Waiting
Login processing...

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

Neuroscience

Manuel segmentering af den humane choroid plexus ved hjælp af hjerne MR

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

På trods af den afgørende rolle, som choroid plexus spiller i hjernen, er neuroimaging undersøgelser af denne struktur knappe på grund af manglen på pålidelige automatiserede segmenteringsværktøjer. Denne protokol har til formål at sikre guldstandard manuel segmentering af choroid plexus, der kan informere fremtidige neuroimaging undersøgelser.

Abstract

Choroid plexus har været impliceret i neurodevelopment og en række hjernesygdomme. Beviser viser, at choroid plexus er kritisk for hjernens modning, immun / inflammatorisk regulering og adfærdsmæssig / kognitiv funktion. Imidlertid er de nuværende automatiserede neuroimaging segmenteringsværktøjer dårlige til nøjagtigt og pålideligt segmentering af lateral ventrikel choroid plexus. Desuden er der ikke noget eksisterende værktøj, der segmenterer choroid plexus placeret i hjernens tredje og fjerde ventrikler. Således er der behov for en protokol, der afgrænser, hvordan man segmenterer choroid plexus i den laterale, tredje og fjerde ventrikel for at øge pålideligheden og replikabiliteten af undersøgelser, der undersøger choroid plexus i neuroudviklings- og hjernesygdomme. Denne protokol indeholder detaljerede trin til oprettelse af separat mærkede filer i 3D Slicer til choroid plexus baseret på DICOM- eller NIFTI-billeder. Choroid plexus vil blive segmenteret manuelt ved hjælp af de aksiale, sagittale og koronale planer af T1w-billeder, og sørg for at udelukke voxels fra grå eller hvide stofstrukturer, der grænser op til ventriklerne. Vinduer vil blive justeret for at hjælpe med lokalisering af choroid plexus og dens anatomiske grænser. Metoder til vurdering af nøjagtighed og pålidelighed vil blive demonstreret som en del af denne protokol. Guldstandardsegmentering af choroid plexus ved hjælp af manuelle afgrænsninger kan bruges til at udvikle bedre og mere pålidelige automatiserede segmenteringsværktøjer, der åbent kan deles for at belyse ændringer i choroid plexus over hele levetiden og inden for forskellige hjernesygdomme.

Introduction

Choroid plexus funktion
Choroid plexus er en stærkt vaskulariseret struktur i hjernen bestående af fenestrerede kapillærer og et monolag af choroid plexus epitelceller1. Choroid plexus projicerer ind i de laterale, tredje og fjerde cerebrale ventrikler og producerer cerebrospinalvæske (CSF), som spiller en vigtig rolle i neurale mønstre2 og hjernefysiologi 3,4. Choroid plexus udskiller neurovaskulære stoffer, omfatter et stamcellelignende lager og fungerer som en fysisk barriere for at hindre indgangen af toksiske metabolitter, en enzymatisk barriere for at fjerne dele, der omgår den fysiske barriere og en immunologisk barriere for at beskytte mod fremmede angribere5. Choroid plexus modulerer neurogenese6, synaptisk plasticitet7, inflammation8, døgnrytme 9,10, tarmhjerneakse11 og kognition12. Desuden kan perifere cytokiner, stress og infektion (inklusive SARS-CoV-2) forstyrre blod-CSF-barrieren 13,14,15,16. Således er choroid plexus-CSF-systemet integreret til neuroudvikling, neurokredsløbsmodning, hjernehomeostase og reparation17. Da immun-, inflammatoriske, metaboliske og enzymatiske ændringer påvirker hjernen, bruger forskere neuroimaging værktøjer til at vurdere rollen som choroid plexus i hele levetiden og i hjernesygdomme 18,19,20. Der findes dog begrænsninger i almindeligt anvendte automatiserede værktøjer til choroid plexus-segmentering, såsom FreeSurfer, hvilket resulterer i, at choroid plexus er dårligt segmenteret. Der er således et kritisk behov for manuel segmentering af choroid plexus, der kan bruges til at udvikle et nøjagtigt automatiseret værktøj til choroid plexus-segmentering.

Choroid plexus i neurodevelopment og hjernesygdomme
Choroid plexus rolle i hjernesygdomme har længe været forsømt, hovedsageligt fordi det blev betragtet som en støttende spiller, hvis rolle var at dæmpe hjernen og opretholde en ordentlig saltbalance 2,21. Imidlertid har choroid plexus fået opmærksomhed som en struktur forbundet med hjerneforstyrrelser såsom smertesyndrom22, SARS-CoV-2 16,23,24, neurodevelopmental 2 og hjernesygdomme19, hvilket tyder på en transdiagnostisk effekt i udviklingen af adfærdsforstyrrelser. I neuroudviklingsforstyrrelser var choroid plexuscyster forbundet med en øget risiko for udviklingsforsinkelse, opmærksomhedsunderskud / hyperaktivitetsforstyrrelse (ADHD) eller autismespektrumforstyrrelse (ASD)25,26. Derudover blev lateral ventrikel choroid plexus volumen fundet at være øget hos patienter med ASD27. I hjernesygdomme,choroid plexus abnormiteter er blevet beskrevet siden 1921 i psykotiske lidelser28,29. Tidligere undersøgelser har identificeret choroid plexusforstørrelse ved hjælp af FreeSurfer-segmentering i en stor stikprøve af patienter med psykotiske lidelser sammenlignet med både deres førstegradsslægtninge og kontroller19. Disse fund blev replikeret ved hjælp af manuelt segmenteret choroid plexusvolumen i en stor prøve af klinisk højrisiko for psykosepopulation og fandt, at disse patienter havde større choroid plexusvolumen sammenlignet med raske kontroller30. Der er et stigende antal undersøgelser, der viser choroid plexusforstørrelse i komplekst regionalt smertesyndrom22, slagtilfælde31, multipel sklerose20,32, Alzheimers33,34 og depression35, hvor nogle viser en sammenhæng mellem perifer og hjerneimmun / inflammatorisk aktivitet. Disse neuroimaging undersøgelser er lovende; dårlig lateral ventrikel choroid plexus segmentering af FreeSurfer21 begrænser imidlertid troværdigheden af automatiseret choroid plexus volumen estimering. Som følge heraf er undersøgelser i multipel sklerose20,32, depression35, Alzheimers34 og tidlig psykose36 begyndt manuelt at segmentere lateral ventrikel choroid plexus, men der er ingen nuværende retningslinjer for, hvordan man gør dette, og det er heller ikke deres vejledning om segmentering af tredje og fjerde ventrikel choroid plexus.

