Name: 脳MRIを用いたヒト脈絡叢の手動セグメンテーション (動画) | JoVE Journal
Uploaded: 2023-12-15T12:40:00.000+00:00
Duration: 4 min 25 s
Description: 学ぶ脳MRIを用いたヒト脈絡叢の手動セグメンテーション手法。側脳室・第三・第四脳室の複雑な構造を正確に識別し、アルゴリズム訓練用データセットを作成する標準化プロトコルです。神経画像学研究に有用です。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

この研究は、国立精神衛生研究所賞R01 MH131586(P.L.とM.R.へ)、R01 MH078113(M.K.へ)、およびSydney R Baer Jr財団助成金(P.L.へ)の支援を受けました。

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。
<ol><li>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。</li>
	<li>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。</li>
	<li>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。</li>
	<li>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。</li>
	<li>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。</li>
</ol>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
<ol><li>[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。</li>
	<li>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。</li>
</ol>3. 品質管理とMRI画像の調整
<ol><li>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。</li>
	<li>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。</li>
	<li>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。</li>
	<li>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。</li>
	<li>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。</li>
	<li>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。</li>
</ol>4.脈絡叢の手動セグメントの作成
<ol><li>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。</li>
	<li>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。</li>
	<li>[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。</li>
	<li>[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。</li>
	<li>[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。</li>
</ol>5. さまざまなスライスとセグメンテーションの表示
<ol><li>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。</li>
	<li>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。</li>
</ol>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。
<ol><li>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。<ol><li>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。</li>
	</ol></li>
	<li>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。</li>
	<li>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。</li>
	<li>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。</li>
	<li>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。</li>
	<li>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。</li>
	<li>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。</li>
</ol>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。
<ol><li>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。<ol><li>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。</li>
	</ol></li>
	<li>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。<ol><li>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。</li>
	</ol></li>
</ol>8.脈絡叢の体積を計算する
<ol><li>「 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。</li>
	<li>[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。</li>
</ol>9. セグメントとボリューム結果の保存
<ol><li>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。</li>
	<li>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。</li>
</ol>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。
<ol><li>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。<ol><li>関数 monai.metrics.compute_meandice を使用して、平均 DC スコアを計算します。</li>
		<li>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。</li>
	</ol></li>
	<li>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。<ol><li>関数 compute_average_surface_distance を使用して、平均 SD スコアを計算します。</li>
		<li>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。</li>
		<li>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。</li>
	</ol></li>
	<li>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。</li>
	<li>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。<ol><li>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。</li>
		<li>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。</li>
		<li>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。</li>
	</ol></li>
</ol>

脳疾患におけるニューロイメージング解析の強化

著者は競合する金銭的利害関係を持っていません。

プロトコルの重要なステップ このプロトコルを実装する際には、3つの重要なステップに特別な注意が必要です。まず、MR画像の品質とコントラストを確認することは、正確なセグメンテーションを確保するための鍵です。画像の品質が低すぎたり高すぎたりすると、脈絡叢の描写が不正確になる可能性があります。画像のコントラストは、画像のグレースケール値を表示するか、灰白質核と灰白質の間のコントラストを強調するために値を調整することによって調整できます。第二に、評価者は脈絡叢の解剖学的構造に精通し、専門的な訓練を受けている必要があります。評価者が脈絡叢と隣接する脳領域の解剖学的構造に精通していない場合、脈絡叢を誤ってセグメント化し、脈絡叢の体積が不正確になる可能性があります。最後に、手動セグメンテーションを実行する評価者が、脈絡叢のセグメンテーションだけでなく、他の評価者によるセグメンテーションも再現できることを確認するために、評価者内および評価者間の再現性を評価することが重要です。これらの数値は、後の段階で自動セグメンテーションツールを検証する際にも非常に関連します。さらに、データセットが固定されており、複数の評価者が...

