Waiting
Login processing...

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

Neuroscience

Manuell segmentering av human choroid plexus ved hjelp av MR av hjernen

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

Til tross for den avgjørende rollen som choroid plexus i hjernen, er neuroimaging studier av denne strukturen knappe på grunn av mangel på pålitelige automatiserte segmenteringsverktøy. Den nåværende protokollen tar sikte på å sikre gullstandard manuell segmentering av choroid plexus som kan informere fremtidige neuroimaging studier.

Abstract

Choroid plexus har vært involvert i nevroutvikling og en rekke hjernesykdommer. Bevis viser at choroid plexus er kritisk for hjernens modning, immun / inflammatorisk regulering og atferdsmessig / kognitiv funksjon. Imidlertid er nåværende automatiserte neuroimaging segmenteringsverktøy dårlige til nøyaktig og pålitelig segmentering av lateral ventrikkel choroid plexus. Videre er det ikke noe eksisterende verktøy som segmenterer choroid plexus som ligger i tredje og fjerde ventrikler i hjernen. Dermed er det nødvendig med en protokoll som avgrenser hvordan man segmenterer choroid plexus i lateral, tredje og fjerde ventrikkel for å øke påliteligheten og reproduserbarheten av studier som undersøker choroid plexus i nevrodevelopmental og hjernesykdommer. Denne protokollen inneholder detaljerte trinn for å opprette separat merkede filer i 3D Slicer for choroid plexus basert på DICOM- eller NIFTI-bilder. Choroid plexus vil bli manuelt segmentert ved hjelp av aksiale, sagittale og koronale plan av T1w-bilder, og sørg for å ekskludere voxels fra grå eller hvite substansstrukturer som grenser til ventriklene. Windowing vil bli justert for å hjelpe til med lokalisering av choroid plexus og dens anatomiske grenser. Metoder for å vurdere nøyaktighet og pålitelighet vil bli demonstrert som en del av denne protokollen. Gullstandardsegmentering av choroid plexus ved hjelp av manuelle avgrensninger kan brukes til å utvikle bedre og mer pålitelige automatiserte segmenteringsverktøy som åpent kan deles for å belyse endringer i choroid plexus over hele levetiden og innen ulike hjernesykdommer.

Introduction

Choroid plexus funksjon
Choroid plexus er en svært vaskularisert struktur i hjernen som består av fenestrerte kapillærer og et monolag av choroid plexus epitelceller1. Choroid plexus projiserer inn i laterale, tredje og fjerde cerebrale ventrikler og produserer cerebrospinalvæske (CSF), som spiller en viktig rolle i nevrale mønstre2 og hjernefysiologi 3,4. Choroid plexus utskiller nevrovaskulære stoffer, omfatter et stamcellelignende depot, og fungerer som en fysisk barriere for å hindre inngangen til giftige metabolitter, en enzymatisk barriere for å fjerne deler som omgår den fysiske barrieren, og en immunologisk barriere for å beskytte mot fremmede inntrengere5. Choroid plexus modulerer nevrogenese6, synaptisk plastisitet7, betennelse8, døgnrytme 9,10, tarmhjerneakse11 og kognisjon12. Videre kan perifere cytokiner, stress og infeksjon (inkludert SARS-CoV-2) forstyrre blod-CSF-barrieren 13,14,15,16. Dermed er choroid plexus-CSF-systemet integrert for nevroutvikling, nevrokretsmodning, hjernehomeostase og reparasjon17. Siden immun-, inflammatoriske, metabolske og enzymatiske endringer påvirker hjernen, bruker forskere neuroimaging-verktøy for å vurdere rollen som choroid plexus over hele levetiden og i hjernesykdommer 18,19,20. Imidlertid finnes det begrensninger i vanlige automatiserte verktøy for choroid plexussegmentering, for eksempel FreeSurfer, noe som resulterer i at choroid plexus blir dårlig segmentert. Dermed er det et kritisk behov for bakken sannhet manuell segmentering av choroid plexus som kan brukes til å utvikle et nøyaktig automatisert verktøy for choroid plexus segmentering.

Choroid plexus i nevroutvikling og hjernesykdommer
Rollen til choroid plexus i hjernesykdommer har lenge blitt neglisjert, hovedsakelig fordi den ble ansett som en støttespiller hvis rolle var å dempe hjernen og opprettholde en riktig saltbalanse 2,21. Imidlertid har choroid plexus fått oppmerksomhet som en struktur knyttet til hjernesykdommer som smertesyndrom22, SARS-CoV-2 16,23,24, nevrodevelopmental 2 og hjernesykdommer19, noe som tyder på en transdiagnostisk effekt i utviklingen av atferdsforstyrrelser. I nevroutviklingsforstyrrelser var choroid plexuscyster assosiert med økt risiko for utviklingsforsinkelse, oppmerksomhetsunderskudd / hyperaktivitetsforstyrrelse (ADHD) eller autismespekterforstyrrelse (ASD)25,26. I tillegg ble lateral ventrikkel choroid plexusvolum funnet å være økt hos pasienter med ASD27. I hjernesykdommer,choroid plexus abnormiteter har blitt beskrevet siden 1921 i psykotiske lidelser28,29. Tidligere studier har identifisert choroid plexusforstørrelse ved hjelp av FreeSurfer-segmentering i et stort utvalg av pasienter med psykotiske lidelser sammenlignet med både deres førstegradsslektninger og kontroller19. Disse funnene ble replikert ved hjelp av manuelt segmentert choroid plexusvolum i et stort utvalg av klinisk høyrisiko for psykosepopulasjon og fant at disse pasientene hadde større choroid plexusvolum sammenlignet med friske kontroller30. Det er et økende antall studier som demonstrerer choroid plexusforstørrelse i komplekst regionalt smertesyndrom22, hjerneslag31, multippel sklerose20,32, Alzheimers33,34 og depresjon35, med noen som demonstrerer en sammenheng mellom perifer og hjerneimmun / inflammatorisk aktivitet. Disse neuroimaging studiene er lovende; Imidlertid begrenser dårlig lateral ventrikkel choroid plexus segmentering av FreeSurfer21 påliteligheten til automatisert choroid plexus volumestimering. Som et resultat har studier i multippel sklerose20,32, depresjon35, Alzheimers34 og tidlig psykose36 begynt å manuelt segmentere lateral ventrikkel choroid plexus, men det er ingen nåværende retningslinjer for hvordan man gjør dette, og det er heller ikke deres veiledning om segmentering av tredje og fjerde ventrikkel choroid plexus.

Vanlige segmenteringsverktøy utelukker choroid plexus
Hjernesegmenteringsrørledninger som FreeSurfer37,38,39, FMRIB Software Library (FSL)40, SLANT41 og FastSurfer (utviklet av medforfatter Martin Reuter)42,43, segmenterer nøyaktig og pålitelig kortikale og subkortikale strukturer som bruker atlasbaserte (FSL), atlas- og overflatebaserte (FreeSurfer) og segmenteringsparadigmer for dyp læring (SLANT og FastSurfer). Svakheter ved noen av disse tilnærmingene inkluderer prosesseringshastighet, begrenset generalisering til forskjellige skannere, feltstyrker og voxelstørrelser 37,44, og tvungen justering av etikettkartet i et standard atlasrom. Imidlertid er muligheten til å segmentere choroid plexus og kompatibiliteten med høyoppløselig MR bare adressert av FreeSurfer og FastSurfer. De nevrale nettverkene bak FastSurfer, er trent på FreeSurfer choroid plexus etiketter, slik at de arver FreeSurfers tidligere diskuterte pålitelighet og dekning begrensninger, med den tredje og fjerde ventriklene blir ignorert21. Nåværende begrensninger for høyoppløselig MR finnes også, men FreeSurfers høyoppløselige stream45 og FastSurferVINN43 kan brukes til å håndtere dette problemet.

