Waiting
Login processing...

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

Neuroscience

Segmentation manuelle du plexus choroïde humain à l’aide de l’IRM cérébrale

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

Malgré le rôle crucial du plexus choroïde dans le cerveau, les études de neuroimagerie de cette structure sont rares en raison du manque d’outils de segmentation automatisés fiables. Le présent protocole vise à assurer une segmentation manuelle de référence du plexus choroïde qui peut éclairer les futures études de neuroimagerie.

Abstract

Le plexus choroïde a été impliqué dans le développement neurologique et une gamme de troubles cérébraux. Les preuves démontrent que le plexus choroïde est essentiel à la maturation du cerveau, à la régulation immunitaire/inflammatoire et au fonctionnement comportemental/cognitif. Cependant, les outils actuels de segmentation automatisée en neuroimagerie sont médiocres pour segmenter avec précision et fiabilité le plexus choroïde du ventricule latéral. De plus, il n’existe pas d’outil qui segmente le plexus choroïde situé dans les troisième et quatrième ventricules du cerveau. Ainsi, un protocole délimitant la façon de segmenter le plexus choroïde dans le ventricule latéral, le troisième et le quatrième ventricule est nécessaire pour augmenter la fiabilité et la reproductibilité des études examinant le plexus choroïde dans les troubles neurodéveloppementaux et cérébraux. Ce protocole fournit des étapes détaillées pour créer des fichiers étiquetés séparément dans 3D Slicer pour le plexus choroïde à partir d’images DICOM ou NIFTI. Le plexus choroïde sera segmenté manuellement à l’aide des plans axial, sagittal et coronal des images T1w en veillant à exclure les voxels des structures de matière grise ou blanche bordant les ventricules. Le fenêtrage sera ajusté pour aider à la localisation du plexus choroïde et de ses limites anatomiques. Des méthodes d’évaluation de l’exactitude et de la fiabilité seront démontrées dans le cadre de ce protocole. La segmentation de référence du plexus choroïde à l’aide de délimitations manuelles peut être utilisée pour développer des outils de segmentation automatisés meilleurs et plus fiables qui peuvent être partagés ouvertement pour élucider les changements dans le plexus choroïde tout au long de la vie et dans divers troubles cérébraux.

Introduction

Fonction du plexus choroïde
Le plexus choroïde est une structure hautement vascularisée du cerveau constituée de capillaires fenêtrés et d’une monocouche de cellules épithéliales du plexus choroïde1. Le plexus choroïde se projette dans les ventricules cérébraux latéraux, troisième et quatrième et produit du liquide céphalorachidien (LCR), qui joue un rôle important dans la structuration neuronale2 et la physiologie cérébrale 3,4. Le plexus choroïde sécrète des substances neurovasculaires, englobe un dépôt semblable à une cellule souche et agit comme une barrière physique pour empêcher l’entrée de métabolites toxiques, une barrière enzymatique pour éliminer les fractions qui contournent la barrière physique et une barrière immunologique pour protégercontre les envahisseurs étrangers. Le plexus choroïde module la neurogenèse6, la plasticité synaptique7, l’inflammation8, le rythme circadien 9,10, l’axe cerveau intestinal11 et la cognition12. De plus, les cytokines périphériques, le stress et l’infection (y compris le SRAS-CoV-2) peuvent perturber la barrière hémato-céphalo-rachidien 13,14,15,16. Ainsi, le système plexus-LCR choroïde fait partie intégrante du neurodéveloppement, de la maturation des circuits neurologiques, de l’homéostasie cérébrale et de la réparation17. Étant donné que les altérations immunitaires, inflammatoires, métaboliques et enzymatiques ont un impact sur le cerveau, les chercheurs utilisent des outils de neuroimagerie pour évaluer le rôle du plexus choroïde tout au long de la vie et dans les troubles cérébraux 18,19,20. Cependant, il existe des limites dans les outils automatisés couramment utilisés pour la segmentation du plexus choroïde, tels que FreeSurfer, qui se traduisent par une mauvaise segmentation du plexus choroïde. Ainsi, il existe un besoin critique de segmentation manuelle de la vérité terrain du plexus choroïde qui peut être utilisé pour développer un outil automatisé précis pour la segmentation du plexus choroïde.

Plexus choroïde dans le neurodéveloppement et les troubles cérébraux
Le rôle du plexus choroïde dans les troubles cérébraux a longtemps été négligé, principalement parce qu’il était considéré comme un acteur de soutien dont le rôle était d’amortir le cerveau et de maintenir un bon équilibre salin 2,21. Cependant, le plexus choroïde a attiré l’attention en tant que structure liée à des troubles cérébraux tels que les syndromes douloureux22, le SRAS-CoV-2 16,23,24, le neurodéveloppement2 et les troubles cérébraux19, suggérant un effet transdiagnostique dans le développement des troubles du comportement. Dans les troubles neurodéveloppementaux, les kystes du plexus choroïde étaient associés à un risque accru de retard de développement, de trouble déficitaire de l’attention/hyperactivité (TDAH) ou de trouble du spectre autistique (TSA)25,26. De plus, on a constaté une augmentation du volume du plexus choroïde du ventricule latéral chez les patients atteints de TSA27. Dans les troubles cérébraux, des anomalies du plexus choroïde sont décrites depuis 1921 dans les troubles psychotiques28,29. Des études antérieures ont identifié l’élargissement du plexus choroïde à l’aide de la segmentation FreeSurfer dans un large échantillon de patients atteints de troubles psychotiques par rapport à leurs parents au premier degré et aux témoins19. Ces résultats ont été reproduits à l’aide d’un volume de plexus choroïde segmenté manuellement dans un grand échantillon de population clinique à haut risque de psychose et ont constaté que ces patients avaient un volume de plexus choroïde plus important par rapport aux témoins sains30. Il existe un nombre croissant d’études démontrant l’élargissement du plexus choroïde dans le syndrome douloureux régional complexe22, l’accident vasculaire cérébral31, la sclérose en plaques20,32, la maladie d’Alzheimer33,34 et la dépression35, certaines démontrant un lien entre l’activité immunitaire/inflammatoire périphérique et cérébrale. Ces études de neuroimagerie sont prometteuses ; cependant, une mauvaise segmentation du plexus choroïde du ventricule latéral par FreeSurfer21 limite la fiabilité de l’estimation automatisée du volume du plexus choroïde. En conséquence, des études sur la sclérose en plaques20,32, la dépression35, la maladie d’Alzheimer34 et la psychose précoce36 ont commencé à segmenter manuellement le plexus choroïde du ventricule latéral, mais il n’y a pas de lignes directrices actuelles sur la façon de le faire, pas plus que leurs conseils sur la segmentation du plexus choroïde du troisième et du quatrième ventricule.

