Waiting
Login processing...

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

Neuroscience

Beyin MRG Kullanılarak İnsan Koroid Pleksusunun Manuel Segmentasyonu

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

Koroid pleksusun beyindeki önemli rolüne rağmen, güvenilir otomatik segmentasyon araçlarının olmaması nedeniyle bu yapının nörogörüntüleme çalışmaları azdır. Mevcut protokol, gelecekteki nörogörüntüleme çalışmalarını bilgilendirebilecek koroid pleksusun altın standart manuel segmentasyonunu sağlamayı amaçlamaktadır.

Abstract

Koroid pleksus, nörogelişimde ve bir dizi beyin bozukluğunda rol oynamıştır. Kanıtlar, koroid pleksusun beyin olgunlaşması, bağışıklık/inflamatuar düzenleme ve davranışsal/bilişsel işlevler için kritik olduğunu göstermektedir. Bununla birlikte, mevcut otomatik nörogörüntüleme segmentasyon araçları, lateral ventrikül koroid pleksusu doğru ve güvenilir bir şekilde segmentlere ayırmada zayıftır. Ayrıca, beynin üçüncü ve dördüncü ventriküllerinde bulunan koroid pleksusu segmentlere ayıran mevcut bir araç yoktur. Bu nedenle, nörogelişimsel ve beyin bozukluklarında koroid pleksusu inceleyen çalışmaların güvenilirliğini ve tekrarlanabilirliğini artırmak için koroid pleksusun lateral, üçüncü ve dördüncü ventrikülde nasıl segmentlere ayrılacağını tanımlayan bir protokole ihtiyaç vardır. Bu protokol, DICOM veya NIFTI görüntülerine dayalı olarak koroid pleksus için 3B Dilimleyici'de ayrı olarak etiketlenmiş dosyalar oluşturmak için ayrıntılı adımlar sağlar. Koroid pleksus, T1w görüntülerinin eksenel, sagital ve koronal düzlemleri kullanılarak manuel olarak bölümlere ayrılacak ve vokselleri ventrikülleri çevreleyen gri veya beyaz madde yapılarından hariç tutulduğundan emin olunacaktır. Pencereleme, koroid pleksusun lokalizasyonuna ve anatomik sınırlarına yardımcı olacak şekilde ayarlanacaktır. Doğruluk ve güvenilirliği değerlendirme yöntemleri bu protokolün bir parçası olarak gösterilecektir. Koroid pleksusun manuel tanımlamalar kullanılarak altın standart segmentasyonu, yaşam boyu ve çeşitli beyin bozuklukları içinde koroid pleksustaki değişiklikleri aydınlatmak için açıkça paylaşılabilen daha iyi ve daha güvenilir otomatik segmentasyon araçları geliştirmek için kullanılabilir.

Introduction

Koroid pleksus fonksiyonu
Koroid pleksus, beyinde fenestre kılcal damarlar ve tek tabakalı koroid pleksus epitel hücrelerinden oluşan oldukça vaskülarize bir yapıdır1. Koroid pleksus, lateral, üçüncü ve dördüncü serebral ventriküllere çıkıntı yapar ve nöral modellemedeönemli bir rol oynayan beyin omurilik sıvısı (BOS) üretir 2 ve beyin fizyolojisi 3,4. Koroid pleksus, nörovasküler maddeler salgılar, kök hücre benzeri bir depoyu kapsar ve toksik metabolitlerin girişini engellemek için fiziksel bir bariyer, fiziksel bariyeri aşan kısımları çıkarmak için enzimatik bir bariyer ve yabancı istilacılara karşı korunmak için immünolojik bir bariyer görevi görür5. Koroid pleksus, nörojenez6, sinaptik plastisite7, inflamasyon8, sirkadiyen ritim9,10, bağırsak beyin ekseni11 ve biliş12'yi modüle eder. Ayrıca, periferik sitokinler, stres ve enfeksiyon (SARS-CoV-2 dahil) kan-BOS bariyerinibozabilir 13,14,15,16. Bu nedenle, koroid pleksus-BOS sistemi nörogelişim, nörodevre olgunlaşması, beyin homeostazı ve onarımı için ayrılmaz bir parçadır17. Bağışıklık, inflamatuar, metabolik ve enzimatik değişiklikler beyni etkilediğinden, araştırmacılar koroid pleksusun yaşam boyu ve beyin bozukluklarındaki rolünü değerlendirmek için nörogörüntüleme araçlarını kullanıyorlar 18,19,20. Bununla birlikte, FreeSurfer gibi koroid pleksus segmentasyonu için yaygın olarak kullanılan otomatik araçlarda sınırlamalar vardır ve bu da koroid pleksusun zayıf bir şekilde segmentlere ayrılmasına neden olur. Bu nedenle, koroid pleksus segmentasyonu için doğru bir otomatik araç geliştirmek için kullanılabilecek koroid pleksusun temel gerçek manuel segmentasyonuna kritik bir ihtiyaç vardır.

Nörogelişim ve beyin bozukluklarında koroid pleksus
Koroid pleksusun beyin bozukluklarındaki rolü uzun zamandır ihmal edilmiştir, çünkü rolü beyni yastıklamak ve uygun bir tuz dengesini korumak olan destekleyici bir oyuncu olarak kabul edilmiştir 2,21. Bununla birlikte, koroid pleksus, ağrı sendromları22, SARS-CoV-2 16,23,24, nörogelişimsel 2 ve beyin bozuklukları19 gibi beyin bozukluklarıyla bağlantılı bir yapı olarak dikkat çekmiş ve davranış bozukluklarının gelişiminde transdiagnostik bir etki olduğunu düşündürmektedir. Nörogelişimsel bozukluklarda, koroid pleksus kistleri gelişimsel gecikme, dikkat eksikliği/hiperaktivite bozukluğu (DEHB) veya otizm spektrum bozukluğu (ASD) riskinde artış ile ilişkilendirilmiştir25,26. Ek olarak, lateral ventrikül koroid pleksus hacminin OSB27 hastalarında arttığı bulunmuştur. Beyin bozukluklarında, koroid pleksus anormallikleri 1921'den beri psikotik bozukluklardatanımlanmıştır 28,29. Önceki çalışmalar, hem birinci derece akrabalarına hem de kontrollerine kıyasla psikotik bozukluğu olan geniş bir hasta örnekleminde FreeSurfer segmentasyonu kullanılarak koroid pleksus genişlemesini tanımlamıştır19. Bu bulgular, psikoz popülasyonu için yüksek riskli klinik yüksek riskli geniş bir örneklemde manuel olarak segmentlere ayrılmış koroid pleksus hacmi kullanılarak tekrarlandı ve bu hastaların sağlıklı kontrollere kıyasla daha büyük koroid pleksus hacmine sahip olduğu bulundu30. Kompleks bölgesel ağrı sendromu22, inme31, multipl skleroz20,32, Alzheimer33,34 ve depresyon35'te koroid pleksus genişlemesini gösteren artan sayıda çalışma vardır ve bazıları periferik ve beyin immün / inflamatuar aktivite arasında bir bağlantı olduğunu göstermektedir. Bu nörogörüntüleme çalışmaları umut vericidir; bununla birlikte, FreeSurfer21 tarafından yapılan zayıf lateral ventrikül koroid pleksus segmentasyonu, otomatik koroid pleksus hacmi tahmininin güvenilirliğini sınırlar. Sonuç olarak, multipl skleroz20,32, depresyon35, Alzheimer34 ve erken psikoz36 ile ilgili çalışmalar, lateral ventrikül koroid pleksusunu manuel olarak segmentlere ayırmaya başlamıştır, ancak bunun nasıl yapılacağına dair mevcut bir kılavuz yoktur ve üçüncü ve dördüncü ventrikül koroid pleksusu segmentlere ayırma konusundaki kılavuzları da yoktur.

