Waiting
Login processing...

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

Neuroscience

मस्तिष्क एमआरआई का उपयोग कर मानव रंजित जाल के मैनुअल विभाजन

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

मस्तिष्क में रंजित जाल की महत्वपूर्ण भूमिका के बावजूद, विश्वसनीय स्वचालित विभाजन उपकरणों की कमी के कारण इस संरचना के न्यूरोइमेजिंग अध्ययन दुर्लभ हैं। वर्तमान प्रोटोकॉल का उद्देश्य रंजित जाल के स्वर्ण-मानक मैनुअल विभाजन को सुनिश्चित करना है जो भविष्य के न्यूरोइमेजिंग अध्ययनों को सूचित कर सकता है।

Abstract

कोरॉइड प्लेक्सस को न्यूरोडेवलपमेंट और मस्तिष्क विकारों की एक श्रृंखला में फंसाया गया है। साक्ष्य दर्शाता है कि रंजित जाल मस्तिष्क परिपक्वता, प्रतिरक्षा / भड़काऊ विनियमन, और व्यवहार / संज्ञानात्मक कार्य के लिए महत्वपूर्ण है। हालांकि, वर्तमान स्वचालित न्यूरोइमेजिंग विभाजन उपकरण पार्श्व वेंट्रिकल रंजित जाल को सही और मज़बूती से विभाजित करने में खराब हैं। इसके अलावा, कोई मौजूदा उपकरण नहीं है जो मस्तिष्क के तीसरे और चौथे निलय में स्थित कोरॉइड प्लेक्सस को खंडित करता है। इस प्रकार, पार्श्व, तीसरे, और चौथे वेंट्रिकल में रंजित जाल खंड करने के लिए कैसे एक प्रोटोकॉल neurodevelopmental और मस्तिष्क विकारों में रंजित जाल की जांच अध्ययन की विश्वसनीयता और प्रतिकृति बढ़ाने के लिए आवश्यक है. यह प्रोटोकॉल DICOM या NIFTI छवियों के आधार पर रंजित जाल के लिए 3D स्लाइसर में अलग से लेबल की गई फ़ाइलें बनाने के लिए विस्तृत चरण प्रदान करता है। रंजित जाल मैन्युअल अक्षीय, धनु और T1w छवियों के कोरोनल विमानों का उपयोग कर खंडित किया जाएगा, निलय की सीमा ग्रे या सफेद पदार्थ संरचनाओं से voxels को बाहर करने के लिए सुनिश्चित करने. रंजित जाल और इसकी शारीरिक सीमाओं के स्थानीयकरण में सहायता के लिए विंडोिंग को समायोजित किया जाएगा। सटीकता और विश्वसनीयता का आकलन करने के तरीके इस प्रोटोकॉल के हिस्से के रूप में प्रदर्शित किया जाएगा. मैनुअल परिसीमन का उपयोग कर रंजित जाल के सोने के मानक विभाजन खुले तौर पर जीवन भर में और विभिन्न मस्तिष्क विकारों के भीतर रंकश जाल में परिवर्तन स्पष्ट करने के लिए साझा किया जा सकता है कि बेहतर और अधिक विश्वसनीय स्वचालित विभाजन उपकरण विकसित करने के लिए इस्तेमाल किया जा सकता है.

Introduction

रंजित जाल समारोह
रंजित जाल मस्तिष्क में एक अत्यधिक संवहनी संरचना fenestrated केशिकाओं और रंजित जाल उपकलाकोशिकाओं 1 के एक monolayer से मिलकर है. रंजित जाल पार्श्व, तीसरे, और चौथे सेरेब्रल वेंट्रिकल्स में परियोजनाओं और मस्तिष्कमेरु द्रव (सीएसएफ), जो तंत्रिका patterning2 और मस्तिष्क शरीर क्रिया विज्ञान 3,4 में एक महत्वपूर्ण भूमिका निभाता है का उत्पादन करता है. रंजित जाल neurovascular पदार्थों secretes, भंडार की तरह एक स्टेम सेल शामिल, और विषाक्त चयापचयों के प्रवेश को बाधित करने के लिए एक भौतिक बाधा के रूप में कार्य करता है, एक एंजाइमी बाधा है कि moieties को दूर करने के लिए जो भौतिक बाधा को दरकिनार करने के लिए, और विदेशी आक्रमणकारियों के खिलाफ की रक्षा के लिए एक प्रतिरक्षाविज्ञानी बाधा5. रंजित जाल neurogenesis6, synaptic प्लास्टिसिटी7, सूजन8, circadian ताल 9,10, आंत मस्तिष्क अक्ष11, और अनुभूति12 modulates. इसके अलावा, परिधीय साइटोकिन्स, तनाव और संक्रमण (SARS-CoV-2 सहित) रक्त-सीएसएफ बाधा 13,14,15,16 को बाधित कर सकते हैं। इस प्रकार, रंजित जाल सीएसएफ प्रणाली neurodevelopment के लिए अभिन्न अंग है, neurocircuit परिपक्वता, मस्तिष्क homeostasis, और17 की मरम्मत. चूंकि प्रतिरक्षा, भड़काऊ, चयापचय, और एंजाइमी परिवर्तन मस्तिष्क को प्रभावित करते हैं, शोधकर्ता जीवन भर और मस्तिष्क विकारों 18,19,20 में कोरॉइड प्लेक्सस की भूमिका का आकलन करने के लिए न्यूरोइमेजिंग टूल का उपयोग कर रहे हैं। हालांकि, कोरॉइड प्लेक्सस सेगमेंटेशन के लिए आमतौर पर इस्तेमाल किए जाने वाले स्वचालित उपकरणों में सीमाएं मौजूद हैं, जैसे कि फ्रीसर्फर, जिसके परिणामस्वरूप कोरॉइड प्लेक्सस खराब खंडित होता है। इस प्रकार, रंजित जाल के जमीनी सच्चाई मैनुअल विभाजन के लिए एक महत्वपूर्ण आवश्यकता है जिसका उपयोग रंजित जाल विभाजन के लिए एक सटीक स्वचालित उपकरण विकसित करने के लिए किया जा सकता है।

न्यूरोडेवलपमेंट और मस्तिष्क विकारों में रंजित जाल
मस्तिष्क विकारों में रंजित जाल की भूमिका लंबे समय से उपेक्षित किया गया है, मुख्यतः क्योंकि यह एक सहायक खिलाड़ी जिसका भूमिका मस्तिष्क को कुशन और एक उचित नमक संतुलन 2,21 बनाए रखने के लिए किया गया था के रूप में माना जाता था. हालांकि, रंजित जाल इस तरह के दर्द सिंड्रोम22 के रूप में मस्तिष्क विकारों से जुड़े एक संरचना के रूप में ध्यान आकर्षित किया है, SARS-CoV-2 16,23,24, neurodevelopmental2, और मस्तिष्क विकारों19, व्यवहार विकारों के विकास में एक transdiagnostic प्रभाव का सुझाव. न्यूरोडेवलपमेंटल विकारों में, रंजित जाल अल्सर विकास में देरी, ध्यान-घाटे / अति सक्रियता विकार (एडीएचडी), या आत्मकेंद्रित स्पेक्ट्रम विकार (एएसडी)25,26के बढ़ते जोखिम से जुड़े थे। इसके अतिरिक्त, एएसडी27 के रोगियों में पार्श्व वेंट्रिकल कोरॉइड प्लेक्सस मात्रा में वृद्धि पाई गई। मस्तिष्क विकारों में, रंजित जाल असामान्यताओं मनोवैज्ञानिक विकारों28,29 में 1921 के बाद से वर्णित किया गया है. पिछले अध्ययनों दोनों उनके पहली डिग्री रिश्तेदारों और19 नियंत्रण की तुलना में मनोवैज्ञानिक विकारों के साथ रोगियों के एक बड़े नमूने में FreeSurfer विभाजन का उपयोग कर रंजीय जाल इज़ाफ़ा की पहचान की है. इन निष्कर्षों को मनोविकृति आबादी के लिए नैदानिक उच्च जोखिम के एक बड़े नमूने में मैन्युअल रूप से खंडित रंजित जाल मात्रा का उपयोग करके दोहराया गया था और पाया कि इन रोगियों को स्वस्थ नियंत्रण30 की तुलना में बड़ा रंजित जाल मात्रा थी। जटिल क्षेत्रीय दर्द सिंड्रोम22, स्ट्रोक31, मल्टीपल स्केलेरोसिस20,32, अल्जाइमर33,34, और अवसाद35 में कोरॉइड प्लेक्सस इज़ाफ़ा का प्रदर्शन करने वाले अध्ययनों की बढ़ती संख्या है, कुछ परिधीय और मस्तिष्क प्रतिरक्षा / भड़काऊ गतिविधि के बीच एक लिंक का प्रदर्शन करते हैं। ये न्यूरोइमेजिंग अध्ययन आशाजनक हैं; हालांकि, FreeSurfer21 द्वारा गरीब पार्श्व वेंट्रिकल रंजित जाल विभाजन स्वचालित रंजित जाल मात्रा अनुमान की विश्वसनीयता को सीमित करता है. नतीजतन, मल्टीपल स्केलेरोसिस20,32, अवसाद35, अल्जाइमर34, और प्रारंभिक मनोविकृति36 में अध्ययन ने पार्श्व वेंट्रिकल कोरॉइड प्लेक्सस को मैन्युअल रूप से विभाजित करना शुरू कर दिया है, लेकिन ऐसा करने के लिए कोई मौजूदा दिशानिर्देश नहीं हैं, न ही तीसरे और चौथे वेंट्रिकल कोरॉइड प्लेक्सस को विभाजित करने पर उनका मार्गदर्शन है।