Nåværende choroid plexus segmenteringsverktøy
Det finnes kun ett fritt tilgjengelig segmenteringsverktøy for choroid plexus, men segmenteringsnøyaktigheten er begrenset. Nøyaktig choroid plexus segmentering kan påvirkes av en rekke faktorer, inkludert (1) variabilitet i choroid plexus plassering (romlig ikke-stasjonær) på grunn av sin plassering i ventriklene, (2) forskjeller i voxel intensitet, kontrast, oppløsning (innen-struktur heterogenitet) på grunn av cellulær heterogenitet, dynamisk choroid plexus funksjon, patologiske endringer, eller partielle volumeffekter, (3) alders- eller patologirelaterte ventrikulære størrelsesforskjeller som påvirker choroid plexus størrelse, og (4) nærhet til tilstøtende subkortikale strukturer (hippocampus, amygdala, caudat og cerebellum), som også er vanskelige å segmentere. Gitt disse utfordringene, vil FreeSurfer-segmenteringer ofte under- eller overvurdere, feilmerke eller ignorere choroid plexus.

Tre nyere publikasjoner adresserte gapet av pålitelig choroid plexus segmentering med en Gaussian Mix Model (GMM) 46, en Axial-MLP47 og U-Net-baserte dype læringsmetoder48. Hver modell ble trent og evaluert ved hjelp av private, manuelt merkede datasett på maksimalt 150 med et begrenset mangfold av skannere, nettsteder, demografi og lidelser. Selv om disse publikasjonene 46,48,49 oppnådde betydelige forbedringer i forhold til FreeSurfers choroid plexus-segmentering - noen ganger doblet skjæringspunktet mellom prediksjon og bakkesannhet, er ingen av metodene (1) validert i høyoppløselig MR, (2) har dedikerte generaliserings- og pålitelighetsanalyser, (3) har store representative opplærings- og testdatasett, (4) adresserer spesifikt eller analyserer choroid plexus-segmenteringsutfordringer som partielle volumeffekter, eller (5) er offentlig tilgjengelig som et verktøy som er klart til bruk. Dermed er den nåværende "gullstandarden" for choroid plexus segmentering manuell sporing, for eksempel ved hjelp av 3D Slicer50 eller ITK-SNAP51, som ikke tidligere er beskrevet og har vært en stor utfordring for forskere som ønsker å undersøke rollen til choroid plexus i sine studier. 3D Slicer ble valgt for manuell segmentering på grunn av forfatterens kjennskap til programvaren og fordi den gir brukeren ulike verktøy basert på ulike tilnærminger som kan kombineres for å oppnå ønsket resultat. Andre verktøy kan brukes, for eksempel ITK-SNAP, som primært er orientert mot bildesegmentering, og når verktøyet er mestret, kan gode resultater oppnås av brukeren. I tillegg har forfatterne gjennomført en case-control studie som demonstrerer den høye nøyaktigheten og påliteligheten til deres manuelle segmenteringsteknikk ved hjelp av 3D Slicer30, og den spesifikke metodikken er beskrevet her.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Den nåværende protokollen ble godkjent av Institutional Review Board ved Beth Israel Deaconess Medical Center. Et friskt forsøksperson med MR-undersøkelse av hjernen uten artefakter eller bevegelse ble brukt til denne protokolldemonstrasjonen, og skriftlig informert samtykke ble innhentet. En 3,0 T MR-skanner med en 32-kanals hodespole (se materialfortegnelse) ble brukt til å skaffe 3D-T1-bilder med en oppløsning på 1 mm x 1 mm x 1,2 mm. MP-RAGE ASSET sekvensen med et synsfelt på 256 x 256, TR/TE/TI = 7,38/3,06/400 ms og en 11-graders vendevinkel ble brukt.

1. Importere hjernen MR til 3D Slicer

MERK: 3D Slicer gir dokumentasjon relatert til brukergrensesnittet.

  1. Forbered hjernen MR DICOM (Digital Imaging and Communications in Medicine) eller NIFTI (Neuroimaging Informatics Technology Initiative) filer for import til 3D Slicer.
  2. Importer DICOM-data ved å klikke på DCM-knappen øverst til venstre på verktøylinjen. Klikk deretter på Importer DICOM-filer -knappen for å importere DICOM-formatdata.
  3. Hvis MR-dataene er i NIFTI-format, importerer du dem ved å klikke på DATA-knappen øverst til venstre på verktøylinjen. I popup-dialogboksen velger du Velg katalog som skal legges til i batchimport av NIFTI-data i en mappe, eller velg Velg fil(er) du vil legge til for å importere spesifikke NIFTI-filer. Klikk deretter OK-knappen for å fortsette med dataopplasting til 3D Slicer.
  4. Etter import vil MR-data vises i vinduet til høyre som viser aksiale, sagittale og koronale plan.
  5. Endre oppsettet for vinduene ved å navigere til Oppsett og velge et bestemt oppsett. Dette finner du enten ved å klikke på Layouts-modulbildet i selve 3D Slicer-verktøylinjen eller via Vis > oppsett fra programmenyen.

2. Laste ned DICOM fra eksempeldata i 3D Slicer

  1. Klikk på Last ned eksempeldata-knappen i åpningsskjermbildet i delen Velkommen til slicer. Velg deretter MRHead-knappen , og den vil starte nedlastingsprosessen, noe som kan ta noen minutter.
  2. Sørg for at hjernens MR-data med aksiale, sagittale og koronale plan vises i høyre vindu.

3. Kvalitetskontroll og justering av MR-bildet

  1. Bestem kvalitativt bildekvaliteten og tilstedeværelsen av artefakter på grunn av hodebevegelse eller skanneproblemer ved kritisk gjennomgang av hvert MR-snitt.
  2. Zoom bildestykket ved å høyreklikke og flytte musen opp eller ned for å zoome henholdsvis ut eller inn.
  3. Hvis du vil flytte bildestykket rundt, venstreklikker du bildet, trykker og holder nede Skift-tasten og drar musen rundt.
  4. Justering av bildets lysstyrke kan hjelpe med å se choroid plexus. For å gjøre dette, klikk enten på Juster vindu / volumnivå i verktøylinjen eller venstreklikk på bildet og flytt musen opp eller ned for å heve eller senke lysstyrken, henholdsvis.
  5. Justering av kontrast kan i tillegg hjelpe deg med å finne choroid plexus. Venstreklikk på bildestykket og flytt musen til venstre eller høyre for å øke eller redusere kontrasten, henholdsvis. For å bestemme riktig kontrast for choroid plexus, bruk kjernene i dypgrå substans (sentrale masser av grå substans arrangert rundt laterale og tredje ventrikler) eller signalintensiteten vist i kontrastskalalinjen.
  6. Når den foretrukne kontrasten er valgt, behold den samme kontrasten gjennom hele segmenteringen og ikke juster for potensielle variasjoner i supra- og infra-tentoriale regioner.

4. Opprette de manuelle segmentene av choroid plexus

  1. Hvis du vil starte segmenteringen av lateral, tredje og fjerde ventrikkel choroid plexus, oppretter du segmenteringsfilene i Segmentredigering-modulen . For å navigere dit, klikk enten på Segmentredigering i verktøylinjen eller gå til rullegardinmenyen Moduler: og velg Segmentredigering.
  2. Klikk på rullegardinmenyen for segmentering for å velge forskjellige segmenteringer (hvis flere segmenteringer ble opprettet) og gi nytt navn til den valgte segmenteringen.
  3. Bruk rullegardinmenyen Master Volume for å velge hvilke NIFTI- eller DICOM-sett som trenger redigering. Først når volumfilen er valgt, kan brukeren starte segmentering/redigering.
  4. Klikk på Legg til-knappen to ganger for å legge til to segmenter for lateral ventrikkel choroid plexus. For å endre navn på disse, dobbeltklikk på navnet og endre dem til Høyre lateral ventrikkel choroid plexus og Venstre lateral ventrikkel choroid plexus.
  5. Klikk på Legg til-knappen igjen for å legge til segmenter for tredje og fjerde ventrikkel choroid plexus, og gi dem nytt navn til "3. ventrikkel choroid plexus" og "4. ventrikkel choroid plexus".