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 FreeSurfer37,38,39、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。

<table><tbody><tr><td>3D Slicer</td><td>3D Slicer</td><td>https://www.slicer.org/</td> <td>医療、生物医学、その他の 3D 画像やメッシュの視覚化、処理、セグメンテーション、登録、分析、および画像誘導手順の計画とナビゲートのための無料のオープン ソース ソフトウェア。</td></tr><tr><td>FreeSurfer</td><td>FreeSurfer</td><td>https://surfer.nmr.mgh.harvard.edu/</td> <td>人間の脳MR画像を処理、分析、視覚化するためのオープンソースのニューロイメージングツールキット</td></tr><tr><td>ITK-SNAP</td><td>ITK-SNAP</td><td></td> http://www.itksnap.org/pmwiki/pmwiki.php <td>3Dおよび4D生物医学画像の構造をセグメント化するために使用される、無料のオープンソースのマルチプラットフォームソフトウェアアプリケーション。&nbsp;</td></tr><tr><td>Monaiパッケージ</td><td>モナイコンソーシア</td>ム <td>https://docs.monai.io/en/stable/metrics.html</td><td>サイコロ係数とDeepMind平均表面距離に使用。</td></tr><tr><td>MRIスキャナー</td><td>GE</td><td>Discovery MR750&nbsp;</td><td></td></tr><tr><td>Psych Package</td><td>R-Project</td><td>https://cran.r-project.org/web/packages/psych/index.html</td><td>パーソナリティ、心理測定理論、実験心理学のために開発された汎用ツールボックス。</td></tr><tr><td>R Software</td><td>R-Project</td><td>https://www.r-project.org/</td> <td>Rは、統計計算とグラフィックスのためのフリーソフトウェア環境です。&nbsp;</td></tr><tr><td>RStudio</td><td>Posit</td><td>https://posit.co/</td> <td>RStudio 統合開発環境 (IDE) は、R と Python の生産性を高めるために構築されたツールのセットです。&nbsp;</td></tr><tr><td>WindowsまたはApple OSのデスクトップまたはラップトップ</td> 任意の<td>会社</td><td>n/a</td><td>このプロトコルで使用されるソフトウェアを実行するために必要です。&nbsp;</td></tr></tbody></table>

脳mriを用いたヒト脈絡叢の手動セグメンテーション

Manual Segmentation of the Human Choroid Plexus Using Brain MRI

脈絡叢は、神経発達やさまざまな脳障害に関与しています。脈絡叢は、脳の成熟、免疫/炎症調節、および行動/認知機能に重要であることを示す証拠があります。しかし、現在の自動ニューロイメージングセグメンテーションツールは、側脳室脈絡叢を正確かつ確実にセグメンテーションするのが不十分です。さらに、脳の第3脳室と第4脳室に位置する脈絡叢をセグメント化する既存のツールはありません。したがって、脈絡叢を側脳室、第3脳室、および第4脳室でセグメント化する方法を描写するプロトコルは、神経発達障害および脳障害における脈絡叢を調べる研究の信頼性と再現性を高めるために必要です。このプロトコルは、DICOMまたはNIFTI画像に基づいて脈絡叢の3Dスライサーで個別にラベル付けされたファイルを作成するための詳細な手順を提供します。脈絡叢は、T1w画像の軸面、矢状面、および冠状面を使用して手動でセグメント化され、心室に隣接する灰白質または白質構造からボクセルが除外されるようにします。ウィンドウは、脈絡叢とその解剖学的境界の局在化を支援するために調整されます。精度と信頼性を評価する方法は、このプロトコルの一部として実証されます。手作業による脈絡叢のゴールドスタンダードセグメンテーションは、生涯にわたる脈絡叢の変化やさまざまな脳障害内での脈絡叢の変化を解明するためにオープンに共有できる、より優れた、より信頼性の高い自動セグメンテーションツールを開発するために使用できます。

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(<strong...

脳における脈絡叢の重要な役割にもかかわらず、この構造の神経画像研究は、信頼性の高い自動セグメンテーションツールがないため、ほとんどありません。現在のプロトコルは、脈絡叢のゴールドスタンダードの手動セグメンテーションを確実にすることを目的としています 将来の神経画像研究に情報を提供できる。

脳MRIを用いたヒト脈絡叢の手動セグメンテーション

The choroid plexus has been implicated in neurodevelopment and a range of brain disorders. Evidence demonstrates that the choroid plexus is critical for ...