Les outils de segmentation courants excluent le plexus choroïde
Les pipelines de segmentation cérébrale tels que FreeSurfer 37,38,39, FMRIB Software Library (FSL)40, SLANT41 et FastSurfer (développé par le co-auteur Martin Reuter)42,43, segmentent avec précision et fiabilité les structures corticales et sous-corticales en utilisant des paradigmes de segmentation basés sur l’atlas (FSL), l’atlas et la surface (FreeSurfer) et l’apprentissage profond (SLANT et FastSurfer). Les faiblesses de certaines de ces approches comprennent la vitesse de traitement, la généralisation limitée à différents scanners, les intensités de champ et les tailles de voxel37,44 et l’alignement forcé de la carte d’étiquettes dans un espace d’atlas standard. Cependant, la capacité de segmenter le plexus choroïde et la compatibilité avec l’IRM haute résolution ne sont abordées que par FreeSurfer et FastSurfer. Les réseaux neuronaux à l’origine de FastSurfer sont entraînés sur les étiquettes du plexus choroïde de FreeSurfer, de sorte qu’ils héritent de la fiabilité et des limites de couverture précédemment discutées de FreeSurfer, les troisième et quatrième ventricules étant ignorés21. Il existe également des limitations actuelles pour l’IRM haute résolution, mais le flux haute résolution45 et le FastSurferVINN43 de FreeSurfer peuvent être utilisés pour résoudre ce problème.

Outils actuels de segmentation du plexus choroïde
Il n’existe qu’un seul outil de segmentation disponible gratuitement pour le plexus choroïde, mais la précision de la segmentation est limitée. La segmentation précise du plexus choroïde peut être influencée par divers facteurs, notamment (1) la variabilité de l’emplacement du plexus choroïde (spatialement non stationnaire) en raison de son emplacement dans les ventricules, (2) les différences d’intensité des voxels, de contraste, de résolution (hétérogénéité intra-structure) dues à l’hétérogénéité cellulaire, à la fonction dynamique du plexus choroïde, aux changements pathologiques ou aux effets de volume partiels, (3) les différences de taille ventriculaire liées à l’âge ou à la pathologie ayant un impact sur la taille du plexus choroïde, et (4) la proximité des structures sous-corticales adjacentes (hippocampe, amygdale, caudé et cervelet), qui sont également difficiles à segmenter. Compte tenu de ces défis, les segmentations FreeSurfer sous-estiment ou surestiment souvent, étiquetent mal ou ignorent le plexus choroïde.

Trois publications récentes ont abordé la lacune de la segmentation fiable du plexus choroïde avec un modèle de mélange gaussien (GMM)46, un MLP axial47 et des approches d’apprentissage profond basées surU-Net 48. Chaque modèle a été entraîné et évalué à l’aide d’ensembles de données privés, étiquetés manuellement, d’au plus 150 sujets avec une diversité limitée de scanners, de sites, de données démographiques et de troubles. Bien que ces publications 46,48,49 aient apporté des améliorations significatives par rapport à la segmentation du plexus choroïde de FreeSurfer - doublant parfois l’intersection de la prédiction et de la vérité terrain, aucune des deux méthodes n’est (1) validée en IRM haute résolution, (2) dispose d’analyses de généralisation et de fiabilité dédiées, (3) présente de grands ensembles de données d’entraînement et de test représentatifs, (4) aborde ou analyse spécifiquement les défis de segmentation du plexus choroïde tels que : effets de volume partiels, ou (5) est accessible au public en tant qu’outil prêt à l’emploi. Ainsi, l’étalon-or actuel pour la segmentation du plexus choroïde est le traçage manuel, par exemple à l’aide de 3D Slicer50 ou ITK-SNAP51, qui n’a pas été décrit auparavant et qui a constitué un défi majeur pour les chercheurs souhaitant examiner le rôle du plexus choroïde dans leurs études. 3D Slicer a été choisi pour la segmentation manuelle en raison de la familiarité de l’auteur avec le logiciel et parce qu’il fournit à l’utilisateur divers outils basés sur différentes approches qui peuvent être combinés pour obtenir le résultat souhaité. D’autres outils peuvent être utilisés, comme ITK-SNAP, qui est principalement orienté sur la segmentation d’images, et une fois l’outil maîtrisé, de bons résultats peuvent être obtenus par l’utilisateur. De plus, les auteurs ont mené une étude cas-témoins démontrant la grande précision et la fiabilité de leur technique de segmentation manuelle à l’aide de 3D Slicer30, et cette méthodologie spécifique est décrite ici.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Le présent protocole a été approuvé par le comité d’examen institutionnel du centre médical Beth Israel Deaconess. Un sujet en bonne santé avec une IRM cérébrale exempte d’artefacts ou de mouvements a été utilisé pour cette démonstration du protocole, et un consentement éclairé écrit a été obtenu. Un scanner IRM de 3,0 T avec une bobine de tête à 32 canaux (voir le tableau des matériaux) a été utilisé pour acquérir des images 3D-T1 avec une résolution de 1 mm x 1 mm x 1,2 mm. La séquence MP-RAGE ASSET avec un champ de vision de 256 x 256, TR/TE/TI=7,38/3,06/400 ms et un angle de retournement de 11 degrés a été utilisée.

1. Importation de l’IRM cérébrale dans 3D Slicer

REMARQUE : 3D Slicer fournit une documentation relative à son interface utilisateur.