5. Vise forskjellige stykker og segmenteringer

  1. Før du redigerer, utfør en bakgrunnsstudie for å vite hvordan du flytter mellom oppsett i visningsvinduet og hvordan du endrer visningen eller opasiteten til segmenteringene.
  2. Øverst i visningsvinduet og til venstre for stykkeglidebryteren, klikk på pin-ikonet. Dette åpner en rullegardinmeny, som kan variere avhengig av det spesifikke oppsettet vinduet er i.
    MERK: Bruk av forskjellige oppsett kan være nyttig når du segmenterer choroid plexus siden strukturen kan variere mellom individer. For eksempel lar den 'konvensjonelle' layouten brukeren samtidig vise alle tre stykkene og en 3D-visning av scenen. Ved å velge "Rød / gul / grønn skive" får brukeren et nærbilde av 2D-stykket for å muliggjøre en mer presis segmentering av choroid plexus.

6. Avgrensning av laterale ventrikkel choroid plexus ROI

MERK: Bilderegistrering til en mal er ikke nødvendig for manuell segmentering.

  1. For lateral ventrikkel choroid plexus, begynn i aksialplanet og sørg for at bildene er plassert basert på den bikommissurale linjen. Bruk deretter trigonum collaterale som referansepunkt for lokalisering av lateral ventrikkel choroid plexus.
    1. Når endringer er gjort i aksialplanet, flytt til de gjenværende visningene (sagittal og koronal) for å sikre at den manuelle segmenteringen av lateral ventrikkel choroid plexus ikke fanger opp det omkringliggende hjerneparenkymet eller CSF.
  2. For å begynne å redigere, klikk på segmentet du vil jobbe med, og segmentnavnet blir uthevet.
  3. Klikk på Paint - eller Draw-verktøyet i Effects-delen av Segment Editor for å starte manuell segmentering.
    Det er best å starte segmenteringen i ett plan (koronal, aksial eller sagittal), og etter at segmenteringen er fullført i alle stykkene, flytter du til andre plan for å kontrollere og finjustere den manuelle segmenteringen. Det foreslås at brukeren starter med aksiale eller koronale plan, da lateral ventrikkel choroid plexus er lettere å se i disse visningene.
  4. Når du bruker tegneverktøyet , venstreklikker du og holder nede for å tegne en kontur ved grensen til den laterale ventrikkel choroid plexus. Når du er sporet, høyreklikker du for å fylle ut det tegnede området.
  5. Når du bruker maleverktøyet , velger du først diameteren på penselen som skal brukes til maling. En 3% eller 5% pensel er foreslått for en mer presis avgrensning av choroid plexus, mens 10% kan være nyttig for større valg.
  6. For begge verktøyene bruker du Paint eller Erase til å rette opp eventuelle feilaktige avgrensninger ved å legge til eller fjerne valg.
    MERK: Referanse til andre synspunktsplan kan hjelpe til med å identifisere lateral ventrikkel choroid plexusstruktur versus andre hjernestrukturer, for eksempel omkringliggende grå substans, fornix, corpus callosum eller hippocampus. Brukeren oppfordres til å ekskludere hjerneskanninger som har choroid plexus cyster identifisert.
  7. Bruk nivået av den røde kjernen som et landemerke for å stoppe segmenteringen av choroid plexus i laterale ventrikler.

7. Avgrensning av tredje og fjerde ventrikkel choroid plexus avkastning

MERK: Høyere oppløsning T1w-bilder (for eksempel 0,7 eller 0,8 mm) og de som er oppnådd på en 7T MR, vil gi en mer nøyaktig og pålitelig manuell segmentering av tredje og fjerde ventrikkel choroid plexus. Segmentering av tredje og fjerde ventrikkel choroid plexus er vanskeligere enn lateral ventrikkel choroid plexus, da disse regionene kan være mye mindre og med færre voxels å avgrense.

  1. For den tredje ventrikkel choroid plexus, begynne i sagittalplanet og bruke foramen av Monro, fornix, corpus callosum, thalamus og indre cerebral vene som referansepunkter for å finne choroid plexus i 3. ventrikkel. Flytting mellom skiver i samme plan kan hjelpe til med å avgjøre om en region er fornix, thalamus, vene eller tredje ventrikkel choroid plexus.
    1. Når endringer er gjort i sagittalplanet, naviger til de gjenværende visningene (aksial og koronal) for å sikre at den manuelle segmenteringen av tredje ventrikkel choroid plexus ikke velger det omkringliggende hjerneparenkymet eller CSF.
  2. På samme måte, for den fjerde ventrikkel choroid plexus, begynner i sagittalplanet og bruker den overlegne cerebellar peduncle, pons og medulla som referansepunkter for å finne choroid plexus i fjerde ventrikkel. Flytte mellom skiver innenfor samme plan kan hjelpe til med å avgjøre om en region er lillehjernen, cerebellar mandel, dårligere medullær velum eller 4th ventrikkel choroid plexus.
    1. Når redigeringer er fullført i sagittalplanet, flytt til de gjenværende visningene (aksial og koronal) for å sikre at den manuelle segmenteringen av fjerde ventrikkel choroid plexus ikke velger omkringliggende hjerneparenkym eller CSF.

8. Beregning av volumene av choroid plexus

  1. Fra rullegardinmenyen Moduler navigerer du til Kvantifisering og velger Segmentstatistikk.
  2. Under Inndata velger du det nye segmenteringskartet for kvantifisering under segmenteringsverktøyet og velger MRI-volumet fra skalarvolumet. For Utdatatabell (under Utdata) velger du alternativet Tabell . Når du er ferdig, trykker du på Bruk, og et bord som inneholder volumet av choroid plexus vil vises i forskjellige enheter.

9. Lagre segmentene og volumresultatene

  1. Klikk på Lagre-knappen øverst til venstre på verktøylinjen for å lagre genererte filer.
  2. Lagre segmenteringsfilene som .nrrd (3D slicerfil), .nii.gz (NIFTI-fil) eller .tsv (tabellfil).

10. Bestemme nøyaktighet, ytelse og enighet om segmenteringen

MERK: Det anbefales å bruke MONAI-pakken (se materialfortegnelse), som beskriver terningkoeffisienten (DC) og DeepMind gjennomsnittlig overflateavstand (avgSD). Detaljer om DC og avgSD er beskrevet nedenfor. For å beregne disse beregningene, må leserne vite hvordan de skal programmere (f.eks. Python, lese bilder fra disk, formatere dataene på nytt til de riktige inngangsarrayene for disse funksjonene). Det er ingen brukervennlig pakke som inneholder alle disse beregningene.

