Waiting
Login processing...

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

Neuroscience

Manuelle Segmentierung des menschlichen Aderhautplexus mittels Hirn-MRT

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

Trotz der entscheidenden Rolle des Plexus choroideus im Gehirn sind Neuroimaging-Studien dieser Struktur aufgrund des Mangels an zuverlässigen automatisierten Segmentierungswerkzeugen rar. Das vorliegende Protokoll zielt darauf ab, eine manuelle Segmentierung des Aderhautplexus nach Goldstandard zu gewährleisten, die in zukünftige Neuroimaging-Studien einfließen kann.

Abstract

Der Plexus choroideus wird mit der neurologischen Entwicklung und einer Reihe von Gehirnerkrankungen in Verbindung gebracht. Es gibt Hinweise darauf, dass der Plexus choroideus für die Reifung des Gehirns, die Immun-/Entzündungsregulation und die Verhaltens-/kognitiven Funktionen entscheidend ist. Derzeitige automatisierte Neuroimaging-Segmentierungstools sind jedoch schlecht darin, den Aderhautplexus des lateralen Ventrikels genau und zuverlässig zu segmentieren. Darüber hinaus gibt es kein Werkzeug, das den Plexus choroideus im dritten und vierten Ventrikel des Gehirns segmentiert. Daher ist ein Protokoll erforderlich, das beschreibt, wie der Plexus choroideus im lateralen, dritten und vierten Ventrikel segmentiert werden soll, um die Zuverlässigkeit und Reproduzierbarkeit von Studien zu erhöhen, die den Plexus choroideus bei neurologischen Entwicklungs- und Gehirnstörungen untersuchen. Dieses Protokoll enthält detaillierte Schritte zum Erstellen separat beschrifteter Dateien in 3D Slicer für den Plexus choroideus auf der Grundlage von DICOM- oder NIFTI-Bildern. Der Plexus choroideus wird manuell unter Verwendung der axialen, sagittalen und koronalen Ebenen von T1w-Bildern segmentiert, wobei sichergestellt wird, dass Voxel von Strukturen der grauen oder weißen Substanz, die an die Ventrikel grenzen, ausgeschlossen werden. Die Fensterung wird angepasst, um die Lokalisierung des Plexus choroideus und seiner anatomischen Grenzen zu unterstützen. Im Rahmen dieses Protokolls werden Methoden zur Bewertung von Genauigkeit und Zuverlässigkeit demonstriert. Die Goldstandard-Segmentierung des Aderhautplexus mit manueller Abgrenzung kann verwendet werden, um bessere und zuverlässigere automatisierte Segmentierungswerkzeuge zu entwickeln, die offen geteilt werden können, um Veränderungen im Aderhautplexus über die Lebensspanne und innerhalb verschiedener Hirnerkrankungen aufzuklären.

Introduction

Funktion des Plexus choroideus
Der Plexus choroideus ist eine stark vaskularisierte Struktur im Gehirn, die aus gefensterten Kapillaren und einer Monoschicht von Epithelzellen des Plexus choroideus besteht1. Der Plexus choroideus projiziert in den lateralen, dritten und vierten Hirnventrikel und produziert Liquor cerebrospinalis (CSF), der eine wichtige Rolle bei der neuronalen Musterbildung2 und der Hirnphysiologie spielt 3,4. Der Plexus choroideus sezerniert neurovaskuläre Substanzen, umschließt ein stammzellähnliches Lager und fungiert als physikalische Barriere, um das Eindringen toxischer Metaboliten zu verhindern, als enzymatische Barriere, um Teile zu entfernen, die die physische Barriere umgehen, und als immunologische Barriere zum Schutz vor fremden Eindringlingen5. Der Plexus choroideus moduliert die Neurogenese6, die synaptische Plastizität7, die Entzündung8, den zirkadianen Rhythmus 9,10, die Darm-Hirn-Achse11 und die Kognition12. Darüber hinaus können periphere Zytokine, Stress und Infektionen (einschließlich SARS-CoV-2) die Blut-Liquor-Schranke stören 13,14,15,16. Somit ist das Aderhautplexus-CSF-System für die Neuroentwicklung, die Reifung von Neuroschaltkreisen, die Homöostase des Gehirns und die Reparatur von17 von entscheidender Bedeutung. Da sich immune, entzündliche, metabolische und enzymatische Veränderungen auf das Gehirn auswirken, verwenden Forscher bildgebende Verfahren, um die Rolle des Plexus choroideus über die gesamte Lebensspanne und bei Hirnerkrankungen zu beurteilen 18,19,20. Bei häufig verwendeten automatisierten Tools für die Segmentierung des Plexus choroideus, wie z. B. FreeSurfer, gibt es jedoch Einschränkungen, die dazu führen, dass der Plexus choroideus schlecht segmentiert ist. Daher besteht ein kritischer Bedarf an einer manuellen Ground-Truth-Segmentierung des Aderhautplexus, die zur Entwicklung eines genauen automatisierten Werkzeugs für die Segmentierung des Aderhautplexus verwendet werden kann.

Plexus choroideus bei neurologischer Entwicklung und Hirnerkrankungen
Die Rolle des Plexus choroideus bei Erkrankungen des Gehirns wurde lange Zeit vernachlässigt, vor allem, weil er als unterstützender Akteur angesehen wurde, dessen Aufgabe es war, das Gehirn abzufedern und einen angemessenen Salzhaushalt aufrechtzuerhalten 2,21. Der Plexus choroideus hat jedoch als eine Struktur Aufmerksamkeit erlangt, die mit Gehirnerkrankungen wie Schmerzsyndromen22, SARS-CoV-2 16,23,24, neurologischen Entwicklungsstörungen 2 und Hirnstörungen19 in Verbindung gebracht wird, was auf einen transdiagnostischen Effekt bei der Entwicklung von Verhaltensstörungen hindeutet. Bei neurologischen Entwicklungsstörungen waren Aderhautplexuszysten mit einem erhöhten Risiko für Entwicklungsverzögerungen, Aufmerksamkeitsdefizit-/Hyperaktivitätsstörungen (ADHS) oder Autismus-Spektrum-Störungen (ASS) verbunden25,26. Darüber hinaus wurde festgestellt, dass das Volumen des Aderhautplexus des lateralen Ventrikels bei Patienten mit ASS27 erhöht ist. Bei Erkrankungen des Gehirns werden seit 1921 Anomalien des Plexus choroideus bei psychotischen Störungen beschrieben28,29. Frühere Studien haben eine Vergrößerung des Plexus choroideus mittels FreeSurfer-Segmentierung bei einer großen Stichprobe von Patienten mit psychotischen Störungen im Vergleich zu ihren Verwandten ersten Grades und der Kontrollgruppe festgestellt19. Diese Ergebnisse wurden unter Verwendung eines manuell segmentierten Aderhautplexusvolumens in einer großen Stichprobe klinischer Hochrisikopopulation für Psychosen repliziert und festgestellt, dass diese Patienten im Vergleich zu gesunden Kontrollpersonen ein größeres Aderhautplexusvolumen aufwiesen30. Es gibt eine wachsende Zahl von Studien, die eine Vergrößerung des Plexus choroideus bei komplexen regionalen Schmerzsyndromen22, Schlaganfall31, Multipler Sklerose20,32, Alzheimer33,34 und Depression35 belegen, wobei einige einen Zusammenhang zwischen peripherer und Gehirn-Immun-/Entzündungsaktivität zeigen. Diese Neuroimaging-Studien sind vielversprechend; Eine schlechte Segmentierung des Aderhautplexus des lateralen Ventrikels durch FreeSurfer21 schränkt jedoch die Zuverlässigkeit der automatisierten Volumenschätzung des Plexus choroideus ein. Infolgedessen haben Studien zu Multipler Sklerose20,32, Depression35, Alzheimer34 und früher Psychose36 damit begonnen, den Aderhautplexus lateraler Ventrikel manuell zu segmentieren, aber es gibt keine aktuellen Richtlinien dafür, wie dies zu tun ist, noch gibt es eine Anleitung zur Segmentierung des Aderhautplexus des dritten und vierten Ventrikels.