  1. Préparez les fichiers d’IRM cérébrale DICOM (Digital Imaging and Communications in Medicine) ou NIFTI (Neuroimaging Informatics Technology Initiative) pour l’importation dans 3D Slicer.
  2. Importez des données DICOM en cliquant sur le bouton DCM dans le coin supérieur gauche de la barre d’outils. Cliquez ensuite sur le bouton Importer des fichiers DICOM pour importer des données au format DICOM.
  3. Si les données IRM sont au format NIFTI, importez-les en cliquant sur le bouton DONNÉES dans le coin supérieur gauche de la barre d’outils. Dans la boîte de dialogue contextuelle, sélectionnez Choisir le répertoire à ajouter à l’importation par lots des données NIFTI dans un dossier ou sélectionnez Choisir le(s) fichier(s) à ajouter pour importer des fichiers NIFTI spécifiques. Cliquez ensuite sur le bouton OK pour procéder au chargement des données vers le segment 3D.
  4. Après l’importation, les données IRM apparaîtront dans la fenêtre de droite affichant les plans axial, sagittal et coronal.
  5. Modifiez la disposition des fenêtres en accédant à Mises en page et en sélectionnant une disposition spécifique. Vous pouvez le trouver en cliquant sur l’image du module Mises en page dans la barre d’outils de 3D Slicer elle-même ou via Afficher > Mises en page dans le menu de l’application.

2. Téléchargement de DICOM à partir d’exemples de données dans 3D Slicer

  1. Cliquez sur le bouton Télécharger des exemples de données dans l’écran d’ouverture de la section Bienvenue dans Slicer. Sélectionnez ensuite le bouton MRHead , et il lancera le processus de téléchargement, qui peut prendre quelques minutes.
  2. Assurez-vous que les données d’IRM cérébrale avec les plans axial, sagittal et coronal sont affichées dans la fenêtre de droite.

3. Contrôle de la qualité et ajustement de l’image IRM

  1. Déterminez qualitativement la qualité de l’image et la présence d’artefacts dus à des mouvements de la tête ou à des problèmes de balayage en examinant de manière critique chaque tranche d’IRM.
  2. Effectuez un zoom sur la tranche d’image en cliquant avec le bouton droit de la souris et en déplaçant la souris vers le haut ou vers le bas pour effectuer un zoom arrière ou avant, respectivement.
  3. Pour déplacer la tranche d’image, cliquez dessus avec le bouton gauche de la souris, maintenez la touche Maj enfoncée et faites glisser la souris.
  4. Le réglage de la luminosité de l’image peut aider à visualiser le plexus choroïde. Pour ce faire, cliquez sur Ajuster la fenêtre/le niveau de volume dans la barre d’outils ou cliquez avec le bouton gauche de la souris sur l’image et déplacez la souris vers le haut ou vers le bas pour augmenter ou diminuer la luminosité, respectivement.
  5. Le réglage du contraste peut également aider à trouver le plexus choroïde. Cliquez avec le bouton gauche de la souris sur la tranche d’image et déplacez la souris vers la gauche ou la droite pour augmenter ou diminuer le contraste, respectivement. Pour déterminer le contraste approprié pour le plexus choroïde, utilisez les noyaux profonds de la matière grise (masses centrales de matière grise disposées autour des ventricules latéraux et troisièmes) ou l’intensité du signal indiquée dans la barre de l’échelle de contraste.
  6. Une fois que le contraste préféré est sélectionné, maintenez le même contraste tout au long de la segmentation et n’ajustez pas les variations potentielles dans les régions supra- et infra-tentorielles.

4. Création des segments manuels du plexus choroïde

  1. Pour commencer la segmentation du plexus choroïde latéral, du troisième et du quatrième ventricule, créez les fichiers de segmentation dans le module Editeur de segments. Pour y accéder, cliquez sur l’éditeur de segments dans la barre d’outils ou allez dans le menu déroulant Modules : et sélectionnez Éditeur de segments.
  2. Cliquez sur le menu déroulant de la segmentation pour sélectionner différentes segmentations (si plusieurs segmentations ont été créées) et renommer la segmentation actuellement sélectionnée.
  3. Utilisez le menu déroulant Volume principal pour choisir les ensembles NIFTI ou DICOM à modifier. Ce n’est que lorsque le fichier de volume est sélectionné que l’utilisateur peut commencer à segmenter/modifier.
  4. Cliquez deux fois sur le bouton Ajouter pour ajouter deux segments pour le plexus choroïde du ventricule latéral. Pour les renommer, double-cliquez sur le nom et remplacez-les par Plexus choroïde du ventricule latéral droit et Plexus choroïde du ventricule latéral gauche.
  5. Cliquez à nouveau sur le bouton Ajouter pour ajouter des segments pour le troisième et le quatrième plexus choroïde du ventricule et renommez-les en « 3e plexus choroïde ventricule » et « 4e plexus choroïde ventricule ».

5. Affichage de différentes tranches et segmentations

  1. Avant de procéder à la modification, effectuez une étude d’arrière-plan pour savoir comment passer d’une disposition à l’autre dans la fenêtre d’affichage et comment modifier la vue ou l’opacité des segmentations.
  2. En haut de la fenêtre d’affichage et à gauche du curseur de la tranche, cliquez sur l’icône en forme d’épingle. Cela ouvrira un menu déroulant, qui peut varier en fonction de la disposition spécifique de la fenêtre.
    REMARQUE : L’utilisation de différentes dispositions peut être utile lors de la segmentation du plexus choroïde, car sa structure peut varier d’un individu à l’autre. Par exemple, la mise en page « conventionnelle » permet à l’utilisateur d’afficher simultanément les trois tranches et une vue 3D de la scène. Le choix de « Tranche rouge/jaune/verte uniquement » donne à l’utilisateur une vue rapprochée de la tranche 2D pour permettre une segmentation plus précise du plexus choroïde.

6. Délimitation des ROI du plexus choroïde du ventricule latéral

REMARQUE : L’enregistrement d’une image dans un modèle n’est pas nécessaire pour la segmentation manuelle.