  1. DC-poengsummen er en standard tilnærming for å kvantifisere overlappingen av to geometriske domener. For å beregne gjennomsnittlig DC-poengsum mellom to segmenteringer, gi to tensorer y_pred og y, dvs. flerbildebilder med en ramme for hvert binarisert etikettbilde. Tensorene y_pred og y kan inneholde segmenteringer av to forskjellige manuelle ratere, gjentatte segmenteringer av samme rater, eller automatisert prediksjon og manuell bakkesannhet.
    1. Bruk funksjonen monai.metrics.compute_meandice til å beregne gjennomsnittlig DC-poengsum.
    2. Generer egnede binære etiketttensorer med monai.transforms.post.
      MERK: Parameteren include_background kan settes til False for å utelate den første kategorien (kanalindeks 0) fra DC-beregningen, som vanligvis antas å være en bakgrunn.
  2. Betrakt avgSD-poengsummen som mindre vanlig, og merk at tilnærmingen kan variere ettersom det finnes flere definisjoner for overflateavstand. Bruk for eksempel maksimal avstand (også kjent som Hausdorff-avstand, svært følsom for uteliggere), middelavstanden (som beskrevet her) og 95-persentilen (svært robust) som ofte brukte mål.
    1. Bruk funksjonen compute_average_surface_distance til å beregne avgSD-poengsummen.
    2. Kontroller at denne funksjonen beregner gjennomsnittlig overflateavstand fra y_pred til y under standardinnstillingen.
    3. I tillegg, hvis symmetrisk = True, må du sørge for at den gjennomsnittlige symmetriske overflateavstanden mellom disse to inngangene returneres.
  3. Utfør den statistiske analysen av DC- og avgSD-poengsummen på tvers av flere tilfeller kan utføres ved å bruke den robuste Wilcoxon signed-rank-testen for paranalyse.
  4. Vurder å bruke Intraclass korrelasjonskoeffisient (ICC) som en annen vanlig metode for å avgjøre om flere deltakere kan vurderes pålitelig av forskjellige raters. Husk at ICC opererer på et sett med sammenkoblede målinger (f.eks. volumet) av segmenteringer og ikke på segmenteringsbildene direkte. For å beregne ICC, bruk R-programvare og R Studio (se Materialfortegnelse), noe som gjør prosessen enkel.
    1. Last ned pakken ved hjelp av install.packages ("psych") og last inn biblioteket (psych).
    2. Skriv inn datarammen, som inkluderer deltakerne (radene) og en rater i hver kolonne, ved hjelp av Data <- data.frame(df). Visualiser deretter målingene ved hjelp av plott (Data).
    3. For å kjøre ICC, bruk ICC(Data), som genererer en tabell over de forskjellige typene ICC, for eksempel for å få inter- eller intrarater-skår.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Den foreslåtte metoden har gjennomgått iterativ forbedring for lateral ventrikkel choroid plexus, med omfattende testing på en kohort på 169 friske kontroller og 340 pasienter med klinisk høy risiko for psykose30. Ved hjelp av teknikken beskrevet ovenfor oppnådde forfatterne høy intraraternøyaktighet og pålitelighet med en DC = 0,89, avgHD = 3,27 mm3 og enkeltrater ICC = 0,9730, noe som demonstrerer styrken til protokollen beskrevet her.

Håndtere kvalitetskontrollproblemer og 3D Slicer-innstillinger
Før du starter segmenteringsprosessen, er det nødvendig å kontrollere kvaliteten på hjerneskanningen for å sikre at det ikke er hodebevegelser eller artefakter som forstyrrer manuell segmentering (figur 1A). Deretter kan lysstyrke og kontrast justeres for å hjelpe til med bedre visualisering av choroid plexus. Noen hjerneskanninger kan ha hodebevegelse, og det er viktig å avgjøre om artefakten vil påvirke avgrensningen av choroid plexus negativt (figur 1B). I tillegg gjør bilder med lysstyrke og kontrastartefakter det vanskelig å skille grensene til choroid plexus (figur 1C,D). I dette tilfellet kan du prøve å justere lysstyrken og kontrasten til den passer for manuell segmentering. Sørg for at hjerneskanninger som ikke lett kan segmenteres for choroid plexus utelukkes.

Lateral ventrikkel choroid plexus segmentering
Som vist i figur 2 brukes fem hoveddeler til å laste inn og vise bildene (del 1), velge forskjellige 3D-slicerfunksjoner (del 2), verktøy for segmentering av lateral choroid plexus (del 3), visualisere aksiale, koronale og sagittale bilder (del 4), beregne volumet av lateral ventrikkel choroid plexus (del 5), og lagre resultatene fra manuell segmentering. T1w-hjerneskanningen kan lastes opp ved hjelp av Welcome to Slicer-grensesnittet ved å laste ned eksempeldata fra MRHead-datasettet i 3D Slicer (figur 3) eller importere NIFTI- eller DICOM-filen fra et eksisterende datasett (figur 4A, B). Det er også et alternativ i dette panelet for å redigere lysstyrken og kontrasten til bildet (figur 4C). Etter at du har lastet inn T1w-hjerneskanningen, vises den i stykkevisningsgrensesnittet og klargjøres for lateral ventrikkel choroid plexus-segmentering. Manuell segmentering opprettes ved hjelp av segmentredigeringsmodulen (figur 5A), og navnet på mastervolumet kan bekreftes i figur 5B. I figur 5C kan etikettene for høyre og venstre laterale ventrikkel choroid plexus legges til og merkes i forskjellige farger (figur 5C), og selve interesseområdet kan avgrenses ved hjelp av tegne - eller malingsverktøyet (figur 5D). Figur 6 merker lateral ventrikkel choroid plexus og dens omkringliggende hjernestrukturer, som caudatkjernen, hippocampus, fornix og den tredje ventrikkelen, som gir landemerker for segmentering av lateral ventrikkel choroid plexus i noen av de mer komplekse regionene. Hvis du vil generere og trekke ut choroid plexus-volumdata fra de manuelle segmenteringene, velger du modulen Segmentstatistikk (figur 7A). Det er noen alternativer å velge mellom for å sende ut dataene (figur 7B). De nye filene som inneholder det beregnede laterale ventrikkel choroid plexusvolumet kan nå lagres ved å trykke på Lagre-knappen (figur 7C).

Tredje og fjerde ventrikkel choroid plexus segmentering
Som vist i figur 8 er det lett å se plexus choroid choroid (3) i nedre venstre panel som viser sagittalplanet. Spesielt kan Foramen av Monro observeres bue under corpus callosum, med choroid plexus uthevet i den tredje ventrikkelen i grønt. Tredje ventrikkel og tredje ventrikkel choroid plexus ses også i aksial- og koronalplan (henholdsvis øvre venstre og nedre høyre panel i figur 8). Til slutt vises en 3D-gjengivelse av den tredje ventrikkel choroid plexus i øvre høyre panel i figur 8. Figur 9 merker den tredje ventrikkel choroid plexus og dens omkringliggende hjernestrukturer, inkludert corpus callosum, fornix, thalamus, intern cerebral vene og tredje ventrikkel, som gir landemerker for segmentering av tredje ventrikkel choroid plexus i noen av de mer komplekse områdene.

Fjerde ventrikkel choroid plexus er vanskeligere å se og kan ses i figur 10. Sagittal- og koronaplanene (nedre venstre og nedre høyre panel i figur 10) gir best mulig visning av strukturen. Det må tas hensyn til at deler av lillehjernen eller selve fjerde ventrikkel ikke avgrenses som choroid plexus. Figur 11 merker den fjerde ventrikkel choroid plexus og dens omkringliggende hjernestrukturer, inkludert medulla, pons, superior cerebella peduncle, inferior medullary velum og fjerde ventrikkel, som gir landemerker for segmenteringen av 4th ventrikkel choroid plexus i noen av de mer komplekse områdene.