Yaygın segmentasyon araçları koroid pleksusu hariç tutar
FreeSurfer37,38,39, FMRIB Yazılım Kütüphanesi (FSL)40, SLANT41 ve FastSurfer (ortak yazar Martin Reuter tarafından geliştirilmiştir)42,43 gibi beyin segmentasyon boru hatları, atlas tabanlı (FSL), atlas ve yüzey tabanlı (FreeSurfer) ve derin öğrenme segmentasyon paradigmalarını (SLANT ve FastSurfer) kullanan kortikal ve subkortikal yapıları doğru ve güvenilir bir şekilde segmentlere ayırır. Bu yaklaşımlardan bazılarının zayıf yönleri arasında işlem hızı, farklı tarayıcılara sınırlı genelleme, alan güçleri ve voksel boyutları37,44 ve etiket haritasının standart bir atlas alanında zorla hizalanması yer alır. Bununla birlikte, koroid pleksusu segmentlere ayırma yeteneği ve yüksek çözünürlüklü MRI ile uyumluluk yalnızca FreeSurfer ve FastSurfer tarafından ele alınmaktadır. FastSurfer'ın arkasındaki sinir ağları, FreeSurfer koroid pleksus etiketleri üzerinde eğitilmiştir, bu nedenle FreeSurfer'ın daha önce tartışılan güvenilirlik ve kapsama sınırlamalarını devralırlar ve üçüncü ve dördüncü ventriküller göz ardı edilir21. Yüksek çözünürlüklü MRI için mevcut sınırlamalar da mevcuttur, ancak FreeSurfer'ın yüksek çözünürlüklü akışı45 ve FastSurferVINN43 bu sorunu çözmek için kullanılabilir.

Mevcut koroid pleksus segmentasyon araçları
Koroid pleksus için ücretsiz olarak kullanılabilen yalnızca bir segmentasyon aracı vardır, ancak segmentasyon doğruluğu sınırlıdır. Doğru koroid pleksus segmentasyonu, aşağıdakiler de dahil olmak üzere çeşitli faktörlerden etkilenebilir: (1) ventriküller içindeki konumu nedeniyle koroid pleksus konumundaki (uzamsal olarak durağan olmayan) değişkenlik, (2) voksel yoğunluğundaki farklılıklar, kontrast, hücresel heterojenlik, dinamik koroid pleksus fonksiyonu, patolojik değişiklikler veya kısmi hacim etkileri nedeniyle çözünürlük (yapı içi heterojenlik), (3) koroid pleksus boyutunu etkileyen yaş veya patolojiye bağlı ventrikül boyut farklılıkları, ve (4) bitişik subkortikal yapılara (hipokampus, amigdala, kaudat ve serebellum) yakınlık, ki bunlar da bölümlere ayrılması zordur. Bu zorluklar göz önüne alındığında, FreeSurfer segmentasyonları genellikle koroid pleksusu eksik veya fazla tahmin eder, yanlış etiketler veya görmezden gelir.

Yakın zamanda yayınlanan üç yayın, Gauss Karışım Modeli (GMM)46, Eksenel-MLP47 ve U-Net tabanlı derin öğrenme yaklaşımları48 ile güvenilir koroid pleksus segmentasyonunun boşluğunu ele aldı. Her model, sınırlı çeşitlilikte tarayıcı, site, demografi ve bozukluk içeren en fazla 150 denekten oluşan özel, manuel olarak etiketlenmiş veri kümeleri kullanılarak eğitildi ve değerlendirildi. Bu yayınlar 46,48,49, FreeSurfer'ın koroid pleksus segmentasyonuna göre önemli gelişmeler elde ederken - bazen tahmin ve temel gerçeğin kesişimini iki katına çıkarırken, her iki yöntem de (1) yüksek çözünürlüklü MRG'de doğrulanmamıştır, (2) özel genelleme ve güvenilirlik analizlerine sahiptir, (3) büyük temsili eğitim ve test veri kümelerine sahiptir, (4) özellikle koroid pleksus segmentasyonu zorluklarını ele alır veya analiz eder. kısmi hacim efektleri veya (5) kullanıma hazır bir araç olarak herkese açıktır. Bu nedenle, koroid pleksus segmentasyonu için mevcut "altın standart", örneğin daha önce tanımlanmamış olan ve çalışmalarında koroid pleksusun rolünü incelemek isteyen araştırmacılar için büyük bir zorluk olan 3D Slicer50 veya ITK-SNAP51 kullanılarak manuel izlemedir. 3D Slicer, yazarın yazılıma aşina olması ve kullanıcıya istenen sonucu elde etmek için birleştirilebilecek farklı yaklaşımlara dayalı çeşitli araçlar sağlaması nedeniyle manuel segmentasyon için seçildi. Öncelikle görüntü segmentasyonuna odaklanan ITK-SNAP gibi başka araçlar da kullanılabilir ve araca hakim olduktan sonra kullanıcı tarafından iyi sonuçlar elde edilebilir. Ek olarak, yazarlar 3D Slicer30 kullanarak manuel segmentasyon tekniklerinin yüksek doğruluğunu ve güvenilirliğini gösteren bir vaka kontrol çalışması yürütmüşlerdir ve bu özel metodoloji burada açıklanmaktadır.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Mevcut protokol, Beth Israel Deaconess Tıp Merkezi'ndeki Kurumsal İnceleme Kurulu tarafından onaylandı. Bu protokol gösterimi için artefakt veya hareket içermeyen beyin MRI taraması olan sağlıklı bir denek kullanıldı ve yazılı bilgilendirilmiş onam alındı. 1 mm x 1 mm x 1,2 mm çözünürlüğe sahip 3D-T1 görüntüleri elde etmek için 32 kanallı kafa bobinli bir 3,0 T MRI tarayıcısı ( Malzeme Tablosuna bakınız) kullanıldı. 256 x 256 görüş alanına, TR/TE/TI=7.38/3.06/400 ms ve 11 derecelik çevirme açısına sahip MP-RAGE ASSET dizisi kullanıldı.

1. Beyin MRG'sini 3D Slicer'a aktarma

NOT: 3D Dilimleyici, kullanıcı arabirimiyle ilgili belgeler sağlar.

