تم دعم هذا العمل من قبل جائزة المعهد الوطني للصحة العقلية R01 MH131586 (إلى P.L و M.R) ، R01 MH078113 (إلى M.K) ، ومنحة مؤسسة Sydney R Baer Jr (إلى P.L).

تعزيز تحليل التصوير العصبي في اضطرابات الدماغ

وليس للمؤلفين مصالح مالية متنافسة.

الخطوات الحاسمة للبروتوكول وهناك ثلاث خطوات حاسمة تتطلب اهتماما خاصا عند تنفيذ هذا البروتوكول. أولا ، يعد التحقق من جودة صور التصوير بالرنين المغناطيسي وتباينها أمرا أساسيا لضمان التجزئة الدقيقة. إذا كانت جودة الصورة رديئة للغاية ، أو كان التباين منخفضا جدا أو مرتفعا جدا ، فقد...

وظيفة الضفيرة المشيمية الضفيرة المشيمية هي بنية عالية الأوعية الدموية في الدماغ تتكون من الشعيرات الدموية المحصورة وطبقة أحادية من الخلايا الظهارية الضفيرة المشيمية1. تبرز الضفيرة المشيمية في البطينات الدماغية الجانبية والثالثة والرابعة وتنتج السائل النخاعي (CSF) ، والذي يلعب دورا مهما في الأنماط العصبية2 وفسيولوجيا الدماغ 3,4. تفرز الضفيرة المشيمية مواد وعائية عصبية ، وتشمل مستودعا يشبه الخلايا الجذعية ، وتعمل كحاجز مادي لإعاقة دخول المستقلبات السامة ، وحاجز إنزيمي لإزالة الأجزاء التي تتحايل على الحاجز المادي ، وحاجز مناعي للحماية من الغزاة الأجانب5. تعدل الضفيرة المشيمية تكوين الخلايا العصبية6 ، واللدونة المشبكية7 ، والالتهاب8 ، وإيقاع الساعة البيولوجية 9,10 ، ومحور الدماغ المعوي11 ، والإدراك12. علاوة على ذلك ، يمكن أن تؤدي السيتوكينات المحيطية والإجهاد والعدوى (بما في ذلك SARS-CoV-2) إلى تعطيل حاجز الدم CSF13،14،15،16. وبالتالي ، فإن نظام الضفيرة المشيمية - CSF هو جزء لا يتجزأ من النمو العصبي ، ونضج الدائرة العصبية ، وتوازن الدماغ ، والإصلاح17. نظرا لأن التغيرات المناعية والالتهابية والأيضية والأنزيمية تؤثر على الدماغ ، يستخدم الباحثون أدوات التصوير العصبي لتقييم دور الضفيرة المشيمية عبر العمر وفي اضطرابات الدماغ18،19،20. ومع ذلك ، توجد قيود في الأدوات الآلية شائعة الاستخدام لتجزئة الضفيرة المشيمية ، مثل FreeSurfer ، مما يؤدي إلى تجزئة الضفيرة المشيمية بشكل سيئ. وبالتالي ، هناك حاجة ماسة للتجزئة اليدوية للحقيقة الأرضية للضفيرة المشيمية التي يمكن استخدامها لتطوير أداة آلية دقيقة لتجزئة الضفيرة المشيمية.
الضفيرة المشيمية في النمو العصبي واضطرابات الدماغ لطالما تم إهمال دور الضفيرة المشيمية في اضطرابات الدماغ ، ويرجع ذلك أساسا إلى أنها كانت تعتبر لاعبا داعما يتمثل دوره في تخفيف الدماغ والحفاظ على توازن الملح المناسب 2,21. ومع ذلك ، فقد اكتسبت الضفيرة المشيمية الانتباه كهيكل مرتبط باضطرابات الدماغ مثل متلازمات الألم22 ، SARS-CoV-216،23،24 ، النمو العصبي2 ، واضطرابات الدماغ19 ، مما يشير إلى تأثير عبر التشخيص في تطور الاضطرابات السلوكية. في اضطرابات النمو العصبي ، ارتبطت أكياس الضفيرة المشيمية بزيادة خطر تأخر النمو أو اضطراب نقص الانتباه / فرط النشاط (ADHD) أو اضطراب طيف التوحد (ASD)25,26. بالإضافة إلى ذلك ، تم العثور على زيادة حجم الضفيرة المشيمية البطين الجانبي في المرضى الذين يعانون من ASD27. في اضطرابات الدماغ ،تم وصف تشوهات الضفيرة المشيمية منذ عام 1921 في الاضطرابات الذهانية28,29. حددت الدراسات السابقة تضخم الضفيرة المشيمية باستخدام تجزئة FreeSurfer في عينة كبيرة من المرضى الذين يعانون من اضطرابات ذهانية مقارنة بكل من أقاربهم من الدرجة الأولى والضوابط19. تم تكرار هذه النتائج باستخدام حجم الضفيرة المشيمية المجزأة يدويا في