Segmenteringsnøyaktighet, likhet og enighet
Segmentering av nevroanatomiske strukturer kan sammenlignes direkte i en bildeviser, men likheten er noen ganger vanskelig å bli vurdert visuelt. Derfor brukes kvantitative mål som DC52, som måler prosentvis overlapping, og avgSD53, som måler avstander mellom grenseflatene til de avgrensede strukturene, til å sammenligne prediksjoner med bakkesannhet eller manuelle segmenteringer på tvers av eller innenfor ratere for å vurdere påliteligheten. Som vist i figur 12A, er DC for to 3D-segmenteringer G og P ganske enkelt volumet av overlappingen (skjæringspunktet) delt på gjennomsnittlig volum53:

Equation 1

hvor | . | representerer volum. Den måler overlapping på en skala mellom 0 og 1, der en verdi på 1 indikerer nøyaktig samsvar og 0 disjoint segmenteringer og multipliseres ofte med 100 for å representere en prosent overlapping. Den gjennomsnittlige overflateavstanden (ASD) måler den gjennomsnittlige avstanden (i mm) mellom alle punktene x på grensen til G ( bd (G) ) til grensen til P og omvendt (figur 12B). Det er definert som

Equation 2

med avstand Equation 3 som representerer minimum av den euklidske normen53. I motsetning til DC indikerer en mindre ASD bedre fangst av segmenteringsgrensene, med en verdi på null som minimum (perfekt samsvar). Merk at noen ganger brukes også maksimal avstand eller 95-persentilen i stedet for gjennomsnittet, der maksimumet er svært følsomt for enkeltavvik, mens 95-persentilen er robust, men kan gå glipp av små, men relevante segmenteringsfeil.

Overensstemmelsen mellom volumestimater (ikke segmenteringene direkte) mellom et sett med parede segmenteringer kan måles ved hjelp av ICC54. Dette kan oppnås ved å ha flere deltakere vurdert av flere ratere (interclass ICC) eller av samme rater (intraclass ICC) (figur 12C). ICC-score varierer fra 0 (dårlig pålitelighet) til 1 (utmerket pålitelighet). For interrater-reliabilitet foreslås det å bruke ICC1 (enveis modell med faste effekter) for datasett der hver segmentering gjøres av en annen rater valgt tilfeldig. I tillegg, for datasett der flere ratere, valgt tilfeldig, jobber med samme segmentering, anbefales det å bruke ICC2 (toveis tilfeldig effektmodell) for å teste for absolutt enighet i segmenteringene. Til slutt, for intrarater-reliabilitet, anbefales det å bruke ICC3 (toveis blandet effektmodell) (figur 12C).

Figure 1
Figur 1: Kvalitetskontroll av hjerneskanning. (A) Hjerneskanning med god kontrast og lysstyrke, ingen tegn på artefakter og ingen hodebevegelse. (B) Hjerneskanning som viser hodebevegelse (rød pil). (C) Hjerneskanning med høy lysstyrke og lav kontrast eller (D) lav lysstyrke og høy kontrast. Klikk her for å se en større versjon av denne figuren.

Figure 2
Figur 2: Segmenteringen av lateral ventrikkel choroid plexus i 3D Slicer. (1) brukes til å laste DICOM- eller NIFTI-bildene og lagre resultatene. (2) består av en rullegardinmeny som kan brukes til å gå inn i Segment Editor-modulen (gul pil), som brukes til å segmentere choroid plexus. Kvantifiseringsmodulen (blå pil) kan også velges her for å beregne volumet av choroid plexus. (3) Viser segmentverktøylinjen, som inkluderer tegne-, male- og sletteverktøyene. (4) demonstrerer choroid plexus i aksiale, sagittale og koronale bilder av T1w-bildet. 3D-gjengivelsen av choroid plexus er også vist i øvre høyre hjørne. (5) viser volumresultatene fra den manuelle choroid plexus-segmenteringen, beregnet ved hjelp av segmentstatistikkmodulen. De endelige resultatene kan lagres ved hjelp av lagre-knappen nevnt i (1). Klikk her for å se en større versjon av denne figuren.

Figure 3
Figur 3: Laste inn eksempeldata for 3D-slicer. Denne illustrasjonen viser hvordan du laster ned eksempeldataene fra 3DSlicer-grensesnittet. Først må "Last ned eksempeldata" velges, og deretter må "MRHead" velges, som viser aksiale, sagittale og koronale visninger av hjerneskanningen på høyre side av skjermen. Klikk her for å se en større versjon av denne figuren.

Figure 4
Figur 4: Laster inn T1w hjerneskanning. Denne figuren viser hvordan du laster opp T1w hjerneskanning ved hjelp av enten NIFTI (venstre panel) eller DICOM (høyre panel) filer. (A) For NIFTI filer, enten "Velg katalog for å legge til" eller "Velg fil (er) å legge til" må velges, etterfulgt av å velge "OK". (B) For DICOM-filer er det nødvendig å velge "Legg til DICOM-data", etterfulgt av "Importer DICOM-filer" og deretter trykke "OK". Disse to tilnærmingene vil vise aksiale, sagittale og koronale visninger av hjerneskanningen på høyre side av skjermen. (C) For å justere lysstyrken og kontrasten til bildene, må den røde knappen velges. Klikk her for å se en større versjon av denne figuren.

Figure 5
Figur 5 Lateral ventrikkel choroid plexus segmentering. Etter at T1w hjerneskanning er lastet inn i 3D Slicer. (A) Velge modulen "Segmentation Editor". (B) Bekreftelse av modulen og mastervolumet for manuell segmentering av lateral ventrikkel choroid plexus. (C) Opprette etiketter for høyre og venstre laterale ventrikkel choroid plexus. (D) Bruk av "tegne" og "male" verktøy for å manuelt avgrense lateral ventrikkel choroid plexus. Klikk her for å se en større versjon av denne figuren.

Figure 6
Figur 6 Tilgrensende strukturer til lateral ventrikkel choroid plexus. Tilstøtende hjernestrukturer inkluderer fornix, caudatkjernen, hippocampus og den tredje ventrikkelen. Klikk her for å se en større versjon av denne figuren.

Figure 7
Figur 7: Volumberegning. Beregne volumet av choroid plexus og lagre segmentene og volumresultatene. (a) Velge modulen Segmentstatistikk . (B) Velge å sende ut dataene. (C) Trykk på Lagre-knappen for å lagre de nye filene som inneholder det beregnede laterale ventrikkel choroid plexusvolumet. Klikk her for å se en større versjon av denne figuren.

Figure 8
Figur 8: Tredje ventrikkel choroid plexus segmentering. Avbildet her er aksiale, koronale og sagittale visninger av tredje ventrikkel choroid plexus som har blitt manuelt segmentert ved hjelp av 3D Slicer. Øverste høyre hjørne viser en 3D-gjengivelse av den tredje ventrikkel choroid plexus. Klikk her for å se en større versjon av denne figuren.

Figure 9
Figur 9: Tilgrensende strukturer til tredje ventrikkel choroid plexus. Tilstøtende hjernestrukturer inkluderer fornix, indre cerebral vene, thalamus, corpus callosum og 3. ventrikkel . Klikk her for å se en større versjon av denne figuren.

Figure 10
Figur 10: Fjerde ventrikkel choroid plexus segmentering. Avbildet her er aksiale, koronale og sagittale visninger av fjerde ventrikkel choroid plexus som har blitt manuelt segmentert ved hjelp av 3D Slicer. Øverste høyre hjørne viser en 3D-gjengivelse av den fjerde ventrikkel choroid plexus. Klikk her for å se en større versjon av denne figuren.

Figure 11
Figur 11: Tilstøtende strukturer til fjerde ventrikkel choroid plexus. Tilstøtende hjernestrukturer inkluderer medulla oblongata, pons, cerebellum, cerebellar vermis og cerebellar mandler. Klikk her for å se en større versjon av denne figuren.