  1. Beyin MRI DICOM (Tıpta Dijital Görüntüleme ve İletişim) veya NIFTI (Nörogörüntüleme Bilişim Teknolojisi Girişimi) dosyalarını 3B Dilimleyici'ye aktarmak için hazırlayın.
  2. Araç çubuğunun sol üst köşesindeki DCM düğmesine tıklayarak DICOM verilerini içe aktarın. Ardından, DICOM biçimindeki verileri içe aktarmak için DICOM dosyalarını içe aktar düğmesini tıklatın.
  3. MRI verileri NIFTI formatındaysa, araç çubuğunun sol üst köşesindeki DATA düğmesine tıklayarak içe aktarın. Açılır iletişim kutusunda, bir klasördeki NIFTI verilerini toplu olarak içe aktarmak için Eklenecek dizini seç'i seçin veya belirli NIFTI dosyalarını içe aktarmak için Eklenecek Dosyaları Seç'i seçin. Ardından, 3D Dilimleyiciye veri yüklemeye devam etmek için Tamam düğmesine tıklayın.
  4. İçe aktarma işleminden sonra, MRI verileri sağdaki pencerede eksenel, sagital ve koronal düzlemleri gösteren görünecektir.
  5. Düzenler'e gidip belirli bir düzen seçerek pencerelerin düzenini değiştirin. Bu, 3D Dilimleyici'nin araç çubuğundaki Düzenler modülü görüntüsüne tıklayarak veya uygulama menüsünden Mizanpajları Görüntüle > aracılığıyla bulunabilir.

2. 3D Dilimleyici'deki örnek verilerden DICOM'u indirme

  1. Welcome to Slicer bölümünün açılış ekranında yer alan Download sample data butonuna tıklayınız. Ardından MRHead düğmesini seçin ve birkaç dakika sürebilen indirme işlemini başlatacaktır.
  2. Aksiyal, sagital ve koronal düzlemlere sahip beyin MRI verilerinin sağ pencerede gösterildiğinden emin olun.

3. Kalite kontrol ve MRI görüntüsünün ayarlanması

  1. Her MRI dilimini eleştirel bir şekilde gözden geçirerek görüntü kalitesini ve kafa hareketi veya tarama sorunlarından kaynaklanan artefaktların varlığını niteliksel olarak belirleyin.
  2. Sırasıyla uzaklaştırmak veya uzaklaştırmak için fareyi sağ tıklayıp yukarı veya aşağı hareket ettirerek görüntü dilimini yakınlaştırın.
  3. Görüntü dilimini hareket ettirmek için görüntüyü sol tıklatın , Shift tuşunu basılı tutun ve fareyi sürükleyin.
  4. Görüntü parlaklığını ayarlamak, koroid pleksusun görüntülenmesine yardımcı olabilir. Bunu yapmak için, araç çubuğundaki Pencereyi/ses seviyesini ayarla'ya tıklayın veya görüntüye sol tıklayın ve sırasıyla parlaklığı artırmak veya azaltmak için fareyi yukarı veya aşağı hareket ettirin .
  5. Kontrastı ayarlamak ayrıca koroid pleksusu bulmaya yardımcı olabilir. Görüntü dilimine sol tıklayın ve kontrastı artırmak veya azaltmak için fareyi sırasıyla sola veya sağa hareket ettirin . Koroid pleksus için uygun kontrastı belirlemek için, koyu gri madde çekirdeklerini (lateral ve üçüncü ventriküllerin etrafına dizilmiş merkezi gri madde kütleleri) veya kontrast ölçeği çubuğunda gösterilen sinyal yoğunluğunu kullanın.
  6. Tercih edilen kontrast seçildikten sonra, segmentasyon boyunca aynı kontrastı koruyun ve supra ve infra-tentorial bölgelerdeki olası varyasyonlara göre ayarlama yapmayın.

4. Koroid pleksusun manuel segmentlerinin oluşturulması

  1. Lateral, üçüncü ve dördüncü ventrikül koroid pleksusun segmentasyonuna başlamak için Segment Editor modülünde segmentasyon dosyalarını oluşturun. Buraya gitmek için araç çubuğundaki Segment Düzenleyici'yi tıklayın veya Modüller: açılır menüsüne gidin ve Segment Düzenleyici'yi seçin.
  2. Farklı segmentasyonlar seçmek (birden fazla segmentasyon oluşturulmuşsa) ve o anda seçili olan segmentasyonu yeniden adlandırmak için segmentasyon açılır menüsüne tıklayın.
  3. Hangi NIFTI veya DICOM kümelerinin düzenlenmesi gerektiğini seçmek için Ana Birim açılır menüsünü kullanın. Yalnızca birim dosyası seçildiğinde, kullanıcı bölümlere ayırmaya/düzenlemeye başlayabilir.
  4. Lateral ventrikül koroid pleksus için iki segment eklemek için Ekle düğmesine iki kez tıklayın. Bunları yeniden adlandırmak için isme çift tıklayın ve Sağ lateral ventrikül koroid pleksus ve Sol lateral ventrikül koroid pleksus olarak değiştirin.
  5. Üçüncü ve dördüncü ventrikül koroid pleksusuna segmentler eklemek için Ekle düğmesine tekrar tıklayın ve bunları "3. ventrikül koroid pleksus" ve "4. ventrikül koroid pleksus" olarak yeniden adlandırın.

5. Farklı dilimleri ve segmentasyonları görüntüleme

  1. Düzenlemeden önce, görüntüleme penceresindeki mizanpajlar arasında nasıl geçiş yapılacağını ve segmentasyonların görünümünü veya opaklığını nasıl değiştireceğinizi öğrenmek için bir arka plan çalışması gerçekleştirin.
  2. Görüntüleme penceresinin üst kısmında ve dilim kaydırıcısının solunda, raptiye simgesine tıklayın. Bu, pencerenin içinde bulunduğu belirli düzene bağlı olarak değişebilen bir açılır menü açacaktır.
    NOT: Yapısı bireyler arasında değişebileceğinden, koroid pleksusu bölümlere ayırırken farklı düzenler kullanmak yardımcı olabilir. Örneğin, 'Geleneksel' düzen, kullanıcının aynı anda üç dilimi ve sahnenin 3D görünümünü görüntülemesine olanak tanır. 'Yalnızca Kırmızı/Sarı/Yeşil dilim' seçeneğinin seçilmesi, koroid pleksusun daha hassas bir segmentasyonuna izin vermek için kullanıcıya 2B dilimin yakından görünümünü verir.

6. Lateral ventrikül koroid pleksus ROI'lerinin tanımlanması

NOT: Manuel segmentasyon için bir şablona görüntü kaydı gerekli değildir.

