンテーション画像を直接ではなく、セグメンテーションのペア測定値(体積など)のセットで操作することに注意してください。ICC を計算するには、R ソフトウェアと R Studio ( 材料表を参照) を使用すると、プロセスが簡単になります。
   1. install.packages("psych") を使用してパッケージをダウンロードし、ライブラリ (psych) をロードします。
   2. Data <- data.frame(df) を使用して、各列に参加者 (行) と評価者を含むデータ フレームを入力します。次に、プロット (データ) を使用して測定値を可視化します。
   3. ICCを実行するには、ICC(Data)を使用して、さまざまなタイプのICCの表を生成し、評価者間または評価者内のスコアを取得します。

提案された方法は、側脳室脈絡叢の反復的な改良を受けており、169人の健康な対照と340人の患者のコホートで広範なテストが含まれています 精神病のリスクが臨床的に高い30。上述した技術を用いて、著者らは、DC = 0.89、avgHD = 3.27 mm3、および単一評価者ICC = 0.9730で高い評価者内精度および信頼性を獲得し、本明細書に記載のプロトコルの強度を実証した。

品質管理の問題と 3D スライサー設定の処理
セグメンテーションプロセスを開始する前に、脳スキャンの品質をチェックして、手動セグメンテーションを妨げる頭の動きやアーチファクトがないことを確認する必要があります(図1A)。次に、脈絡叢のより良い視覚化を支援するために、明るさとコントラストを調整してもよい。一部の脳スキャンでは頭部の動きを伴う場合があり、アーチファクトが脈絡叢の描写に悪影響を与えるかどうかを判断することが重要です(図1B)。さらに、明るさとコントラストのアーチファクトを伴う画像は、脈絡叢の境界を区別することを困難にします(図1C、D)。この場合、手動セグメンテーションに適した明るさとコントラストを調整してみてください。脈絡叢について簡単にセグメント化できない脳スキャンが除外されていることを確認してください。

側脳室脈絡叢のセグメンテーション
図2に示すように、5つの主要部分を使用して、画像の読み込みと表示(パート1)、さまざまな3Dスライサー機能の選択(パート2)、外側脈絡叢をセグメント化するためのツール(パート3)、軸、冠状、矢状の画像の視覚化(パート4)、側脳室脈絡叢の体積の計算(パート5)、および手動セグメンテーションの結果の保存を行います。T1w脳スキャンは、3DスライサーのMRHeadデータセットからサンプルデータをダウンロードするか(図3)、既存のデータセットからNIFTIまたはDICOMファイルをインポートすることにより、Welcome to Slicerインターフェイスを使用してアップロードできます(図4A、B)。このパネルには、画像の明るさとコントラストを編集するオプションもあります(図4C)。T1w脳スキャンをロードすると、スライスビューインターフェイスに表示され、側心室脈絡叢のセグメンテーションの準備が整います。手動セグメンテーションは、セグメント・エディター・モジュール(図5A)を使用して作成され、マスター・ボリューム名は図5Bで確認できます。図5Cでは、左右の側脳室脈絡叢のラベルを異なる色で追加して標識することができ(図5C)、関心領域自体は描画またはペイントツールを使用して描写することができます(図5D)。図6は、側脳室脈絡叢と、尾状核、海馬、円蓋、第3脳室などの周囲の脳構造を標識しており、より複雑な領域のいくつかにおける側脳室脈絡叢のセグメンテーションのランドマークを提供します。手動セグメンテーションから脈絡叢体積データを生成して抽出するには、セグメント統計モジュールを選択します(図7A)。データを出力するには、いくつかのオプションから選択できます(図7B)。計算された側心室脈絡叢の容積を含む新しいファイルは、保存ボタンを押すことで保存できるようになりました(図7C)。

第3および第4脳室脈絡叢のセグメンテーション
図8に見られるように、第3心室脈絡叢は、矢状面を描いた左下のパネルで容易に見ることができます。特に、モンロー孔は脳梁の下でアーチ状に弓なりになっており、脈絡叢は第3脳室内で緑色で強調表示されています。第3脳室および第3脳室脈絡叢は、軸面および冠状面(それぞれ図8の左上および右下のパネル)でも見ることができる。最後に、第3脳室脈絡叢の3Dレンダリングを図8の右上のパネルに示します。図9は、第3脳室脈絡叢と、脳梁、円蓋、視床、内脳静脈、第3脳室などの周囲の脳構造を標識しており、より複雑な領域における第3脳室脈絡叢のセグメンテーションのランドマークとなっています。