सामान्य विभाजन उपकरण कोरॉइड प्लेक्सस को बाहर करते हैं
मस्तिष्क विभाजन पाइपलाइन जैसे FreeSurfer37,38,39, FMRIB Software Library (FSL)40, SLANT41, और FastSurfer (सह-लेखक मार्टिन रॉयटर द्वारा विकसित)42,43, एटलस-आधारित (FSL), एटलस- और सतह-आधारित (FreeSurfer), और गहन शिक्षण विभाजन प्रतिमान (SLANT और FastSurfer) को नियोजित करने वाली कॉर्टिकल और सबकोर्टिकल संरचनाओं को सटीक और मज़बूती से खंडित करती हैं। इन दृष्टिकोणों में से कुछ की कमजोरियों प्रसंस्करण गति, विभिन्न स्कैनर, क्षेत्र ताकत और स्वर आकार37,44 के लिए सीमित सामान्यीकरण, और एक मानक एटलस अंतरिक्ष में लेबल मानचित्र के मजबूर संरेखण शामिल हैं. हालांकि, कोरॉइड प्लेक्सस को खंडित करने की क्षमता और उच्च-रिज़ॉल्यूशन एमआरआई के साथ संगतता केवल फ्रीसर्फर और फास्टसर्फर द्वारा संबोधित की जाती है। FastSurfer के पीछे तंत्रिका नेटवर्क, FreeSurfer रंजित जाल लेबल पर प्रशिक्षित कर रहे हैं, तो वे FreeSurfer पहले से चर्चा की विश्वसनीयता और कवरेज सीमाओं वारिस है, तीसरे और चौथे निलय21 नजरअंदाज कर दिया जा रहा है. उच्च-रिज़ॉल्यूशन एमआरआई के लिए वर्तमान सीमाएं भी मौजूद हैं, लेकिन इस मुद्दे को संभालने के लिए फ्रीसर्फर की उच्च-रिज़ॉल्यूशन स्ट्रीम45 और फास्टसर्फरविन43 का उपयोग किया जा सकता है।

वर्तमान रंजित जाल विभाजन उपकरण
रंजित जाल के लिए केवल एक स्वतंत्र रूप से उपलब्ध विभाजन उपकरण है, लेकिन विभाजन सटीकता सीमित है. सटीक रंजित जाल विभाजन कारकों की एक किस्म से प्रभावित किया जा सकता है, सहित (1) रंजित जाल स्थान में परिवर्तनशीलता (स्थानिक गैर स्थिर) निलय के भीतर अपने स्थान के कारण, (2) स्वर तीव्रता में मतभेद, इसके विपरीत, संकल्प (भीतर-संरचना विषमता) सेलुलर विषमता के कारण, गतिशील रंजोश जाल समारोह, रोग परिवर्तन, या आंशिक मात्रा प्रभाव, (3) उम्र या विकृति से संबंधित वेंट्रिकुलर आकार रंगाकार जाल आकार को प्रभावित करने के अंतर, और (4) आसन्न उपकोर्टिकल संरचनाओं (हिप्पोकैम्पस, अमिगडाला, कॉडेट और सेरिबैलम) से निकटता, जिन्हें खंडित करना भी मुश्किल है। इन चुनौतियों को देखते हुए, FreeSurfer विभाजन अक्सर रंजित जाल के तहत या अधिक अनुमान, गलत लेबल या अनदेखा करते हैं।

तीन हाल के प्रकाशनों एक गाऊसी मिश्रण मॉडल (जीएमएम)46, एक अक्षीय-एमएलपी47, और यू-नेट आधारित गहरी शिक्षा दृष्टिकोण48 के साथ विश्वसनीय रंजित जाल विभाजन के अंतर को संबोधित किया. प्रत्येक मॉडल को स्कैनर, साइटों, जनसांख्यिकी और विकारों की सीमित विविधता के साथ अधिकतम 150 विषयों के निजी, मैन्युअल रूप से लेबल किए गए डेटासेट का उपयोग करके प्रशिक्षित और मूल्यांकन किया गया था। जबकि इन प्रकाशनों 46,48,49 ने फ्रीसर्फर के कोरॉइड प्लेक्सस सेगमेंटेशन पर महत्वपूर्ण सुधार हासिल किए - कभी-कभी भविष्यवाणी और जमीनी सच्चाई के चौराहे को दोगुना कर दिया, न तो विधि (1) उच्च-रिज़ॉल्यूशन एमआरआई में मान्य है, (2) सामान्यीकरण और विश्वसनीयता विश्लेषण समर्पित है, (3) बड़े प्रतिनिधि प्रशिक्षण और परीक्षण डेटासेट की सुविधा है, (4) विशेष रूप से कोरॉइड प्लेक्सस विभाजन चुनौतियों को संबोधित या विश्लेषण करता है जैसे आंशिक वॉल्यूम प्रभाव, या (5) सार्वजनिक रूप से उपयोग के लिए तैयार उपकरण के रूप में उपलब्ध है। इस प्रकार, रंजित जाल विभाजन के लिए वर्तमान "सोने मानक" मैनुअल अनुरेखण है, उदाहरण के लिए, 3 डी स्लाइसर50 या ITK-स्नैप51 का उपयोग कर, जो पहले वर्णित नहीं किया गया है और उनके अध्ययन में रंजित जाल की भूमिका की जांच करने के इच्छुक शोधकर्ताओं के लिए एक बड़ी चुनौती रही है. 3 डी स्लाइसर सॉफ्टवेयर के साथ लेखक की परिचितता के कारण मैनुअल विभाजन के लिए चुना गया था और क्योंकि यह वांछित परिणाम प्राप्त करने के लिए संयुक्त किया जा सकता है कि विभिन्न दृष्टिकोणों के आधार पर विभिन्न उपकरणों के साथ उपयोगकर्ता प्रदान करता है. अन्य उपकरणों का उपयोग किया जा सकता है, जैसे कि ITK-SNAP, जो मुख्य रूप से छवि विभाजन पर उन्मुख है, और एक बार उपकरण में महारत हासिल हो जाने के बाद, उपयोगकर्ता द्वारा अच्छे परिणाम प्राप्त किए जा सकते हैं। इसके अतिरिक्त, लेखकों ने 3 डी स्लाइसर30 का उपयोग करके अपने मैनुअल विभाजन तकनीक की उच्च सटीकता और विश्वसनीयता का प्रदर्शन करते हुए एक केस-कंट्रोल अध्ययन किया है, और उस विशिष्ट पद्धति का वर्णन यहां किया गया है।

Subscription Required. Please recommend JoVE to your librarian.

Protocol

वर्तमान प्रोटोकॉल बेथ इसराइल डेकोनेस मेडिकल सेंटर में संस्थागत समीक्षा बोर्ड द्वारा अनुमोदित किया गया था. एक मस्तिष्क एमआरआई स्कैन के साथ एक स्वस्थ विषय जो कलाकृतियों या आंदोलन से मुक्त था, इस प्रोटोकॉल प्रदर्शन के लिए इस्तेमाल किया गया था, और लिखित सूचित सहमति प्राप्त की गई थी। 32-चैनल हेड कॉइल (सामग्री की तालिकादेखें) के साथ एक 3.0 टी एमआरआई स्कैनर का उपयोग 1 मिमी x 1 मिमी x 1.2 मिमी रिज़ॉल्यूशन के साथ 3डी-टी 1 छवियों को प्राप्त करने के लिए किया गया था। 256 x 256 फील्ड ऑफ व्यू, TR/TE/TI=7.38/3.06/400 ms और 11-डिग्री फ्लिप एंगल के साथ MP-RAGE ASSET अनुक्रम का उपयोग किया गया था।

1. 3 डी स्लाइसर के लिए मस्तिष्क एमआरआई आयात

नोट: 3D स्लाइसर अपने यूजर इंटरफेस से संबंधित दस्तावेज प्रदान करता है।

  1. 3 डी स्लाइसर में आयात करने के लिए मस्तिष्क एमआरआई DICOM (डिजिटल इमेजिंग और चिकित्सा में संचार) या NIFTI (न्यूरोइमेजिंग सूचना विज्ञान प्रौद्योगिकी पहल) फ़ाइलें तैयार करें।
  2. टूलबार के ऊपरी बाएँ कोने में DCM बटन पर क्लिक करके DICOM डेटा आयात करें। फिर DICOM प्रारूप डेटा आयात करने के लिए DICOM फ़ाइलें आयात करें बटन पर क्लिक करें।
  3. यदि एमआरआई डेटा एनआईएफटीआई प्रारूप में है, तो टूलबार के ऊपरी बाएँ कोने में डेटा बटन पर क्लिक करके इसे आयात करें। पॉप-अप संवाद में, किसी फ़ोल्डर में बैच आयात NIFTI डेटा में जोड़ने के लिए निर्देशिका चुनें चुनें या विशिष्ट NIFTI फ़ाइलों को आयात करने के लिए जोड़ें के लिए फ़ाइलें चुनें चुनें। फिर, क्लिक करें ठीक 3D स्लाइसर पर डेटा अपलोड करने के लिए आगे बढ़ने के लिए बटन।
  4. आयात के बाद, एमआरआई डेटा अक्षीय, धनु और कोरोनल विमानों को प्रदर्शित करने वाली दाईं ओर विंडो में दिखाई देगा।
  5. लेआउट्स पर नेविगेट करके और किसी विशिष्ट लेआउट का चयन करके विंडो का लेआउट बदलें। यह या तो 3 डी स्लाइसर के टूलबार में लेआउट मॉड्यूल छवि पर क्लिक करके या एप्लिकेशन मेनू से व्यू > लेआउट के माध्यम से पाया जा सकता है।