  1. Lateral ventrikül koroid pleksus için, eksenel düzlemde başlayın ve görüntülerin bikomisural çizgiye göre konumlandırılmasını sağlayın. Daha sonra lateral ventrikül koroid pleksusu bulmak için bir referans noktası olarak trigonum kollateralini kullanın.
    1. Eksenel düzlemde düzenlemeler yapıldıktan sonra, lateral ventrikül koroid pleksusun manuel segmentasyonunun çevredeki beyin parankimini veya BOS'u yakalamadığından emin olmak için kalan görünümlere (sagital ve koronal) geçin.
  2. Düzenlemeye başlamak için, üzerinde çalışılacak segmenti tıkladığınızda segment adı vurgulanır.
  3. Manuel segmentasyona başlamak için Segment Düzenleyici'nin Efektler bölümündeki Boya veya Çizim aracını tıklayın.
    NOT: Segmentlemeye bir düzlemde (koronal, eksenel veya sagital) başlamak ve tüm dilimlerde segmentasyon tamamlandıktan sonra, manuel segmentasyonu kontrol etmek ve iyileştirmek için diğer düzlemlere geçmek en iyisidir. Bu görünümlerde lateral ventrikül koroid pleksus daha kolay görüldüğü için kullanıcının aksiyel veya koronal düzlemlerden başlaması önerilir.
  4. Çizim aracını kullanırken, lateral ventrikül koroid pleksusun sınırına bir kontur çizmek için sol tıklayın ve basılı tutun. İzlendikten sonra, çizilen alanı doldurmak için sağ tıklayın.
  5. Boya aracını kullanırken, önce boyama için kullanılacak fırçanın çapını seçin. Koroid pleksusun daha kesin bir şekilde tanımlanması için %3 veya %5'lik bir fırça önerilirken, daha büyük seçimler için %10 yararlı olabilir.
  6. Her iki araç için de, seçimleri ekleyerek veya kaldırarak hatalı tanımlamaları düzeltmek için Paint veya Delete'i kullanın.
    NOT: Diğer görüş düzlemlerine atıfta bulunmak, lateral ventrikül koroid pleksus yapısını, çevreleyen gri madde, forniks, korpus kallozum veya hipokampus gibi diğer beyin yapılarına karşı tanımlamaya yardımcı olabilir. Kullanıcının, koroid pleksus kistleri tanımlanmış beyin taramalarını hariç tutması önerilir.
  7. Lateral ventriküllerde koroid pleksusun segmentasyonunu durdurmak için kırmızı çekirdeğin seviyesini bir dönüm noktası olarak kullanın.

7. Üçüncü ve dördüncü ventrikül koroid pleksus ROI'lerinin tanımlanması

NOT: Daha yüksek çözünürlüklü T1w görüntüleri (0,7 veya 0,8 mm gibi) ve 7T MRG'de elde edilenler, üçüncü ve dördüncü ventrikül koroid pleksusunun daha doğru ve güvenilir bir manuel segmentasyonunu sağlayacaktır. Üçüncü ve dördüncü ventrikül koroid pleksusun bölümlere ayrılması, lateral ventrikül koroid pleksustan daha zordur, çünkü bu bölgeler çok daha küçük olabilir ve tanımlanacak daha az voksel içerebilir.

  1. Üçüncü ventrikül koroid pleksus için, sagital düzlemde başlayın ve 3. ventriküldeki koroid pleksusu saptamak için referans noktaları olarak Monro, forniks, korpus kallozum, talamus ve iç serebral ven foramenlerini kullanın. Aynı düzlemdeki dilimler arasında hareket etmek, bir bölgenin forniks, talamus, ven veya üçüncü ventrikül koroid pleksus olup olmadığını belirlemeye yardımcı olabilir.
    1. Sagital düzlemde düzenlemeler yapıldıktan sonra, üçüncü ventrikül koroid pleksusun manuel segmentasyonunun çevredeki beyin parankimini veya BOS'u seçmediğinden emin olmak için kalan görünümlere (eksenel ve koronal) gidin.
  2. Benzer şekilde, dördüncü ventrikül koroid pleksus için, sagital düzlemde başlayın ve dördüncü ventriküldeki koroid pleksusu saptamak için üst serebellar pedinkül, pons ve medullayı referans noktaları olarak kullanın. Aynı düzlem içinde dilimler arasında hareket etmek, bir bölgenin beyincik, serebellar bademcik, inferior medüller velum veya 4. ventrikül koroid pleksus olup olmadığını belirlemeye yardımcı olabilir.
    1. Sagital düzlemde düzenlemeler tamamlandıktan sonra, dördüncü ventrikül koroid pleksusun manuel segmentasyonunun çevredeki beyin parankimi veya BOS'u seçmediğinden emin olmak için kalan görünümlere (eksenel ve koronal) geçin.

8. Koroid pleksusun hacimlerinin hesaplanması

  1. Modüller açılır menüsünden Niceleme'ye gidin ve Segment İstatistikleri'ni seçin.
  2. Girişler altında, Segmentasyon aracı altında niceleme için yeni segmentasyon haritasını seçin ve Skaler hacimden MRI hacmini seçin. Çıktı tablosu için (Çıktı altında), Tablo seçeneğini belirleyin. Tamamlandığında, Uygula'ya basın ve koroid pleksusun hacmini içeren bir tablo çeşitli birimlerde görünecektir.

9. Segmentleri ve hacim sonuçlarını kaydetme

  1. Oluşturulan dosyaları kaydetmek için araç çubuğunun sol üst köşesindeki Kaydet düğmesini tıklayın.
  2. Segmentasyon dosyalarını .nrrd (3B dilimleyici dosyası), .nii.gz (NIFTI dosyası) veya .tsv (tablo dosyası) olarak kaydedin.

10. Segmentasyonun doğruluğunu, performansını ve anlaşmasını belirleme

NOT: Zar Katsayısını (DC) ve DeepMind ortalama Yüzey Mesafesini (ort.) açıklayan MONAI paketinin (Malzeme Tablosuna bakın) kullanılması önerilir. DC ve avgSD ile ilgili ayrıntılar aşağıda açıklanmıştır. Bu metrikleri hesaplamak için okuyucuların nasıl programlanacağını bilmeleri gerekir (örneğin, python, diskten görüntüleri okuma, verileri bu işlevler için uygun giriş dizilerine yeniden biçimlendirme). Tüm bu metrikleri içeren kullanıcı dostu bir paket yoktur.