Gängige Segmentierungstools schließen den Plexus choroideus aus
Gehirnsegmentierungs-Pipelines wie FreeSurfer37,38,39, FMRIB Software Library (FSL)40, SLANT41 und FastSurfer (entwickelt vom Co-Autor Martin Reuter)42,43 segmentieren präzise und zuverlässig kortikale und subkortikale Strukturen unter Verwendung von Atlas-basierten (FSL), Atlas- und Oberflächen-basierten (FreeSurfer) und Deep-Learning-Segmentierungsparadigmen (SLANT und FastSurfer). Zu den Schwächen einiger dieser Ansätze gehören die Verarbeitungsgeschwindigkeit, die begrenzte Generalisierung auf verschiedene Scanner, die Feldstärken und Voxelgrößen37,44 sowie die erzwungene Ausrichtung der Beschriftungskarte in einem Standardatlasraum. Die Möglichkeit, den Plexus choroideus zu segmentieren und die Kompatibilität mit hochauflösender MRT wird jedoch nur von FreeSurfer und FastSurfer adressiert. Die neuronalen Netze, die hinter FastSurfer stehen, sind auf FreeSurfer-Aderhautplexus-Markierungen trainiert, so dass sie die zuvor diskutierten Zuverlässigkeits- und Abdeckungsbeschränkungen von FreeSurfer erben, wobei der dritte und vierte Ventrikel ignoriert werden21. Derzeit gibt es auch Einschränkungen für hochauflösende MRT, aber der hochauflösende Stream45 und FastSurferVINN43 von FreeSurfer können verwendet werden, um dieses Problem zu lösen.

Aktuelle Tools zur Segmentierung des Plexus choroideus
Es gibt nur ein frei verfügbares Segmentierungswerkzeug für den Plexus choroideus, aber die Segmentierungsgenauigkeit ist begrenzt. Die genaue Segmentierung des Plexus choroideus kann durch eine Vielzahl von Faktoren beeinflusst werden, darunter (1) Variabilität der Lage des Plexus choroideus (räumlich nicht stationär) aufgrund seiner Lage innerhalb der Ventrikeln, (2) Unterschiede in der Voxelintensität, dem Kontrast, der Auflösung (Heterogenität innerhalb der Struktur) aufgrund zellulärer Heterogenität, der dynamischen Funktion des Plexus choroideus, pathologischer Veränderungen oder partieller Volumeneffekte, (3) alters- oder pathologiebedingter ventrikulärer Größenunterschiede, die sich auf die Größe des Aderhautplexus auswirken, und (4) die Nähe zu benachbarten subkortikalen Strukturen (Hippocampus, Amygdala, Caudatus und Kleinhirn), die ebenfalls schwer zu segmentieren sind. Angesichts dieser Herausforderungen wird der Plexus choroideus bei FreeSurfer-Segmentierungen oft unter- oder überschätzt, falsch gekennzeichnet oder ignoriert.

Drei aktuelle Veröffentlichungen befassten sich mit der Lücke einer zuverlässigen Segmentierung des Plexus choroideus mit einem Gaußschen Mischungsmodell (GMM)46, einem Axial-MLP47 und U-Net-basierten Deep-Learning-Ansätzen48. Jedes Modell wurde mit privaten, manuell beschrifteten Datensätzen von maximal 150 Probanden mit einer begrenzten Vielfalt an Scannern, Standorten, demografischen Daten und Störungen trainiert und evaluiert. Während diese Veröffentlichungen 46,48,49 signifikante Verbesserungen gegenüber der Aderhautplexus-Segmentierung von FreeSurfer erzielten - manchmal verdoppelte sich die Schnittmenge von Vorhersage und Ground Truth, ist keine der beiden Methoden (1) in hochauflösender MRT validiert, (2) verfügt über dedizierte Generalisierungs- und Zuverlässigkeitsanalysen, (3) verfügt über große repräsentative Trainings- und Testdatensätze, (4) adressiert oder analysiert speziell Herausforderungen bei der Segmentierung des Aderhautplexus, wie z. B. Partial Volume Effects, oder (5) ist als gebrauchsfertiges Tool öffentlich verfügbar. Der derzeitige "Goldstandard" für die Segmentierung des Plexus choroideus ist daher das manuelle Tracing, z. B. mit dem 3D Slicer50 oder dem ITK-SNAP51, das bisher noch nicht beschrieben wurde und eine große Herausforderung für Forscher darstellt, die die Rolle des Plexus choroideus in ihren Studien untersuchen möchten. 3D Slicer wurde für die manuelle Segmentierung ausgewählt, da der Autor mit der Software vertraut ist und dem Benutzer verschiedene Werkzeuge zur Verfügung stellt, die auf verschiedenen Ansätzen basieren und kombiniert werden können, um das gewünschte Ergebnis zu erzielen. Es können auch andere Tools verwendet werden, wie z. B. ITK-SNAP, das in erster Linie auf die Bildsegmentierung ausgerichtet ist, und sobald das Tool beherrscht ist, können vom Benutzer gute Ergebnisse erzielt werden. Darüber hinaus haben die Autoren eine Fall-Kontroll-Studie durchgeführt, die die hohe Genauigkeit und Zuverlässigkeit ihrer manuellen Segmentierungstechnik unter Verwendung von 3D Slicer30 demonstriert, und diese spezifische Methodik wird hier beschrieben.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Das vorliegende Protokoll wurde vom Institutional Review Board des Beth Israel Deaconess Medical Center genehmigt. Ein gesunder Proband mit einem MRT-Scan des Gehirns, der frei von Artefakten oder Bewegungen war, wurde für diese Protokolldemonstration verwendet, und es wurde eine schriftliche Einverständniserklärung eingeholt. Ein 3,0 T MRT-Scanner mit einer 32-Kanal-Kopfspule (siehe Materialtabelle) wurde verwendet, um 3D-T1-Bilder mit einer Auflösung von 1 mm x 1 mm x 1,2 mm aufzunehmen. Es wurde die MP-RAGE ASSET-Sequenz mit einem Sichtfeld von 256 x 256, TR/TE/TI=7,38/3,06/400 ms und einem Flip-Winkel von 11 Grad verwendet.

1. Importieren von Gehirn-MRT in 3D Slicer

HINWEIS: 3D Slicer stellt eine Dokumentation zur Benutzeroberfläche bereit.