  1. Pour le plexus choroïde du ventricule latéral, commencez dans le plan axial en vous assurant que les images sont positionnées en fonction de la ligne bicommissurale. Utilisez ensuite le trigonum collaterale comme point de référence pour localiser le plexus choroïde du ventricule latéral.
    1. Une fois que les modifications ont été apportées dans le plan axial, passez aux vues restantes (sagittale et coronale) pour vous assurer que la segmentation manuelle du plexus choroïde du ventricule latéral ne capture pas le parenchyme cérébral ou le LCR environnant.
  2. Pour commencer l’édition, cliquez sur le segment sur lequel vous souhaitez travailler et le nom du segment sera mis en surbrillance.
  3. Cliquez sur l’outil Peindre ou Dessiner dans la section Effets de l’éditeur de segments pour commencer la segmentation manuelle.
    REMARQUE : Il est préférable de commencer la segmentation dans un plan (coronal, axial ou sagittal) et, une fois la segmentation terminée dans toutes les tranches, de passer à d’autres plans pour vérifier et affiner la segmentation manuelle. Il est suggéré à l’utilisateur de commencer par les plans axiaux ou coronaux, car le plexus choroïde du ventricule latéral est plus facilement visible dans ces vues.
  4. Lorsque vous utilisez l’outil Dessiner , cliquez avec le bouton gauche de la souris et maintenez-le enfoncé pour dessiner un contour à la limite du plexus choroïde du ventricule latéral. Une fois tracé, cliquez avec le bouton droit de la souris pour remplir la zone dessinée.
  5. Lorsque vous utilisez l’outil Peinture , sélectionnez d’abord le diamètre du pinceau à utiliser pour peindre. Un pinceau à 3 % ou 5 % est suggéré pour une délimitation plus précise du plexus choroïde, tandis que 10 % peut être utile pour des sélections plus grandes.
  6. Pour l’un ou l’autre outil, utilisez les fonctions Peindre ou Effacer pour rectifier les délimitations erronées en ajoutant ou en supprimant des sélections.
    REMARQUE : Le référencement d’autres plans de vue peut aider à identifier la structure du plexus choroïde du ventricule latéral par rapport à d’autres structures cérébrales, telles que la matière grise environnante, le fornix, le corps calleux ou l’hippocampe. L’utilisateur est encouragé à exclure les scintigraphies cérébrales qui ont des kystes du plexus choroïde identifiés.
  7. Utilisez le niveau du noyau rouge comme point de repère pour arrêter la segmentation du plexus choroïde dans les ventricules latéraux.

7. Délimitation des troisième et quatrième ventricules du plexus choroïde

REMARQUE : Des images T1w à plus haute résolution (telles que 0,7 ou 0,8 mm) et celles obtenues sur une IRM 7T fourniraient une segmentation manuelle plus précise et plus fiable du plexus choroïde des troisième et quatrième ventricules. La segmentation du plexus choroïde des troisième et quatrième ventricules est plus difficile que celle du plexus choroïde du ventricule latéral, car ces régions peuvent être beaucoup plus petites et comporter moins de voxels à délimiter.

  1. Pour le plexus choroïde du troisième ventricule, commencez dans le plan sagittal et utilisez le foramen de Monro, le fornix, le corps calleux, le thalamus et la veine cérébrale interne comme points de référence pour localiser le plexus choroïde dans le 3e ventricule. Se déplacer entre les coupes dans le même plan peut aider à déterminer si une région est le fornix, le thalamus, la veine ou le plexus choroïde du troisième ventricule.
    1. Une fois que les modifications ont été apportées dans le plan sagittal, naviguez jusqu’aux vues restantes (axiale et coronale) pour vous assurer que la segmentation manuelle du plexus choroïde du troisième ventricule ne sélectionne pas le parenchyme cérébral ou le LCR environnant.
  2. De même, pour le plexus choroïde du quatrième ventricule, commencez dans le plan sagittal et utilisez le pédoncule cérébelleux supérieur, le pont et la moelle épinière comme points de référence pour localiser le plexus choroïde dans le quatrième ventricule. Se déplacer entre les coupes dans le même plan peut aider à déterminer si une région est le cervelet, l’amygdale cérébelleuse, le vélum médullaire inférieur ou le plexus choroïde du 4e ventricule.
    1. Une fois les modifications terminées dans le plan sagittal, passez aux vues restantes (axiale et coronale) pour vous assurer que la segmentation manuelle du plexus choroïde du quatrième ventricule ne sélectionne pas le parenchyme cérébral environnant ou le LCR.

8. Calcul des volumes du plexus choroïde

  1. Dans le menu déroulant Modules , accédez à Quantification et sélectionnez Statistiques de segment.
  2. Sous Entrées, sélectionnez la nouvelle carte de segmentation à quantifier sous l’outil Segmentation et choisissez le volume IRM dans le volume scalaire. Pour Output table (Table en sortie) (sous Output) (en sortie), choisissez l’option Table (Table). Une fois terminé, appuyez sur Appliquer, et un tableau contenant le volume du plexus choroïde apparaîtra dans différentes unités.

9. Enregistrement des segments et des résultats de volume

  1. Cliquez sur le bouton Enregistrer dans le coin supérieur gauche de la barre d’outils pour enregistrer les fichiers générés.
  2. Enregistrez les fichiers de segmentation au format .nrrd (fichier de segment 3D), .nii.gz (fichier NIFTI) ou .tsv (fichier de table).

10. Détermination de l’exactitude, de la performance et de l’accord de la segmentation

REMARQUE : Il est recommandé d’utiliser le package MONAI (voir le tableau des matériaux), qui décrit le coefficient de dés (DC) et la distance de surface moyenne de DeepMind (avgSD). Vous trouverez ci-dessous des détails sur DC et avgSD. Afin de calculer ces métriques, les lecteurs devront savoir programmer (par exemple, python, lire des images à partir du disque, reformater les données dans les tableaux d’entrée appropriés pour ces fonctions). Il n’existe pas de package convivial qui inclut toutes ces mesures.