2. 3D स्लाइसर में नमूना डेटा से DICOM डाउनलोड करना

  1. स्लाइसर में आपका स्वागत है अनुभाग की प्रारंभिक स्क्रीन में नमूना डेटा डाउनलोड करें बटन क्लिक करें. फिर MRHead बटन का चयन करें, और यह डाउनलोड प्रक्रिया शुरू कर देगा, जिसमें कुछ मिनट लग सकते हैं।
  2. सुनिश्चित करें कि अक्षीय, धनु और कोरोनल विमानों के साथ मस्तिष्क एमआरआई डेटा सही खिड़की पर दिखाए गए हैं।

3. गुणवत्ता नियंत्रण और एमआरआई छवि को समायोजित करना

  1. गुणात्मक छवि की गुणवत्ता और सिर गति या स्कैनिंग मुद्दों के कारण कलाकृतियों की उपस्थिति गंभीर रूप से प्रत्येक एमआरआई टुकड़ा की समीक्षा करके निर्धारित करें.
  2. राइट-क्लिक करके और माउस को ज़ूम आउट या इन, क्रमशः ज़ूम आउट या इन करने के लिए ऊपर या नीचे ले जाकर छवि स्लाइस को ज़ूम करें।
  3. छवि स्लाइस को इधर-उधर ले जाने के लिए, छवि पर बायाँ-क्लिक करें , Shift कुंजी दबाए रखें और माउस को चारों ओर खींचें।
  4. छवि चमक को समायोजित करने से कोरॉइड प्लेक्सस को देखने में मदद मिल सकती है। ऐसा करने के लिए, या तो टूलबार में एडजस्ट विंडो/लेवल ऑफ वॉल्यूम पर क्लिक करें या इमेज पर बायाँ-क्लिक करें और क्रमशः ब्राइटनेस को बढ़ाने या कम करने के लिए माउस को ऊपर या नीचे ले जाएं ।
  5. कंट्रास्ट को समायोजित करने से कोरॉइड प्लेक्सस को खोजने में भी मदद मिल सकती है। छवि स्लाइस पर बायाँ-क्लिक करें और क्रमशः कंट्रास्ट को बढ़ाने या घटाने के लिए माउस को बाएँ या दाएँ ले जाएँ । रंजित जाल के लिए उपयुक्त विपरीत निर्धारित करने के लिए, गहरे भूरे रंग के पदार्थ नाभिक (पार्श्व और तीसरे निलय के आसपास सरणी ग्रे पदार्थ के केंद्रीय द्रव्यमान) या विपरीत पैमाने पट्टी में दिखाया संकेत तीव्रता का उपयोग करें.
  6. एक बार पसंदीदा कंट्रास्ट का चयन करने के बाद, पूरे विभाजन में एक ही कंट्रास्ट बनाए रखें और सुप्रा- और इन्फ्रा-टेंटोरियल क्षेत्रों में संभावित विविधताओं के लिए समायोजित न करें।

4. रंजित जाल के मैनुअल खंडों बनाना

  1. पार्श्व, तीसरा, और चौथे वेंट्रिकल रंजित जाल के विभाजन शुरू करने के लिए, खंड संपादक मॉड्यूल में विभाजन फ़ाइलें बनाने. वहां नेविगेट करने के लिए, टूलबार में सेगमेंट एडिटर पर क्लिक करें या मॉड्यूल: ड्रॉप-डाउन मेनू पर जाएं और सेगमेंट एडिटर चुनें।
  2. विभाजन के लिए ड्रॉप-डाउन मेनू पर क्लिक करें (यदि कई segmentations बनाया गया तो) विभिन्न segmentations का चयन करें और वर्तमान में चयनित विभाजन का नाम बदलें.
  3. मास्टर वॉल्यूम ड्रॉप-डाउन का उपयोग यह चुनने के लिए करें कि कौन से NIFTI या DICOM सेट को संपादन की आवश्यकता है। केवल जब वॉल्यूम फ़ाइल का चयन किया जाता है, तो उपयोगकर्ता सेगमेंटिंग/संपादन शुरू कर सकता है।
  4. पार्श्व वेंट्रिकल रंजित जाल के लिए दो खंडों को जोड़ने के लिए दो बार जोड़ें बटन पर क्लिक करें. इनका नाम बदलने के लिए, नाम पर डबल-क्लिक करें और उन्हें राइट लेटरल वेंट्रिकल रंजित जाल और लेफ्ट लेटरल वेंट्रिकल रंजित प्लेक्सस में बदलें।
  5. तीसरे और चौथे वेंट्रिकल रंजित जाल के लिए खंडों को जोड़ने के लिए फिर से जोड़ें बटन पर क्लिक करें, और उन्हें "3वें वेंट्रिकल रंजित जाल" और "4वेंट्रिकल रंजित जाल" करने के लिए नाम बदलें.

5. विभिन्न स्लाइस और विभाजन देखना

  1. संपादन से पहले, यह जानने के लिए पृष्ठभूमि अध्ययन करें कि देखने की विंडो में लेआउट के बीच कैसे स्थानांतरित किया जाए और विभाजन के दृश्य या अस्पष्टता को कैसे बदला जाए।
  2. देखने की खिड़की के शीर्ष पर और स्लाइस स्लाइडर के बाईं ओर, पिन आइकन पर क्लिक करें। यह एक ड्रॉप-डाउन मेनू खोलेगा, जो विंडो के विशिष्ट लेआउट के आधार पर भिन्न हो सकता है।
    नोट: विभिन्न लेआउट का उपयोग करते समय रंजित जाल खंडित जब इसकी संरचना व्यक्तियों के बीच भिन्न हो सकते हैं सहायक हो सकता है. उदाहरण के लिए, 'पारंपरिक' लेआउट उपयोगकर्ता को एक साथ सभी तीन स्लाइस और दृश्य के 3 डी दृश्य को देखने की अनुमति देता है। 'लाल/पीला/हरा टुकड़ा केवल' का चयन उपयोगकर्ता रंजीय जाल का एक और अधिक सटीक विभाजन के लिए अनुमति देने के लिए 2 डी टुकड़ा के एक नज़दीकी दृश्य देता है.

6. पार्श्व वेंट्रिकल रंजित जाल ROIs चित्रांकन

नोट: मैनुअल विभाजन के लिए टेम्पलेट में छवि पंजीकरण आवश्यक नहीं है।

  1. पार्श्व वेंट्रिकल रंजित जाल के लिए, अक्षीय विमान में शुरू करें यह सुनिश्चित करना कि छवियों को द्विकोमिसुरल रेखा के आधार पर तैनात किया गया है। फिर पार्श्व वेंट्रिकल रंजित जाल का पता लगाने के लिए एक संदर्भ बिंदु के रूप में त्रिकोणम संपार्श्विक का उपयोग करें.
    1. एक बार अक्षीय विमान में संपादन किया गया है, शेष विचारों (धनु और कोरोनल) के लिए कदम सुनिश्चित करने के लिए कि पार्श्व वेंट्रिकल रंजित जाल के मैनुअल विभाजन आसपास के मस्तिष्क parenchyma या सीएसएफ पर कब्जा नहीं कर रहा है.
  2. संपादन शुरू करने के लिए, काम करने के लिए सेगमेंट पर क्लिक करें, और सेगमेंट का नाम हाइलाइट हो जाएगा।
  3. मैन्युअल विभाजन शुरू करने के लिए सेगमेंट एडिटर के प्रभाव अनुभाग में पेंट या ड्रा टूल पर क्लिक करें।
    नोट: यह एक विमान (कोरोनल, अक्षीय, या धनु) में सेगमेंटिंग शुरू करने के लिए सबसे अच्छा है, और स्लाइस के सभी में विभाजन पूरा हो गया है के बाद, अन्य विमानों की जाँच करें और मैनुअल विभाजन को परिष्कृत करने के लिए कदम. यह सुझाव दिया जाता है कि उपयोगकर्ता अक्षीय या कोरोनल विमानों से शुरू होता है क्योंकि पार्श्व वेंट्रिकल कोरॉइड प्लेक्सस इन दृश्यों में अधिक आसानी से देखा जाता है।
  4. ड्रा टूल का उपयोग करते समय, लेटरल वेंट्रिकल कोरॉइड प्लेक्सस की सीमा पर एक समोच्च बनाने के लिए बायाँ-क्लिक करें और दबाए रखें। एक बार ट्रेस हो जाने के बाद, ड्रॉ-इन क्षेत्र को भरने के लिए राइट-क्लिक करें।
  5. पेंट टूल का उपयोग करते समय, पहले पेंटिंग के लिए उपयोग किए जाने वाले ब्रश के व्यास का चयन करें। रंजित जाल के अधिक सटीक परिसीमन के लिए 3% या 5% ब्रश का सुझाव दिया जाता है, जबकि 10% बड़े चयन के लिए उपयोगी हो सकता है।
  6. किसी भी उपकरण के लिए, चयन जोड़कर या हटाकर किसी भी गलत परिसीमन को सुधारने के लिए पेंट या इरेज़ का उपयोग करें।
    नोट: देखने के अन्य विमानों को संदर्भित करने से पार्श्व वेंट्रिकल कोरॉइड प्लेक्सस संरचना बनाम अन्य मस्तिष्क संरचनाओं, जैसे आसपास के ग्रे पदार्थ, फोर्निक्स, कॉर्पस कॉलोसम या हिप्पोकैम्पस की पहचान करने में सहायता मिल सकती है। उपयोगकर्ता को मस्तिष्क स्कैन को बाहर करने के लिए प्रोत्साहित किया जाता है जिसमें कोरॉइड प्लेक्सस सिस्ट की पहचान की जाती है।
  7. पार्श्व निलय में रंजित जाल के विभाजन को रोकने के लिए एक मील का पत्थर के रूप में लाल नाभिक के स्तर का प्रयोग करें.