  1. DC puanı, iki geometrik alanın örtüşmesini ölçmek için standart bir yaklaşımdır. İki segmentasyon arasındaki ortalama DC puanını hesaplamak için, y_pred ve y olmak üzere iki tensör sağlayın, yani her ikili etiket görüntüsü için bir kareye sahip çok çerçeveli görüntüler. y_pred ve y tensörleri, iki farklı manuel değerlendiricinin segmentasyonlarını, aynı değerlendiricinin tekrarlanan segmentasyonlarını veya otomatik tahmin ve manuel temel gerçeği içerebilir.
    1. Ortalama DC puanını hesaplamak için monai.metrics.compute_meandice işlevini kullanın.
    2. monai.transforms.post ile uygun ikili etiket tensörleri oluşturun.
      NOT: include_background parametresi, ilk kategoriyi (kanal dizini 0) kural gereği arka plan olarak kabul edilen DC hesaplamasının dışında tutmak için False olarak ayarlanabilir.
  2. AvgSD puanının daha az yaygın olduğunu düşünün ve yüzey mesafesi için birden fazla tanım mevcut olduğundan yaklaşımın farklılık gösterebileceğini unutmayın. Örneğin, sık kullanılan ölçüler olarak maksimum mesafeyi (Hausdorff mesafesi olarak da bilinir, aykırı değerlere karşı oldukça hassastır), ortalama mesafeyi (burada açıklandığı gibi) ve 95. yüzdebirlik (son derece sağlam) kullanın.
    1. AvgSD puanını hesaplamak için compute_average_surface_distance işlevini kullanın.
    2. Bu işlevin, varsayılan ayar altında y_pred ile y arasındaki Ortalama Yüzey Mesafesini hesapladığından emin olun.
    3. Ayrıca, simetrik = Doğru ise, bu iki giriş arasındaki ortalama simetrik yüzey mesafesinin döndürüldüğünden emin olun.
  3. Birden fazla vakada DC ve avgSD skorunun istatistiksel analizini gerçekleştirin, eşleştirilmiş analiz için sağlam Wilcoxon işaretli sıra testi kullanılarak gerçekleştirilebilir.
  4. Birden fazla katılımcının farklı değerlendiriciler tarafından güvenilir bir şekilde derecelendirilip derecelendirilemeyeceğini belirlemek için yaygın olarak kullanılan başka bir yöntem olarak Sınıf içi korelasyon katsayısını (ICC) kullanmayı düşünün. ICC'nin doğrudan segmentasyon görüntüleri üzerinde değil, bir dizi eşleştirilmiş segmentasyon ölçümü (örneğin, hacim) üzerinde çalıştığını unutmayın. ICC'yi hesaplamak için R yazılımını ve R Studio'yu kullanın (bkz. Malzeme Tablosu), bu da süreci basitleştirir.
    1. install.packages("psych") kullanarak paketi indirin ve kitaplığı (psych) yükleyin.
    2. Veri <- data.frame(df) kullanarak katılımcıları (satırları) ve her sütunda bir değerlendiriciyi içeren veri çerçevesini girin. Ardından grafiği (Veri) kullanarak ölçümleri görselleştirin.
    3. ICC'yi çalıştırmak için, örneğin değerlendiriciler arası veya değerlendiriciler arası puanları elde etmek için farklı ICC türlerinin bir tablosunu oluşturan ICC'yi (Veri) kullanın.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Önerilen yöntem, lateral ventrikül koroid pleksus için, 169 sağlıklı kontrol ve klinik olarak psikoz riski yüksek olan 340 hastadan oluşan bir kohort üzerinde kapsamlı testler içeren yinelemeli iyileştirmeden geçmiştir30. Yazarlar, yukarıda açıklanan tekniği kullanarak, DC = 0.89, ortHD = 3.27mm3 ve tek değerlendirici ICC = 0.9730 ile yüksek değerlendirici içi doğruluk ve güvenilirlik elde ettiler ve bu da burada açıklanan protokolün gücünü gösterdi.

Kalite kontrol sorunlarını ve 3B Dilimleyici ayarlarını ele alma
Segmentasyon işlemine başlamadan önce, manuel segmentasyona müdahale eden herhangi bir kafa hareketi veya artefakt olmadığından emin olmak için beyin taramasının kalitesini kontrol etmek gerekir (Şekil 1A). Daha sonra, koroid pleksusun daha iyi görselleştirilmesine yardımcı olmak için parlaklık ve kontrast ayarlanabilir. Bazı beyin taramaları kafa hareketine sahip olabilir ve artefaktın koroid pleksusun tanımlanmasını olumsuz etkileyip etkilemeyeceğini belirlemek önemlidir (Şekil 1B). Ek olarak, parlaklık ve kontrast artefaktları olan görüntüler, koroid pleksusun sınırlarını ayırt etmeyi zorlaştırır (Şekil 1C,D). Bu durumda, manuel segmentasyon için uygun olana kadar parlaklığı ve kontrastı ayarlamayı deneyin. Koroid pleksus için kolayca segmentlere ayrılamayan beyin taramalarının hariç tutulduğundan emin olun.

Lateral ventrikül koroid pleksus segmentasyonu
Şekil 2'de gösterildiği gibi, görüntüleri yüklemek ve görüntülemek (bölüm 1), farklı 3B dilimleyici işlevleri seçmek (bölüm 2), lateral koroid pleksusu bölümlere ayırmak için araçlar (bölüm 3), eksenel, koronal ve sagital görüntüleri görselleştirmek (bölüm 4), lateral ventrikül koroid pleksusun hacmini hesaplamak (bölüm 5) ve sonuçları manuel segmentasyondan kaydetmek için beş ana bölüm kullanılır. T1w beyin taraması, 3B Dilimleyici'deki MRHead veri kümesinden örnek veriler indirilerek (Şekil 3) veya mevcut bir veri kümesinden NIFTI veya DICOM dosyası içe aktarılarak (Şekil 4A,B) Dilimleyiciye Hoş Geldiniz arabirimi kullanılarak yüklenebilir. Bu panelde görüntünün parlaklığını ve kontrastını düzenleme seçeneği de vardır (Şekil 4C). T1w beyin taraması yüklendikten sonra, dilim görünümü arayüzünde görüntülenecek ve lateral ventrikül koroid pleksus segmentasyonu için hazırlanacaktır. Manuel segmentasyon, Segment Düzenleyici modülü (Şekil 5A) kullanılarak oluşturulur ve ana birim adı Şekil 5B'de onaylanabilir. Şekil 5C'de, sağ ve sol lateral ventrikül koroid pleksus için etiketler eklenebilir ve farklı renklerde etiketlenebilir (Şekil 5C) ve ilgilenilen bölgenin kendisi Çizim veya Boyama Aracı kullanılarak tanımlanabilir (Şekil 5D). Şekil 6, lateral ventrikül koroid pleksusu ve kaudat çekirdek, hipokampus, forniks ve daha karmaşık bölgelerin bazılarında lateral ventrikül koroid pleksusun segmentasyonu için yer işaretleri sağlayan üçüncü ventrikül gibi çevresindeki beyin yapılarını etiketler. Manuel segmentasyonlardan koroid pleksus hacim verilerini oluşturmak ve çıkarmak için Segment İstatistikleri modülünü seçin (Şekil 7A). Verilerin çıktısını almak için aralarından seçim yapabileceğiniz birkaç seçenek vardır (Şekil 7B). Hesaplanan lateral ventrikül koroid pleksus hacmini içeren yeni dosyalar artık Kaydet düğmesine basılarak kaydedilebilir (Şekil 7C).

Üçüncü ve dördüncü ventrikül koroid pleksus segmentasyonu
Şekil 8'de görüldüğü gibi, 3. ventrikül koroid pleksus, sagital düzlemi gösteren sol alt panelde kolayca görülebilir. Özellikle, Monro'nun Foramen'i, korpus kallozumun altında kavis şeklinde görülebilir ve koroid pleksus üçüncü ventrikül içinde yeşil renkle vurgulanır. Üçüncü ventrikül ve üçüncü ventrikül koroid pleksus, aksiyel ve koronal düzlemlerde de görüntülenebilir (sırasıyla Şekil 8'in sol üst ve sağ alt panelleri). Son olarak, üçüncü ventrikül koroid pleksusun 3D render'ı Şekil 8'in sağ üst panelinde gösterilmektedir. Şekil 9, üçüncü ventrikül koroid pleksusu ve korpus kallozum, forniks, talamus, iç serebral ven ve üçüncü ventrikül dahil olmak üzere çevresindeki beyin yapılarını etiketler, bu da daha karmaşık bölgelerin bazılarında üçüncü ventrikül koroid pleksusun segmentasyonu için yer işaretleri sağlar.