  1. Bereiten Sie die Gehirn-MRT-Dateien DICOM (Digital Imaging and Communications in Medicine) oder NIFTI (Neuroimaging Informatics Technology Initiative) für den Import in 3D Slicer vor.
  2. Importieren Sie DICOM-Daten, indem Sie auf die DCM-Schaltfläche in der oberen linken Ecke der Symbolleiste klicken. Klicken Sie dann auf die Schaltfläche DICOM-Dateien importieren , um Daten im DICOM-Format zu importieren.
  3. Wenn die MRT-Daten im NIFTI-Format vorliegen, importieren Sie sie, indem Sie auf die Schaltfläche DATEN in der oberen linken Ecke der Symbolleiste klicken. Wählen Sie im Popup-Dialogfeld die Option Hinzuzufügendes Verzeichnis für den Stapelimport von NIFTI-Daten in einem Ordner auswählen oder wählen Sie Hinzuzufügende(n) Datei(en) auswählen, um bestimmte NIFTI-Dateien zu importieren. Klicken Sie dann auf die Schaltfläche OK , um mit dem Hochladen der Daten in den 3D-Datenschnitt fortzufahren.
  4. Nach dem Import werden die MRT-Daten im Fenster auf der rechten Seite angezeigt, in dem die axialen, sagittalen und koronalen Ebenen angezeigt werden.
  5. Ändern Sie das Layout der Fenster, indem Sie zu Layouts navigieren und ein bestimmtes Layout auswählen. Diese finden Sie, indem Sie entweder auf das Bild des Layouts-Moduls in der Symbolleiste von 3D Slicer selbst klicken oder über View > Layouts aus dem Anwendungsmenü.

2. Herunterladen von DICOM aus Beispieldaten in 3D Slicer

  1. Klicken Sie auf die Schaltfläche Beispieldaten herunterladen im Startbildschirm des Abschnitts Willkommen beim Datenschnitt. Wählen Sie dann die Schaltfläche MRHead aus, um den Downloadvorgang zu starten, der einige Minuten dauern kann.
  2. Stellen Sie sicher, dass die MRT-Daten des Gehirns mit axialer, sagittaler und koronaler Ebene im rechten Fenster angezeigt werden.

3. Qualitätskontrolle und Justierung des MRT-Bildes

  1. Bestimmen Sie qualitativ die Bildqualität und das Vorhandensein von Artefakten aufgrund von Kopfbewegungen oder Scanproblemen, indem Sie jeden MRT-Schnitt kritisch überprüfen.
  2. Zoomen Sie den Bildausschnitt, indem Sie mit der rechten Maustaste klicken und die Maus nach oben oder unten bewegen , um die Ansicht zu verkleinern bzw. zu verkleinern.
  3. Um den Bildausschnitt zu verschieben, klicken Sie mit der linken Maustaste auf das Bild, halten Sie die Umschalttaste gedrückt und ziehen Sie die Maus.
  4. Das Anpassen der Bildhelligkeit kann bei der Betrachtung des Aderhautplexus helfen. Klicken Sie dazu entweder in der Symbolleiste auf Fenster/Lautstärke anpassen oder klicken Sie mit der linken Maustaste auf das Bild und bewegen Sie die Maus nach oben oder unten , um die Helligkeit zu erhöhen bzw. zu verringern.
  5. Die Anpassung des Kontrasts kann zusätzlich helfen, den Plexus choroideus zu finden. Klicken Sie mit der linken Maustaste auf den Bildausschnitt und bewegen Sie die Maus nach links oder rechts , um den Kontrast zu erhöhen bzw. zu verringern. Um den geeigneten Kontrast für den Plexus choroideus zu bestimmen, verwenden Sie die tiefen Kerne der grauen Substanz (zentrale Massen der grauen Substanz, die um den lateralen und dritten Ventrikel angeordnet sind) oder die in der Kontrastskala angezeigte Signalintensität.
  6. Sobald der bevorzugte Kontrast ausgewählt ist, behalten Sie den gleichen Kontrast während der gesamten Segmentierung bei und passen Sie keine potenziellen Schwankungen in supra- und infratentoriellen Bereichen an.

4. Erstellen der manuellen Segmente des Plexus choroideus

  1. Um mit der Segmentierung des Aderhautplexus lateralis, des dritten und vierten Ventrikels zu beginnen, erstellen Sie die Segmentierungsdateien im Modul Segmenteditor . Um dorthin zu navigieren, klicken Sie entweder auf den Segment-Editor in der Symbolleiste oder gehen Sie zum Dropdown-Menü Module: und wählen Sie Segment-Editor aus.
  2. Klicken Sie auf das Dropdown-Menü für die Segmentierung , um verschiedene Segmentierungen auszuwählen (wenn mehrere Segmentierungen erstellt wurden) und benennen Sie die aktuell ausgewählte Segmentierung um.
  3. Verwenden Sie das Dropdown-Menü Master-Lautstärke , um auszuwählen, welche NIFTI- oder DICOM-Sets bearbeitet werden müssen. Erst wenn die Volume-Datei ausgewählt ist, kann der Benutzer mit der Segmentierung/Bearbeitung beginnen.
  4. Klicken Sie zweimal auf die Schaltfläche Hinzufügen , um zwei Segmente für den Aderhautplexus des Seitenventrikels hinzuzufügen. Um diese umzubenennen, doppelklicken Sie auf den Namen und ändern Sie ihn in Aderhautplexus rechts und Aderhautplexus links.
  5. Klicken Sie erneut auf die Schaltfläche Hinzufügen , um Segmente für den dritten und vierten Plexus choroideus hinzuzufügen, und benennen Sie sie in "3. Ventrikel Aderhautplexus" und "4. Ventrikel Aderhautplexus" um.

5. Anzeigen verschiedener Slices und Segmentierungen

  1. Führen Sie vor der Bearbeitung eine Hintergrundstudie durch, um zu erfahren, wie Sie zwischen den Layouts im Anzeigefenster wechseln und wie Sie die Ansicht oder Deckkraft der Segmentierungen ändern können.
  2. Klicken Sie oben im Ansichtsfenster und links neben dem Slice-Schieberegler auf das Pin-Symbol. Dadurch wird ein Dropdown-Menü geöffnet, das je nach Layout des Fensters variieren kann.
    HINWEIS: Die Verwendung verschiedener Layouts kann bei der Segmentierung des Aderhautplexus hilfreich sein, da seine Struktur von Person zu Person variieren kann. Das Layout "Konventionell" ermöglicht es dem Benutzer beispielsweise, alle drei Slices und eine 3D-Ansicht der Szene gleichzeitig anzuzeigen. Wenn Sie "Nur rote/gelbe/grüne Schicht" wählen, erhält der Benutzer eine Nahaufnahme der 2D-Schicht, um eine genauere Segmentierung des Aderhautplexus zu ermöglichen.

6. Abgrenzung der ROIs des Plexus choroideus des lateralen Ventrikels

HINWEIS: Für die manuelle Segmentierung ist keine Bildregistrierung in einer Vorlage erforderlich.