Almindelige segmenteringsværktøjer udelukker choroid plexus
Hjernesegmenteringsrørledninger såsom FreeSurfer37,38,39, FMRIB Software Library (FSL)40, SLANT41 og FastSurfer (udviklet af medforfatteren Martin Reuter)42,43, segmenterer nøjagtigt og pålideligt kortikale og subkortikale strukturer, der anvender atlasbaserede (FSL), atlas- og overfladebaserede (FreeSurfer) og deep learning-segmenteringsparadigmer (SLANT og FastSurfer). Svagheder ved nogle af disse tilgange inkluderer behandlingshastighed, begrænset generalisering til forskellige scannere, feltstyrker og voxelstørrelser37,44 og tvungen justering af etiketkortet i et standard atlasrum. Imidlertid behandles evnen til at segmentere choroid plexus og kompatibiliteten med MR med høj opløsning kun af FreeSurfer og FastSurfer. De neurale netværk bag FastSurfer er trænet på FreeSurfer choroid plexus etiketter, så de arver FreeSurfers tidligere diskuterede pålidelighed og dækningsbegrænsninger, hvor den tredje og fjerde ventrikel ignoreres21. Der findes også nuværende begrænsninger for MR i høj opløsning, men FreeSurfers stream45 med høj opløsning og FastSurferVINN43 kan bruges til at håndtere dette problem.

Nuværende choroid plexus segmenteringsværktøjer
Der er kun et frit tilgængeligt segmenteringsværktøj til choroid plexus, men segmenteringsnøjagtigheden er begrænset. Nøjagtig choroid plexus segmentering kan påvirkes af en række faktorer, herunder (1) variabilitet i choroid plexus placering (rumligt ikke-stationær) på grund af dens placering i ventriklerne, (2) forskelle i voxel intensitet, kontrast, opløsning (inden for struktur heterogenitet) på grund af cellulær heterogenitet, dynamisk choroid plexus funktion, patologiske ændringer, eller delvis volumen effekter, (3) alders- eller patologi-relaterede ventrikulære størrelsesforskelle, der påvirker choroid plexus størrelse, og (4) nærhed til tilstødende subkortikale strukturer (hippocampus, amygdala, caudat og cerebellum), som også er vanskelige at segmentere. I betragtning af disse udfordringer undervurderer eller overvurderer FreeSurfer-segmenteringer ofte, fejlmærker eller ignorerer choroid plexus.

Tre nylige publikationer behandlede kløften mellem pålidelig choroid plexus-segmentering med en Gaussian Mixture Model (GMM)46, en Axial-MLP47 og U-Net-baserede deep learning-tilgange48. Hver model blev trænet og evalueret ved hjælp af private, manuelt mærkede datasæt på højst 150 forsøgspersoner med en begrænset mangfoldighed af scannere, websteder, demografi og lidelser. Mens disse publikationer 46,48,49 opnåede betydelige forbedringer i forhold til FreeSurfers choroid plexus-segmentering - undertiden fordobling af skæringspunktet mellem forudsigelse og jordsandhed, er ingen af metoderne (1) valideret i MR med høj opløsning, (2) har dedikerede generaliserings- og pålidelighedsanalyser, (3) indeholder store repræsentative trænings- og testdatasæt, (4) adresserer eller analyserer choroid plexus-segmenteringsudfordringer såsom delvise volumeneffekter, eller (5) er offentligt tilgængelig som et brugsklart værktøj. Den nuværende "guldstandard" for plexussegmentering af choroid er således manuel sporing, f.eks. ved hjælp af 3D Slicer50 eller ITK-SNAP51, som ikke tidligere er beskrevet og har været en stor udfordring for forskere, der ønsker at undersøge choroid plexus' rolle i deres studier. 3D Slicer blev valgt til manuel segmentering på grund af forfatterens fortrolighed med softwaren, og fordi det giver brugeren forskellige værktøjer baseret på forskellige tilgange, der kan kombineres for at opnå det ønskede resultat. Andre værktøjer kan bruges, såsom ITK-SNAP, som primært er orienteret mod billedsegmentering, og når værktøjet er mestret, kan brugeren opnå gode resultater. Derudover har forfatterne gennemført en case-control-undersøgelse, der demonstrerer den høje nøjagtighed og pålidelighed af deres manuelle segmenteringsteknik ved hjælp af 3D Slicer30, og den specifikke metode er beskrevet heri.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Den nuværende protokol blev godkendt af Institutional Review Board på Beth Israel Deaconess Medical Center. En rask forsøgsperson med en hjerne-MR-scanning, der var fri for artefakter eller bevægelse, blev brugt til denne protokoldemonstration, og der blev indhentet skriftligt informeret samtykke. En 3,0 T MR-scanner med en 32-kanals hovedspole (se materialetabellen) blev brugt til at erhverve 3D-T1-billeder med en opløsning på 1 mm x 1 mm x 1,2 mm. MP-RAGE ASSET-sekvensen med et synsfelt på 256 x 256, TR/TE/TI = 7,38/3,06/400 ms og en 11-graders vendevinkel blev brugt.

1. Import af hjerne MR til 3D Slicer

BEMÆRK: 3D Slicer leverer dokumentation relateret til brugergrænsefladen.