7. तीसरे और चौथे वेंट्रिकल रंजित जाल ROIs चित्रांकन

नोट: उच्च संकल्प T1w छवियों (जैसे 0.7 या 0.8 मिमी) और उन एक 7T एमआरआई पर प्राप्त तीसरे और चौथे वेंट्रिकल रंजित जाल के एक और अधिक सटीक और विश्वसनीय मैनुअल विभाजन प्रदान करेगा. तीसरे और चौथे वेंट्रिकल रंजित जाल विभाजन पार्श्व वेंट्रिकल रंजित जाल की तुलना में अधिक कठिन है के रूप में इन क्षेत्रों को बहुत छोटे और कम स्वर के साथ चित्रित करने के लिए हो सकता है.

  1. तीसरे वेंट्रिकल रंजित जाल के लिए, बाण के समान विमान में शुरू करें और 3वें वेंट्रिकल में रंजित जाल को इंगित करने के लिए संदर्भ बिंदुओं के रूप में मोनरो, फोर्निक्स, कॉर्पस कॉलोसम, थैलेमस और आंतरिक सेरेब्रल नस के फोरामेन का उपयोग करें। एक ही विमान के भीतर स्लाइस के बीच चलती एक क्षेत्र fornix, thalamus, नस, या तीसरे वेंट्रिकल रंजित जाल है कि क्या निर्धारित करने में सहायता कर सकते हैं.
    1. एक बार संपादन धनु विमान में किए गए हैं, शेष विचारों (अक्षीय और कोरोनल) के लिए नेविगेट करने के लिए सुनिश्चित करें कि तीसरे वेंट्रिकल रंजित जाल के मैनुअल विभाजन आसपास के मस्तिष्क parenchyma या सीएसएफ का चयन नहीं कर रहा है.
  2. इसी तरह, चौथे वेंट्रिकल रंजित जाल के लिए, बाण के समान विमान में शुरू और बेहतर अनुमस्तिष्क peduncle, पोंस, और मज्जा संदर्भ अंक के रूप में चौथे वेंट्रिकल में रंजित जाल को इंगित करने के लिए उपयोग करें. एक ही विमान के भीतर स्लाइस के बीच चलती एक क्षेत्र सेरिबैलम, अनुमस्तिष्क टॉन्सिल, अवर मज्जा वेलम या 4वेंट्रिकल कोरॉइड प्लेक्सस है कि क्या यह निर्धारित करने में सहायता कर सकते हैं।
    1. एक बार संपादन धनु विमान में पूरा हो गया है, शेष विचारों (अक्षीय और राज्याभिषेक) के लिए कदम सुनिश्चित करें कि चौथे वेंट्रिकल रंजित जाल के मैनुअल विभाजन आसपास के मस्तिष्क parenchyma या सीएसएफ का चयन नहीं कर रहा है.

8. रंजित जाल की मात्रा की गणना

  1. मॉड्यूल ड्रॉप-डाउन मेनू से, परिमाणीकरण पर नेविगेट करें और सेगमेंट सांख्यिकी का चयन करें।
  2. इनपुट के तहत, विभाजन उपकरण के तहत quantifying के लिए नए विभाजन मानचित्र का चयन करें और अदिश मात्रा से एमआरआई मात्रा का चयन. आउटपुट तालिका (आउटपुट के अंतर्गत) के लिए, तालिका विकल्प चुनें. एक बार पूरा हो जाने पर, लागू करें दबाएं, और रंजित जाल की मात्रा वाली एक तालिका विभिन्न इकाइयों में दिखाई देगी।

9. सेगमेंट और वॉल्यूम परिणामों को सहेजना

  1. दबाएं सहेजें जनरेट की गई फ़ाइलों को सहेजने के लिए टूलबार के ऊपरी बाएँ कोने में बटन।
  2. विभाजन फ़ाइलों को .nrrd (3D स्लाइसर फ़ाइल), .nii.gz (NIFTI फ़ाइल) या .tsv (तालिका फ़ाइल) के रूप में सहेजें।

10. सटीकता, प्रदर्शन, और विभाजन के समझौते का निर्धारण

नोट: MONAI पैकेज ( सामग्री की तालिकादेखें) का उपयोग करने की अनुशंसा की जाती है, जो पासा गुणांक (DC) और DeepMind औसत सतह दूरी (avgSD) का वर्णन करता है। डीसी और एवीजीएसडी पर विवरण नीचे वर्णित हैं। इन मेट्रिक्स की गणना करने के लिए, पाठकों को यह जानना होगा कि प्रोग्राम कैसे करें (उदाहरण के लिए, पायथन, डिस्क से छवियों को पढ़ें, इन कार्यों के लिए उपयुक्त इनपुट सरणियों के लिए डेटा को फिर से प्रारूपित करें)। कोई उपयोगकर्ता के अनुकूल पैकेज नहीं है जिसमें ये सभी मीट्रिक शामिल हों।

  1. डीसी स्कोर दो ज्यामितीय डोमेन के ओवरलैप को निर्धारित करने के लिए एक मानक दृष्टिकोण है। दो विभाजन के बीच औसत डीसी स्कोर की गणना करने के लिए, दो टेंसर y_pred और वाई, यानी, प्रत्येक बिनाराइज्ड लेबल छवि के लिए एक फ्रेम के साथ बहु-फ्रेम छवियां प्रदान करें। टेंसर y_pred और वाई में दो अलग-अलग मैनुअल रेटर्स के विभाजन, एक ही रेटर के बार-बार विभाजन, या स्वचालित भविष्यवाणी और मैनुअल ग्राउंड ट्रुथ शामिल हो सकते हैं।
    1. माध्य DC स्कोर की गणना करने के लिए फ़ंक्शन monai.metrics.compute_meandice का उपयोग करें।
    2. monai.transforms.post के साथ उपयुक्त बाइनरी लेबल टेंसर उत्पन्न करें।
      नोट: include_background पैरामीटर को पहली श्रेणी (चैनल अनुक्रमणिका 0) को DC गणना से बाहर करने के लिए False पर सेट किया जा सकता है, जो कन्वेंशन द्वारा, पृष्ठभूमि माना जाता है।
  2. औसत एसडी स्कोर को कम सामान्य मानें, और ध्यान दें कि दृष्टिकोण भिन्न हो सकता है क्योंकि सतह की दूरी के लिए कई परिभाषाएं मौजूद हैं। उदाहरण के लिए, अधिकतम दूरी (जिसे हॉसडॉर्फ दूरी के रूप में भी जाना जाता है, आउटलेयर के प्रति अत्यधिक संवेदनशील), औसत दूरी (जैसा कि यहां वर्णित है), और 95 वें प्रतिशत (अत्यधिक मजबूत) का उपयोग अक्सर उपयोग किए जाने वाले उपायों के रूप में करें।
    1. avgSD स्कोर परिकलित करने के लिए फ़ंक्शन compute_average_surface_distance का उपयोग करें.
    2. सुनिश्चित करें कि यह फ़ंक्शन डिफ़ॉल्ट सेटिंग के अंतर्गत y_pred से y तक औसत सतह दूरी की गणना करता है।
    3. इसके अलावा, यदि सममित = सत्य है, तो सुनिश्चित करें कि इन दो इनपुट के बीच औसत सममित सतह दूरी वापस आ गई है।
  3. कई मामलों में डीसी और एवीजीएसडी स्कोर का सांख्यिकीय विश्लेषण युग्मित विश्लेषण के लिए मजबूत विलकॉक्सन हस्ताक्षरित-रैंक परीक्षण का उपयोग करके किया जा सकता है।
  4. इंट्राक्लास सहसंबंध गुणांक (आईसीसी) का उपयोग एक और सामान्य रूप से उपयोग की जाने वाली विधि के रूप में करने पर विचार करें ताकि यह निर्धारित किया जा सके कि कई प्रतिभागियों को अलग-अलग रेटर्स द्वारा मज़बूती से रेट किया जा सकता है या नहीं। याद रखें कि आईसीसी युग्मित माप के एक सेट पर काम करता है (जैसे, मात्रा) segmentations की और नहीं विभाजन छवियों पर सीधे. आईसीसी की गणना करने के लिए, आर सॉफ्टवेयर और आर स्टूडियो ( सामग्री की तालिकादेखें) का उपयोग करें, जो प्रक्रिया को सरल बनाता है।
    1. install.packages("psych") का उपयोग करके पैकेज डाउनलोड करें और लाइब्रेरी (psych) लोड करें।
    2. डेटा <- data.frame(df) का उपयोग करके डेटा फ़्रेम दर्ज करें, जिसमें प्रत्येक कॉलम में प्रतिभागी (पंक्तियाँ) और एक रेटर शामिल है। फिर प्लॉट (डेटा) का उपयोग करके माप की कल्पना करें।
    3. आईसीसी को चलाने के लिए, आईसीसी (डेटा) का उपयोग करें, जो विभिन्न प्रकार के आईसीसी की एक तालिका उत्पन्न करता है, उदाहरण के लिए, अंतर- या इंट्रा-रेटर स्कोर प्राप्त करने के लिए।