第4脳室脈絡叢は見づらく、図10に見られる。矢状面と冠状面(図10の左下と右下のパネル)は、その構造を最もよく見ることができます。小脳または第4脳室自体の一部が脈絡叢として描写されないように注意する必要があります。 図11は、第4脳室脈絡叢と、延髄、橋、上小脳脚、下髄質、第4脳室などの周囲の脳構造を標識しており、より複雑な領域のいくつかにおける第4脳室脈絡叢のセグメンテーションのランドマークを提供します。

セグメンテーションの精度、類似性、一致性
神経解剖学的構造のセグメンテーションは、画像ビューアで直接比較できますが、類似性を視覚的に評価するのが難しい場合があります。したがって、重なりの割合を測定する DC52 や、線引きされた構造の境界面間の距離を測定する avgSD53 などの定量的尺度を使用して、予測をグラウンド トゥルースまたは手動セグメンテーションと比較し、信頼性を評価します。 図12Aに示すように、2つの3DセグメンテーションGおよびPのDCは、単にオーバーラップ(交点)の体積を平均体積53で割ったものです。

ここで、 | .|はボリュームを表します。オーバーラップは 0 から 1 までのスケールで測定され、値 1 は正確な一致と 0 のディスジョイント セグメンテーションを示し、多くの場合、オーバーラップの割合を表すために 100 を掛けます。平均表面距離(ASD)は、Gの境界( bd(G) )上のすべての点xとPの境界の間の平均距離(mm)を測定します(図12B)。これは次のように定義されます。

距離はユークリッドノルム53の最小値を表します。 DC とは対照的に、 ASD が小さいほどセグメンテーション境界のキャプチャが適切であることを示し、値 0 が最小値 (完全一致) になります。また、平均の代わりに最大距離または 95パー センタイルが使用される場合もあり、最大値は単一の外れ値に対して非常に敏感であり、95パー センタイルは頑健ですが、小さいながらも関連するセグメンテーション エラーを見逃す可能性があることに注意してください。

ペアのセグメンテーションのセット間の体積推定値(セグメンテーションの直接の一致ではない)は、ICC54を使用して測定できます。これは、複数の参加者を複数の評価者(クラス間ICC)または同じ評価者(クラス内ICC)によって評価することで達成できます(図12C)。ICC スコアの範囲は 0 (信頼性が低い) から 1 (信頼性が高い) です。評価者間の信頼性のために、各セグメンテーションがランダムに選択された異なる評価者によって行われるデータセットには、ICC1(一元配置固定効果モデル)を使用することが推奨されます。さらに、無作為に選ばれた複数の評価者が同じセグメンテーションで作業するデータセットの場合、ICC2(双方向ランダム効果モデル)を使用して、セグメンテーションの絶対一致をテストすることをお勧めします。最後に、評価者内の信頼性のために、ICC3(二元配置混合効果モデル)の使用が推奨されます(図12C)。

図1:脳スキャンの品質管理。 (A)コントラストと明るさが良好で、アーチファクトの証拠がなく、頭の動きがない脳スキャン。(B)頭の動きを示す脳スキャン(赤い矢印)。(C)高輝度で低コントラストの脳スキャン、または(D)低輝度で高コントラストの脳スキャン。 この図の拡大版をご覧になるには、ここをクリックしてください。

図2:3Dスライサーにおける側脳室脈絡叢のセグメンテーション。 (1)は、DICOMまたはNIFTI画像をロードし、結果を保存するために使用されます。(2)は、脈絡叢をセグメント化するために使用されるセグメントエディターモジュール(黄色の矢印)に入るために使用できるドロップダウンメニューで構成されています。定量モジュール(青い矢印)は、脈絡叢の体積を計算するためにここで選択することもできます。(3)は、描画ツール、ペイントツール、および消去ツールを含むセグメントツールバーを示しています。(4)は、T1w画像の軸方向、矢状部、および冠状部の脈絡叢を示しています。脈絡叢の3Dレンダリングも右上隅に示されています。(5)は、セグメント統計モジュールを使用して計算された手動脈絡叢セグメンテーションからの体積結果を表示します。最終結果は、(1)の保存ボタンを使用して保存できます。 この図の拡大版をご覧になるには、ここをクリックしてください。