  1. Beginnen Sie für den Plexus choroideus des lateralen Ventrikels in der axialen Ebene und stellen Sie sicher, dass die Bilder auf der Grundlage der Bikommissurallinie positioniert werden. Verwenden Sie dann das Trigonum collaterale als Referenzpunkt für die Lokalisierung des Aderhautplexus lateraler Herzkammer.
    1. Sobald die Bearbeitungen in der axialen Ebene vorgenommen wurden, wechseln Sie zu den verbleibenden Ansichten (sagittal und koronal), um sicherzustellen, dass die manuelle Segmentierung des Plexus choroideus lateraler Herzkammer nicht das umgebende Hirnparenchym oder den Liquor erfasst.
  2. Um mit der Bearbeitung zu beginnen, klicken Sie auf das Segment , das Sie bearbeiten möchten, und der Segmentname wird hervorgehoben.
  3. Klicken Sie auf das Mal- oder Zeichenwerkzeug im Abschnitt "Effekte" des Segment-Editors, um mit der manuellen Segmentierung zu beginnen.
    HINWEIS: Es empfiehlt sich, mit der Segmentierung in einer Ebene (koronal, axial oder sagittal) zu beginnen und nach Abschluss der Segmentierung in allen Schichten zu anderen Ebenen zu wechseln, um die manuelle Segmentierung zu überprüfen und zu verfeinern. Es wird empfohlen, dass der Benutzer mit der axialen oder koronalen Ebene beginnt, da der Aderhautplexus des lateralen Ventrikels in diesen Ansichten leichter zu sehen ist.
  4. Wenn Sie das Zeichenwerkzeug verwenden, klicken Sie mit der linken Maustaste und halten Sie die Maustaste gedrückt , um eine Kontur an der Grenze des Aderhautplexus des Seitenventrikels zu zeichnen. Klicken Sie nach dem Zeichnen mit der rechten Maustaste , um den eingezeichneten Bereich auszufüllen.
  5. Wenn Sie das Malwerkzeug verwenden, wählen Sie zunächst den Durchmesser des Pinsels aus, der zum Malen verwendet werden soll. Ein Pinsel von 3 % oder 5 % wird für eine genauere Abgrenzung des Plexus choroideus empfohlen, während 10 % für größere Auswahlen nützlich sein können.
  6. Verwenden Sie für beide Werkzeuge "Malen " oder "Löschen ", um fehlerhafte Abgrenzungen zu korrigieren, indem Sie Auswahlen hinzufügen oder entfernen.
    HINWEIS: Die Bezugnahme auf andere Sichtebenen kann bei der Identifizierung der Struktur des Aderhautplexus des lateralen Ventrikels im Vergleich zu anderen Gehirnstrukturen wie der umgebenden grauen Substanz, dem Fornix, dem Corpus callosum oder dem Hippocampus helfen. Der Benutzer wird aufgefordert, Gehirnscans auszuschließen, bei denen Aderhautplexuszysten identifiziert wurden.
  7. Verwenden Sie die Höhe des roten Kerns als Anhaltspunkt, um die Segmentierung des Aderhautplexus in den Seitenventrikeln zu stoppen.

7. Abgrenzung der ROIs des Aderhautplexus des dritten und vierten Ventrikels

HINWEIS: T1w-Bilder mit höherer Auflösung (z. B. 0,7 oder 0,8 mm) und solche, die mit einem 7T-MRT aufgenommen wurden, würden eine genauere und zuverlässigere manuelle Segmentierung des Aderhautplexus des dritten und vierten Ventrikels ermöglichen. Die Segmentierung des Aderhautplexus des dritten und vierten Ventrikels ist schwieriger als die des Aderhautplexus des lateralen Ventrikels, da diese Regionen viel kleiner sein können und weniger Voxel abzugrenzen sind.

  1. Für den Plexus choroideus des dritten Ventrikels beginnen Sie in der Sagittalebene und verwenden das Foramen von Monro, Fornix, Corpus callosum, Thalamus und die innere Hirnvene als Referenzpunkte, um den Plexus choroideus im 3. Ventrikel zu lokalisieren. Das Verschieben zwischen Schichten innerhalb derselben Ebene kann dabei helfen, festzustellen, ob es sich bei einer Region um den Fornix, den Thalamus, die Vene oder den Aderhautplexus des dritten Ventrikels handelt.
    1. Nachdem Sie Änderungen in der Sagittalebene vorgenommen haben, navigieren Sie zu den verbleibenden Ansichten (axial und koronal), um sicherzustellen, dass bei der manuellen Segmentierung des Plexus choroideus des dritten Ventrikels nicht das umgebende Hirnparenchym oder der Liquor ausgewählt wird.
  2. In ähnlicher Weise beginnen Sie für den vierten Ventrikel des Aderhautplexus in der Sagittalebene und verwenden Sie den oberen Kleinhirnstiel, den Pons und die Medulla als Referenzpunkte, um den Plexus choroideus im vierten Ventrikel zu lokalisieren. Das Verschieben zwischen Schichten innerhalb derselben Ebene kann dabei helfen, festzustellen, ob es sich bei einer Region um das Kleinhirn, die Kleinhirntonsillen, das untere medulläre Velum oder den Plexus choroideus choroideus des 4. Ventrikels handelt.
    1. Sobald die Bearbeitung in der Sagittalebene abgeschlossen ist, wechseln Sie zu den verbleibenden Ansichten (axial und koronal), um sicherzustellen, dass bei der manuellen Segmentierung des Plexus choroideus des vierten Ventrikels kein umgebendes Hirnparenchym oder Liquor ausgewählt wird.

8. Berechnung des Volumens des Plexus choroideus

  1. Navigieren Sie im Dropdown-Menü "Module " zu "Quantifizierung" und wählen Sie "Segmentstatistiken" aus.
  2. Wählen Sie unter Eingaben die neue Segmentierungszuordnung für die Quantifizierung unter dem Segmentierungswerkzeug aus, und wählen Sie das MRT-Volumen aus dem Skalarvolumen aus. Wählen Sie für Ausgabetabelle (unter Ausgabe) die Option Tabelle aus. Wenn Sie fertig sind, drücken Sie auf Anwenden, und eine Tabelle mit dem Volumen des Plexus choroideus wird in verschiedenen Einheiten angezeigt.

9. Speichern der Segmente und Volumenergebnisse

  1. Klicken Sie auf die Schaltfläche Speichern in der oberen linken Ecke der Symbolleiste, um generierte Dateien zu speichern.
  2. Speichern Sie die Segmentierungsdateien als .nrrd (3D-Slicer-Datei), .nii.gz (NIFTI-Datei) oder .tsv (Tabellendatei).

10. Bestimmung der Genauigkeit, Leistung und Übereinstimmung der Segmentierung

HINWEIS: Es wird empfohlen, das MONAI-Paket (siehe Materialtabelle) zu verwenden, das den Würfelkoeffizienten (DC) und die durchschnittliche Oberflächenentfernung von DeepMind (avgSD) beschreibt. Details zu DC und avgSD werden weiter unten beschrieben. Um diese Metriken berechnen zu können, müssen die Leser programmieren können (z. B. Python, Bilder von der Festplatte lesen, die Daten in die entsprechenden Eingabe-Arrays für diese Funktionen umformatieren). Es gibt kein benutzerfreundliches Paket, das all diese Metriken enthält.