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

प्रस्तावित विधि पार्श्व वेंट्रिकल रंजित जाल के लिए पुनरावृत्त शोधन आया है, जिसमें 169 स्वस्थ नियंत्रणों के एक समूह पर व्यापक परीक्षण और मनोविकृति30 के लिए नैदानिक रूप से उच्च जोखिम वाले 340 रोगियों को शामिल किया गया है। ऊपर वर्णित तकनीक का उपयोग करते हुए, लेखकों ने डीसी = 0.89, एवीजीएचडी = 3.27 मिमी3, और एकल-रेटर आईसीसी = 0.9730 के साथ उच्च इंट्रा-रेटर सटीकता और विश्वसनीयता प्राप्त की, यहां वर्णित प्रोटोकॉल की ताकत का प्रदर्शन किया।

गुणवत्ता नियंत्रण समस्याओं और 3D स्लाइसर सेटिंग्स को संभालना
विभाजन प्रक्रिया शुरू करने से पहले, यह सुनिश्चित करने के लिए मस्तिष्क स्कैन की गुणवत्ता की जांच करना आवश्यक है कि कोई सिर गति या कलाकृतियां नहीं हैं जो मैनुअल विभाजन(चित्रा 1ए)में हस्तक्षेप करती हैं। अगला, चमक और इसके विपरीत रंजित जाल के बेहतर दृश्य के साथ सहायता के लिए समायोजित किया जा सकता है. कुछ मस्तिष्क स्कैन सिर गति हो सकता है, और यह विरूपण साक्ष्य प्रतिकूल रंजित जाल (चित्रा 1 बी) के चित्रण को प्रभावित करेगा कि क्या निर्धारित करने के लिए महत्वपूर्ण है. इसके अतिरिक्त, चमक और विपरीत कलाकृतियों के साथ छवियों यह रंकश जाल (चित्रा 1 सी, डी) की सीमाओं भेद करने के लिए मुश्किल बनाते हैं. इस मामले में, चमक और कंट्रास्ट को तब तक समायोजित करने का प्रयास करें जब तक कि यह मैन्युअल विभाजन के लिए उपयुक्त न हो। सुनिश्चित करें कि मस्तिष्क स्कैन है कि आसानी से रंजित जाल के लिए खंडित नहीं किया जा सकता बाहर रखा गया है.

पार्श्व वेंट्रिकल रंजित जाल विभाजन
जैसा कि चित्रा 2 में दिखाया गया है, पांच मुख्य भागों को लोड करने और छवियों (भाग 1) को प्रदर्शित करने के लिए उपयोग किया जाता है, विभिन्न 3 डी स्लाइसर फ़ंक्शंस (भाग 2) का चयन करें, पार्श्व रंजित जाल (भाग 3) को विभाजित करने के लिए उपकरण, अक्षीय, कोरोनल और धनु छवियों की कल्पना करें (भाग 4), पार्श्व वेंट्रिकल रंजित जाल (भाग 5) की मात्रा की गणना, और मैनुअल विभाजन से परिणामों को बचाने। T1w मस्तिष्क स्कैन 3 डी स्लाइसर (चित्रा 3) में MRHead डेटासेट से नमूना डेटा डाउनलोड करने या एक मौजूदा डेटासेट(चित्रा 4A,B) से NIFTI या DICOM फ़ाइल आयात करके स्लाइसर इंटरफ़ेस में आपका स्वागत है का उपयोग कर अपलोड किया जा सकता है. छवि की चमक और कंट्रास्ट को संपादित करने के लिए इस पैनल में एक विकल्प भी है (चित्र 4C)। T1w मस्तिष्क स्कैन लोड हो रहा है के बाद, यह टुकड़ा दृश्य इंटरफ़ेस में प्रदर्शित किया जाएगा और पार्श्व वेंट्रिकल रंजित जाल विभाजन के लिए तैयार किया जाएगा. मैनुअल विभाजन खंड संपादक मॉड्यूल (चित्रा 5 ए) का उपयोग कर बनाया गया है, और मास्टर मात्रा नाम चित्रा 5 बी में पुष्टि की जा सकती है. चित्रा 5 सी में, दाएं और बाएं पार्श्व वेंट्रिकल रंजित जाल के लिए लेबल को जोड़ा जा सकता है और विभिन्न रंगों (चित्रा 5 सी) में लेबल किया जा सकता है, और ब्याज के क्षेत्र को ड्रा या पेंट टूल(चित्रा 5डी)का उपयोग करके चित्रित किया जा सकता है। चित्रा 6 पार्श्व वेंट्रिकल रंजित जाल और उसके आसपास के मस्तिष्क संरचनाओं, जैसे कि कौडेट नाभिक, हिप्पोकैम्पस, फोर्निक्स और तीसरे वेंट्रिकल, को लेबल करता है, जो कुछ अधिक जटिल क्षेत्रों में पार्श्व वेंट्रिकल रंजित जाल के विभाजन के लिए स्थलों को प्रदान करता है। उत्पन्न करने और मैनुअल segmentations से रंजोश जाल मात्रा डेटा निकालने के लिए, खंड सांख्यिकी मॉड्यूल (चित्रा 7A) का चयन करें. डेटा आउटपुट (चित्रा 7 बी) के लिए से चयन करने के लिए कुछ विकल्प हैं। परिकलित पार्श्व वेंट्रिकल रंजित जाल मात्रा युक्त नई फ़ाइलें अब सहेजें बटन (चित्रा 7C) दबाकर बचाया जा सकता है.

तीसरा और चौथा वेंट्रिकल कोरॉइड प्लेक्सस सेगमेंटेशन
जैसा कि चित्रा 8 में देखा गया है, 3वें वेंट्रिकल रंजित जाल आसानी से बाण के समान विमान चित्रण निचले बाएँ पैनल में देखा जा सकता है. विशेष रूप से, मोनरो के फोरामेन को कॉर्पस कॉलोसम के नीचे देखा जा सकता है, जिसमें कोरॉइड प्लेक्सस हरे रंग में तीसरे वेंट्रिकल के भीतर हाइलाइट किया गया है। तीसरे वेंट्रिकल और तीसरे वेंट्रिकल कोरॉइड प्लेक्सस को अक्षीय और कोरोनल विमानों (क्रमशः चित्रा 8 के ऊपरी बाएं और निचले दाएं पैनल) में भी देखा जा सकता है। अंत में, तीसरे वेंट्रिकल रंजित जाल का एक 3 डी प्रतिपादन चित्रा 8 के ऊपरी दाएँ पैनल में दिखाया गया है. चित्रा 9 तीसरे वेंट्रिकल रंजित जाल और उसके आसपास के मस्तिष्क संरचनाओं, कॉर्पस कॉलोसम, fornix, thalamus, आंतरिक मस्तिष्क शिरा, और अधिक जटिल क्षेत्रों में से कुछ में तीसरे वेंट्रिकल रंजित जाल के विभाजन के लिए स्थलों प्रदान करता है जो तीसरे वेंट्रिकल रंजित जाल के विभाजन के लिए स्थलों प्रदान करता है सहित लेबल.