Figure 12
Figur 12: Fastsettelse av segmenteringsnøyaktighet, ytelse og enighet. (A) Viser hvordan prosentvis overlapping beregnes ved hjelp av poengsummen for terningkoeffisienten (DC). (B) Den gjennomsnittlige overflateavstanden (avgSD) måler avstandene mellom grenseflatene til de avgrensede strukturene for å sammenligne prediksjoner med bakkesannhet, eller manuelle segmenteringer over eller innenfor ratere for å vurdere påliteligheten. (C) Intraklassekorrelasjonskoeffisienten (ICC) kan brukes til interrater (gjentatte målinger av samme emne) eller intrarater (flere målinger fra de samme raterne) reliabilitetsanalyse. Et representativt eksempel og utdata er gitt. Klikk her for å se en større versjon av denne figuren.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Kritiske trinn i protokollen
Tre kritiske trinn krever spesiell oppmerksomhet når du implementerer denne protokollen. For det første er det viktig å kontrollere kvaliteten og kontrasten til MR-bilder for å sikre nøyaktig segmentering. Hvis kvaliteten på bildet er for dårlig, eller kontrasten er for lav eller for høy, kan det føre til unøyaktig avgrensning av choroid plexus. Kontrasten i bildet kan justeres ved å vise bildets gråtoneverdi eller ved å kalibrere verdiene for å forbedre kontrasten mellom kjernene i grå substans og den grå substansen. For det andre må raterne være kjent med anatomien til choroid plexus og ha spesialisert trening. Hvis raters ikke er kjent med anatomien til choroid plexus og tilstøtende hjernegrupper, kan de segmentere choroid plexus feil, noe som gjør choroid plexus 'volum unøyaktig. Til slutt er det viktig å evaluere intra- og interrater-reproduserbarheten for å sikre at ratere som utfører manuell segmentering kan reprodusere sine egne, så vel som andre raters segmentering av choroid plexus. Disse tallene er også svært relevante når du validerer automatiserte segmenteringsverktøy på et senere tidspunkt. I tillegg, hvis datasettet er løst, og hvis flere ratere skal brukes til manuell segmentering, anbefales det at samme vindusinnstilling brukes slik at raterne ser på det samme bildet med samme kontrast og lysstyrke. Hvis vindusinnstillingen endres mellom ratere som ser på det samme bildet, kan det samme bildet segmenteres annerledes.

Endringer og feilsøking
Brukere kan gjøre noen endringer i denne protokollen. For det første kan choroid plexusvev som ligger i paraseptalområdet og den inferno-anterior-laterale delen av det temporale hornet, som ligger ved siden av septum pellucidum, fornix og hippocampus, gjøre segmenteringen av choroid plexus utfordrende. For å løse denne vanskeligheten vil det bli foreslått å gjennomføre segmenteringen av choroid plexus i alle tre dimensjoner, og en referanse (figur 6) er gitt for segmentering av choroid plexus i disse komplekse områdene. For det andre er det også viktig å vite når du skal stoppe segmenteringen. For choroid plexus i laterale og tredje ventrikler kan den røde kjernen brukes som et stoppende landemerke, mens for fjerde ventrikkel choroid plexus kan foramen av Magendie brukes som stoppested. For det tredje kan det være utfordringer med å skille grensen mellom plexus choroid og cereoidea i bakre basal del av laterale ventrikler. For å løse denne bekymringen kan signalintensitet og anatomiske hensyn brukes til å hjelpe rateren med å ta passende segmenteringsbeslutninger. For det fjerde, hvis et lavoppløselig bilde brukes, anbefales det å være mer konservativ i segmenteringsprosedyren og prioritere å bruke kontrastforsterket avbildning for å validere segmenteringen av choroid plexus i denne temporale regionen. Hvis kontrastforbedret bildebehandling ikke er tilgjengelig, foreslås det å ekskludere denne regionen fra segmenteringsprosessen. Imidlertid, hvis et høyoppløselig bilde brukes, anbefales det å være mer liberalt i segmenteringsprosedyren. Også, hvis avgrensningen mellom choroid plexus og hjerneparenchyma kan gjøres på et høyoppløselig bilde av det temporale hornet, ville et kontrastforsterket bilde ikke være nødvendig. For det femte kan 3D Slicer kjøres på en datamaskin med berøringsskjerm der en pekepenn i stedet for en mus kan brukes til å forbedre sporingen av choroid plexus. Denne programvaren er imidlertid for øyeblikket ikke tilgjengelig på iPad. Til slutt kan programvarekrasjproblemer oppstå på noen datamaskiner når choroid plexus på mer enn ti har blitt avgrenset etter hverandre. I dette tilfellet kan det å klikke på Lagre-knappen ofte forhindre tap av data forårsaket av programvarekrasj.

Begrensninger
Mens manuell segmentering av choroid plexus er gullstandarden for å oppnå nøyaktige volumdata, er det flere begrensninger knyttet til typen og kvaliteten på skanningen, samt opplevelsen av rater21. For eksempel kan choroid plexus størrelse variere avhengig av alder eller sykdomstilstand, noe som kan påvirke størrelsen på ventrikkelen og choroid plexus. Dermed kan choroid plexus virke liten hos unge, friske individer, noe som gjør det vanskelig å segmentere manuelt. Dette problemet kan forsterkes hvis bildet har dårligere oppløsning (1,2 eller 1,5 mm isovoksel) og/eller er tatt med en MR-skanner på 1,5 T. Manuell segmentering av choroid plexus kan i tillegg påvirkes av lysstyrken og kontrasten i bildet, noe som gjør det vanskelig å identifisere grensene, noe som resulterer i over- eller underestimering av volumet. I tillegg er tredje og fjerde ventrikkel choroid plexus små strukturer, som kan være utfordrende å segmentere riktig hvis et bilde med høyere oppløsning ikke er tilgjengelig (0,7 eller 0,8 mm isovoksel). En begrensning for å bruke en 3D Slicer i stedet for annen åpen kildekode manuell segmenteringsprogramvare er manglende evne til å utføre bildesegmentering samtidig i tre dimensjoner, en funksjon som tilbys gjennom ITK-SNAP51 som kan forbedre hastigheten på bildesegmentering av choroid plexus. I tillegg er manuell segmentering en tidkrevende og kjedelig oppgave, noe som gjør studiet av choroid plexus i store kohorter med tusenvis eller titusenvis av individer upraktisk, og fremhever behovet for nøyaktige automatiske choroid plexus segmenteringsverktøy. Til slutt kan bare telling av choroid plexus voxels uten å regne med de delvise volumeffektene av CSF eller hvit substans introdusere feil i volummålingen.

Betydning i forhold til eksisterende metoder
Avhengigheten av FreeSurfer for choroid plexus segmentering, som har dårlig nøyaktighet og ikke segmenterer tredje og fjerde ventrikkel choroid plexus, begrenser det grunnleggende arbeidet som kan fullføres for bedre å forstå rollen til choroid plexus i helse og sykdom. I tillegg kan en mer nøyaktig avgrensning av choroid plexus også utnyttes av Alzheimers neuroimaging samfunn for å redusere forurensningen av medialt temporal tau PET-signal ved off-target binding i choroid plexus55. Mens innledende tilpasninger av maskinlæring (GMM) og dyplæringsteknikker (3D U-Net, nnU-Net, Axial-MLP 8) til choroid plexus-etiketter har forbedret segmenteringsnøyaktigheten på FreeSurfer-avledede choroid plexus-etiketter 46,48,49, er metoder dessverre bare trent og evaluert i små, homogene datasett, verken offentlig tilgjengelige eller brukervennlige verktøy og ufullstendige bare inkludert choroid plexus i laterale ventrikler. En advarsel er at på tidspunktet for gjeninnlevering av denne protokollen, var det en artikkel publisert av Yazdan-Panah et al. hvor de gjennomførte manuell segmentering av lateral ventrikkel choroid plexus ved hjelp av ITK-SNAP56. De brukte disse manuelt segmenterte bildene til å trene et 2-trinns 3D U-Net og demonstrerte en gjennomsnittlig DC på 0,72 med bakken, og det overgikk FreeSurfer og FastSurfer-baserte segmenteringer56. Generaliserbarheten til andre oppløsninger, skannere, aldre og flere sykdommer er ikke fastslått og er faktisk usannsynlig gitt utfordringen med domeneoverføringen.