  1. Forbered hjernen MRI DICOM (Digital Imaging and Communications in Medicine) eller NIFTI (Neuroimaging Informatics Technology Initiative) filer til import til 3D Slicer.
  2. Importer DICOM-data ved at klikke på DCM-knappen i øverste venstre hjørne af værktøjslinjen. Klik derefter på Importer DICOM-filer knappen for at importere DICOM-formatdata.
  3. Hvis MR-dataene er i NIFTI-format, skal du importere dem ved at klikke på knappen DATA i øverste venstre hjørne af værktøjslinjen. I pop op-dialogboksen skal du vælge Vælg mappe, der skal tilføjes for at batchimportere NIFTI-data i en mappe, eller vælg Vælg filer, der skal tilføjes for at importere specifikke NIFTI-filer. Klik derefter på OK knappen for at fortsætte med dataoverførsel til 3D Slicer.
  4. Efter import vises MR-data i vinduet til højre, der viser aksiale, sagittale og koronale planer.
  5. Skift layoutet af vinduerne ved at navigere til Layout og vælge et bestemt layout. Dette kan findes ved enten at klikke på modulbilledet Layout i selve værktøjslinjen i 3D Slicer eller via Vis > layout fra programmenuen.

2. Download af DICOM fra eksempeldata i 3D Slicer

  1. Klik på knappen Hent eksempeldata på åbningsskærmen i afsnittet Velkommen til udsnit. Vælg derefter MRHead-knappen , og den starter downloadprocessen, hvilket kan tage et par minutter.
  2. Sørg for, at hjernens MR-data med aksiale, sagittale og koronale planer vises i højre vindue.

3. Kvalitetskontrol og justering af MR-billedet

  1. Bestem kvalitativt billedkvaliteten og tilstedeværelsen af artefakter på grund af hovedbevægelse eller scanningsproblemer ved kritisk at gennemgå hvert MR-udsnit.
  2. Zoom billedudsnittet ved at højreklikke og flytte musen op eller ned for at zoome ud eller ind.
  3. Hvis du vil flytte rundt på billedudsnittet, skal du venstreklikke på billedet, trykke på Skiftetasten og holde den nede og trække musen rundt.
  4. Justering af billedets lysstyrke kan hjælpe med at se choroid plexus. For at gøre dette skal du enten klikke på Juster vindue / lydstyrkeniveau i værktøjslinjen eller venstreklikke på billedet og flytte musen op eller ned for henholdsvis at hæve eller sænke lysstyrken.
  5. Justering af kontrast kan desuden hjælpe med at finde choroid plexus. Venstreklik på billedskiven, og flyt musen til venstre eller højre for henholdsvis at øge eller mindske kontrasten. For at bestemme den passende kontrast for choroid plexus skal du bruge de dybe grå stofkerner (centrale masser af gråt stof opstillet omkring de laterale og tredje ventrikler) eller signalintensiteten vist i kontrastskalabjælken.
  6. Når den foretrukne kontrast er valgt, skal du bevare den samme kontrast under hele segmenteringen og ikke justere for potentielle variationer i over- og infratentoriale regioner.

4. Oprettelse af de manuelle segmenter af choroid plexus

  1. For at starte segmentering af den laterale, tredje og fjerde ventrikel choroid plexus skal du oprette segmenteringsfilerne i segmenteditormodulet . For at navigere dertil skal du enten klikke på segmenteditoren i værktøjslinjen eller gå til rullemenuen Moduler: og vælge Segmenteditor.
  2. Klik på rullemenuen for segmentering for at vælge forskellige segmenteringer (hvis der blev oprettet flere segmenteringer) og omdøbe den aktuelt valgte segmentering.
  3. Brug rullemenuen Mastervolumen til at vælge, hvilke NIFTI- eller DICOM-sæt der skal redigeres. Først når diskenhedsfilen er valgt, kan brugeren begynde at segmentere/redigere.
  4. Klik på knappen Tilføj to gange for at tilføje to segmenter til lateral ventrikel choroid plexus. For at omdøbe disse skal du dobbeltklikke på navnet og ændre dem til Højre lateral ventrikel choroid plexus og Venstre lateral ventrikel choroid plexus.
  5. Klik på knappen Tilføj igen for at tilføje segmenter til tredje og fjerde ventrikel choroid plexus, og omdøb dem til "3. ventrikel choroid plexus" og "4. ventrikel choroid plexus".

5. Visning af forskellige udsnit og segmenteringer

  1. Før du redigerer, skal du udføre en baggrundsundersøgelse for at finde ud af, hvordan du skifter mellem layout i visningsvinduet, og hvordan du ændrer visningen eller opaciteten af segmenteringerne.
  2. Øverst i visningsvinduet og til venstre for skiveskyderen skal du klikke på stiftikonet. Dette åbner en rullemenu, som kan variere afhængigt af det specifikke layout, vinduet er i.
    BEMÆRK: Brug af forskellige layouts kan være nyttigt, når du segmenterer choroid plexus, da dens struktur kan variere mellem individer. For eksempel giver layoutet 'Konventionel' brugeren mulighed for samtidig at se alle tre udsnit og en 3D-visning af scenen. Hvis du vælger 'Kun rød/gul/grøn skive', får brugeren et nærbillede af 2D-skiven for at give mulighed for en mere præcis segmentering af plexus-choroiden.

6. Delineating lateral ventrikel choroid plexus ROI'er

BEMÆRK: Billedregistrering til en skabelon er ikke nødvendig for manuel segmentering.