चौथे वेंट्रिकल रंजित जाल देखने के लिए कठिन है और चित्रा 10 में देखा जा सकता है. धनु और कोरोनल विमानों ( चित्रा 10 के निचले बाएँ और निचले दाएँ पैनल) इसकी संरचना का सबसे अच्छा देखने के लिए अनुमति देते हैं। यह सुनिश्चित करने के लिए देखभाल की जानी चाहिए कि सेरिबैलम या चौथे वेंट्रिकल के कुछ हिस्सों को कोरॉइड प्लेक्सस के रूप में चित्रित नहीं किया गया है। चित्रा 11 चौथे वेंट्रिकल कोरॉइड प्लेक्सस और इसके आसपास के मस्तिष्क संरचनाओं को लेबल करता है, जिसमें मज्जा, पोंस, बेहतर सेरेबेला पेडुंकल, अवर मज्जा वेलम, और चौथा वेंट्रिकल शामिल है, जो कुछ अधिक जटिल क्षेत्रों में 4वें वेंट्रिकल कोरॉइड प्लेक्सस के विभाजन के लिए स्थलों को प्रदान करता है।

विभाजन सटीकता, समानता और समझौता
न्यूरोनाटोमिकल संरचनाओं के विभाजन की तुलना सीधे एक छवि दर्शक में की जा सकती है, लेकिन समानता का मूल्यांकन कभी-कभी नेत्रहीन रूप से करना मुश्किल होता है। इसलिए, डीसी52 जैसे मात्रात्मक उपाय, प्रतिशत ओवरलैप को मापना, और औसत एसडी53, चित्रित संरचनाओं की सीमा सतहों के बीच की दूरी को मापना, विश्वसनीयता का आकलन करने के लिए या रैटर्स के भीतर जमीनी सच्चाई या मैनुअल सेगमेंटेशन के साथ भविष्यवाणियों की तुलना करने के लिए उपयोग किया जाता है। जैसा कि चित्रा 12 ए में दर्शाया गया है, दो 3 डी विभाजन जी और पी के लिए डीसी केवल औसत मात्रा53 से विभाजित ओवरलैप (चौराहे) की मात्रा है:

Equation 1

कहाँ | . | मात्रा का प्रतिनिधित्व करता है। यह 0 और 1 के बीच के पैमाने पर ओवरलैप को मापता है, जहां 1 का मान सटीक समझौते और 0 असंयुक्त विभाजन को इंगित करता है और अक्सर एक प्रतिशत ओवरलैप का प्रतिनिधित्व करने के लिए 100 से गुणा किया जाता है। औसत सतह दूरी (एएसडी) जी (बीडी (जी) ) की सीमा पर सभी बिंदुओं एक्स के बीच पी की सीमा और इसके विपरीत(चित्रा 12बी)के बीच औसत दूरी (मिमी में) को मापती है। इसे इस प्रकार परिभाषित किया गया है

Equation 2

यूक्लिडियन मानदंड53 के न्यूनतम का प्रतिनिधित्व करने वाली दूरी Equation 3 के साथ। डीसी के विपरीत, एक छोटा एएसडी विभाजन सीमाओं के बेहतर कब्जे को इंगित करता है, जिसमें शून्य का मूल्य न्यूनतम (सही मैच) होता है। ध्यान दें कि कभी-कभी भी, अधिकतम दूरी या 95वें प्रतिशतक का उपयोग औसत के बजाय किया जाता है, जहां अधिकतम एकल आउटलेयर के प्रति अत्यधिक संवेदनशील होता है, जबकि 95वां प्रतिशतक मजबूत होता है लेकिन छोटी लेकिन प्रासंगिक विभाजन त्रुटियों को याद कर सकता है।

युग्मित विभाजन के एक सेट के बीच मात्रा अनुमान (सीधे विभाजन की नहीं) के समझौते आईसीसी54 का उपयोग कर मापा जा सकता है. यह कई रेटर्स (इंटरक्लास आईसीसी) या एक ही रेटर (इंट्राक्लास आईसीसी) (चित्रा 12 सी) द्वारा रेट किए गए कई प्रतिभागियों को पूरा किया जा सकता है। आईसीसी स्कोर 0 (खराब विश्वसनीयता) से 1 (उत्कृष्ट विश्वसनीयता) तक होता है। अंतर-रेटर विश्वसनीयता के लिए, डेटासेट के लिए ICC1 (एक-तरफ़ा फिक्स्ड-इफेक्ट्स मॉडल) का उपयोग करने का सुझाव दिया जाता है जहाँ प्रत्येक विभाजन यादृच्छिक रूप से चयनित एक अलग रेटर द्वारा किया जाता है। इसके अतिरिक्त, डेटासेट के लिए जहां यादृच्छिक रूप से चुने गए कई रेटर, एक ही विभाजन पर काम करते हैं, विभाजन में पूर्ण समझौते के लिए परीक्षण करने के लिए ICC2 (दो-तरफा यादृच्छिक-प्रभाव मॉडल) का उपयोग करने की अनुशंसा की जाती है। अंत में, इंट्रा-रेटर विश्वसनीयता के लिए, आईसीसी 3 (दो-तरफा मिश्रित प्रभाव मॉडल) (चित्रा 12 सी) का उपयोग करने की सिफारिश की जाती है।

Figure 1
चित्रा 1: मस्तिष्क स्कैन गुणवत्ता नियंत्रण। (ए) अच्छे विपरीत और चमक के साथ मस्तिष्क स्कैन, कलाकृतियों का कोई सबूत नहीं, और कोई सिर गति नहीं। (बी) सिर गति (लाल तीर) दिखा मस्तिष्क स्कैन. (सी) उच्च चमक और कम विपरीत या (डी) कम चमक और उच्च विपरीत के साथ मस्तिष्क स्कैन. कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 2
चित्रा 2: 3 डी स्लाइसर में पार्श्व वेंट्रिकल रंजित जाल का विभाजन। (1) का उपयोग DICOM या NIFTI छवियों को लोड करने और परिणामों को सहेजने के लिए किया जाता है। (2) में एक ड्रॉप-डाउन मेनू होता है जिसका उपयोग सेगमेंट एडिटर मॉड्यूल (पीला तीर) में प्रवेश करने के लिए किया जा सकता है, जिसका उपयोग कोरॉइड प्लेक्सस को विभाजित करने के लिए किया जाता है। परिमाणीकरण मॉड्यूल (नीला तीर) भी रंजित जाल की मात्रा की गणना करने के लिए यहाँ चुना जा सकता है. (3) सेगमेंट टूलबार दिखाता है, जिसमें ड्रॉ, पेंट और इरेज़ टूल शामिल हैं। (4) T1w छवि के अक्षीय, धनु और कोरोनल दृश्यों में रंजित जाल को प्रदर्शित करता है। रंजित जाल के 3 डी प्रतिपादन भी ऊपरी दाएं कोने में दिखाया गया है. (5) मैनुअल रंजित जाल विभाजन से मात्रा परिणाम प्रदर्शित करता है, खंड सांख्यिकी मॉड्यूल का उपयोग कर गणना की. अंतिम परिणाम (1) में उल्लिखित सेव बटन का उपयोग करके सहेजे जा सकते हैं। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 3
चित्रा 3: 3 डी स्लाइसर नमूना डेटा लोड हो रहा है। यह आंकड़ा प्रदर्शित करता है कि 3DSlicer इंटरफ़ेस से नमूना डेटा कैसे डाउनलोड करें। सबसे पहले, "नमूना डेटा डाउनलोड करें" का चयन किया जाना चाहिए, और फिर "MRHead" को चुना जाना चाहिए, जो स्क्रीन के दाईं ओर मस्तिष्क स्कैन के अक्षीय, धनु और कोरोनल दृश्यों को प्रदर्शित करता है। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 4
चित्रा 4: T1w मस्तिष्क स्कैन लोड हो रहा है। यह आंकड़ा दर्शाता है कि एनआईएफटीआई (बाएं पैनल) या डीआईसीओएम (दाएं पैनल) फाइलों का उपयोग करके टी 1 डब्ल्यू मस्तिष्क स्कैन कैसे अपलोड किया जाए। (ए) एनआईएफटीआई फाइलों के लिए, या तो "जोड़ने के लिए निर्देशिका चुनें" या "जोड़ने के लिए फाइलें चुनें" का चयन किया जाना चाहिए, इसके बाद "ओके" का चयन किया जाना चाहिए। (B) DICOM फ़ाइलों के लिए, "DICOM डेटा जोड़ें" का चयन करें, उसके बाद "DICOM फ़ाइलें आयात करें" और फिर "ओके" दबाने की आवश्यकता है। ये दो दृष्टिकोण स्क्रीन के दाईं ओर मस्तिष्क स्कैन के अक्षीय, धनु और कोरोनल दृश्य प्रदर्शित करेंगे। (सी) छवियों की चमक और कंट्रास्ट को समायोजित करने के लिए, लाल बटन का चयन किया जाना चाहिए। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 5
चित्रा 5: पार्श्व वेंट्रिकल रंजित जाल विभाजन। T1w मस्तिष्क स्कैन के बाद 3 डी स्लाइसर में लोड किया गया है. (ए) "सेगमेंटेशन एडिटर" मॉड्यूल का चयन करना। (बी) पार्श्व वेंट्रिकल रंजित जाल के मैनुअल विभाजन के लिए मॉड्यूल और मास्टर मात्रा की पुष्टि करना। (सी) दाएं और बाएं पार्श्व वेंट्रिकल रंजित जाल के लिए लेबल बनाना। (डी) पार्श्व वेंट्रिकल रंजित जाल को मैन्युअल रूप से चित्रित करने के लिए "ड्रा" और "पेंट" टूल का उपयोग करना। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 6
चित्रा 6: पार्श्व वेंट्रिकल रंजित जाल के लिए आसन्न संरचनाएं। आसन्न मस्तिष्क संरचनाओं में फोर्निक्स, कॉडेट न्यूक्लियस, हिप्पोकैम्पस और तीसरा वेंट्रिकल शामिल हैं। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 7
चित्रा 7: वॉल्यूम गणना। रंजित जाल की मात्रा की गणना और खंडों और मात्रा परिणामों को बचाने के लिए. (ए) खंड सांख्यिकी मॉड्यूल का चयन करना। (B) आँकड़ों का आउटपुट करने के लिए चयन करना। (सी) गणना पार्श्व वेंट्रिकल रंजित जाल मात्रा युक्त नई फ़ाइलों को बचाने के लिए सहेजें बटन दबाने. कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 8
चित्रा 8: तीसरा वेंट्रिकल रंजित जाल विभाजन। यहाँ दर्शाया गया है कि तीसरे वेंट्रिकल कोरॉइड प्लेक्सस के अक्षीय, कोरोनल और धनु दृश्य हैं जिन्हें 3 डी स्लाइसर का उपयोग करके मैन्युअल रूप से खंडित किया गया है। ऊपरी दाएं कोने में तीसरे वेंट्रिकल कोरॉइड प्लेक्सस का 3 डी प्रतिपादन दिखाया गया है। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 9
चित्रा 9: तीसरे वेंट्रिकल रंजित जाल के लिए आसन्न संरचनाएं। आसन्न मस्तिष्क संरचनाओं में फोर्निक्स, आंतरिक सेरेब्रल नस, थैलेमस, कॉर्पस कॉलोसम और 3आरडी वेंट्रिकल शामिल हैं। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 10
चित्रा 10: चौथा वेंट्रिकल रंजित जाल विभाजन। यहाँ दर्शाया अक्षीय, कोरोनल, और चौथे वेंट्रिकल रंजित जाल है कि मैन्युअल 3 डी स्लाइसर का उपयोग कर खंडित किया गया है के धनु विचारों रहे हैं. ऊपरी दाएं कोने में चौथे वेंट्रिकल कोरॉइड प्लेक्सस का 3 डी प्रतिपादन दिखाया गया है। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 11
चित्रा 11: चौथे वेंट्रिकल रंजित जाल के लिए आसन्न संरचनाएं। आसन्न मस्तिष्क संरचनाओं में मज्जा ऑब्लोंगेटा, पोंस, सेरिबैलम, अनुमस्तिष्क वर्मिस और अनुमस्तिष्क टॉन्सिल शामिल हैं। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 12
चित्रा 12: विभाजन सटीकता, प्रदर्शन, और समझौते का निर्धारण. (ए) यह दर्शाता है कि पासा गुणांक (डीसी) स्कोर का उपयोग करके प्रतिशत ओवरलैप की गणना कैसे की जाती है। (बी) औसत सतह दूरी (एवीजीएसडी) विश्वसनीयता का आकलन करने के लिए जमीनी सच्चाई, या मैनुअल सेगमेंटेशन के साथ भविष्यवाणियों की तुलना करने के लिए जमीनी सच्चाई, या मैनुअल सेगमेंटेशन के साथ भविष्यवाणियों की तुलना करने के लिए मापता है। (सी) इंट्राक्लास सहसंबंध गुणांक (आईसीसी) का उपयोग अंतर-रेटर (एक ही विषय के दोहराया माप) या इंट्रा-रेटर (एक ही रेटर्स से कई माप) विश्वसनीयता विश्लेषण के लिए किया जा सकता है। एक प्रतिनिधि उदाहरण और आउटपुट प्रदान किए जाते हैं। कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