Fremtidige applikasjoner
På grunn av begrensningene nevnt ovenfor, er det nødvendig med en protokoll for nøyaktig segmentering av choroid plexus. Videre, for å skape et automatisert segmenteringsverktøy for choroid plexus, som kan være utfordrende å utvikle på grunn av denne strukturens natur, er det nødvendig med et omfattende kommentert datasett av choroid plexus som spenner over forskjellige parametere og kombinerer det med et sett metodologiske innovasjoner for toppmoderne åpen kildekode-programvare, FastSurfer42,43, en avansert og skalerbar dyp læringsbasert neuroimaging pipeline for automatisert kortikal og subkortikal segmentering. FastSurferCNN har vist seg å overgå 3D U-Net, SDNet og QuickNAT modeller for kortikal og subkortikal segmentering av nær 100 strukturer med en gjennomsnittlig DCs > 8542. Dermed kan en stor og omfattende merknad av choroid plexus brukes med FastSurfer for å utvide betydelig til (1) en 3D-arkitektur med forbedrede interne forstørrelsesteknikker, (2) muligheten til også å forutsi - for første gang - partielle volumestimater direkte, samt (3) utgangssegmenteringer ved høyere oppløsninger (superoppløsning) for dataharmonisering. Forfatterne planlegger å jobbe videre med å tilpasse og utvikle FastSurfer for å skape et svært nøyaktig choroid plexus segmenteringsverktøy for laterale, tredje og fjerde ventrikler og dele det samme åpent med forskningsmiljøet.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har ingen konkurrerende økonomiske interesser.

Acknowledgments

Dette arbeidet ble støttet av et National Institute of Mental Health Award R01 MH131586 (til PL og MR), R01 MH078113 (til MK), og et Sydney R Baer Jr Foundation Grant (til PL).

Materials

Name Company Catalog Number Comments
3D Slicer 3D Slicer https://www.slicer.org/ A free, open source software for visualization, processing, segmentation, registration, and analysis of medical, biomedical, and other 3D images and meshes; and planning and navigating image-guided procedures.
FreeSurfer FreeSurfer https://surfer.nmr.mgh.harvard.edu/ An open source neuroimaging toolkit for processing, analyzing, and visualizing human brain MR images
ITK-SNAP ITK-SNAP http://www.itksnap.org/pmwiki/pmwiki.php A free, open-source, multi-platform software application used to segment structures in 3D and 4D biomedical images. 
Monai Package Monai Consortium https://docs.monai.io/en/stable/metrics.html Use for Dice Coefficient and DeepMind average Surface Distance. 
MRI scanner GE Discovery MR750 
Psych Package R-Project https://cran.r-project.org/web/packages/psych/index.html A general purpose toolbox developed originally for personality, psychometric theory and experimental psychology.
R Software R-Project https://www.r-project.org/ R is a free software environment for statistical computing and graphics. 
RStudio Posit https://posit.co/ An RStudio integrated development environment (IDE) is a set of tools built to help you be more productive with R and Python. 
Windows or Apple OS Desktop or Laptop Any company n/a Needed for running the software used in this protocol. 