عينة كبيرة من الخطورة السريرية عالية لسكان الذهان ووجدت أن هؤلاء المرضى لديهم حجم ضفيرة مشيمية أكبر مقارنة بالضوابط الصحية30. هناك عدد متزايد من الدراسات التي توضح تضخم الضفيرة المشيمية في متلازمة الألم الإقليمية المعقدة22 ، والسكتة الدماغية31 ، والتصلب المتعدد20،32 ، ومرض الزهايمر33،34 ، والاكتئاب35 ، مع بعض إظهار وجود صلة بين النشاط المناعي / الالتهابي المحيطي والدماغي. هذه الدراسات العصبية واعدة. ومع ذلك ، فإن تجزئة الضفيرة المشيمية البطينية الجانبية الضعيفة بواسطة FreeSurfer21 تحد من مصداقية تقدير حجم الضفيرة المشيمية الآلي. نتيجة لذلك ، بدأت الدراسات في التصلب المتعدد20,32 ، والاكتئاب35 ، ومرض الزهايمر34 ، والذهان المبكر36 في تقسيم الضفيرة المشيمية البطينية الجانبية يدويا ، ولكن لا توجد إرشادات حالية لكيفية القيام بذلك ، ولا إرشاداتهم حول تقسيم الضفيرة المشيمية البطين الثالث والرابع.
أدوات التجزئة الشائعة تستبعد الضفيرة المشيمية خطوط أنابيب تجزئة الدماغ مثل FreeSurfer37،38،39 ، مكتبة برامج FMRIB (FSL) 40 ، SLANT41 ، و FastSurfer (التي طورها المؤلف المشارك مارتن رويتر)42،43 ، تقسم بدقة وموثوقية الهياكل القشرية وتحت القشرية التي تستخدم نماذج الأطلس (FSL) والأطلس والسطح (FreeSurfer) ونماذج تجزئة التعلم العميق (SLANT و FastSurfer). تشمل نقاط الضعف في بعض هذه الأساليب سرعة المعالجة ، والتعميم المحدود على الماسحات الضوئية المختلفة ، وشدة المجال وأحجام الفوكسل37،44 ، والمحاذاة القسرية لخريطة التسمية في مساحة أطلس قياسية. ومع ذلك ، فإن القدرة على تقسيم الضفيرة المشيمية والتوافق مع التصوير بالرنين المغناطيسي عالي الدقة يتم معالجتها فقط بواسطة FreeSurfer و FastSurfer. يتم تدريب الشبكات العصبية وراء FastSurfer على ملصقات الضفيرة المشيمية FreeSurfer ، لذا فهي ترث قيود الموثوقية والتغطية التي تمت مناقشتها سابقا من FreeSurfer ، مع تجاهل البطينين الثالث والرابع21. توجد أيضا قيود حالية للتصوير بالرنين المغناطيسي عالي الدقة ، ولكن يمكن استخدام دفق FreeSurfer عالي الدقة45 و FastSurferVINN43 للتعامل مع هذه المشكلة.
أدوات تجزئة الضفيرة المشيمية الحالية لا يوجد سوى أداة تجزئة واحدة متاحة مجانا للضفيرة المشيمية ، لكن دقة التجزئة محدودة. يمكن أن يتأثر تجزئة الضفيرة المشيمية الدقيقة بمجموعة متنوعة من العوامل ، بما في ذلك (1) التباين في موقع الضفيرة المشيمية (غير ثابت مكانيا) بسبب موقعها داخل البطينين ، (2) الاختلافات في شدة الفوكسل ، التباين ، الدقة (عدم التجانس داخل الهيكل) بسبب عدم التجانس الخلوي ، وظيفة الضفيرة المشيمية الديناميكية ، التغيرات المرضية ، أو تأثيرات الحجم الجزئي ، (3) اختلافات حجم البطين المرتبطة بالعمر أو الأمراض التي تؤثر على حجم الضفيرة المشيمية ، و (4) القرب من الهياكل تحت القشرية المجاورة (الحصين ، اللوزة ، المذنبة ، والمخيخ) ، والتي يصعب أيضا تقسيمها. بالنظر إلى هذه التحديات ، غالبا ما تكون تجزئة FreeSurfer أقل من أو تبالغ في تقدير الضفيرة المشيمية أو تخطئ في تسميتها أو تتجاهلها.