प्रोटोकॉल के महत्वपूर्ण कदम
तीन महत्वपूर्ण कदम जब इस प्रोटोकॉल को लागू करने के लिए विशेष ध्यान देने की आवश्यकता है. सबसे पहले, एमआर छवियों की गुणवत्ता और कंट्रास्ट की जांच करना सटीक विभाजन सुनिश्चित करने के लिए महत्वपूर्ण है। यदि छवि की गुणवत्ता बहुत खराब है, या इसके विपरीत बहुत कम या बहुत अधिक है, तो इससे कोरॉइड प्लेक्सस का गलत चित्रण हो सकता है। छवि के लिए कंट्रास्ट को छवि के ग्रेस्केल मान को देखकर या ग्रे पदार्थ नाभिक और ग्रे पदार्थ के बीच के अंतर को बढ़ाने के लिए मूल्यों को कैलिब्रेट करके समायोजित किया जा सकता है। दूसरा, रेटर्स को कोरॉइड प्लेक्सस की शारीरिक रचना से परिचित होना चाहिए और विशेष प्रशिक्षण होना चाहिए। यदि रेटर्स कोरॉइड प्लेक्सस और आसन्न मस्तिष्क क्षेत्रों की शारीरिक रचना से अपरिचित हैं, तो वे कोरॉइड प्लेक्सस को गलत तरीके से विभाजित कर सकते हैं, जिससे कोरॉइड प्लेक्सस की मात्रा गलत हो जाती है। अंत में, यह सुनिश्चित करने के लिए इंट्रा- और अंतर-रेटर प्रजनन क्षमता का मूल्यांकन करना महत्वपूर्ण है कि मैनुअल सेगमेंटेशन करने वाले रैटर्स अपने स्वयं के पुन: पेश कर सकते हैं, साथ ही साथ कोरॉइड प्लेक्सस के अन्य रेटर्स के विभाजन को भी पुन: पेश कर सकते हैं। बाद के चरण में स्वचालित विभाजन उपकरण को मान्य करते समय ये संख्याएं भी अत्यधिक प्रासंगिक हैं। इसके अतिरिक्त, यदि डेटासेट तय हो गया है, और यदि मैन्युअल विभाजन के लिए कई रेटर्स का उपयोग किया जाएगा, तो यह अनुशंसा की जाती है कि एक ही विंडो सेटिंग का उपयोग किया जाए ताकि रेटर्स एक ही छवि को एक ही कंट्रास्ट और चमक के साथ देख सकें। यदि एक ही छवि को देखने वाले रेटर्स के बीच विंडो सेटिंग बदलती है, तो एक ही छवि को अलग तरह से खंडित किया जा सकता है।

संशोधन और समस्या निवारण
उपयोगकर्ता इस प्रोटोकॉल में कुछ संशोधन कर सकते हैं। सबसे पहले, पैरा सेप्टल क्षेत्र में स्थित रंजित जाल ऊतक और अस्थायी सींग के नरक-पूर्वकाल-पार्श्व भाग, जो सेप्टम पेलुसीडम, फोर्निक्स और हिप्पोकैम्पस के निकट है, कोरॉइड प्लेक्सस के विभाजन को चुनौतीपूर्ण बना सकता है। इस कठिनाई को संबोधित करने के लिए, यह तीनों आयामों में रंजित जाल के विभाजन का संचालन करने के लिए सुझाव दिया जाएगा, और एक संदर्भ (चित्रा 6) इन जटिल क्षेत्रों में रंजित जाल विभाजन के लिए प्रदान की जाती है. दूसरा, यह जानना भी महत्वपूर्ण है कि विभाजन को कब रोकना है। पार्श्व और तीसरे निलय में रंजित जाल के लिए, लाल नाभिक एक रोक मील का पत्थर के रूप में इस्तेमाल किया जा सकता है, जबकि चौथे वेंट्रिकल रंजित जाल के लिए, Magendie के रंध्र एक रोक बिंदु के रूप में इस्तेमाल किया जा सकता है. तीसरा, पार्श्व निलय के पश्च-बेसल भाग में कोरॉइड प्लेक्सस और सीएसएफ के बीच की सीमा को अलग करते समय चुनौतियां मौजूद हो सकती हैं। इस चिंता का समाधान करने के लिए, संकेत तीव्रता और शारीरिक विचारों उचित विभाजन निर्णय लेने में रेटर सहायता के लिए इस्तेमाल किया जा सकता है. चौथा, अगर एक कम संकल्प छवि इस्तेमाल किया जा रहा है, यह विभाजन प्रक्रिया में और अधिक रूढ़िवादी होने के लिए और इसके विपरीत बढ़ाया इमेजिंग का उपयोग कर प्राथमिकता इस अस्थायी क्षेत्र में रंजित जाल के विभाजन को मान्य करने के लिए सिफारिश की जाएगी. विपरीत बढ़ाया इमेजिंग उपलब्ध नहीं है, तो यह विभाजन प्रक्रिया से इस क्षेत्र को बाहर करने के लिए सुझाव दिया जाएगा. हालांकि, अगर एक उच्च संकल्प छवि का इस्तेमाल किया जा रहा है, तो यह विभाजन प्रक्रिया में और अधिक उदार होने के लिए सिफारिश की जाएगी. इसके अलावा, यदि कोरॉइड प्लेक्सस और मस्तिष्क पैरेन्काइमा के बीच सीमांकन लौकिक सींग की उच्च-रिज़ॉल्यूशन छवि पर किया जा सकता है, तो एक विपरीत-वर्धित छवि आवश्यक नहीं होगी। पांचवां, 3 डी स्लाइसर एक टचस्क्रीन कंप्यूटर पर चल सकता है जहां माउस के बजाय स्टाइलस पेन का उपयोग कोरॉइड प्लेक्सस के अनुरेखण को बढ़ाने के लिए किया जा सकता है। हालाँकि, यह सॉफ़्टवेयर वर्तमान में iPad पर उपलब्ध नहीं है। अंत में, सॉफ्टवेयर दुर्घटनाग्रस्त मुद्दों कुछ कंप्यूटरों पर सामना किया जा सकता है जब दस से अधिक विषयों के रंजित जाल उत्तराधिकार में चित्रित किया गया है. इस स्थिति में, क्लिक करना सहेजें बटन बार-बार सॉफ़्टवेयर क्रैश के कारण होने वाली डेटा हानि को रोक सकता है।