Dördüncü ventrikül koroid pleksusun görüntülenmesi daha zordur ve Şekil 10'da görülebilir. Sagital ve koronal düzlemler (Şekil 10'un sol alt ve sağ alt panelleri) yapısının en iyi şekilde görüntülenmesini sağlar. Beyinciğin veya dördüncü ventrikülün parçalarının koroid pleksus olarak tanımlanmamasına dikkat edilmelidir. Şekil 11, dördüncü ventrikül koroid pleksusu ve medulla, pons, superior serebella pedinkülü, inferior medüller velum ve dördüncü ventrikül dahil olmak üzere çevresindeki beyin yapılarını etiketler, bu da daha karmaşık bölgelerin bazılarında 4. ventrikül koroid pleksusun segmentasyonu için yer işaretleri sağlar.

Segmentasyon doğruluğu, benzerliği ve uyumu
Nöroanatomik yapıların segmentasyonu bir resim görüntüleyicide doğrudan karşılaştırılabilir, ancak benzerliğin görsel olarak değerlendirilmesi bazen zordur. Bu nedenle, örtüşme yüzdesini ölçen DC52 ve tanımlanmış yapıların sınır yüzeyleri arasındaki mesafeleri ölçen ortSD53 gibi nicel ölçümler, güvenilirliği değerlendirmek için değerlendiriciler arasında veya içinde yer gerçekliği veya manuel segmentasyonlarla tahminleri karşılaştırmak için kullanılır. Şekil 12A'da gösterildiği gibi, G ve P olmak üzere iki 3B segmentasyon için DC, örtüşme hacminin (kesişim) hacminin ortalamahacim 53'e bölünmesiyle elde edilir:

Equation 1

nerede | . | hacmi temsil eder. Çakışmayı 0 ile 1 arasında bir ölçekte ölçer, burada 1 değeri tam anlaşmayı ve 0 ayrık segmentasyonu gösterir ve genellikle yüzde çakışmayı temsil etmek için 100 ile çarpılır. Ortalama yüzey mesafesi (ASD), G ( bd(G) ) sınırındaki tüm x noktaları ile P sınırı arasındaki ortalama mesafeyi (mm cinsinden) ölçer ve bunun tersi de geçerlidir (Şekil 12B). Olarak tanımlanır

Equation 2

Equation 3 mesafe ile Öklid normu53'ün minimumunu temsil eder. DC'nin aksine, daha küçük bir ASD, segmentasyon sınırlarının daha iyi yakalandığını gösterir ve sıfır değeri minimumdur (mükemmel eşleşme). Bazen, maksimum mesafenin veya 95. yüzdebirlik dilimin ortalama yerine kullanıldığını, burada maksimumun tek aykırı değerlere karşı oldukça hassas olduğunu, 95. yüzdebirlik değerin ise sağlam olduğunu ancak küçük ama ilgili segmentasyon hatalarını gözden kaçırabileceğini unutmayın.

Bir dizi eşleştirilmiş segmentasyon arasındaki hacim tahminlerinin (doğrudan segmentasyonların değil) uyuşması ICC54 kullanılarak ölçülebilir. Bu, birden fazla katılımcının birden fazla değerlendirici (sınıflar arası ICC) veya aynı değerlendirici (sınıf içi ICC) tarafından derecelendirilmesiyle gerçekleştirilebilir (Şekil 12C). ICC puanları 0 (zayıf güvenilirlik) ile 1 (mükemmel güvenilirlik) arasında değişir. Değerlendiriciler arası güvenilirlik için, her segmentasyonun rastgele seçilen farklı bir değerlendirici tarafından yapıldığı veri kümeleri için ICC1'in (tek yönlü sabit etkiler modeli) kullanılması önerilir. Ek olarak, rastgele seçilen birden fazla değerlendiricinin aynı segmentasyon üzerinde çalıştığı veri kümeleri için, segmentasyonlarda mutlak uyumu test etmek için ICC2 (iki yönlü rastgele etkiler modeli) kullanılması önerilir. Son olarak, değerlendirici içi güvenilirlik için ICC3 (iki yönlü karma efekt modeli) kullanılması önerilir (Şekil 12C).