私たちは、脳の外側第3および第4脳室内の脈絡叢を手動でセグメント化するためのアクセス可能で標準化されたプロトコルを確立することを目指しています。脈絡叢を手動でセグメント化する際に発生する可能性のある一般的な質問や問題、特に脳内のその場所の複雑な性質を考慮して、対処したいと考えています。このプロトコルを開発することで、グラウンドトゥルースセグメンテーションマップで構成される十分な大きさのデータセットが作成され、脈絡叢を正確かつ自動的にセグメント化できるアルゴリズムのトレーニングと開発に使用できます。将来的には、これはさまざまな神経学的および神経精神医学的障害における脈絡叢の役割を調査する研究につながります。

manual-segmentation-of-the-human-choroid-plexus-using-brain-mri

Research

JoVE Journal

Neuroscience

神経科学

この資料では、3Tのスキャナを用いたヒト脳および皮質下構造で1.2mmのサンプリングで高解像度の機能的磁気共鳴イメージングを実行するテクニックについて説明します。例として、与えられた人間の上丘（SC）における視覚刺激の地形図を解決するためにこれらの技術の使用。...

人間の中脳の高解像度機能的磁気共鳴画像法

自動化された正中線のずれの推定および頭蓋内圧（ICP）の外傷性脳損傷（TBI）患者のコンピューター断層撮影​​（CT）画像に基づく事前審査システムは、画像処理と機械学習の手法を用いて提案されている。...

脳のCT画像に基づく自動ミッドラインシフト、頭蓋内圧の推定

本研究は、内側側頭葉(MTL)構造を手動で追跡するための包括的なガイドラインを提供します。このプロトコルは、MTLの構造的および/または構造・機能複合型磁気共鳴画像(MRI)研究に適用可能であり、健康群および臨床群の両方で行われます。...

内側側頭葉構造の手動分割のための総合的なプロトコル

本稿では、「変更点」を識別する premanifest ハンチントン病で脳の萎縮が始まるとき、体積の MRI データ分析のための統計モデルについて説明します。T1 強調画像のアトラスに基づくセグメンテーション...

全体脳セグメンテーションと解剖学的脳 MRI の変化点分析-Premanifest ハンチントン病のアプリケーション

このプロトコルでは、灰白質の量の定量化のため使用することができます灰白質領域を線引きしたりする構造の T1 強調 MRI スキャンに 7 つの異なる自動セグメンテーション...

MRI の T1 強調画像からの皮質の灰白質の自動セグメンテーション

手先の器用さは、主に霊長類の特権であるため、行動タスクはマカクザルで開発されている。...

ヒト以外の霊長類における手先の器用さの行動評価

技術が広くマイクロバブルと超音波を用いたマウスにおける血液脳関門を開くために記述されています。このテクニックを使用して、マンガンは、マウスの脳に投与することができる。マンガンは脱分極の神経細胞に蓄積するMRI造影剤であるため、このアプローチは、神経活動のイメージングを可能にします。...

超音波血液脳関門の破壊とマンガン増強MRIを用いた脳機能イメージングの試み

我々は、脳脊髄液（CSF）を収集し、ゼブラフィッシュ胚の脳室系内のCSFを欠いてシステムを作成する方法を提案する。これは、胚の脳の発達中に脳脊髄液の組成とその要件の精査が可能になります。...

ゼブラフィッシュ胚の脳室の手動排水

このビデオプレゼンテーションは、前脳機能をサポートする2つの最も重要性の高い血管構造を収穫する方法を示しています。彼らは、関連付けられている髄膜（MAV）と脳血流と脳脊髄液（CSF）の恒常性に必要である脈絡叢と一緒に脳表面（表層）血管系である。...

ラットの脳から脳表面血管系および関連髄膜の解剖と脈絡叢のビジュアル解説

この原稿の目標は、MRIを使用して海馬と海馬のサブフィールドを研究することです。この原稿では、海馬と5つの海馬下部構造(cornu ammonis(CA)1、CA2 / CA3、CA4 /dentate gyrus、strata...

高解像度インビボ 3T磁気共鳴画像を用いたヒト海馬サブフィールドのためのマニュアルセグメンテーションプロトコル

学ぶ脳MRIを用いたヒト脈絡叢の手動セグメンテーション手法。側脳室・第三・第四脳室の複雑な構造を正確に識別し、アルゴリズム訓練用データセットを作成する標準化プロトコルです。神経画像学研究に有用です。

脳MRIを用いたヒト脈絡叢の手動セグメンテーション

さらに動画を探す