  1. For lateral ventrikel choroid plexus skal du begynde i det aksiale plan og sikre, at billederne er placeret baseret på bicommissurallinjen. Brug derefter trigonum collaterale som referencepunkt til lokalisering af lateral ventrikel choroid plexus.
    1. Når redigeringer er foretaget i det aksiale plan, skal du flytte til de resterende visninger (sagittal og koronal) for at sikre, at den manuelle segmentering af lateral ventrikel choroid plexus ikke fanger det omgivende hjerneparenkym eller CSF.
  2. For at begynde at redigere skal du klikke på det segment , du vil arbejde på, og segmentnavnet bliver fremhævet.
  3. Klik på værktøjet Mal eller Tegn i afsnittet Effekter i segmenteditoren for at starte manuel segmentering.
    BEMÆRK: Det er bedst at starte segmentering i ét plan (koronal, aksial eller sagittal), og når segmenteringen er fuldført i alle udsnittene, skal du flytte til andre planer for at kontrollere og forfine den manuelle segmentering. Det foreslås, at brugeren starter med de aksiale eller koronale planer, da lateral ventrikel choroid plexus lettere ses i disse synspunkter.
  4. Når du bruger tegneværktøjet , skal du venstreklikke og holde nede for at tegne en kontur ved grænsen af den laterale ventrikel choroid plexus. Når den er sporet, skal du højreklikke for at udfylde det indtrukne område.
  5. Når du bruger maleværktøjet , skal du først vælge diameteren på den pensel, der skal bruges til maling. En 3% eller 5% børste foreslås for en mere præcis afgrænsning af choroid plexus, mens 10% kan være nyttig til større valg.
  6. For begge værktøjer skal du bruge Paint eller Erase til at rette eventuelle fejlagtige afgrænsninger ved at tilføje eller fjerne markeringer.
    BEMÆRK: Henvisning til andre synsplaner kan hjælpe med at identificere den laterale ventrikel choroid plexus struktur versus andre hjernestrukturer, såsom omgivende grå stof, fornix, corpus callosum eller hippocampus. Brugeren opfordres til at udelukke hjernescanninger, der har choroid plexus cyster identificeret.
  7. Brug niveauet af den røde kerne som et vartegn for at stoppe segmenteringen af choroid plexus i laterale ventrikler.

7. Delineating tredje og fjerde ventrikel choroid plexus ROI'er

BEMÆRK: T1w-billeder med højere opløsning (såsom 0,7 eller 0,8 mm) og dem, der er opnået på en 7T MR, ville give en mere nøjagtig og pålidelig manuel segmentering af den tredje og fjerde ventrikel choroid plexus. Segmentering af tredje og fjerde ventrikel choroid plexus er vanskeligere end lateral ventrikel choroid plexus, da disse regioner kan være meget mindre og med færre voxels at afgrænse.

  1. For den tredje ventrikel choroid plexus skal du begynde i sagittalplanet og bruge foramen af Monro, fornix, corpus callosum, thalamus og indre hjernevene som referencepunkter for at lokalisere choroid plexus i 3. ventrikel . Flytning mellem skiver inden for samme plan kan hjælpe med at bestemme, om en region er fornix, thalamus, vene eller tredje ventrikel choroid plexus.
    1. Når redigeringer er foretaget i sagittalplanet, skal du navigere til de resterende visninger (aksiale og koronale) for at sikre, at den manuelle segmentering af den tredje ventrikel choroid plexus ikke vælger det omgivende hjerneparenkym eller CSF.
  2. På samme måde begynder den fjerde ventrikel choroid plexus i sagittalplanet og bruger den overlegne cerebellære peduncle, pons og medulla som referencepunkter for at lokalisere choroid plexus i fjerde ventrikel. Flytning mellem skiver inden for samme plan kan hjælpe med at bestemme, om en region er lillehjernen, cerebellær mandler, ringere medullær velum eller 4. ventrikel choroid plexus.
    1. Når redigeringer er afsluttet i sagittalplanet, skal du flytte til de resterende visninger (aksiale og koronale) for at sikre, at den manuelle segmentering af den fjerde ventrikel choroid plexus ikke vælger omgivende hjerneparenkym eller CSF.

8. Beregning af volumenerne af choroid plexus

  1. I rullemenuen Moduler skal du gå til Kvantificering og vælge Segmentstatistik.
  2. Under Input skal du vælge det nye segmenteringskort til kvantificering under segmenteringsværktøjet og vælge MR-volumen fra skalarvolumen. For Outputtabel (under Output) skal du vælge Tabel mulighed. Når du er færdig, skal du trykke på Anvend, og en tabel, der indeholder volumen af choroid plexus, vises i forskellige enheder.

9. Lagring af segmenter og volumenresultater

  1. Klik på Gem knappen i øverste venstre hjørne af værktøjslinjen for at gemme genererede filer.
  2. Gem segmenteringsfilerne som .nrrd (3D-udsnitsfil), .nii.gz (NIFTI-fil) eller .tsv (tabelfil).

10. Bestemmelse af nøjagtighed, ydeevne og enighed om segmenteringen

BEMÆRK: Det anbefales at bruge MONAI-pakken (se materialetabellen), som beskriver terningekoefficienten (DC) og DeepMind gennemsnitlig overfladeafstand (avgSD). Detaljer om DC og avgSD er beskrevet nedenfor. For at beregne disse målinger skal læserne vide, hvordan man programmerer (f.eks. python, læse billeder fra disk, omformatere dataene til de relevante inputarrays for disse funktioner). Der er ingen brugervenlig pakke, der indeholder alle disse målinger.

  1. DC-scoren er en standardmetode til at kvantificere overlapningen af to geometriske domæner. For at beregne den gennemsnitlige DC-score mellem to segmenteringer skal du angive to tensorer y_pred og y, dvs. billeder med flere rammer med en ramme for hvert binariseret etiketbillede. Tensorerne y_pred og y kan indeholde segmenteringer af to forskellige manuelle ratere, gentagne segmenteringer af den samme rater eller automatiseret forudsigelse og manuel grundsandhed.
    1. Brug funktionen monai.metrics.compute_meandice til at beregne den gennemsnitlige DC-score.
    2. Generer passende binære etikettensorer med monai.transforms.post.
      BEMÆRK: Parameteren include_background kan indstilles til Falsk for at udelukke den første kategori (kanalindeks 0) fra DC-beregningen, som pr. konvention antages at være en baggrund.
  2. Overvej avgSD-scoren mindre almindelig, og bemærk, at tilgangen kan variere, da der findes flere definitioner for overfladeafstand. Brug f.eks. maks. distancen (også kendt som Hausdorff-afstanden, meget følsom over for afvigende værdier), middelafstanden (som beskrevet her) og 95-percentilen (meget robust) som ofte anvendte mål.
    1. Brug funktionen compute_average_surface_distance til at beregne avgSD-scoren.
    2. Sørg for, at denne funktion beregner den gennemsnitlige overfladeafstand fra y_pred til y under standardindstillingen.
    3. Hvis symmetrisk = Sand, skal du desuden sikre dig, at den gennemsnitlige symmetriske overfladeafstand mellem disse to indgange returneres.
  3. Udfør den statistiske analyse af DC og avgSD-score på tværs af flere tilfælde kan udføres ved hjælp af den robuste Wilcoxon-signerede rangtest til parret analyse.
  4. Overvej at bruge Intraclass korrelationskoefficient (ICC) som en anden almindeligt anvendt metode til at afgøre, om flere deltagere kan vurderes pålideligt af forskellige bedømmere. Husk, at ICC fungerer på et sæt parrede målinger (f.eks. volumen) af segmenteringer og ikke direkte på segmenteringsbillederne. For at beregne ICC skal du bruge R-software og R Studio (se Materialetabel), hvilket gør processen ligetil.
    1. Download pakken ved hjælp af install.packages ("psych") og indlæs biblioteket (psych).
    2. Angiv datarammen, som omfatter deltagerne (rækkerne) og en bedømmer i hver kolonne, ved hjælp af Data <- data.frame(df). Visualiser derefter målingerne ved hjælp af plot (Data).
    3. For at køre ICC skal du bruge ICC(Data), som genererer en tabel over de forskellige typer ICC, f.eks. for at opnå inter- eller intraraterscorer.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Den foreslåede metode har gennemgået iterativ forfining for lateral ventrikel choroid plexus, der involverer omfattende test på en kohorte på 169 raske kontroller og 340 patienter med klinisk høj risiko for psykose30. Ved hjælp af teknikken beskrevet ovenfor opnåede forfatterne høj intra-rater nøjagtighed og pålidelighed med en DC = 0,89, avgHD = 3,27 mm3 og single-rater ICC = 0,9730, hvilket demonstrerer styrken af protokollen beskrevet heri.