सीमाओं
जबकि रंजित जाल के मैनुअल विभाजन सटीक मात्रा डेटा प्राप्त करने के लिए सोने के मानक है, प्रकार और स्कैन की गुणवत्ता, साथ ही रेटर21 के अनुभव से संबंधित कई सीमाएं हैं. उदाहरण के लिए, रंजित जाल आकार उम्र या रोग की स्थिति के आधार पर भिन्न हो सकते हैं, जो वेंट्रिकल और रंजित जाल के आकार को प्रभावित कर सकते हैं. इस प्रकार, कोरॉइड प्लेक्सस युवा, स्वस्थ व्यक्तियों में छोटा दिखाई दे सकता है, जिससे मैन्युअल रूप से सेगमेंट करना मुश्किल हो जाता है। यह समस्या जटिल हो सकती है यदि छवि खराब रिज़ॉल्यूशन (1.2 या 1.5 मिमी आइसोवोक्सेल) की है और/या 1.5 टी एमआरआई स्कैनर का उपयोग करके कैप्चर की गई है। रंजित जाल के मैनुअल विभाजन अतिरिक्त रूप से चमक और छवि के विपरीत से प्रभावित किया जा सकता है, यह मुश्किल सीमाओं की पहचान करने के लिए, मात्रा से अधिक या कम में जिसके परिणामस्वरूप. इसके अतिरिक्त, तीसरे और चौथे वेंट्रिकल कोरॉइड प्लेक्सस छोटे संरचनाएं हैं, जो उच्च रिज़ॉल्यूशन छवि उपलब्ध नहीं होने पर ठीक से सेगमेंट करने के लिए चुनौतीपूर्ण हो सकती हैं (0.7 या 0.8 मिमी आइसोवोक्सेल)। अन्य ओपन-सोर्स मैनुअल सेगमेंटेशन सॉफ़्टवेयर के बजाय 3D स्लाइसर का उपयोग करने की एक सीमा तीन आयामों में एक साथ छवि विभाजन करने में असमर्थता है, ITK-SNAP51 के माध्यम से पेश की गई एक सुविधा जो रंजित जाल की छवि विभाजन की गति में सुधार कर सकती है। इसके अतिरिक्त, मैनुअल विभाजन एक समय लेने वाली और थकाऊ कार्य है, जो हजारों या दसियों हज़ार व्यक्तियों के साथ बड़े समूहों में रंजित जाल का अध्ययन अव्यावहारिक बनाता है, सटीक स्वचालित रंजीय जाल विभाजन उपकरण की आवश्यकता पर प्रकाश डालता है। अंत में, बस सीएसएफ या सफेद पदार्थ के आंशिक मात्रा प्रभाव के लिए लेखांकन के बिना रंजित जाल voxels गिनती मात्रा माप में त्रुटियों का परिचय हो सकता है.

मौजूदा तरीकों के संबंध में महत्व
कोरॉइड प्लेक्सस विभाजन के लिए FreeSurfer पर निर्भरता, जिसमें खराब सटीकता है और तीसरे और चौथे वेंट्रिकल कोरॉइड प्लेक्सस को खंडित नहीं करता है, मूलभूत कार्य को सीमित करता है जिसे स्वास्थ्य और बीमारी में रंजित जाल की भूमिका को बेहतर ढंग से समझने के लिए पूरा किया जा सकता है। इसके अतिरिक्त, रंजित जाल का एक और अधिक सटीक परिसीमन भी रंजित जाल55 में बंद लक्ष्य बाध्यकारी द्वारा औसत दर्जे का अस्थायी ताऊ पीईटी संकेत के संदूषण को कम करने के लिए अल्जाइमर न्यूरोइमेजिंग समुदाय द्वारा लाभ उठाया जा सकता है. जबकि मशीन लर्निंग (जीएमएम) और डीप-लर्निंग तकनीकों (3डी यू-नेट, एनएनयू-नेट, अक्षीय-एमएलपी 8) के प्रारंभिक अनुकूलन से कोरॉइड प्लेक्सस लेबल ने फ्रीसर्फर-व्युत्पन्न रंजित प्लेक्सस लेबल 46,48,49 पर विभाजन सटीकता में सुधार किया है, दुर्भाग्य से विधियों को केवल छोटे, सजातीय डेटासेट में प्रशिक्षित और मूल्यांकन किया जाता है, न तो सार्वजनिक रूप से उपलब्ध है और न ही उपयोग में आसान उपकरण और केवल पार्श्व वेंट्रिकल्स के भीतर कोरॉइड प्लेक्सस सहित अधूरा है। एक चेतावनी यह है कि इस प्रोटोकॉल के पुन: प्रस्तुत करने के समय, यज़्दान-पनाह एट अल द्वारा प्रकाशित एक लेख था जहां उन्होंने ITK-SNAP56 का उपयोग करके पार्श्व वेंट्रिकल कोरॉइड प्लेक्सस के मैनुअल विभाजन का आयोजन किया था। उन्होंने 2-चरण 3D U-Net को प्रशिक्षित करने के लिए इन मैन्युअल रूप से खंडित छवियों का उपयोग किया और जमीनी सच्चाई के साथ 0.72 के औसत DC का प्रदर्शन किया, और इसने FreeSurfer और FastSurfer-आधारित विभाजन56 से बेहतर प्रदर्शन किया। अन्य संकल्पों, स्कैनर, उम्र और कई बीमारियों के लिए सामान्यता स्थापित नहीं की गई है और वास्तव में, डोमेन हस्तांतरण की चुनौती को देखते हुए संभावना नहीं है।

भविष्य के अनुप्रयोग
क्योंकि सीमाओं ऊपर उल्लेख की, सही रंजीय जाल विभाजन के लिए एक प्रोटोकॉल की जरूरत है. इसके अलावा, इस संरचना की प्रकृति के कारण विकसित करने के लिए चुनौतीपूर्ण हो सकता है जो रंजित जाल के लिए एक स्वचालित विभाजन उपकरण बनाने के लिए, रंजित जाल के एक व्यापक एनोटेट डेटासेट विभिन्न मापदंडों में फैले और यह राज्य के अत्याधुनिक खुला स्रोत सॉफ्टवेयर के लिए पद्धति नवाचारों के एक सेट के साथ संयोजन की जरूरत है, FastSurfer42,43, स्वचालित कॉर्टिकल और सबकोर्टिकल सेगमेंटेशन के लिए एक उन्नत और स्केलेबल डीप लर्निंग-आधारित न्यूरोइमेजिंग पाइपलाइन। FastSurferCNN को औसत DCs > 8542 के साथ करीब 100 संरचनाओं के कॉर्टिकल और सबकोर्टिकल सेगमेंटेशन के लिए 3D U-Net, SDNet और QuickNAT मॉडल से बेहतर प्रदर्शन करने के लिए दिखाया गया है। इस प्रकार, कोरॉइड प्लेक्सस के एक बड़े और व्यापक एनोटेशन का उपयोग फास्टसर्फर के साथ (1) बेहतर आंतरिक वृद्धि तकनीकों के साथ एक 3 डी आर्किटेक्चर तक बढ़ाने के लिए किया जा सकता है, (2) भविष्यवाणी करने की क्षमता - पहली बार - आंशिक मात्रा का अनुमान सीधे, साथ ही (3) डेटा सामंजस्य के लिए उच्च रिज़ॉल्यूशन (सुपर-रिज़ॉल्यूशन) पर आउटपुट विभाजन। लेखकों ने पार्श्व, तीसरे और चौथे वेंट्रिकल्स के लिए एक अत्यधिक सटीक रंजित जाल विभाजन उपकरण बनाने के लिए फास्टसर्फर को अपनाने और विकसित करने पर आगे काम करने की योजना बनाई है और अनुसंधान समुदाय के साथ खुले तौर पर साझा किया है।

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

लेखकों के पास कोई प्रतिस्पर्धी वित्तीय हित नहीं है।

Acknowledgments

इस काम को नेशनल इंस्टीट्यूट ऑफ मेंटल हेल्थ अवार्ड R01 MH131586 (पीएल और एमआर को), R01 MH078113 (एमके को), और सिडनी आर बेयर जूनियर फाउंडेशन ग्रांट (पीएल को) द्वारा समर्थित किया गया था।

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

JoVE में इस महीने अंक 202 रंजित जाल एमआरआई मैनुअल विभाजन मानव मात्रा neuroimaging
मस्तिष्क एमआरआई का उपयोग कर मानव रंजित जाल के मैनुअल विभाजन
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