تناولت ثلاثة منشورات حديثة فجوة تجزئة الضفيرة المشيمية الموثوقة باستخدام نموذج خليط غاوسي (GMM) 46 ، و Axial-MLP47 ، ونهج التعلم العميق القائم على U-Net48. تم تدريب كل نموذج وتقييمه باستخدام مجموعات بيانات خاصة مصنفة يدويا لما لا يزيد عن 150 شخصا مع تنوع محدود من الماسحات الضوئية والمواقع والتركيبة السكانية والاضطرابات. في حين أن هذه المنشورات46،48،49 حققت تحسينات كبيرة على تجزئة الضفيرة المشيمية في FreeSurfer - في بعض الأحيان تضاعف تقاطع التنبؤ والحقيقة الأرضية ، لم يتم التحقق من صحة أي من الطريقتين (1) في التصوير بالرنين المغناطيسي عالي الدقة ، (2) خصصت تحليلات التعميم والموثوقية ، (3) تتميز بتدريب وتمثيلي كبير ومجموعات بيانات الاختبار ، (4) تتناول أو تحلل على وجه التحديد تحديات تجزئة الضفيرة المشيمية مثل تأثيرات الحجم الجزئي ، أو (5) متاحة للجمهور كأداة جاهزة للاستخدام. وبالتالي ، فإن "المعيار الذهبي" الحالي لتجزئة الضفيرة المشيمية هو التتبع اليدوي ، على سبيل المثال ، باستخدام 3D Slicer50 أو ITK-SNAP51 ، والذي لم يتم وصفه من قبل وكان تحديا كبيرا للباحثين الراغبين في فحص دور الضفيرة المشيمية في دراساتهم. تم اختيار 3D Slicer للتجزئة اليدوية نظرا لإلمام المؤلف بالبرنامج ولأنه يوفر للمستخدم أدوات متنوعة تعتمد على طرق مختلفة يمكن دمجها للحصول على النتيجة المرجوة. يمكن استخدام أدوات أخرى ، مثل ITK-SNAP ، والتي يتم توجيهها بشكل أساسي إلى تجزئة الصورة ، وبمجرد إتقان الأداة ، يمكن للمستخدم الحصول على نتائج جيدة. بالإضافة إلى ذلك ، أجرى المؤلفون دراسة حالة وشواهد توضح الدقة العالية والموثوقية لتقنية التجزئة اليدوية الخاصة بهم باستخدام 3D Slicer30 ، ويتم وصف هذه المنهجية المحددة هنا.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>3D Slicer</td>
			<td>3D Slicer</td>
			<td>https://www.slicer.org/</td>
			<td>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.</td>
		</tr>
		<tr>
			<td>FreeSurfer</td>
			<td>FreeSurfer</td>
			<td>https://surfer.nmr.mgh.harvard.edu/</td>
			<td>An open source neuroimaging toolkit for processing, analyzing, and visualizing human brain MR images</td>
		</tr>
		<tr>
			<td>ITK-SNAP</td>
			<td>ITK-SNAP</td>
			<td>http://www.itksnap.org/pmwiki/pmwiki.php</td>
			<td>A free, open-source, multi-platform software application used to segment structures in 3D and 4D biomedical images.&#160;</td>
		</tr>
		<tr>
			<td>Monai Package</td>
			<td>Monai Consortium</td>
			<td>https://docs.monai.io/en/stable/metrics.html</td>
			<td>Use for Dice Coefficient and DeepMind average Surface Distance.&#160;</td>
		</tr>
		<tr>
			<td>MRI scanner</td>
			<td>GE</td>
			<td>Discovery MR750&#160;</td>
			<td></td>
		</tr>
		<tr>
			<td>Psych Package</td>
			<td>R-Project</td>
			<td>https://cran.r-project.org/web/packages/psych/index.html</td>
			<td>A general purpose toolbox developed originally for personality, psychometric theory and experimental psychology.</td>
		</tr>
		<tr>
			<td>R Software</td>
			<td>R-Project</td>
			<td>https://www.r-project.org/</td>
			<td>R is a free software environment for statistical computing and graphics.&#160;</td>
		</tr>
		<tr>
			<td>RStudio</td>
			<td>Posit</td>
			<td>https://posit.co/</td>
			<td>An RStudio integrated development environment (IDE) is a set of tools built to help you be more productive with R and Python.&#160;</td>
		</tr>
		<tr>
			<td>Windows or Apple OS Desktop or Laptop</td>
			<td>Any company</td>
			<td>n/a</td>
			<td>Needed for running the software used in this protocol.&#160;</td>
		</tr>
	</tbody>
</table>

