Beyin MRG Kullanılarak İnsan Koroid Pleksusunun Manuel Segmentasyonu

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 modellemede^önemli 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 ritim^9,10, bağırsak beyin ekseni¹¹ ve biliş^12'yi modüle eder. Ayrıca, periferik sitokinler, stres ve enfeksiyon (SARS-CoV-2 dahil) kan-BOS bariyerini^bozabilir 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 bozukluklarda^{tanımlanmıştır 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 skleroz^20,32, Alzheimer^33,34 ve depresyon^35'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 skleroz^20,32, 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
FreeSurfer^37,38,39, 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 boyutları^37,44 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.

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.

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:

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

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).

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

Yazarların rekabet eden hiçbir mali çıkarı yoktur.