  1. Der DC-Score ist ein Standardansatz zur Quantifizierung der Überlappung zweier geometrischer Domänen. Um den durchschnittlichen DC-Wert zwischen zwei Segmentierungen zu berechnen, geben Sie zwei Tensoren y_pred und y an, d. h. Bilder mit mehreren Frames und einem Frame für jedes binarisierte Etikettenbild. Die Tensoren y_pred und y können Segmentierungen von zwei verschiedenen manuellen Bewertern, wiederholte Segmentierungen desselben Bewerters oder automatisierte Vorhersagen und manuelle Grundwahrheit enthalten.
    1. Verwenden Sie die Funktion monai.metrics.compute_meandice , um den mittleren DC-Wert zu berechnen.
    2. Generieren Sie geeignete binäre Label-Tensoren mit monai.transforms.post.
      Hinweis: Der Parameter include_background kann auf False gesetzt werden, um die erste Kategorie (Kanalindex 0) von der DC-Berechnung auszuschließen, die gemäß der Konvention als Hintergrund angenommen wird.
  2. Betrachten Sie den avgSD-Wert als weniger gebräuchlich, und beachten Sie, dass der Ansatz unterschiedlich sein kann, da es mehrere Definitionen für den Oberflächenabstand gibt. Verwenden Sie z. B. die maximale Distanz (auch bekannt als Hausdorff-Distanz, sehr empfindlich gegenüber Ausreißern), die mittlere Distanz (wie hier beschrieben) und das 95. Perzentil (sehr robust) als häufig verwendete Messgrößen.
    1. Verwenden Sie die Funktion compute_average_surface_distance , um den avgSD-Score zu berechnen.
    2. Stellen Sie sicher, dass diese Funktion den durchschnittlichen Oberflächenabstand von y_pred bis y unter der Standardeinstellung berechnet.
    3. Stellen Sie außerdem sicher, dass bei symmetric = True der durchschnittliche symmetrische Oberflächenabstand zwischen diesen beiden Eingaben zurückgegeben wird.
  3. Die statistische Analyse des DC- und avgSD-Scores über mehrere Fälle hinweg kann mithilfe des robusten Wilcoxon-Signed-Rank-Tests für die Paaranalyse durchgeführt werden.
  4. Erwägen Sie die Verwendung des Intraclass-Korrelationskoeffizienten (ICC) als eine weitere häufig verwendete Methode, um festzustellen, ob mehrere Teilnehmer von verschiedenen Bewertern zuverlässig bewertet werden können. Denken Sie daran, dass ICC mit einer Reihe von gepaarten Messungen (z. B. dem Volumen) von Segmentierungen arbeitet und nicht mit den Segmentierungsbildern direkt. Verwenden Sie zum Berechnen der ICC die R-Software und R Studio (siehe Materialtabelle), was den Prozess vereinfacht.
    1. Laden Sie das Paket mit install.packages("psych") herunter und laden Sie die Bibliothek (psych).
    2. Geben Sie den Datenrahmen, der die Teilnehmer (Zeilen) und einen Bewerter in jeder Spalte enthält, mithilfe von Data <- data.frame(df) ein. Visualisieren Sie dann die Messungen mit plot (Daten).
    3. Um ICC auszuführen, verwenden Sie ICC(Data), das eine Tabelle der verschiedenen ICC-Typen generiert, z. B. um die Inter- oder Intra-Rater-Scores zu erhalten.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Die vorgeschlagene Methode wurde für den Aderhautplexus des Seitenventrikels iterativ verfeinert, wobei umfangreiche Tests an einer Kohorte von 169 gesunden Kontrollpersonen und 340 Patienten mit klinisch hohem Risiko für Psychosen durchgeführt wurden30. Unter Verwendung der oben beschriebenen Technik erhielten die Autoren eine hohe Intra-Rater-Genauigkeit und -Reliabilität mit einem DC = 0,89, avgHD = 3,27mm3 und Single-Rater-ICC = 0,9730, was die Stärke des hier beschriebenen Protokolls demonstriert.

Behandeln von Problemen mit der Qualitätskontrolle und 3D-Slicer-Einstellungen
Bevor Sie mit dem Segmentierungsprozess beginnen, ist es notwendig, die Qualität des Gehirnscans zu überprüfen, um sicherzustellen, dass keine Kopfbewegungen oder Artefakte vorhanden sind, die die manuelle Segmentierung beeinträchtigen (Abbildung 1A). Als nächstes können Helligkeit und Kontrast angepasst werden, um eine bessere Visualisierung des Aderhautplexus zu unterstützen. Einige Gehirnscans können Kopfbewegungen aufweisen, und es ist wichtig festzustellen, ob sich das Artefakt negativ auf die Abgrenzung des Plexus choroideus auswirken würde (Abbildung 1B). Darüber hinaus erschweren Bilder mit Helligkeits- und Kontrastartefakten die Unterscheidung der Grenzen des Plexus choroideus (Abbildung 1C,D). Versuchen Sie in diesem Fall, die Helligkeit und den Kontrast so lange anzupassen, bis sie für die manuelle Segmentierung geeignet sind. Stellen Sie sicher, dass Gehirnscans, die nicht einfach für den Plexus choroideus segmentiert werden können, ausgeschlossen werden.

Segmentierung des Plexus choroideus lateraler Ventrikel
Wie in Abbildung 2 gezeigt, werden fünf Hauptteile verwendet, um die Bilder zu laden und anzuzeigen (Teil 1), verschiedene 3D-Slicer-Funktionen auszuwählen (Teil 2), Werkzeuge zur Segmentierung des lateralen Aderhautplexus (Teil 3), die Visualisierung der axialen, koronalen und sagittalen Bilder (Teil 4), die Berechnung des Volumens des Aderhautplexus lateraler Herzkammer (Teil 5) und das Speichern der Ergebnisse aus der manuellen Segmentierung. Der T1w-Gehirnscan kann über die Welcome to Slicer-Schnittstelle hochgeladen werden, indem Beispieldaten aus dem MRHead-Datensatz in 3D Slicer heruntergeladen werden (Abbildung 3) oder die NIFTI- oder DICOM-Datei aus einem vorhandenen Datensatz importiert wird (Abbildung 4A,B). In diesem Bereich gibt es auch eine Option zum Bearbeiten der Helligkeit und des Kontrasts des Bildes (Abbildung 4C). Nach dem Laden des T1w-Gehirnscans wird er in der Schnittansichtsoberfläche angezeigt und für die Segmentierung des Plexus choroideus lateraler Ventrikel vorbereitet. Die manuelle Segmentierung wird mit dem Modul Segment Editor (Abbildung 5A) erstellt, und der Name des Master-Volumes kann in Abbildung 5B bestätigt werden. In Abbildung 5C können die Beschriftungen für den rechten und linken lateralen Ventrikel des Aderhautplexus hinzugefügt und in verschiedenen Farben beschriftet werden (Abbildung 5C), und der interessierende Bereich selbst kann mit dem Zeichen- oder Malwerkzeug (Abbildung 5D) abgegrenzt werden. Abbildung 6 markiert den Aderhautplexus des lateralen Ventrikels und die ihn umgebenden Hirnstrukturen, wie den Nucleus caudatus, den Hippocampus, den Fornix und den dritten Ventrikel, der Orientierungspunkte für die Segmentierung des Aderhautplexus lateraler Ventrikel in einigen der komplexeren Regionen bietet. Um Daten zum Plexus-Aderhaut-Plexus aus den manuellen Segmentierungen zu generieren und zu extrahieren, wählen Sie das Modul Segmentstatistik (Abbildung 7A) aus. Für die Ausgabe der Daten stehen einige Optionen zur Auswahl (Abbildung 7B). Die neuen Dateien, die das berechnete Volumen des Plexus choroideus des lateralen Ventrikels enthalten, können nun durch Klicken auf die Schaltfläche Speichern gespeichert werden (Abbildung 7C).

Segmentierung des Aderhautplexus des dritten und vierten Ventrikels
Wie in Abbildung 8 zu sehen ist, ist der Plexus choroideus des 3. Ventrikels in der unteren linken Tafel leicht zu sehen, die die Sagittalebene darstellt. Bemerkenswert ist, dass sich das Foramen von Monro unterhalb des Corpus callosum wölbt, wobei der Plexus choroideus innerhalb des dritten Ventrikels grün hervorgehoben ist. Der dritte Ventrikel und der Plexus choroideus des dritten Ventrikels können auch in der axialen und koronalen Ebene betrachtet werden (oberes linkes bzw. unteres rechtes Bild in Abbildung 8). Schließlich ist ein 3D-Rendering des Plexus choroideus des dritten Ventrikels in Abbildung 8 oben rechts dargestellt. Abbildung 9 zeigt den Aderhautplexus des dritten Ventrikels und die ihn umgebenden Hirnstrukturen, einschließlich des Corpus callosum, des Fornix, des Thalamus, der inneren Hirnvene und des dritten Ventrikels, was Anhaltspunkte für die Segmentierung des Aderhautplexus des dritten Ventrikels in einigen der komplexeren Regionen bietet.