Håndtering af kvalitetskontrolproblemer og indstillinger for 3D-udsnitsværktøj
Før segmenteringsprocessen påbegyndes, er det nødvendigt at kontrollere kvaliteten af hjernescanningen for at sikre, at der ikke er nogen hovedbevægelse eller artefakter, der forstyrrer manuel segmentering (figur 1A). Dernæst kan lysstyrke og kontrast justeres for at hjælpe med bedre visualisering af choroid plexus. Nogle hjernescanninger kan have hovedbevægelse, og det er vigtigt at afgøre, om artefakten vil påvirke afgrænsningen af choroid plexus negativt (figur 1B). Derudover gør billeder med lysstyrke og kontrastartefakter det vanskeligt at skelne grænserne for choroid plexus (figur 1C, D). I dette tilfælde skal du prøve at justere lysstyrken og kontrasten, indtil den er egnet til manuel segmentering. Sørg for, at hjernescanninger, der ikke let kan segmenteres for choroid plexus, udelukkes.

Lateral ventrikel choroid plexus segmentering
Som vist i figur 2 bruges fem hoveddele til at indlæse og vise billederne (del 1), vælge forskellige 3D-udsnitsfunktioner (del 2), værktøjer til segmentering af lateral choroid plexus (del 3), visualisering af de aksiale, koronale og sagittale billeder (del 4), beregning af volumenet af lateral ventrikel choroid plexus (del 5) og gemme resultaterne fra den manuelle segmentering. T1w-hjernescanningen kan uploades ved hjælp af Velkommen til Slicer-grænsefladen ved at downloade eksempeldata fra MRHead-datasæt i 3D Slicer (figur 3) eller importere NIFTI- eller DICOM-filen fra et eksisterende datasæt (figur 4A, B). Der er også en mulighed i dette panel for at redigere billedets lysstyrke og kontrast (figur 4C). Efter indlæsning af T1w-hjernescanningen vises den i skivevisningsgrænsefladen og forberedes til lateral ventrikel-choroidplexussegmentering. Manuel segmentering oprettes ved hjælp af segmenteditormodulet (figur 5A), og mastervolumennavnet kan bekræftes i figur 5B. I figur 5C kan etiketterne til højre og venstre lateral ventrikel choroid plexus tilføjes og mærkes i forskellige farver (figur 5C), og selve interesseområdet kan afgrænses ved hjælp af tegne - eller malingsværktøjet (figur 5D). Figur 6 mærker den laterale ventrikel choroid plexus og dens omgivende hjernestrukturer, såsom kaudatkernen, hippocampus, fornix og den tredje ventrikel, som giver landemærker til segmentering af lateral ventrikel choroid plexus i nogle af de mere komplekse regioner. Hvis du vil generere og udtrække plexusvolumendata for choroid fra de manuelle segmenteringer, skal du vælge modulet Segmentstatistik (figur 7A). Der er et par muligheder at vælge imellem for udsendelse af data (figur 7B). De nye filer, der indeholder det beregnede laterale ventrikel choroid plexusvolumen, kan nu gemmes ved at trykke på knappen Gem (figur 7C).

Tredje og fjerde ventrikel choroid plexus segmentering
Som det ses i figur 8, kan 3. ventrikel choroid plexus let ses i nederste venstre panel, der skildrer sagittalplanet. Især kan Foramen of Monro observeres buet under corpus callosum, med choroid plexus fremhævet inden for den tredje ventrikel i grønt. Den tredje ventrikel og den tredje ventrikel choroid plexus kan også ses i de aksiale og koronale planer (henholdsvis øverste venstre og nederste højre panel i figur 8). Endelig vises en 3D-gengivelse af den tredje ventrikel choroid plexus i øverste højre panel i figur 8. Figur 9 mærker den tredje ventrikel choroid plexus og dens omgivende hjernestrukturer, herunder corpus callosum, fornix, thalamus, indre cerebral vene og tredje ventrikel, som giver landemærker for segmentering af den tredje ventrikel choroid plexus i nogle af de mere komplekse regioner.

Den fjerde ventrikel choroid plexus er sværere at se og kan ses i figur 10. De sagittale og koronale planer (nederste venstre og nederste højre paneler i figur 10) giver mulighed for den bedste visning af dens struktur. Der skal udvises forsigtighed for at sikre, at dele af cerebellum eller selve fjerde ventrikel ikke er afgrænset som choroid plexus. Figur 11 mærker den fjerde ventrikel choroid plexus og dens omgivende hjernestrukturer, herunder medulla, pons, overlegen cerebella peduncle, ringere medullær velum og fjerde ventrikel, som giver landemærker for segmentering af 4. ventrikel choroid plexus i nogle af de mere komplekse regioner.