manual segmentation of the human choroid plexus using brain mri

الضفيرة المشيمية متورطة في النمو العصبي ومجموعة من اضطرابات الدماغ. تظهر الأدلة أن الضفيرة المشيمية ضرورية لنضج الدماغ ، والتنظيم المناعي / الالتهابي ، والأداء السلوكي / المعرفي. ومع ذلك ، فإن أدوات تجزئة التصوير العصبي الآلي الحالية ضعيفة في تقسيم الضفيرة المشيمية البطينية الجانبية بدقة وموثوقية. علاوة على ذلك ، لا توجد أداة موجودة تقسم الضفيرة المشيمية الموجودة في البطينين الثالث والرابع من الدماغ. وبالتالي ، هناك حاجة إلى بروتوكول يحدد كيفية تقسيم الضفيرة المشيمية في البطين الجانبي والثالث والرابع لزيادة موثوقية وتكرار الدراسات التي تفحص الضفيرة المشيمية في اضطرابات النمو العصبي والدماغ. يوفر هذا البروتوكول خطوات مفصلة لإنشاء ملفات مصنفة بشكل منفصل في 3D Slicer للضفيرة المشيمية بناء على صور DICOM أو NIFTI. سيتم تقسيم الضفيرة المشيمية يدويا باستخدام المستويات المحورية والسهمية والإكليلية لصور T1w مع التأكد من استبعاد voxels من هياكل المادة الرمادية أو البيضاء المتاخمة للبطينين. سيتم تعديل النوافذ للمساعدة في توطين الضفيرة المشيمية وحدودها التشريحية. سيتم عرض طرق تقييم الدقة والموثوقية كجزء من هذا البروتوكول. يمكن استخدام التجزئة القياسية الذهبية للضفيرة المشيمية باستخدام الترسيمات اليدوية لتطوير أدوات تجزئة آلية أفضل وأكثر موثوقية يمكن مشاركتها علنا لتوضيح التغييرات في الضفيرة المشيمية عبر العمر وداخل اضطرابات الدماغ المختلفة.