  1. Le score DC est une approche standard permettant de quantifier le chevauchement de deux domaines géométriques. Pour calculer le score DC moyen entre deux segmentations, fournissez deux tenseurs y_pred et y, c’est-à-dire des images multi-images avec une image pour chaque image d’étiquette binarisée. Les tenseurs y_pred et y peuvent contenir des segmentations de deux évaluateurs manuels différents, des segmentations répétées du même évaluateur ou une prédiction automatisée et une vérité terrain manuelle.
    1. Utilisez la fonction monai.metrics.compute_meandice pour calculer le score DC moyen.
    2. Générez des tenseurs d’étiquettes binaires appropriés avec monai.transforms.post.
      REMARQUE : Le paramètre include_background peut être défini sur False pour exclure la première catégorie (indice de canal 0) du calcul DC, qui est, par convention, supposée être un arrière-plan.
  2. Considérez que le score avgSD est moins courant et notez que l’approche peut différer car il existe plusieurs définitions de la distance de surface. Par exemple, utilisez la distance maximale (également connue sous le nom de distance de Hausdorff, très sensible aux valeurs aberrantes), la distance moyenne (comme décrit ici) et le 95e centile (très robuste) comme mesures fréquemment utilisées.
    1. Utilisez la fonction compute_average_surface_distance pour calculer le score avgSD.
    2. Assurez-vous que cette fonction calcule la distance de surface moyenne de y_pred à y selon le paramètre par défaut.
    3. De plus, si symétrique = Vrai, assurez-vous que la distance de surface symétrique moyenne entre ces deux entrées est renvoyée.
  3. L’analyse statistique du score DC et avgSD sur plusieurs cas peut être effectuée à l’aide du test de classement signé Wilcoxon robuste pour l’analyse par paires.
  4. Envisagez d’utiliser le coefficient de corrélation intraclasse (ICC) comme une autre méthode couramment utilisée pour déterminer si plusieurs participants peuvent être évalués de manière fiable par différents évaluateurs. N’oubliez pas que l’ICC fonctionne sur un ensemble de mesures appariées (par exemple, le volume) des segmentations et non sur les images de segmentation directement. Pour calculer l’ICC, utilisez le logiciel R et R Studio (voir Tableau des matériaux), ce qui simplifie le processus.
    1. Téléchargez le paquet à l’aide de install.packages(« psych ») et chargez la bibliothèque (psych).
    2. Entrez le bloc de données, qui inclut les participants (lignes) et un évaluateur dans chaque colonne, à l’aide de Data <- data.frame(df). Visualisez ensuite les mesures à l’aide d’un graphique (Données).
    3. Pour exécuter ICC, utilisez ICC(Données), qui génère un tableau des différents types d’ICC, par exemple pour obtenir les scores inter- ou intra-évaluateurs.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

La méthode proposée a fait l’objet d’un raffinement itératif pour le plexus choroïde du ventricule latéral, impliquant des tests approfondis sur une cohorte de 169 témoins sains et 340 patients présentant un risque cliniquement élevé de psychose30. À l’aide de la technique décrite ci-dessus, les auteurs ont obtenu une précision et une fiabilité intra-évaluateurs élevées avec un DC = 0,89, un AVGH = 3,27 mm3 et un ICC à évaluateur unique = 0,9730, ce qui démontre la force du protocole décrit ici.

Gestion des problèmes de contrôle qualité et des paramètres du segment 3D
Avant de commencer le processus de segmentation, il est nécessaire de vérifier la qualité de l’examen cérébral pour s’assurer qu’il n’y a pas de mouvement de la tête ou d’artefacts qui interfèrent avec la segmentation manuelle (Figure 1A). Ensuite, la luminosité et le contraste peuvent être ajustés pour aider à une meilleure visualisation du plexus choroïde. Certaines scintigraphies cérébrales peuvent présenter un mouvement de la tête, et il est important de déterminer si l’artefact aurait un impact négatif sur la délimitation du plexus choroïde (Figure 1B). De plus, les images présentant des artefacts de luminosité et de contraste rendent difficile la distinction des bords du plexus choroïde (Figure 1C,D). Dans ce cas, essayez d’ajuster la luminosité et le contraste jusqu’à ce qu’ils conviennent à la segmentation manuelle. Assurez-vous que les scintigraphies cérébrales qui ne peuvent pas être facilement segmentées pour le plexus choroïde sont exclues.

Segmentation du plexus choroïde du ventricule latéral
Comme le montre la figure 2, cinq parties principales sont utilisées pour charger et afficher les images (partie 1), sélectionner différentes fonctions de trancheur 3D (partie 2), des outils pour segmenter le plexus choroïde latéral (partie 3), visualiser les images axiales, coronales et sagittales (partie 4), calculer le volume du plexus choroïde du ventricule latéral (partie 5) et enregistrer les résultats de la segmentation manuelle. L’analyse cérébrale T1w peut être téléchargée à l’aide de l’interface Welcome to Slicer en téléchargeant des exemples de données à partir du jeu de données MRHead dans 3D Slicer (Figure 3) ou en important le fichier NIFTI ou DICOM à partir d’un jeu de données existant (Figure 4A,B). Ce panneau permet également de modifier la luminosité et le contraste de l’image (Figure 4C). Après avoir chargé le scanner cérébral T1w, il sera affiché dans l’interface de vue en coupe et préparé pour la segmentation du plexus choroïde du ventricule latéral. La segmentation manuelle est créée à l’aide du module Éditeur de segments (Figure 5A) et le nom du volume principal peut être confirmé à la Figure 5B. Dans la figure 5C, les étiquettes des plexus choroïdes du ventricule latéral droit et gauche peuvent être ajoutées et étiquetées dans différentes couleurs (Figure 5C), et la région d’intérêt elle-même peut être délimitée à l’aide de l’outil Dessiner ou Peindre (Figure 5D). La figure 6 identifie le plexus choroïde du ventricule latéral et les structures cérébrales environnantes, telles que le noyau caudé, l’hippocampe, le fornix et le troisième ventricule, ce qui fournit des points de repère pour la segmentation du plexus choroïde du ventricule latéral dans certaines des régions les plus complexes. Pour générer et extraire des données de volume de plexus choroïde à partir des segmentations manuelles, sélectionnez le module Statistiques de segment (Figure 7A). Vous avez le choix entre plusieurs options pour la sortie des données (Figure 7B). Les nouveaux fichiers contenant le volume calculé du plexus choroïde du ventricule latéral peuvent maintenant être sauvegardés en appuyant sur le bouton Enregistrer (Figure 7C).

Segmentation du plexus choroïde des troisième et quatrième ventricules
Comme le montre la figure 8, le plexus choroïde du 3e ventricule peut être facilement visualisé dans le panneau inférieur gauche représentant le plan sagittal. Notamment, le foramen de Monro peut être observé arqué sous le corps calleux, avec le plexus choroïde mis en évidence dans le troisième ventricule en vert. Le troisième ventricule et le plexus choroïde du troisième ventricule peuvent également être vus dans les plans axial et coronal (panneaux supérieur gauche et inférieur droit de la figure 8, respectivement). Enfin, un rendu 3D du plexus choroïde du troisième ventricule est présenté dans le panneau supérieur droit de la figure 8. La figure 9 marque le plexus choroïde du troisième ventricule et les structures cérébrales environnantes, y compris le corps calleux, le fornix, le thalamus, la veine cérébrale interne et le troisième ventricule, ce qui fournit des points de repère pour la segmentation du plexus choroïde du troisième ventricule dans certaines des régions les plus complexes.