Segmenteringsnøjagtighed, lighed og enighed
Segmentering af neuroanatomiske strukturer kan sammenlignes direkte i en billedfremviser, men ligheden er undertiden vanskelig at vurdere visuelt. Derfor bruges kvantitative målinger såsom DC52, der måler procentvis overlapning, og avgSD53, der måler afstande mellem grænsefladerne for de afgrænsede strukturer, til at sammenligne forudsigelser med jordsandhed eller manuelle segmenteringer på tværs af eller inden for ratere for at vurdere pålideligheden. Som afbildet i figur 12A er DC for to 3D-segmenteringer G og P simpelthen volumenet af overlapningen (skæringspunktet) divideret med det gennemsnitlige volumen53:

Equation 1

hvor | . | repræsenterer volumen. Det måler overlapning på en skala mellem 0 og 1, hvor en værdi på 1 angiver nøjagtig enighed og 0 usammenhængende segmenteringer og ofte ganges med 100 for at repræsentere en procentvis overlapning. Den gennemsnitlige overfladeafstand (ASD) måler den gennemsnitlige afstand (i mm) mellem alle punkter x på grænsen af G ( bd (G) ) til grænsen for P og omvendt (figur 12B). Det er defineret som

Equation 2

hvor afstanden Equation 3 repræsenterer minimummet af den euklidiske norm53. I modsætning til DC indikerer en mindre ASD bedre indfangning af segmenteringsgrænserne, hvor en værdi på nul er minimum (perfekt match). Bemærk, at nogle gange bruges den maksimale afstand eller 95-percentilen i stedet for gennemsnittet, hvor maksimum er meget følsomt over for enkelte afvigende værdier, mens 95-percentilen er robust, men kan gå glip af små, men relevante segmenteringsfejl.

Overensstemmelsen mellem mængdeestimater (ikke direkte segmenteringerne) mellem et sæt parrede segmenteringer kan måles ved hjælp af ICC54. Dette kan opnås ved at have flere deltagere bedømt af flere raters (interclass ICC) eller af den samme rater (intraclass ICC) (figur 12C). ICC-score spænder fra 0 (dårlig pålidelighed) til 1 (fremragende pålidelighed). Af hensyn til interraterpålideligheden foreslås det at bruge ICC1 (envejsmodel med faste effekter) til datasæt, hvor hver segmentering udføres af en anden rater, der vælges tilfældigt. For datasæt, hvor flere tilfældigt udvalgte testere arbejder på den samme segmentering, anbefales det desuden at bruge ICC2 (tovejs model for tilfældige effekter) til at teste for absolut enighed i segmenteringerne. Endelig anbefales det af hensyn til intraraterpålidelighed at bruge ICC3 (tovejs mixed effects-model) (figur 12C).

Figure 1
Figur 1: Kvalitetskontrol af hjernescanning. (A) Hjernescanning med god kontrast og lysstyrke, ingen tegn på artefakter og ingen hovedbevægelse. (B) Hjernescanning, der viser hovedbevægelse (rød pil). (C) Hjernescanning med høj lysstyrke og lav kontrast eller (D) lav lysstyrke og høj kontrast. Klik her for at se en større version af denne figur.

Figure 2
Figur 2: Segmenteringen af den laterale ventrikel choroid plexus i 3D Slicer. (1) bruges til at indlæse DICOM- eller NIFTI-billederne og gemme resultaterne. (2) består af en rullemenu, der kan bruges til at komme ind i segmenteditormodulet (gul pil), som bruges til at segmentere choroid plexus. Kvantificeringsmodulet (blå pil) kan også vælges her for at beregne volumenet af choroid plexus. (3) Viser segmentværktøjslinjen, som indeholder tegne-, male- og sletteværktøjerne. (4) demonstrerer choroid plexus i aksiale, sagittale og koronale visninger af T1w-billedet. 3D-gengivelsen af choroid plexus vises også i øverste højre hjørne. (5) viser volumenresultaterne fra den manuelle choroid plexus-segmentering, beregnet ved hjælp af segmentstatistikmodulet. De endelige resultater kan gemmes ved hjælp af knappen Gem nævnt i (1). Klik her for at se en større version af denne figur.

Figure 3
Figur 3: Indlæsning af eksempeldata for 3D-udsnitsværktøj. Denne figur viser, hvordan du henter eksempeldataene fra 3DSlicer-grænsefladen. Først skal "Download prøvedata" vælges, og derefter skal "MRHead" vælges, som viser de aksiale, sagittale og koronale visninger af hjernescanningen på højre side af skærmen. Klik her for at se en større version af denne figur.

Figure 4
Figur 4: Indlæsning af T1w-hjernescanningen. Denne figur viser, hvordan man uploader T1w-hjernescanningen ved hjælp af enten NIFTI (venstre panel) eller DICOM-filer (højre panel). (A) For NIFTI-filer skal enten "Vælg mappe, der skal tilføjes" eller "Vælg fil(er), der skal tilføjes" vælges, efterfulgt af valg af "OK". (B) For DICOM-filer er det nødvendigt at vælge "Tilføj DICOM-data" efterfulgt af "Importer DICOM-filer" og derefter trykke på "OK". Disse to tilgange viser de aksiale, sagittale og koronale visninger af hjernescanningen på højre side af skærmen. (C) For at justere billedernes lysstyrke og kontrast skal den røde knap vælges. Klik her for at se en større version af denne figur.

Figure 5
Figur 5: Lateral ventrikel choroid plexus segmentering. Efter T1w hjernescanning er blevet indlæst i 3D Slicer. (A) Valg af modulet "Segmenteringseditor". (B) Bekræftelse af modulet og mastervolumen for manuel segmentering af lateral ventrikel choroid plexus. (C) Oprettelse af etiketter til højre og venstre lateral ventrikel choroid plexus. (D) Brug af "tegne" og "male" værktøjer til manuelt at afgrænse lateral ventrikel choroid plexus. Klik her for at se en større version af denne figur.