Figure 1
Şekil 1: Beyin taraması kalite kontrolü. (A) İyi kontrast ve parlaklıkla beyin taraması, artefakt kanıtı yok ve kafa hareketi yok. (B) Baş hareketini gösteren beyin taraması (kırmızı ok). (C) Yüksek parlaklık ve düşük kontrastlı beyin taraması veya (D) düşük parlaklık ve yüksek kontrastlı beyin taraması. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 2
Şekil 2: 3D Slicer'da lateral ventrikül koroid pleksusun segmentasyonu. (1), DICOM veya NIFTI görüntülerini yüklemek ve sonuçları kaydetmek için kullanılır. (2), koroid pleksusu segmentlere ayırmak için kullanılan Segment Editor modülüne (sarı ok) girmek için kullanılabilecek bir açılır menüden oluşur. Koroid pleksusun hacmini hesaplamak için Quantification modülü (mavi ok) burada da seçilebilir. (3) Çizim, Boyama ve Silme araçlarını içeren segment araç çubuğunu gösterir. (4) T1w görüntüsünün aksiyal, sagital ve koronal görünümlerinde koroid pleksusu gösterir. Koroid pleksusun 3D görüntüsü de sağ üst köşede gösterilir. (5) Segment İstatistikleri modülü kullanılarak hesaplanan manuel koroid pleksus segmentasyonundan elde edilen hacim sonuçlarını görüntüler. Nihai sonuçlar, (1)'de belirtilen kaydet düğmesi kullanılarak kaydedilebilir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 3
Şekil 3: 3B Dilimleyici örnek verilerini yükleme. Bu şekil, örnek verilerin 3DSlicer arayüzünden nasıl indirileceğini gösterir. İlk olarak, "Örnek Verileri İndir" seçilmeli ve ardından ekranın sağ tarafında beyin taramasının eksenel, sagital ve koronal görünümlerini görüntüleyen "MRHead" seçilmelidir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 4
Şekil 4: T1w beyin taramasının yüklenmesi. Bu şekil, NIFTI (sol panel) veya DICOM (sağ panel) dosyaları kullanılarak T1w beyin taramasının nasıl yükleneceğini gösterir. (A) NIFTI dosyaları için, "Eklenecek Dizini Seç" veya "Eklenecek Dosyaları Seç" seçilmeli ve ardından "Tamam" seçilmelidir. (B) DICOM dosyaları için, "DICOM Verileri Ekle"nin seçilmesi, ardından "DICOM dosyalarını içe aktar"ın seçilmesi ve ardından "Tamam"a basılması gerekir. Bu iki yaklaşım, ekranın sağ tarafında beyin taramasının eksenel, sagital ve koronal görünümlerini gösterecektir. (C) Görüntülerin parlaklığını ve kontrastını ayarlamak için kırmızı düğme seçilmelidir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 5
Şekil 5: Lateral ventrikül koroid pleksus segmentasyonu. T1w beyin taraması 3D Dilimleyiciye yüklendikten sonra. (A) "Segmentasyon Editörü" modülünün seçilmesi. (B) Lateral ventrikül koroid pleksusun manuel segmentasyonu için modülün ve ana hacmin onaylanması. (C) Sağ ve sol lateral ventrikül koroid pleksus için etiketler oluşturmak. (D) Lateral ventrikül koroid pleksusu manuel olarak tanımlamak için "çiz" ve "boya" araçlarını kullanmak. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 6
Şekil 6: Lateral ventrikül koroid pleksusa komşu yapılar. Bitişik beyin yapıları arasında forniks, kaudat çekirdek, hipokampus ve üçüncü ventrikül bulunur. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 7
Şekil 7: Hacim hesaplaması. Koroid pleksusun hacminin hesaplanması ve segmentlerin ve hacim sonuçlarının kaydedilmesi. (A) Segment İstatistikleri modülünün seçilmesi. (B) Verilerin çıktısını almak için seçme. (C) Hesaplanan lateral ventrikül koroid pleksus hacmini içeren yeni dosyaları kaydetmek için Kaydet düğmesine basmak. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 8
Şekil 8: Üçüncü ventrikül koroid pleksus segmentasyonu. Burada, 3D Dilimleyici kullanılarak manuel olarak bölümlere ayrılmış üçüncü ventrikül koroid pleksusun eksenel, koronal ve sagital görünümleri gösterilmektedir. Sağ üst köşe, üçüncü ventrikül koroid pleksusun 3D görüntüsünü gösterir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 9
Şekil 9: Üçüncü ventrikül koroid pleksusa komşu yapılar. Komşu beyin yapıları arasında forniks, iç serebral ven, talamus, korpus kallozum ve 3. ventrikül bulunur. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 10
Şekil 10: Dördüncü ventrikül koroid pleksus segmentasyonu. Burada, 3D Dilimleyici kullanılarak manuel olarak bölümlere ayrılmış dördüncü ventrikül koroid pleksusunun eksenel, koronal ve sagital görünümleri gösterilmektedir. Sağ üst köşe, dördüncü ventrikül koroid pleksusun 3D görüntüsünü gösterir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 11
Şekil 11: Dördüncü ventrikül koroid pleksusa komşu yapılar. Bitişik beyin yapıları arasında medulla oblongata, pons, serebellum, serebellar vermis ve serebellar bademcikler bulunur. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Figure 12
Şekil 12: Segmentasyon doğruluğunu, performansını ve anlaşmasını belirleme. (A) Zar Katsayısı (DC) puanı kullanılarak örtüşme yüzdesinin nasıl hesaplandığını göstermek. (B) Ortalama yüzey mesafesi (ort.SD), tahminleri zemin gerçeği ile karşılaştırmak için tanımlanmış yapıların sınır yüzeyleri arasındaki mesafeleri veya güvenilirliği değerlendirmek için puanlayıcılar arasında veya içinde manuel segmentasyonları ölçer. (C) Sınıf İçi Korelasyon Katsayısı (ICC), değerlendiriciler arası (aynı deneğin tekrarlanan ölçümleri) veya değerlendiriciler arası (aynı değerlendiricilerden birden fazla ölçüm) güvenilirlik analizi için kullanılabilir. Temsili bir örnek ve çıktı verilmiştir. Bu rakamın daha büyük bir sürümünü görüntülemek için lütfen buraya tıklayın.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Protokolün kritik adımları
Bu protokolü uygularken üç kritik adım özel dikkat gerektirir. İlk olarak, MR görüntülerinin kalitesini ve kontrastını kontrol etmek, doğru segmentasyonu sağlamanın anahtarıdır. Görüntünün kalitesi çok düşükse veya kontrast çok düşük veya çok yüksekse, koroid pleksusun yanlış tanımlanmasına neden olabilir. Görüntünün kontrastı, görüntünün gri tonlama değeri görüntülenerek veya gri madde çekirdekleri ile gri madde arasındaki kontrastı artırmak için değerler kalibre edilerek ayarlanabilir. İkincisi, değerlendiricilerin koroid pleksusun anatomisine aşina olmaları ve özel eğitim almaları gerekir. Değerlendiriciler koroid pleksusun ve komşu beyin bölgelerinin anatomisine aşina değillerse, koroid pleksusu yanlış bölümlere ayırabilir ve bu da koroid pleksusun hacmini yanlış hale getirebilir. Son olarak, manuel segmentasyon yapan değerlendiricilerin kendi segmentasyonlarını ve diğer değerlendiricilerin koroid pleksusun segmentasyonunu yeniden üretebilmelerini sağlamak için değerlendiriciler arası ve değerlendiriciler arası tekrarlanabilirliği değerlendirmek önemlidir. Bu sayılar, daha sonraki bir aşamada otomatik segmentasyon araçlarını doğrularken de oldukça önemlidir. Ek olarak, veri kümesi sabitse ve manuel segmentasyon için birden fazla değerlendirici kullanılacaksa, değerlendiricilerin aynı görüntüye aynı kontrast ve parlaklıkla bakması için aynı pencere ayarının kullanılması önerilir. Pencere ayarı, aynı görüntüye bakan değerlendiriciler arasında değişirse, aynı görüntü farklı şekilde bölümlere ayrılabilir.

Değişiklikler ve sorun giderme
Kullanıcılar bu protokolde bazı değişiklikler yapabilir. İlk olarak, paraseptal alanda ve septum pellucidum, forniks ve hipokampusa komşu olan temporal boynuzun inferno-anterior-lateral kısmında yer alan koroid pleksus dokusu, koroid pleksusun segmentasyonunu zorlaştırabilir. Bu zorluğun üstesinden gelmek için, koroid pleksusun segmentasyonunun her üç boyutta da yapılması önerilecektir ve bu karmaşık bölgelerde koroid pleksusun segmentasyonunu yapmak için bir referans (Şekil 6) sağlanmıştır. İkincisi, segmentasyonun ne zaman durdurulacağını bilmek de önemlidir. Lateral ve üçüncü ventriküllerdeki koroid pleksus için kırmızı çekirdek bir durdurma noktası olarak kullanılabilirken, dördüncü ventrikül koroid pleksus için Magendie foramenleri bir durma noktası olarak kullanılabilir. Üçüncüsü, lateral ventriküllerin posterior-bazal kısmında koroid pleksus ve BOS arasındaki sınırı ayırt ederken zorluklar olabilir. Bu endişeyi gidermek için, değerlendiricinin uygun segmentasyon kararları vermesine yardımcı olmak için sinyal yoğunluğu ve anatomik hususlar kullanılabilir. Dördüncüsü, düşük çözünürlüklü bir görüntü kullanılıyorsa, segmentasyon prosedüründe daha muhafazakar olunması ve bu temporal bölgedeki koroid pleksusun segmentasyonunu doğrulamak için kontrastlı görüntülemenin kullanılmasına öncelik verilmesi önerilir. Kontrastlı görüntüleme mevcut değilse, bu bölgenin segmentasyon sürecinden çıkarılması önerilir. Bununla birlikte, yüksek çözünürlüklü bir görüntü kullanılıyorsa, segmentasyon prosedüründe daha liberal olunması tavsiye edilir. Ayrıca, koroid pleksus ve beyin parankimi arasındaki sınır, temporal boynuzun yüksek çözünürlüklü bir görüntüsünde yapılabilirse, kontrastlı bir görüntü gerekli olmayacaktır. Beşincisi, 3D Slicer, koroid pleksusun izlenmesini geliştirmek için fare yerine stylus kalemin kullanılabileceği dokunmatik ekranlı bir bilgisayarda çalışabilir. Ancak, bu yazılım şu anda iPad'de mevcut değil. Son olarak, ondan fazla deneğin koroid pleksusu art arda tanımlandığında bazı bilgisayarlarda yazılım çökme sorunlarıyla karşılaşılabilir. Bu durumda, Kaydet düğmesine sık sık tıklamak, yazılım çökmesinden kaynaklanan veri kaybını önleyebilir.