Der Plexus choroideus des vierten Ventrikels ist schwieriger zu sehen und in Abbildung 10 zu sehen. Die sagittale und koronale Ebene (untere linke und untere rechte Tafel in Abbildung 10) ermöglicht die beste Sicht auf seine Struktur. Es muss darauf geachtet werden, dass Teile des Kleinhirns oder des vierten Ventrikels selbst nicht als Aderhautplexus abgegrenzt werden. Abbildung 11 markiert den Plexus choroideus des vierten Ventrikels und die ihn umgebenden Hirnstrukturen, einschließlich der Medulla, des Pons, des oberen Kleinhirnstiels, des unteren medullären Velums und des vierten Ventrikels, der Orientierungspunkte für die Segmentierung des Plexus choroideus des 4. Ventrikels in einigen der komplexeren Regionen bietet.

Genauigkeit, Ähnlichkeit und Übereinstimmung der Segmentierung
Die Segmentierung neuroanatomischer Strukturen kann in einem Bildbetrachter direkt verglichen werden, aber die Ähnlichkeit ist manchmal visuell schwer zu beurteilen. Daher werden quantitative Maße wie DC52, das die prozentuale Überlappung misst, und das avgSD53, das die Abstände zwischen den Grenzflächen der abgegrenzten Strukturen misst, verwendet, um Vorhersagen mit Ground Truth oder manuellen Segmentierungen über oder innerhalb von Bewertern zu vergleichen, um die Zuverlässigkeit zu bewerten. Wie in Abbildung 12A dargestellt, ist der DC für zwei 3D-Segmentierungen G und P einfach das Volumen der Überlappung (Schnittpunkt) dividiert durch das durchschnittliche Volumen53:

Equation 1

wobei | . | stellt das Volumen dar. Er misst die Überlappung auf einer Skala zwischen 0 und 1, wobei ein Wert von 1 eine genaue Übereinstimmung und 0 disjunkte Segmentierungen angibt und häufig mit 100 multipliziert wird, um eine prozentuale Überlappung darzustellen. Der mittlere Oberflächenabstand (ASD) misst den mittleren Abstand (in mm) zwischen allen Punkten x an der Grenze von G ( bd(G) ) zur Grenze von P und umgekehrt (Abbildung 12B). Er ist definiert als

Equation 2

wobei der Abstand Equation 3 das Minimum der euklidischen Norm53 darstellt. Im Gegensatz zum DC zeigt ein kleinerer ASD eine bessere Erfassung der Segmentierungsgrenzen an, wobei ein Wert von Null das Minimum ist (perfekte Übereinstimmung). Beachten Sie, dass manchmal auch die maximale Distanz oder das 95. Perzentil anstelle des Durchschnitts verwendet wird, wobei das Maximum sehr empfindlich auf einzelne Ausreißer reagiert, während das 95. Perzentil robust ist, aber kleine, aber relevante Segmentierungsfehler übersehen kann.

Die Übereinstimmung von Volumenschätzungen (nicht der Segmentierungen direkt) zwischen einem Satz von gepaarten Segmentierungen kann mit ICC54 gemessen werden. Dies kann erreicht werden, indem mehrere Teilnehmer von mehreren Bewertern (Interklassen-ICC) oder von demselben Bewerter (Intraklassen-ICC) bewertet werden (Abbildung 12C). Die ICC-Werte reichen von 0 (schlechte Zuverlässigkeit) bis 1 (ausgezeichnete Zuverlässigkeit). Für die Inter-Rater-Reliabilität wird empfohlen, ICC1 (One-Way-Fixed-Effects-Modell) für Datensätze zu verwenden, bei denen jede Segmentierung von einem anderen zufällig ausgewählten Bewerter durchgeführt wird. Darüber hinaus wird für Datensätze, bei denen mehrere zufällig ausgewählte Bewerter an derselben Segmentierung arbeiten, empfohlen, ICC2 (Zwei-Wege-Random-Effects-Modell) zu verwenden, um die absolute Übereinstimmung in den Segmentierungen zu testen. Schließlich wird für die Intra-Rater-Reliabilität die Verwendung von ICC3 (Two-Way Mixed Effects Model) empfohlen (Abbildung 12C).