Figure 6
Figur 6: Tilstødende strukturer til lateral ventrikel choroid plexus. Tilstødende hjernestrukturer omfatter fornix, kaudatkernen, hippocampus og den tredje ventrikel. Klik her for at se en større version af denne figur.

Figure 7
Figur 7: Volumenberegning. Beregning af volumen af choroid plexus og lagring af segmenter og volumenresultater. (A) Valg af segmentstatistikmodul . (B) Valg til udsendelse af data. (C) Tryk på knappen Gem for at gemme de nye filer, der indeholder det beregnede laterale ventrikel choroid plexus volumen. Klik her for at se en større version af denne figur.

Figure 8
Figur 8: Tredje ventrikel choroid plexus segmentering. Afbildet her er de aksiale, koronale og sagittale visninger af den tredje ventrikel choroid plexus, der er blevet manuelt segmenteret ved hjælp af 3D Slicer. Det øverste højre hjørne viser en 3D-gengivelse af den tredje ventrikel choroid plexus. Klik her for at se en større version af denne figur.

Figure 9
Figur 9: Tilstødende strukturer til den tredje ventrikel choroid plexus. Tilstødende hjernestrukturer omfatter fornix, indre cerebral vene, thalamus, corpus callosum og 3. ventrikel . Klik her for at se en større version af denne figur.

Figure 10
Figur 10: Fjerde ventrikel choroid plexus segmentering. Afbildet her er de aksiale, koronale og sagittale visninger af den fjerde ventrikel choroid plexus, der er blevet manuelt segmenteret ved hjælp af 3D Slicer. Det øverste højre hjørne viser en 3D-gengivelse af den fjerde ventrikel choroid plexus. Klik her for at se en større version af denne figur.

Figure 11
Figur 11: Tilstødende strukturer til den fjerde ventrikel choroid plexus. Tilstødende hjernestrukturer omfatter medulla oblongata, pons, cerebellum, cerebellar vermis og cerebellære mandler. Klik her for at se en større version af denne figur.

Figure 12
Figur 12: Bestemmelse af segmenteringsnøjagtighed, ydeevne og aftale. (A) Viser, hvordan den procentvise overlapning beregnes ved hjælp af DC-scoren (Dice Coefficient). (B) Den gennemsnitlige overfladeafstand (avgSD) måler afstandene mellem grænsefladerne for de afgrænsede strukturer for at sammenligne forudsigelser med jordsandhed eller manuelle segmenteringer på tværs af eller inden for ratere for at vurdere pålideligheden. (C) Intraclass Correlation Coefficient (ICC) kan bruges til inter-rater (gentagne målinger af samme emne) eller intra-rater (flere målinger fra de samme ratere) pålidelighedsanalyse. Et repræsentativt eksempel og output leveres. Klik her for at se en større version af denne figur.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Kritiske trin i protokollen
Tre kritiske trin kræver særlig opmærksomhed ved gennemførelsen af denne protokol. For det første er kontrol af kvaliteten og kontrasten af MR-billeder nøglen til at sikre nøjagtig segmentering. Hvis billedets kvalitet er for dårlig, eller kontrasten er for lav eller for høj, kan det føre til unøjagtig afgrænsning af choroid plexus. Kontrasten for billedet kan justeres ved at få vist billedets gråtoneværdi eller ved at kalibrere værdierne for at forbedre kontrasten mellem kernerne af gråt stof og gråt stof. For det andet skal raterne være fortrolige med anatomien af choroid plexus og have specialuddannelse. Hvis raters ikke er bekendt med anatomien af choroid plexus og tilstødende hjerneområder, kan de segmentere choroid plexus forkert, hvilket gør choroid plexus 'volumen unøjagtig. Endelig er det vigtigt at evaluere intra- og interraterreproducerbarheden for at sikre, at bedømmere, der udfører manuel segmentering, kan reproducere deres egen såvel som andre raters segmentering af choroid plexus. Disse tal er også yderst relevante, når automatiserede segmenteringsværktøjer valideres på et senere tidspunkt. Hvis datasættet er fast, og hvis der skal bruges flere testere til manuel segmentering, anbefales det desuden, at den samme vinduesindstilling bruges, så testerne ser på det samme billede med samme kontrast og lysstyrke. Hvis vinduesindstillingen ændres mellem bedømmere, der ser på det samme billede, kan det samme billede være segmenteret forskelligt.

Ændringer og fejlfinding
Brugere kan foretage nogle ændringer i denne protokol. For det første kan choroid plexusvæv placeret i paraseptalområdet og den inferno-anterior-laterale del af det tidlige horn, der støder op til septum pellucidum, fornix og hippocampus, gøre segmenteringen af choroid plexus udfordrende. For at løse dette problem foreslås det at foretage segmentering af choroid plexus i alle tre dimensioner, og der gives en reference (figur 6) til segmentering af choroid plexus i disse komplekse regioner. For det andet er det også vigtigt at vide, hvornår segmenteringen skal stoppes. For choroid plexus i laterale og tredje ventrikler kan den røde kerne bruges som et stopmærke, mens for den fjerde ventrikel choroid plexus kan foramen af Magendie bruges som et stoppunkt. For det tredje kan der være udfordringer, når man skelner grænsen mellem choroid plexus og CSF i den bageste basale del af de laterale ventrikler. For at løse denne bekymring kan signalintensitet og anatomiske overvejelser bruges til at hjælpe bedømmeren med at træffe passende segmenteringsbeslutninger. For det fjerde, hvis der anvendes et billede med lav opløsning, anbefales det at være mere konservativ i segmenteringsproceduren og prioritere at bruge kontrastforbedret billeddannelse til at validere segmenteringen af choroid plexus i denne tidsmæssige region. Hvis kontrastforstærket billeddannelse ikke er tilgængelig, foreslås det at udelukke dette område fra segmenteringsprocessen. Men hvis der bruges et billede i høj opløsning, anbefales det at være mere liberal i segmenteringsproceduren. Også, hvis afgrænsningen mellem choroid plexus og hjernens parenchyma kan laves på et højopløsningsbillede af det tidlige horn, ville et kontrastforstærket billede ikke være nødvendigt. For det femte kan 3D Slicer køre på en touchscreen-computer, hvor en styluspen i stedet for en mus kan bruges til at forbedre sporingen af choroid plexus. Denne software er dog i øjeblikket ikke tilgængelig på iPad. Endelig kan der opstå problemer med softwarenedbrud på nogle computere, når choroid plexus fra mere end ti emner er blevet afgrænset efter hinanden. I dette tilfælde kan klik på knappen Gem ofte forhindre tab af data forårsaget af softwarenedbruddet.