DOWNLOAD MATERIALS LIST

References

  1. Lun, M. P., Monuki, E. S., Lehtinen, M. K. Development and functions of the choroid plexus-cerebrospinal fluid system. Nature Reviews Neuroscience. 16 (8), 445-457 (2015).
  2. Dani, N., Herbst, R. H., McCabe, C. A cellular and spatial map of the choroid plexus across brain ventricles and ages. Cell. 184 (11), 3056-3074 (2021).
  3. Kaiser, K., Bryj, aV. Choroid plexus: the orchestrator of long-range signalling within the CNS. IJMS. 21 (13), 4760 (2020).
  4. Damkier, H. H., Brown, P. D., Praetorius, J. Cerebrospinal fluid secretion by the choroid plexus. Physiological Reviews. 93, 46 (2013).
  5. Liddelow, S. A. Development of the choroid plexus and blood-CSF barrier. Frontiers in Neuroscience. 9, 00032 (2015).
  6. Gato, A., Alonso, M. I., Lamus, F., Miyan, J. Neurogenesis: A process ontogenically linked to brain cavities and their content, CSF. Seminars in Cell & Developmental Biology. 102, 21-27 (2020).
  7. Spatazza, J., Lee, H. H. C., Di Nardo, A. A. Choroid-plexus-derived Otx2 homeoprotein constrains adult cortical plasticity. Cell Reports. 3 (6), 1815-1823 (2013).
  8. Kim, S., Hwang, Y., Lee, D., Webster, M. J. Transcriptome sequencing of the choroid plexus in schizophrenia. Translational Psychiatry. 6 (11), e964-964 (2016).
  9. Myung, J., Schmal, C., Hong, S. The choroid plexus is an important circadian clock component. Nature Communications. 9 (1), 1062 (2018).
  10. Quintela, T., Furtado, A., Duarte, A. C., Gonçalves, I., Myung, J., Santos, C. R. A. The role of circadian rhythm in choroid plexus functions. Progress in Neurobiology. 205, 102129 (2021).
  11. Gorlé, N., Blaecher, C., Bauwens, E., et al. The choroid plexus epithelium as a novel player in the stomach-brain axis during Helicobacter infection. Brain, Behavior, and Immunity. 69, 35-47 (2018).
  12. Zappaterra, M. W., Lehtinen, M. K. The cerebrospinal fluid: regulator of neurogenesis, behavior, and beyond. Cellular and Molecular Life Sciences. 69 (17), 2863-2878 (2012).
  13. Cardia, E., Molina, D., Abbate, F. Morphological modifications of the choroid plexus in a rodent model of acute ventriculitis induced by gram-negative liquoral sepsis: Possible implications in the pathophysiology of hypersecretory hydrocephalus. Child's Nervous System. 11 (9), 511-516 (1995).
  14. Coisne, C., Engelhardt, B. Tight junctions in brain barriers during central nervous system inflammation. Antioxidants & Redox Signaling. 15 (5), 1285-1303 (2011).
  15. Szmydynger-Chodobska, J., Strazielle, N., Gandy, J. R. Posttraumatic Invasion of monocytes across the blood-cerebrospinal fluid barrier. Journal of Cerebral Blood Flow & Metabolism. 32 (1), 93-104 (2012).
  16. Pellegrini, L., Albecka, A., Mallery, D. L. SARS-CoV-2 infects the brain choroid plexus and disrupts the blood-csf barrier in human brain organoids. Cell Stem Cell. 27 (6), 951-961 (2020).
  17. Bitanihirwe, B., Lizano, P., Woo, T. Deconstructing the functional neuroanatomy of the choroid plexus: an ontogenetic perspective for studying neurodevelopmental and neuropsychiatric disorders. Review at Molecular Psychiatry. , (2022).
  18. Ramaekers, V., Sequeira, J. M., Quadros, E. V. Clinical recognition and aspects of the cerebral folate deficiency syndromes. Clinical Chemistry and Laboratory Medicine. 51 (3), 0543 (2012).
  19. Lizano, P., Lutz, O., Ling, G. Association of choroid plexus enlargement with cognitive, inflammatory, and structural phenotypes across the psychosis spectrum. AJP. 176 (7), 564-572 (2019).
  20. Kim, H., Lim, Y. M., Kim, G. Choroid plexus changes on magnetic resonance imaging in multiple sclerosis and neuromyelitis optica spectrum disorder. Journal of the Neurological Sciences. 415, 116904 (2020).
  21. Bannai, D., Lutz, O., Lizano, P. Neuroimaging considerations when investigating choroid plexus morphology in idiopathic psychosis. Schizophrenia Research. 224, 19-21 (2020).
  22. Zhou, G., Hotta, J., Lehtinen, M. K., Forss, N., Hari, R. Enlargement of choroid plexus in complex regional pain syndrome. Scientific Reports. 5 (1), 14329 (2015).
  23. Jacob, F., Pather, S. R., Huang, W. K. Human pluripotent stem cell-derived neural cells and brain organoids reveal SARS-CoV-2 neurotropism predominates in choroid plexus epithelium. Cell Stem Cell. 27 (6), 937-950 (2020).
  24. Yang, A. C., Kern, F., Losada, P. M. Dysregulation of brain and choroid plexus cell types in severe COVID-19. Nature. 595 (7868), 565-571 (2021).
  25. Lin, Y. J., Chiu, N. C., Chen, H. J., Huang, J. Y., Ho, C. S. Cranial ultrasonographic screening findings among healthy neonates and their association with neurodevelopmental outcomes. Pediatrics & Neonatology. 62 (2), 158-164 (2021).
  26. Chang, H., Tsai, C. M., Hou, C. Y., Tseng, S. H., Lee, J. C., Tsai, M. L. Multiple subependymal pseudocysts in neonates play a role in later attention deficit hyperactivity and autistic spectrum disorder. Journal of the Formosan Medical Association. 118 (3), 692-699 (2019).
  27. Levman, J., Vasung, L., MacDonald, P. Regional volumetric abnormalities in pediatric autism revealed by structural magnetic resonance imaging. International Journal of Developmental Neuroscience. 71 (1), 34-45 (2018).
  28. Taft, A. E. A note on the pathology of the choroid plexus in general paralysis. Archives of Neurology & Psychiatry. 7 (2), 177 (1922).
  29. D, S. R. The choroid plexus in organic diseases of the brain and of schizophreina. The Journal of Nervous and Mental Disease. 56, 21-26 (1921).
  30. Bannai, D., Reuter, M., Hegde, R. Linking choroid plexus enlargement with plasma analyte and structural phenotypes in clinical high risk for psychosis: a multisite neuroimaging study. BioRxiv. , (2022).
  31. Egorova, N., Gottlieb, E., Khlif, M. S., Spratt, N. J., Brodtmann, A. Choroid plexus volume after stroke. International Journal of Stroke. 14 (9), 923-930 (2019).
  32. Ricigliano, V. A., Morena, E., Colombi, A. Choroid plexus enlargement in inflammatory multiple sclerosis: 3.0-T MRI and translocator protein PET evaluation. Radiology. 301 (1), 166-177 (2021).
  33. Tadayon, E., Pascual-Leone, A., Press, D., Santarnecchi, E. Choroid plexus volume is associated with levels of CSF proteins: relevance for Alzheimer's and Parkinson's disease. Neurobiology of Aging. 89, 108-117 (2020).
  34. Choi, J. D., Moon, Y., Kim, H. J., Yim, Y., Lee, S., Moon, W. J. Choroid plexus volume and permeability at brain MRI within the Alzheimer Disease clinical spectrum. Radiology. 304 (3), 635-645 (2022).
  35. Althubaity, N., Schubert, J., Martins, D. Choroid plexus enlargement is associated with neuroinflammation and reduction of blood-brain barrier permeability in depression. NeuroImage: Clinical. 33, 102926 (2022).
  36. Senay, O., et al. Choroid plexus volume in individuals with early course and chronic psychosis - a magnetic resonance imaging study. Schizophrenia Bulletin. , (2022).
  37. Fischi, B. FreeSurfer. NeuroImage. 62 (2), 774-781 (2012).
  38. Fischl, B., et al. Cortical folding patterns and predicting cytoarchitecture. Cerebral Cortex. 18 (8), 1973-1980 (2008).
  39. Fischl, B., vander Kouwe, A., Destrieux, C. Automatically parcellating the human cerebral cortex. Cerebral Cortex. 14 (1), 11-22 (2004).
  40. Patenaude, B., Smith, S. M., Kennedy, D. N., Jenkinson, M. A Bayesian model of shape and appearance for subcortical brain segmentation. NeuroImage. 56 (3), 907-922 (2011).
  41. Huo, Y., Xu, Z., Xiong, Y. 3D whole brain segmentation using spatially localized atlas network tiles. NeuroImage. 194, 105-119 (2019).
  42. Henschel, L., Conjeti, S., Estrada, S., Diers, K., Fischl, B., Reuter, M. FastSurfer - A fast and accurate deep learning based neuroimaging pipeline. NeuroImage. 219, 117012 (2020).
  43. Henschel, L., Kügler, D., Reuter, M. FastSurferVINN: Building resolution-independence into deep learning segmentation methods-A solution for HighRes brain MRI. NeuroImage. 251, 118933 (2022).
  44. Jovicich, J., Czanner, S., Han, X. MRI-derived measurements of human subcortical, ventricular and intracranial brain volumes: Reliability effects of scan sessions, acquisition sequences, data analyses, scanner upgrade, scanner vendors and field strengths. NeuroImage. 46 (1), 177-192 (2009).
  45. Zaretskaya, N., Fischl, B., Reuter, M., Renvall, V., Polimeni, J. R. Advantages of cortical surface reconstruction using submillimeter 7 T MEMPRAGE. NeuroImage. 165, 11-26 (2018).
  46. Tadayon, E., Moret, B., Sprugnoli, G., Monti, L., Pascual-Leone, A., Santarnecchi, E. Improving choroid plexus segmentation in the healthy and diseased brain: Relevance for Tau-PET imaging in dementia. Journal of Alzheimer's Disease. 74 (4), 1057-1068 (2020).
  47. Schmidt-Mengin, M., Ricigliano, V. A. G., Bodini, B. Axial multi-layer perceptron architecture for automatic segmentation of choroid plexus in multiple sclerosis. Medical Imaging 2022: Image Processing. SPIE. Išgum, I., Colliot, O. , (2022).
  48. Zhao, L., Feng, X., Meyer, C. H., Alsop, D. C. Choroid plexus segmentation using optimized 3D U-Net. 2020 IEEE 17th International Symposium on Biomedical Imaging (ISBI). IEEE. , 381-384 (2020).
  49. Schmidt-Mengin, M., et al. Axial multi-layer perceptron architecture for automatic segmentation of choroid plexus in multiple sclerosis. arXiv. , (2021).
  50. Egger, J., Kapur, T., Nimsky, C., Kikinis, R. Pituitary adenoma volumetry with 3D Slicer. PLoS ONE. Muñoz-Barrutia, A. 7 (12), 51788 (2012).
  51. Yushkevich, P. A., Piven, J., Hazlett, H. C., et al. User-guided 3D active contour segmentation of anatomical structures: Significantly improved efficiency and reliability. NeuroImage. 31 (3), 1116-1128 (2006).
  52. Dice, L. R. Measures of the amount of ecologic association between species. Ecology. 26 (3), 297-302 (1945).
  53. Aydin, O. U., Taha, A. A., Hilbert, A. On the usage of average Hausdorff distance for segmentation performance assessment: hidden error when used for ranking. European Radiology Experimental. 5 (1), (2021).
  54. Shrout, P. E., Fleiss, J. L. Intraclass correlations: Uses in assessing rater reliability. Psychological Bulletin. 86 (2), 420-428 (1979).
  55. Pawlik, D., Leuzy, A., Strandberg, O., Smith, R. Compensating for choroid plexus based off-target signal in the hippocampus using 18F-flortaucipir PET. NeuroImage. 221, 117193 (2020).
  56. Yazdan-Panah, A., Schmidt-Mengin, M., Ricigliano, V. A. G., Soulier, T., Stankoff, B., Colliot, O. Automatic segmentation of the choroid plexuses: Method and validation in controls and patients with multiple sclerosis. NeuroImage: Clinical. 38, 103368 (2023).

Tags

Denne måneden i JoVE utgave 202 Choroid plexus MR manuell segmentering menneskelig volum neuroimaging
Manuell segmentering av human choroid plexus ved hjelp av MR av hjernen
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