Sınırlama
Koroid pleksusun manuel segmentasyonu, doğru hacim verileri elde etmek için altın standart olsa da, taramanın türü ve kalitesi ile değerlendiricinindeneyimi ile ilgili çeşitli sınırlamalar vardır 21. Örneğin, koroid pleksus boyutu yaşa veya hastalık durumuna bağlı olarak değişebilir, bu da ventrikül ve koroid pleksusun boyutunu etkileyebilir. Bu nedenle, koroid pleksus genç, sağlıklı bireylerde küçük görünebilir ve bu da manuel olarak segmentlere ayrılmayı zorlaştırır. Görüntü daha düşük çözünürlükteyse (1,2 veya 1,5 mm izovoksel) ve/veya 1,5 T MRI tarayıcı kullanılarak yakalanırsa bu sorun daha da artabilir. Koroid pleksusun manuel segmentasyonu ayrıca görüntünün parlaklığından ve kontrastından etkilenebilir, bu da sınırların belirlenmesini zorlaştırır ve bu da hacmin fazla veya az tahmin edilmesine neden olur. Ek olarak, üçüncü ve dördüncü ventrikül koroid pleksus, daha yüksek çözünürlüklü bir görüntü (0,7 veya 0,8 mm izovoksel) mevcut değilse düzgün bir şekilde segmentlere ayrılması zor olabilen küçük yapılardır. Diğer açık kaynaklı manuel segmentasyon yazılımları yerine bir 3D Dilimleyici kullanmanın bir sınırlaması, görüntü segmentasyonunu aynı anda üç boyutlu olarak gerçekleştirememesidir, ITK-SNAP51 aracılığıyla sunulan ve koroid pleksusun görüntü segmentasyon hızını artırabilen bir özellik. Ek olarak, manuel segmentasyon zaman alıcı ve sıkıcı bir iştir, bu da koroid pleksusun binlerce veya on binlerce kişiden oluşan büyük kohortlarda incelenmesini pratik hale getirir ve doğru otomatik koroid pleksus segmentasyon araçlarına olan ihtiyacı vurgular. Son olarak, BOS veya beyaz cevherin kısmi hacim etkilerini hesaba katmadan sadece koroid pleksus voksellerini saymak, hacim ölçümünde hatalara neden olabilir.

Mevcut yöntemlere göre önemi
Doğruluğu zayıf olan ve üçüncü ve dördüncü ventrikül koroid pleksusu segmentlere ayırmayan koroid pleksus segmentasyonu için FreeSurfer'a bağımlılık, koroid pleksusun sağlık ve hastalıktaki rolünü daha iyi anlamak için tamamlanabilecek temel çalışmayı sınırlar. Ek olarak, koroid pleksusun daha doğru bir şekilde tanımlanması, koroid pleksusta hedef dışı bağlanma yoluyla medial temporal tau PET sinyalinin kontaminasyonunu azaltmak için Alzheimer nörogörüntüleme topluluğu tarafından da kullanılabilir55. Makine öğrenimi (GMM) ve derin öğrenme tekniklerinin (3D U-Net, nnU-Net, Axial-MLP 8) koroid pleksus etiketlerine ilk uyarlamaları, FreeSurfer'dan türetilen koroid pleksus etiketleri 46,48,49 üzerinde segmentasyon doğruluğunu iyileştirmiş olsa da, yöntemler ne yazık ki yalnızca küçük, homojen veri kümelerinde eğitilir ve değerlendirilir, ne halka açık ne de kullanımı kolay araçlar ve yalnızca lateral ventriküller içindeki koroid pleksus dahil olmak üzere eksiktir. Bir uyarı, bu protokolün yeniden sunulması sırasında, Yazdan-Panah ve ark. ITK-SNAP56 kullanarak lateral ventrikül koroid pleksusun manuel segmentasyonunu gerçekleştirdikleri. Bu manuel olarak bölümlere ayrılmış görüntüleri 2 adımlı bir 3D U-Net'i eğitmek için kullandılar ve temel gerçekle ortalama 0,72 DC gösterdiler ve FreeSurfer ve FastSurfer tabanlı segmentasyonlardan daha iyi performans gösterdi56. Diğer çözünürlüklere, tarayıcılara, yaşlara ve çoklu hastalıklara genellenebilirlik belirlenmemiştir ve aslında, alan transferinin zorluğu göz önüne alındığında olası değildir.

Gelecekteki uygulamalar
Yukarıda belirtilen sınırlamalar nedeniyle, koroid pleksusu doğru bir şekilde bölümlere ayırmak için bir protokole ihtiyaç vardır. Ayrıca, bu yapının doğası gereği geliştirilmesi zor olabilen koroid pleksus için otomatik bir segmentasyon aracı oluşturmak için, koroid pleksusun çeşitli parametreleri kapsayan ve bunu son teknoloji ürünü açık kaynaklı yazılım FastSurfer42,43 için bir dizi metodolojik yenilikle birleştiren kapsamlı bir açıklamalı veri setine ihtiyaç vardır, otomatik kortikal ve subkortikal segmentasyon için gelişmiş ve ölçeklenebilir bir derin öğrenme tabanlı nörogörüntüleme boru hattı. FastSurferCNN'nin, ortalama DC'leri 8542 olan 100>'e yakın yapının kortikal ve subkortikal segmentasyonu için 3D U-Net, SDNet ve QuickNAT modellerinden daha iyi performans gösterdiği gösterilmiştir. Bu nedenle, koroid pleksusun büyük ve kapsamlı bir açıklaması, (1) geliştirilmiş dahili büyütme tekniklerine sahip bir 3D mimariye, (2) ilk kez kısmi hacim tahminlerini doğrudan tahmin etme yeteneğine ve (3) veri uyumlaştırma için daha yüksek çözünürlüklerde (süper çözünürlük) çıktı segmentasyonlarına önemli ölçüde genişletmek için FastSurfer ile kullanılabilir. Yazarlar, lateral, üçüncü ve dördüncü ventriküller için son derece hassas bir koroid pleksus segmentasyon aracı oluşturmak için FastSurfer'ı uyarlamak ve geliştirmek için daha fazla çalışmayı ve bunu araştırma topluluğuyla açıkça paylaşmayı planlıyorlar.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Yazarların rekabet eden hiçbir mali çıkarı yoktur.

Acknowledgments

Bu çalışma, Ulusal Ruh Sağlığı Enstitüsü Ödülü R01 MH131586 (P.L ve M.R'ye), R01 MH078113 (M.K'ye) ve Sydney R Baer Jr Vakfı Hibesi (P.L'ye) tarafından desteklenmiştir.

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'de Bu Ay Sayı 202 Koroid pleksus MRI manuel segmentasyon insan hacim nörogörüntüleme
Beyin MRG Kullanılarak İnsan Koroid Pleksusunun Manuel Segmentasyonu
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