Le plexus choroïde du quatrième ventricule est plus difficile à voir et peut être vu sur la figure 10. Les plans sagittal et coronal (panneaux en bas à gauche et en bas à droite de la figure 10) permettent de mieux visualiser sa structure. Il faut veiller à ce que des parties du cervelet ou du quatrième ventricule lui-même ne soient pas délimitées comme plexus choroïde. La figure 11 marque le plexus choroïde du quatrième ventricule et les structures cérébrales environnantes, y compris la moelle, le pont, le pédoncule cérébelleux supérieur, le vélum médullaire inférieur et le quatrième ventricule, ce qui fournit des points de repère pour la segmentation du plexus choroïde du4e ventricule dans certaines des régions les plus complexes.

Précision, similitude et concordance de la segmentation
La segmentation des structures neuroanatomiques peut être directement comparée dans une visionneuse d’images, mais la similitude est parfois difficile à évaluer visuellement. Par conséquent, des mesures quantitatives telles que le DC52, qui mesure le pourcentage de chevauchement, et l’AVGSD53, qui mesure les distances entre les surfaces limites des structures délimitées, sont utilisées pour comparer les prédictions avec la vérité terrain ou les segmentations manuelles entre les évaluateurs ou à l’intérieur de ceux-ci afin d’évaluer la fiabilité. Comme le montre la figure 12A, le DC pour deux segmentations 3D G et P est simplement le volume du chevauchement (intersection) divisé par le volume moyen53 :

Equation 1

où | . | représente le volume. Il mesure le chevauchement sur une échelle comprise entre 0 et 1, où une valeur de 1 indique un accord exact et 0 segmentations disjointes et est souvent multipliée par 100 pour représenter un pourcentage de chevauchement. La distance de surface moyenne (ASD) mesure la distance moyenne (en mm) entre tous les points x de la limite de G ( bd(G) ) et la limite de P et vice-versa (Figure 12B). Il est défini comme suit :

Equation 2

avec une distance Equation 3 représentant le minimum de la norme euclidienne53. Contrairement au contrôleur de domaine, un ASD plus petit indique une meilleure capture des limites de segmentation, une valeur de zéro étant le minimum (correspondance parfaite). Notez que parfois aussi, la distance maximale ou le 95e centile est utilisé à la place de la moyenne, où le maximum est très sensible aux valeurs aberrantes uniques, tandis que le 95e centile est robuste mais peut manquer des erreurs de segmentation petites mais pertinentes.

La concordance des estimations de volume (et non des segmentations directement) entre un ensemble de segmentations appariées peut être mesurée à l’aide de l’ICC54. Pour ce faire, il est possible d’avoir plusieurs participants évalués par plusieurs évaluateurs (ICC interclasse) ou par le même évaluateur (ICC intraclasse) (figure 12C). Les scores ICC vont de 0 (fiabilité médiocre) à 1 (excellente fiabilité). Pour des raisons de fiabilité inter-évaluateurs, il est suggéré d’utiliser ICC1 (modèle à effets fixes unidirectionnels) pour les ensembles de données où chaque segmentation est effectuée par un évaluateur différent sélectionné au hasard. De plus, pour les ensembles de données où plusieurs évaluateurs, choisis au hasard, travaillent sur la même segmentation, il est recommandé d’utiliser ICC2 (modèle à effets aléatoires bidirectionnels) pour tester l’accord absolu dans les segmentations. Enfin, pour des raisons de fiabilité intra-évaluateur, il est recommandé d’utiliser ICC3 (modèle bidirectionnel à effets mixtes) (figure 12C).