Figure 1
Abbildung 1: Qualitätskontrolle des Gehirnscans. (A) Gehirnscan mit gutem Kontrast und guter Helligkeit, ohne Hinweise auf Artefakte und ohne Kopfbewegungen. (B) Gehirnscan, der die Kopfbewegung zeigt (roter Pfeil). (C) Gehirnscan mit hoher Helligkeit und geringem Kontrast oder (D) geringe Helligkeit und hoher Kontrast. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 2
Abbildung 2: Die Segmentierung des Aderhautplexus lateraler Herzkammer im 3D Slicer. (1) wird verwendet, um die DICOM- oder NIFTI-Bilder zu laden und die Ergebnisse zu speichern. (2) besteht aus einem Dropdown-Menü, über das das Modul Segment Editor (gelber Pfeil) aufgerufen werden kann, mit dem der Plexus choroideus segmentiert wird. Hier kann auch das Modul Quantifizierung (blauer Pfeil) ausgewählt werden, um das Volumen des Plexus choroideus zu berechnen. (3) Zeigt die Segmentsymbolleiste an, die die Werkzeuge Zeichnen, Malen und Radieren enthält. (4) zeigt den Plexus choroideus in axialen, sagittalen und koronalen Ansichten des T1w-Bildes. Das 3D-Rendering des Plexus choroideus ist ebenfalls in der oberen rechten Ecke zu sehen. (5) zeigt die Volumenergebnisse aus der manuellen Segmentierung des Aderhautplexus an, die mit dem Modul Segmentstatistik berechnet wurden. Die Endergebnisse können über die in (1) erwähnte Schaltfläche "Speichern" gespeichert werden. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 3
Abbildung 3: Laden von 3D-Slicer-Beispieldaten. Diese Abbildung zeigt, wie die Beispieldaten von der 3DSlicer-Schnittstelle heruntergeladen werden. Zuerst muss "Download Sample Data" ausgewählt werden, und dann muss "MRHead" ausgewählt werden, wodurch die axialen, sagittalen und koronalen Ansichten des Gehirnscans auf der rechten Seite des Bildschirms angezeigt werden. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 4
Abbildung 4: Laden des T1w-Gehirnscans. Diese Abbildung zeigt, wie der T1w-Gehirnscan entweder mit NIFTI- (linker Bereich) oder DICOM-Dateien (rechter Bereich) hochgeladen wird. (A) Für NIFTI-Dateien muss entweder "Hinzuzufügendes Verzeichnis auswählen" oder "Hinzuzufügende(n) Datei(en) auswählen" ausgewählt werden, gefolgt von "OK". (B) Für DICOM-Dateien müssen Sie "DICOM-Daten hinzufügen" auswählen, gefolgt von "DICOM-Dateien importieren" und dann auf "OK" klicken. Diese beiden Ansätze zeigen die axiale, sagittale und koronale Ansicht des Gehirnscans auf der rechten Seite des Bildschirms an. (C) Um die Helligkeit und den Kontrast der Bilder anzupassen, muss der rote Knopf ausgewählt werden. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 5
Abbildung 5: Segmentierung des Plexus choroideus lateraler Herze. Nachdem der T1w-Gehirnscan in den 3D-Slicer geladen wurde. (A) Auswahl des Moduls "Segmentierungseditor". (B) Bestätigung des Moduls und des Mastervolumens für die manuelle Segmentierung des Aderhautplexus lateraler Herze. (C) Erstellung von Etiketten für den rechten und linken Plexus choroideus lateraler Herzkammer. (D) Verwenden Sie die Werkzeuge "Zeichnen" und "Malen", um den Aderhautplexus des lateralen Ventrikels manuell abzugrenzen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 6
Abbildung 6: Angrenzende Strukturen an den Plexus choroideus lateraler Herzkammer. Zu den angrenzenden Hirnstrukturen gehören der Fornix, der Nucleus caudatus, der Hippocampus und der dritte Ventrikel. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 7
Abbildung 7: Volumenberechnung. Die Berechnung des Volumens des Plexus choroideus und das Speichern der Segmente und des Volumens ergibt sich. (A) Auswahl des Moduls Segmentstatistik . (B) Auswahl für die Ausgabe der Daten. (C) Klicken Sie auf die Schaltfläche Speichern , um die neuen Dateien zu speichern, die das berechnete Volumen des Aderhautplexus des lateralen Ventrikels enthalten. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 8
Abbildung 8: Segmentierung des Plexus choroideus des dritten Ventrikels. Hier sind die axialen, koronalen und sagittalen Ansichten des Aderhautplexus des dritten Ventrikels dargestellt, der mit dem 3D-Slicer manuell segmentiert wurde. Die obere rechte Ecke zeigt ein 3D-Rendering des Aderhautplexus des dritten Ventrikels. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 9
Abbildung 9: Angrenzende Strukturen an den Plexus choroideus des dritten Ventrikels. Zu den angrenzenden Hirnstrukturen gehören der Fornix, die innere Hirnvene, der Thalamus, das Corpus callosum und der 3. Ventrikel. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 10
Abbildung 10: Segmentierung des Plexus choroideus des vierten Ventrikels. Hier sind die axialen, koronalen und sagittalen Ansichten des Plexus choroideus des vierten Ventrikels dargestellt, der mit dem 3D-Slicer manuell segmentiert wurde. Die obere rechte Ecke zeigt ein 3D-Rendering des Plexus choroideus des vierten Ventrikels. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 11
Abbildung 11: Angrenzende Strukturen an den Plexus choroideus des vierten Ventrikels. Zu den angrenzenden Hirnstrukturen gehören die Medulla oblongata, der Pons, das Kleinhirn, der Kleinhirnvermis und die Kleinhirntonsillen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Figure 12
Abbildung 12: Bestimmung der Segmentierungsgenauigkeit, -leistung und -übereinstimmung. (A) Darstellung, wie die prozentuale Überlappung unter Verwendung des Würfelkoeffizienten (DC) berechnet wird. (B) Der durchschnittliche Oberflächenabstand (avgSD) misst die Abstände zwischen den Grenzflächen der abgegrenzten Strukturen, um Vorhersagen mit Ground Truth oder manuelle Segmentierungen über oder innerhalb von Bewertern zu vergleichen, um die Zuverlässigkeit zu bewerten. (C) Der Intraklassen-Korrelationskoeffizient (ICC) kann für Inter-Rater- (wiederholte Messungen desselben Probanden) oder Intra-Rater-Reliabilitätsanalyse (mehrere Messungen von denselben Bewertern) verwendet werden. Es werden ein repräsentatives Beispiel und eine repräsentative Ausgabe bereitgestellt. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Kritische Schritte des Protokolls
Drei kritische Schritte erfordern bei der Implementierung dieses Protokolls besondere Aufmerksamkeit. Erstens ist die Überprüfung der Qualität und des Kontrasts von MR-Bildern der Schlüssel zur Gewährleistung einer genauen Segmentierung. Ist die Bildqualität zu schlecht oder der Kontrast zu niedrig oder zu hoch, kann es zu einer ungenauen Abgrenzung des Plexus choroideus kommen. Der Kontrast für das Bild kann angepasst werden, indem der Graustufenwert des Bildes angezeigt oder die Werte kalibriert werden, um den Kontrast zwischen den Kernen der grauen Substanz und der grauen Substanz zu verbessern. Zweitens müssen die Bewerter mit der Anatomie des Plexus choroideus vertraut sein und über eine spezielle Ausbildung verfügen. Wenn die Prüfer mit der Anatomie des Plexus choroideus und der angrenzenden Hirnregionen nicht vertraut sind, können sie den Plexus choroideus falsch segmentieren, wodurch das Volumen des Plexus choroideus ungenau wird. Schließlich ist es wichtig, die Reproduzierbarkeit innerhalb und zwischen den Ratern zu bewerten, um sicherzustellen, dass die Bewerter, die eine manuelle Segmentierung durchführen, ihre eigene Segmentierung sowie die Segmentierung des Aderhautplexus durch andere Bewerter reproduzieren können. Diese Zahlen sind auch für die spätere Validierung automatisierter Segmentierungstools von großer Relevanz. Wenn der Datensatz fixiert ist und mehrere Bewerter für die manuelle Segmentierung verwendet werden, wird außerdem empfohlen, dieselbe Fenstereinstellung zu verwenden, damit die Bewerter dasselbe Bild mit dem gleichen Kontrast und der gleichen Helligkeit betrachten. Wenn sich die Fenstereinstellung zwischen den Bewertern ändert, die dasselbe Bild betrachten, wird dasselbe Bild möglicherweise unterschiedlich segmentiert.

Modifikationen und Fehlerbehebung
Benutzer können einige Änderungen an diesem Protokoll vornehmen. Erstens kann das Gewebe des Plexus choroideus im Bereich des Paraseptums und des inferno-anterior-lateralen Teils des Schläfenhorns, der an das Septum pellucidum, den Fornix und den Hippocampus angrenzt, die Segmentierung des Plexus choroideus erschweren. Um diese Schwierigkeit zu lösen, wird vorgeschlagen, die Segmentierung des Aderhautplexus in allen drei Dimensionen durchzuführen, und es wird eine Referenz (Abbildung 6) für die Segmentierung des Aderhautplexus in diesen komplexen Regionen bereitgestellt. Zweitens ist es auch wichtig zu wissen, wann die Segmentierung beendet werden muss. Für den Plexus choroideus im lateralen und dritten Ventrikel kann der rote Kern als Stoppmarke verwendet werden, während für den Plexus choroideus des vierten Ventrikels das Foramen von Magendie als Stopppunkt verwendet werden kann. Drittens kann es schwierig sein, die Grenze zwischen dem Plexus choroideus und dem Liquor im hinter-basalen Teil der lateralen Ventrikel zu unterscheiden. Um dieses Problem auszuräumen, können Signalintensität und anatomische Überlegungen verwendet werden, um dem Bewerter zu helfen, geeignete Segmentierungsentscheidungen zu treffen. Viertens, wenn ein niedrig aufgelöstes Bild verwendet wird, wird empfohlen, bei der Segmentierung konservativer vorzugehen und die kontrastverstärkte Bildgebung zu priorisieren, um die Segmentierung des Plexus choroideus in dieser temporalen Region zu validieren. Wenn keine kontrastverstärkte Bildgebung verfügbar ist, wird empfohlen, diese Region aus dem Segmentierungsprozess auszuschließen. Wenn jedoch ein hochauflösendes Bild verwendet wird, empfiehlt es sich, bei der Segmentierung großzügiger vorzugehen. Auch wenn die Abgrenzung zwischen dem Plexus choroideus und dem Hirnparenchym auf einem hochauflösenden Bild des Schläfenhorns vorgenommen werden kann, wäre ein kontrastverstärktes Bild nicht notwendig. Fünftens kann 3D Slicer auf einem Touchscreen-Computer ausgeführt werden, bei dem ein Eingabestift anstelle einer Maus verwendet werden kann, um die Verfolgung des Aderhautplexus zu verbessern. Diese Software ist jedoch derzeit nicht auf dem iPad verfügbar. Schließlich kann es auf einigen Computern zu Softwareabstürzen kommen, wenn der Plexus choroideus von mehr als zehn Probanden nacheinander abgegrenzt wurde. In diesem Fall kann durch häufiges Klicken auf die Schaltfläche Speichern ein Datenverlust durch den Softwareabsturz verhindert werden.