Begrænsninger
Mens manuel segmentering af choroid plexus er guldstandarden for at opnå nøjagtige volumendata, er der flere begrænsninger relateret til scanningens type og kvalitet samt oplevelsen af rater21. For eksempel kan choroid plexus størrelse variere afhængigt af alder eller sygdomstilstand, hvilket kan påvirke størrelsen af ventriklen og choroid plexus. Således kan choroid plexus forekomme lille hos unge, raske individer, hvilket gør det vanskeligt at segmentere manuelt. Dette problem kan forværres, hvis billedet har en dårligere opløsning (1,2 eller 1,5 mm isovoxel) og/eller taget med en 1,5 T MR-scanner. Manuel segmentering af choroid plexus kan desuden blive påvirket af billedets lysstyrke og kontrast, hvilket gør det vanskeligt at identificere grænserne, hvilket resulterer i over- eller undervurdering af lydstyrken. Derudover er den tredje og fjerde ventrikel choroid plexus små strukturer, som kan være udfordrende at segmentere korrekt, hvis et billede med højere opløsning ikke er tilgængeligt (0,7 eller 0,8 mm isovoxel). En begrænsning for at bruge en 3D Slicer i stedet for anden open source manuel segmenteringssoftware er manglende evne til at udføre billedsegmentering samtidigt i tre dimensioner, en funktion, der tilbydes gennem ITK-SNAP51 , der kan forbedre hastigheden af billedsegmentering af choroid plexus. Derudover er manuel segmentering en tidskrævende og kedelig opgave, hvilket gør undersøgelsen af choroid plexus i store kohorter med tusinder eller titusinder af individer upraktisk, hvilket fremhæver behovet for nøjagtige automatiske choroid plexus segmenteringsværktøjer. Endelig kan blot at tælle choroid plexus voxels uden at tage højde for de delvise volumeneffekter af CSF eller hvidt stof indføre fejl i volumenmålingen.

Betydning i forhold til eksisterende metoder
Afhængigheden af FreeSurfer til choroid plexus segmentering, som har dårlig nøjagtighed og ikke segmenterer den tredje og fjerde ventrikel choroid plexus, begrænser det grundlæggende arbejde, der kan udføres for bedre at forstå choroid plexus rolle i sundhed og sygdom. Derudover kan en mere nøjagtig afgrænsning af choroid plexus også udnyttes af Alzheimers neuroimaging samfund for at reducere forureningen af medial temporal tau PET-signal ved off-target binding i choroid plexus55. Mens indledende tilpasninger af maskinindlæring (GMM) og dyb læringsteknikker (3D U-Net, nnU-Net, Axial-MLP 8) til choroid plexus-etiketter har forbedret segmenteringsnøjagtigheden på FreeSurfer-afledte choroid plexus-etiketter 46,48,49, trænes og evalueres metoder desværre kun i små, homogene datasæt, hverken offentligt tilgængelige eller brugervenlige værktøjer og ufuldstændige kun inklusive choroid plexus i laterale ventrikler. En advarsel er, at der på tidspunktet for genindsendelsen af denne protokol var en artikel offentliggjort af Yazdan-Panah et al., hvor de gennemførte manuel segmentering af lateral ventrikel choroid plexus ved hjælp af ITK-SNAP56. De brugte disse manuelt segmenterede billeder til at træne et 2-trins 3D U-Net og demonstrerede en gennemsnitlig DC på 0,72 med grundsandheden, og det overgik FreeSurfer og FastSurfer-baserede segmenteringer56. Generaliserbarheden til andre opløsninger, scannere, aldre og flere sygdomme er ikke blevet fastslået og er faktisk usandsynligt i betragtning af udfordringen med domæneoverførslen.

Fremtidige applikationer
På grund af de begrænsninger, der er nævnt ovenfor, er der brug for en protokol til nøjagtig segmentering af choroid plexus. For at skabe et automatiseret segmenteringsværktøj til choroid plexus, som kan være udfordrende at udvikle på grund af arten af denne struktur, er der desuden behov for et omfattende kommenteret datasæt af choroid plexus, der spænder over forskellige parametre og kombinerer det med et sæt metodologiske innovationer til den nyeste open source-software, FastSurfer42,43, en avanceret og skalerbar dyb læringsbaseret neuroimaging-pipeline til automatiseret kortikal og subkortikal segmentering. FastSurferCNN har vist sig at overgå 3D U-Net, SDNet og QuickNAT modeller for kortikal og subkortikal segmentering af tæt på 100 strukturer med en gennemsnitlig DC'> 8542. Således kan en stor og omfattende annotering af choroid plexus bruges med FastSurfer til betydeligt at udvide til (1) en 3D-arkitektur med forbedrede interne forstærkningsteknikker, (2) evnen til også at forudsige - for første gang - delvise volumenestimater direkte samt (3) outputsegmenteringer ved højere opløsninger (superopløsning) til dataharmonisering. Forfatterne planlægger at arbejde videre med at tilpasse og udvikle FastSurfer for at skabe et meget nøjagtigt choroid plexus segmenteringsværktøj til laterale, tredje og fjerde ventrikler og dele det samme åbent med forskersamfundet.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har ingen konkurrerende økonomiske interesser.

Acknowledgments

Dette arbejde blev støttet af en National Institute of Mental Health Award R01 MH131586 (til P.L og M.R), R01 MH078113 (til M.K) og et Sydney R Baer Jr Foundation Grant (til 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

Denne måned i JoVE udgave 202 Choroid plexus MR manuel segmentering menneske volumen neuroimaging
Manuel segmentering af den humane choroid plexus ved hjælp af hjerne MR
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