Figure 1
Figure 1 : Contrôle de la qualité de la scintigraphie cérébrale. (A) Scintigraphie cérébrale avec un bon contraste et une bonne luminosité, aucune preuve d’artefacts et aucun mouvement de la tête. (B) Scintigraphie cérébrale montrant le mouvement de la tête (flèche rouge). (C) Scintigraphie cérébrale avec une luminosité élevée et un faible contraste ou (D) une faible luminosité et un contraste élevé. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 2
Figure 2 : La segmentation du plexus choroïde du ventricule latéral dans 3D Slicer. (1) est utilisé pour charger les images DICOM ou NIFTI et pour enregistrer les résultats. (2) se compose d’un menu déroulant qui permet d’accéder au module Editeur de segments (flèche jaune), qui permet de segmenter le plexus choroïde. Le module Quantification (flèche bleue) peut également être sélectionné ici pour calculer le volume du plexus choroïde. (3) affiche la barre d’outils Segment, qui comprend les outils Dessiner, Peindre et Effacer. (4) montre le plexus choroïde dans les vues axiale, sagittale et coronale de l’image T1w. Le rendu 3D du plexus choroïde est également affiché dans le coin supérieur droit. (5) affiche les résultats volumiques de la segmentation manuelle du plexus choroïde, calculés à l’aide du module Statistiques de segment. Les résultats finaux peuvent être sauvegardés à l’aide du bouton d’enregistrement mentionné en (1). Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 3
Figure 3 : Chargement des exemples de données du segment 3D. Cette figure montre comment télécharger les exemples de données à partir de l’interface 3DSlicer. Tout d’abord, « Télécharger les données de l’échantillon » doit être sélectionné, puis « MRHead » doit être choisi, ce qui affiche les vues axiale, sagittale et coronale du scanner cérébral sur le côté droit de l’écran. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 4
Figure 4 : Chargement de l’imagerie cérébrale T1w. Cette figure montre comment télécharger l’analyse cérébrale T1w à l’aide de fichiers NIFTI (panneau de gauche) ou DICOM (panneau de droite). (A) Pour les fichiers NIFTI, l’option « Choisir le répertoire à ajouter » ou « Choisir le(s) fichier(s) à ajouter » doit être sélectionnée, puis « OK ». (B) Pour les fichiers DICOM, il est nécessaire de sélectionner « Ajouter des données DICOM », puis « Importer des fichiers DICOM », puis d’appuyer sur « OK ». Ces deux approches afficheront les vues axiale, sagittale et coronale du scanner cérébral sur le côté droit de l’écran. (C) Pour régler la luminosité et le contraste des images, le bouton rouge doit être sélectionné. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 5
Figure 5 : Segmentation du plexus choroïde du ventricule latéral. Une fois que le scanner cérébral T1w a été chargé dans le 3D Slicer. (A) Sélection du module « Editeur de segmentation ». (B) Confirmation du module et du volume maître pour la segmentation manuelle du plexus choroïde du ventricule latéral. (C) Création d’étiquettes pour le plexus choroïde du ventricule latéral droit et gauche. (D) Utiliser les outils « dessiner » et « peindre » pour délimiter manuellement le plexus choroïde du ventricule latéral. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 6
Figure 6 : Structures adjacentes au plexus choroïde du ventricule latéral. Les structures cérébrales adjacentes comprennent le fornix, le noyau caudé, l’hippocampe et le troisième ventricule. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 7
Figure 7 : Calcul du volume. Calcul du volume du plexus choroïde et enregistrement des segments et des résultats de volume. (A) Sélection du module Statistiques de segment. (B) Sélection pour la sortie des données. (C) Appuyez sur le bouton Enregistrer pour enregistrer les nouveaux fichiers contenant le volume calculé du plexus choroïde du ventricule latéral. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 8
Figure 8 : Segmentation du plexus choroïde du troisième ventricule. Les vues axiale, coronale et sagittale du plexus choroïde du troisième ventricule qui a été segmenté manuellement à l’aide du trancheur 3D, sont représentées ici. Le coin supérieur droit montre un rendu 3D du plexus choroïde du troisième ventricule. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 9
Figure 9 : Structures adjacentes au plexus choroïde du troisième ventricule. Les structures cérébrales adjacentes comprennent le fornix, la veine cérébrale interne, le thalamus, le corps calleux et le3e ventricule. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 10
Figure 10 : Segmentation du plexus choroïde du quatrième ventricule. Les vues axiale, coronale et sagittale du plexus choroïde du quatrième ventricule qui a été segmenté manuellement à l’aide du trancheur 3D, sont représentées ici. Le coin supérieur droit montre un rendu 3D du plexus choroïde du quatrième ventricule. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 11
Figure 11 : Structures adjacentes au plexus choroïde du quatrième ventricule. Les structures cérébrales adjacentes comprennent le bulbe rachidien, le pont, le cervelet, le vermis cérébelleux et les amygdales cérébelleuses. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 12
Figure 12 : Détermination de la précision, des performances et de l’accord de la segmentation. (A) Représentation de la façon dont le pourcentage de chevauchement est calculé à l’aide du score du coefficient de dés (DC). (B) La distance moyenne de surface (avgSD) mesure les distances entre les surfaces limites des structures délimitées afin de comparer les prédictions avec la vérité terrain, ou des segmentations manuelles entre ou à l’intérieur des évaluateurs pour évaluer la fiabilité. (C) Le coefficient de corrélation intraclasse (ICC) peut être utilisé pour l’analyse de fiabilité inter-évaluateurs (mesures répétées du même sujet) ou intra-évaluateurs (mesures multiples des mêmes évaluateurs). Un exemple représentatif et un résultat sont fournis. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Étapes critiques du protocole
Trois étapes critiques nécessitent une attention particulière lors de la mise en œuvre de ce protocole. Tout d’abord, la vérification de la qualité et du contraste des images IRM est essentielle pour garantir une segmentation précise. Si la qualité de l’image est trop médiocre, ou si le contraste est trop faible ou trop élevé, cela peut entraîner une délimitation inexacte du plexus choroïde. Le contraste de l’image peut être ajusté en visualisant la valeur en niveaux de gris de l’image ou en calibrant les valeurs pour améliorer le contraste entre les noyaux de matière grise et la matière grise. Deuxièmement, les évaluateurs doivent être familiers avec l’anatomie du plexus choroïde et avoir une formation spécialisée. Si les évaluateurs ne sont pas familiers avec l’anatomie du plexus choroïde et des régions cérébrales adjacentes, ils peuvent segmenter le plexus choroïde de manière incorrecte, ce qui rend le volume du plexus choroïde inexact. Enfin, il est important d’évaluer la reproductibilité intra et inter-évaluateurs afin de s’assurer que les évaluateurs effectuant une segmentation manuelle peuvent reproduire leur propre segmentation, ainsi que celle d’autres évaluateurs, du plexus choroïde. Ces chiffres sont également très pertinents lors de la validation ultérieure d’outils de segmentation automatisée. De plus, si le jeu de données est fixe et si plusieurs évaluateurs sont utilisés pour la segmentation manuelle, il est recommandé d’utiliser le même paramètre de fenêtre afin que les évaluateurs regardent la même image avec le même contraste et la même luminosité. Si le paramètre de la fenêtre change entre les évaluateurs qui regardent la même image, la même image peut être segmentée différemment.

Modifications et dépannage
Les utilisateurs peuvent apporter quelques modifications à ce protocole. Tout d’abord, le tissu du plexus choroïde situé dans la zone paraseptale et la partie inferno-antéro-latérale de la corne temporale, qui est adjacente au septum pellucidum, au fornix et à l’hippocampe, peuvent rendre difficile la segmentation du plexus choroïde. Pour remédier à cette difficulté, il serait suggéré d’effectuer la segmentation du plexus choroïde dans les trois dimensions, et une référence (Figure 6) est fournie pour segmenter le plexus choroïde dans ces régions complexes. Deuxièmement, il est également important de savoir quand arrêter la segmentation. Pour le plexus choroïde dans les ventricules latéraux et troisièmes, le noyau rouge peut être utilisé comme point de repère d’arrêt, tandis que pour le plexus choroïde du quatrième ventricule, le foramen de Magendie peut être utilisé comme point d’arrêt. Troisièmement, il peut être difficile de distinguer la limite entre le plexus choroïde et le LCR dans la partie postérieure-basale des ventricules latéraux. Pour répondre à cette préoccupation, l’intensité du signal et les considérations anatomiques peuvent être utilisées pour aider l’évaluateur à prendre des décisions de segmentation appropriées. Quatrièmement, si une image à basse résolution est utilisée, il serait recommandé d’être plus prudent dans la procédure de segmentation et de privilégier l’utilisation de l’imagerie à contraste amélioré pour valider la segmentation du plexus choroïde dans cette région temporale. Si l’imagerie avec contraste amélioré n’est pas disponible, il serait suggéré d’exclure cette région du processus de segmentation. Cependant, si une image haute résolution est utilisée, il est recommandé d’être plus libéral dans la procédure de segmentation. De plus, si la démarcation entre le plexus choroïde et le parenchyme cérébral peut être faite sur une image à haute résolution de la corne temporale, alors une image à contraste amélioré ne serait pas nécessaire. Cinquièmement, 3D Slicer peut fonctionner sur un ordinateur à écran tactile où un stylet au lieu d’une souris peut être utilisé pour améliorer le traçage du plexus choroïde. Cependant, ce logiciel n’est actuellement pas disponible sur l’iPad. Enfin, des problèmes de plantage logiciel peuvent être rencontrés sur certains ordinateurs lorsque le plexus choroïde de plus de dix sujets a été délimité successivement. Dans ce cas, cliquer fréquemment sur le bouton Enregistrer peut empêcher la perte de données causée par le plantage du logiciel.