図 3: 3D スライサーのサンプル データの読み込み。 この図は、3DSlicer インターフェイスからサンプル データをダウンロードする方法を示しています。まず、「サンプルデータのダウンロード」を選択し、次に「MRHead」を選択すると、画面の右側に脳スキャンの軸、矢状、冠状のビューが表示されます。 この図の拡大版をご覧になるには、ここをクリックしてください。

図4:T1w脳スキャンの読み込み。 この図は、NIFTI(左パネル)またはDICOM(右パネル)ファイルを使用してT1w脳スキャンをアップロードする方法を示しています。(A)NIFTIファイルの場合、「追加するディレクトリの選択」または「追加するファイルの選択」のいずれかを選択してから、「OK」を選択する必要があります。(B)DICOMファイルの場合、「DICOMデータの追加」を選択し、「DICOMファイルのインポート」を選択してから「OK」を押す必要があります。これら 2 つのアプローチでは、脳スキャンの軸方向、矢状性、および冠状のビューが画面の右側に表示されます。(C)画像の明るさとコントラストを調整するには、赤いボタンを選択する必要があります。 この図の拡大版をご覧になるには、ここをクリックしてください。

図5:側脳室脈絡叢のセグメンテーション。 T1w 脳スキャンが 3D スライサーに読み込まれた後。(A)「セグメンテーションエディタ」モジュールを選択します。(B)側脳室脈絡叢の手動セグメンテーションのためのモジュールとマスターボリュームの確認。(C)右側心室脈絡叢のラベルを作成する。(D)「描画」および「ペイント」ツールを使用して、側脳室脈絡叢を手動で描写します。 この図の拡大版をご覧になるには、ここをクリックしてください。

図6:側脳室脈絡叢に隣接する構造。 隣接する脳構造には、円蓋、尾状核、海馬、および第3脳室が含まれます。 この図の拡大版をご覧になるには、ここをクリックしてください。

図7:体積の計算。 脈絡叢の体積を計算し、セグメントと体積の結果を保存します。(A) セグメント統計 モジュールの選択。(B) データを出力する選択(C) 保存 ボタンを押して、計算された側脳室脈絡叢の体積を含む新しいファイルを保存します。 この図の拡大版をご覧になるには、ここをクリックしてください。

図8:第3脳室脈絡叢のセグメンテーション。 ここに示されているのは、3Dスライサーを使用して手動でセグメント化された第3脳室脈絡叢の軸方向、冠状、および矢状面の図です。右上隅は、第3脳室脈絡叢の3Dレンダリングを示しています。 この図の拡大版をご覧になるには、ここをクリックしてください。

図9:第3脳室脈絡叢に隣接する構造。 隣接する脳構造には、円蓋、内脳静脈、視床、脳梁、および第3脳室 が含まれます。 この図の拡大版をご覧になるには、ここをクリックしてください。

図10:第4脳室脈絡叢のセグメンテーション。 ここに示されているのは、3Dスライサーを使用して手動でセグメント化された第4脳室脈絡叢の軸方向、冠状部、および矢状面の図です。右上隅は、第4脳室脈絡叢の3Dレンダリングを示しています。 この図の拡大版をご覧になるには、ここをクリックしてください。

図11:第4脳室脈絡叢に隣接する構造。 隣接する脳構造には、延髄、橋、小脳、小脳虫、小脳扁桃腺が含まれます。 この図の拡大版をご覧になるには、ここをクリックしてください。

図12:セグメンテーションの精度、パフォーマンス、および一致の判断。 (A) ダイス係数 (DC) スコアを使用してオーバーラップ率を計算する方法を示しています。(B)平均表面距離(avgSD)は、予測をグラウンドトゥルースと比較したり、信頼性を評価するために評価者間または評価者内の手動セグメンテーションと比較したりするために、線引きされた構造の境界面間の距離を測定します。(C)クラス内相関係数(ICC)は、評価者間(同じ被験者の繰り返し測定)または評価者内(同じ評価者からの複数の測定値)の信頼性分析に使用できます。代表的な例と出力を提供します。 この図の拡大版をご覧になるには、ここをクリックしてください。

著者は競合する金銭的利害関係を持っていません。