Begrenzungen
Während die manuelle Segmentierung des Aderhautplexus der Goldstandard für die Gewinnung genauer Volumendaten ist, gibt es mehrere Einschränkungen in Bezug auf die Art und Qualität des Scans sowie die Erfahrung des Bewerters21. Zum Beispiel kann die Größe des Aderhautgeflechts je nach Alter oder Krankheitszustand variieren, was sich auf die Größe des Ventrikels und des Aderhautgeflechts auswirken kann. Daher kann der Plexus choroideus bei jungen, gesunden Personen klein erscheinen, was eine manuelle Segmentierung erschwert. Dieses Problem kann sich noch verschlimmern, wenn das Bild eine schlechtere Auflösung hat (1,2 oder 1,5 mm Isovoxel) und/oder mit einem 1,5-T-MRT-Scanner aufgenommen wurde. Die manuelle Segmentierung des Aderhautplexus kann zusätzlich durch die Helligkeit und den Kontrast des Bildes beeinflusst werden, was es schwierig macht, die Grenzen zu identifizieren, was zu einer Über- oder Unterschätzung des Volumens führt. Darüber hinaus sind der Aderhautplexus des dritten und vierten Ventrikels kleine Strukturen, deren korrekte Segmentierung schwierig sein kann, wenn kein Bild mit höherer Auflösung verfügbar ist (0,7 oder 0,8 mm Isovoxel). Eine Einschränkung bei der Verwendung eines 3D-Slicers anstelle anderer manueller Open-Source-Segmentierungssoftware ist die Unfähigkeit, die Bildsegmentierung gleichzeitig in drei Dimensionen durchzuführen, eine Funktion, die durch ITK-SNAP51 angeboten wird und die Geschwindigkeit der Bildsegmentierung des Aderhautplexus verbessern kann. Darüber hinaus ist die manuelle Segmentierung eine zeitaufwändige und mühsame Aufgabe, die die Untersuchung des Aderhautplexus in großen Kohorten mit Tausenden oder Zehntausenden von Individuen unpraktisch macht, was die Notwendigkeit genauer automatischer Tools zur Segmentierung des Aderhautplexus unterstreicht. Schließlich kann das einfache Zählen von Aderhautplexus-Voxeln ohne Berücksichtigung der partiellen Volumeneffekte des Liquors oder der weißen Substanz zu Fehlern bei der Volumenmessung führen.

Bedeutung in Bezug auf bestehende Methoden
Die Abhängigkeit von FreeSurfer für die Segmentierung des Aderhautplexus, die eine schlechte Genauigkeit aufweist und den Aderhautplexus des dritten und vierten Ventrikels nicht segmentiert, schränkt die grundlegende Arbeit ein, die geleistet werden kann, um die Rolle des Aderhautplexus bei Gesundheit und Krankheit besser zu verstehen. Darüber hinaus kann eine genauere Abgrenzung des Aderhautplexus auch von der Alzheimer-Neuroimaging-Gemeinschaft genutzt werden, um die Kontamination des medialen temporalen Tau-PET-Signals durch Off-Target-Bindung im Aderhautplexus55 zu reduzieren. Während erste Anpassungen von maschinellem Lernen (GMM) und Deep-Learning-Techniken (3D U-Net, nnU-Net, Axial-MLP 8) an Aderhaut-Plexus-Markierungen die Segmentierungsgenauigkeit auf FreeSurfer-abgeleiteten Aderhaut-Plexus-Markierungen verbessert haben 46,48,49, werden Methoden leider nur in kleinen, homogenen Datensätzen trainiert und evaluiert, die weder öffentlich verfügbar noch einfach zu bedienen sind und nur den Aderhautplexus innerhalb der Seitenventrikel unvollständig einbeziehen. Ein Vorbehalt ist, dass zum Zeitpunkt der erneuten Vorlage dieses Protokolls ein Artikel von Yazdan-Panah et al. veröffentlicht wurde, in dem sie eine manuelle Segmentierung des Aderhautplexus lateralis mit ITK-SNAP56 durchführten. Sie verwendeten diese manuell segmentierten Bilder, um ein 2-stufiges 3D-U-Net zu trainieren, und zeigten einen durchschnittlichen DC von 0,72 mit der Ground Truth, und es übertraf FreeSurfer- und FastSurfer-basierte Segmentierungen56. Die Verallgemeinerbarkeit auf andere Auflösungen, Scanner, Alter und mehrere Krankheiten ist nicht erwiesen und angesichts der Herausforderung des Domänentransfers in der Tat unwahrscheinlich.

Zukünftige Anwendungen
Aufgrund der oben genannten Einschränkungen ist ein Protokoll zur genauen Segmentierung des Aderhautplexus erforderlich. Um ein automatisiertes Segmentierungswerkzeug für den Aderhautplexus zu erstellen, dessen Entwicklung aufgrund der Beschaffenheit dieser Struktur eine Herausforderung darstellen kann, ist darüber hinaus ein umfassender annotierter Datensatz des Aderhautplexus erforderlich, der verschiedene Parameter umfasst und mit einer Reihe methodischer Innovationen für die hochmoderne Open-Source-Software FastSurfer42,43 kombiniert wird, eine fortschrittliche und skalierbare Deep-Learning-basierte Neuroimaging-Pipeline für die automatisierte kortikale und subkortikale Segmentierung. Es hat sich gezeigt, dass FastSurferCNN 3D-U-Net-, SDNet- und QuickNAT-Modelle bei der kortikalen und subkortikalen Segmentierung von fast 100 Strukturen mit einem durchschnittlichen DC-Wert > 8542 übertrifft. So kann eine große und umfassende Annotation des Plexus choroideus mit FastSurfer verwendet werden, um (1) eine 3D-Architektur mit verbesserten internen Augmentationstechniken, (2) die Fähigkeit, zum ersten Mal auch partielle Volumenschätzungen direkt vorherzusagen, sowie (3) Ausgabesegmentierungen mit höheren Auflösungen (Superauflösung) zur Datenharmonisierung signifikant zu erweitern. Die Autoren planen, weiter an der Anpassung und Entwicklung von FastSurfer zu arbeiten, um ein hochpräzises Tool zur Segmentierung des Aderhautplexus für den lateralen, dritten und vierten Ventrikel zu schaffen und dies offen mit der Forschungsgemeinschaft zu teilen.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Die Autoren haben keine konkurrierenden finanziellen Interessen.

Acknowledgments

Diese Arbeit wurde durch einen National Institute of Mental Health Award R01 MH131586 (an P.L und M.R), R01 MH078113 (an M.K) und ein Sydney R Baer Jr Foundation Grant (an P.L.) unterstützt.

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

Diesen Monat in JoVE Ausgabe 202 Plexus choroideus MRT manuelle Segmentierung Mensch Volumen Neuroimaging
Manuelle Segmentierung des menschlichen Aderhautplexus mittels Hirn-MRT
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