Limitations
Bien que la segmentation manuelle du plexus choroïde soit l’étalon-or pour obtenir des données volumiques précises, il existe plusieurs limites liées au type et à la qualité de l’examen, ainsi qu’à l’expérience de l’évaluateur21. Par exemple, la taille du plexus choroïde peut varier en fonction de l’âge ou de l’état de la maladie, ce qui peut avoir un impact sur la taille du ventricule et du plexus choroïde. Ainsi, le plexus choroïde peut sembler petit chez les individus jeunes et en bonne santé, ce qui rend difficile la segmentation manuelle. Ce problème peut être aggravé si l’image est de moins bonne résolution (isovoxel de 1,2 ou 1,5 mm) et/ou capturée à l’aide d’un scanner IRM de 1,5 T. La segmentation manuelle du plexus choroïde pourrait en outre être affectée par la luminosité et le contraste de l’image, ce qui rendrait difficile l’identification des limites, entraînant une surestimation ou une sous-estimation du volume. De plus, les troisième et quatrième plexus choroïdes du ventricule sont de petites structures, qui peuvent être difficiles à segmenter correctement si une image de plus haute résolution n’est pas disponible (isovoxel de 0,7 ou 0,8 mm). L’une des limites de l’utilisation d’un slicer 3D au lieu d’un autre logiciel de segmentation manuelle open source est l’impossibilité d’effectuer une segmentation d’image simultanément en trois dimensions, une fonctionnalité offerte par ITK-SNAP51 qui peut améliorer la vitesse de segmentation de l’image du plexus choroïde. De plus, la segmentation manuelle est une tâche longue et fastidieuse, ce qui rend impraticable l’étude du plexus choroïde dans de grandes cohortes de milliers ou de dizaines de milliers d’individus, ce qui souligne la nécessité de disposer d’outils précis de segmentation automatique du plexus choroïde. Enfin, le simple fait de compter les voxels du plexus choroïde sans tenir compte des effets de volume partiels du LCR ou de la substance blanche peut introduire des erreurs dans la mesure du volume.

Importance par rapport aux méthodes existantes
La dépendance à l’égard de FreeSurfer pour la segmentation du plexus choroïde, qui a une faible précision et ne segmente pas le plexus choroïde des troisième et quatrième ventricules, limite le travail fondamental qui peut être effectué pour mieux comprendre le rôle du plexus choroïde dans la santé et la maladie. De plus, une délimitation plus précise du plexus choroïde peut également être exploitée par la communauté de neuroimagerie de la maladie d’Alzheimer pour réduire la contamination du signal TEP temporal médial tau par liaison hors cible dans le plexus choroïde55. Alors que les adaptations initiales des techniques d’apprentissage automatique (GMM) et d’apprentissage profond (3D U-Net, nnU-Net, Axial-MLP 8) aux étiquettes du plexus choroïde ont amélioré la précision de la segmentation sur les étiquettes du plexus choroïde dérivées de FreeSurfer 46,48,49, les méthodes ne sont malheureusement entraînées et évaluées que dans de petits ensembles de données homogènes, ni accessibles au public ni outils faciles à utiliser et incomplets n’incluant que le plexus choroïde dans les ventricules latéraux. Une mise en garde est qu’au moment de la nouvelle soumission de ce protocole, il y avait un article publié par Yazdan-Panah et al. où ils ont effectué une segmentation manuelle du plexus choroïde du ventricule latéral à l’aide d’ITK-SNAP56. Ils ont utilisé ces images segmentées manuellement pour entraîner un U-Net 3D en 2 étapes et ont démontré un DC moyen de 0,72 avec la vérité terrain, et il a surpassé les segmentations basées sur FreeSurfer et FastSurfer56. La généralisabilité à d’autres résolutions, scanners, âges et maladies multiples n’a pas été établie et est, en fait, peu probable compte tenu du défi du transfert de domaine.

Applications futures
En raison des limitations mentionnées ci-dessus, un protocole permettant de segmenter avec précision le plexus choroïde est nécessaire. De plus, afin de créer un outil de segmentation automatisé du plexus choroïde, qui peut être difficile à développer en raison de la nature de cette structure, il est nécessaire de disposer d’un ensemble de données annotées complètes du plexus choroïde couvrant divers paramètres et les combinant avec un ensemble d’innovations méthodologiques pour le logiciel open source de pointe, FastSurfer42,43, un pipeline de neuroimagerie avancé et évolutif basé sur l’apprentissage profond pour la segmentation corticale et sous-corticale automatisée. Il a été démontré que FastSurferCNN surpasse les modèles 3D U-Net, SDNet et QuickNAT pour la segmentation corticale et sous-corticale de près de 100 structures avec un DC moyen >85 42. Ainsi, une annotation large et complète du plexus choroïde peut être utilisée avec FastSurfer pour étendre de manière significative (1) une architecture 3D avec des techniques d’augmentation interne améliorées, (2) la capacité de prédire également - pour la première fois - des estimations de volume partiel directement, ainsi que (3) des segmentations de sortie à des résolutions plus élevées (super-résolution) pour l’harmonisation des données. Les auteurs prévoient de poursuivre leurs travaux sur l’adaptation et le développement de FastSurfer afin de créer un outil de segmentation du plexus choroïde très précis pour les ventricules latéraux, troisième et quatrième et de le partager ouvertement avec la communauté des chercheurs.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Les auteurs n’ont pas d’intérêts financiers concurrents.

Acknowledgments

Ce travail a été soutenu par une bourse R01 MH131586 de l’Institut national de la santé mentale (à P.L et M.R.), R01 MH078113 (à M.K) et une subvention de la Fondation Sydney R Baer Jr (à 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

Ce mois-ci dans JoVE Numéro 202 Plexus choroïde IRM segmentation manuelle humain volume neuroimagerie
Segmentation manuelle du plexus choroïde humain à l’aide de l’IRM cérébrale
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