Choroid plexus function 
The choroid plexus is a highly vascularized structure in the brain consisting of fenestrated capillaries and a monolayer of choroid plexus epithelial cells1. The choroid plexus projects into the lateral, third, and fourth cerebral ventricles and produces cerebrospinal fluid (CSF), which plays an important role in neural patterning2 and brain physiology3,4. The choroid plexus secretes neurovascular substances, encompasses a stem-cell like repository, and acts as a physical barrier to impede the entrance of toxic metabolites, an enzymatic barrier to remove moieties that circumvent the physical barrier, and an immunological barrier to protect against foreign invaders5. The choroid plexus modulates neurogenesis6, synaptic plasticity7, inflammation8, circadian rhythm9,10, gut brain-axis11, and cognition12. Moreover, peripheral cytokines, stress, and infection (including SARS-CoV-2) can disrupt the blood-CSF barrier13,14,15,16. Thus, the choroid plexus-CSF system is integral for neurodevelopment, neurocircuit maturation, brain homeostasis, and repair17. Since immune, inflammatory, metabolic, and enzymatic alterations impact the brain, researchers are using neuroimaging tools to assess the role of the choroid plexus across the lifespan and in brain disorders18,19,20. However, limitations exist in commonly used automated tools for choroid plexus segmentation, such as FreeSurfer, which result in the choroid plexus being poorly segmented. Thus, there is a critical need for ground truth manual segmentation of the choroid plexus that can be used to develop an accurate automated tool for choroid plexus segmentation.
Choroid plexus in neurodevelopment and brain disorders 
The role of the choroid plexus in brain disorders has long been neglected, mainly because it was regarded as a supporting player whose role was to cushion the brain and maintain a proper salt balance2,21. However, the choroid plexus has gained attention as a structure linked to brain disorders such as pain syndromes22, SARS-CoV-216,23,24, neurodevelopmental2, and brain disorders19, suggesting a transdiagnostic effect in the development of behavioral disorders. In neurodevelopmental disorders, choroid plexus cysts were associated with an increased risk of developmental delay, attention-deficit/hyperactivity disorder (ADHD), or autism spectrum disorder (ASD)25,26. Additionally, lateral ventricle choroid plexus volume was found to be increased in patients with ASD27. In brain disorders,choroid plexus abnormalities have been described since 1921 in psychotic disorders28,29. Previous studies have identified choroid plexus enlargement using FreeSurfer segmentation in a large sample of patients with psychotic disorders compared to both their first-degree relatives and controls19. These findings were replicated using manually segmented choroid plexus volume in a large sample of clinical high-risk for psychosis population and found that these patients had larger choroid plexus volume compared to healthy controls30. There are a growing number of studies demonstrating choroid plexus enlargement in complex regional pain syndrome22, stroke31, multiple sclerosis20,32, Alzheimer&#39;s33,34, and depression35, with some demonstrating a link between peripheral and brain immune/inflammatory activity. These neuroimaging studies are promising; however, poor lateral ventricle choroid plexus segmentation by FreeSurfer21 limits the trustworthiness of automated choroid plexus volume estimation. As a result, studies in multiple sclerosis20,32, depression35, Alzheimer&#39;s34, and early psychosis36 have begun manually segmenting the lateral ventricle choroid plexus, but there are no current guidelines for how to do this, nor is their guidance on segmenting the third and fourth ventricle choroid plexus.
Common segmentation tools exclude the choroid plexus 
Brain segmentation pipelines such as FreeSurfer37,38,39, FMRIB Software Library (FSL)40, SLANT41, and FastSurfer (developed by the co-author Martin Reuter)42,43, accurately and reliably segment cortical and subcortical structures employing atlas-based (FSL), atlas- and surface-based (FreeSurfer), and deep learning segmentation paradigms (SLANT and FastSurfer). Weaknesses of some of these approaches include processing speed, limited generalization to different scanners, field strengths and voxel sizes37,44, and forced alignment of the label map in a standard atlas space. However, the capability to segment the choroid plexus and the compatibility with high-resolution MRI is only addressed by FreeSurfer and FastSurfer. The neural networks behind FastSurfer, are trained on FreeSurfer choroid plexus labels, so they inherit FreeSurfer&#39;s previously discussed reliability and coverage limitations, with the third and fourth ventricles being ignored21. Current limitations for high-resolution MRI also exist, but FreeSurfer&#39;s high-resolution stream45 and FastSurferVINN43 can be used to handle this issue.
Current choroid plexus segmentation tools 
There is only one freely available segmentation tool for the choroid plexus, but segmentation accuracy is limited. Accurate choroid plexus segmentation can be impacted by a variety of factors, including (1) variability in choroid plexus location (spatially non-stationary) due to its location within the ventricles, (2) differences in voxel intensity, contrast, resolution (within-structure heterogeneity) due to cellular heterogeneity, dynamic choroid plexus function, pathological changes, or partial volume effects, (3) age- or pathology-related ventricular size differences impacting choroid plexus size, and (4) proximity to adjacent subcortical structures (hippocampus, amygdala, caudate, and cerebellum), which are also difficult to segment. Given these challenges, FreeSurfer segmentations often under or over-estimate, mislabel or ignore the choroid plexus.
Three recent publications addressed the gap of reliable choroid plexus segmentation with a Gaussian Mixture Model (GMM)46, an Axial-MLP47, and U-Net-based deep learning approaches48. Each model was trained and evaluated using private, manually labeled datasets of at most 150 subjects with a limited diversity of scanners, sites, demographics, and disorders. While these publications46,48,49 achieved significant improvements over FreeSurfer&#39;s choroid plexus segmentation - sometimes doubling the intersection of prediction and ground truth, neither method is (1) validated in high-resolution MRI, (2) has dedicated generalization and reliability analyses, (3) features large representative training and testing datasets, (4) specifically addresses or analyzes choroid plexus segmentation challenges such as partial volume effects, or (5) is publicly available as a ready-to-use tool. Thus, the current &#34;gold standard&#34; for choroid plexus segmentation is manual tracing, e.g., using 3D Slicer50 or ITK-SNAP51, which has not been previously described and has been a major challenge for researchers wishing to examine the role of the choroid plexus in their studies. 3D Slicer was chosen for manual segmentation due to the author&#39;s familiarity with the software and because it provides the user with various tools based on different approaches that can be combined to obtain the desired result. Other tools can be used, such as ITK-SNAP, which is primarily oriented on image segmentation, and once the tool is mastered, good results can be obtained by the user. Additionally, the authors have conducted a case-control study demonstrating the high accuracy and reliability of their manual segmentation technique using 3D Slicer30, and that specific methodology is described herein.

تسليط الضوء على المؤلف: سد الفجوات في علم التشريح وإنشاء أساس للدراسات الخوارزمية 

التجزئة اليدوية للضفيرة المشيمية البشرية باستخدام التصوير بالرنين المغناطيسي للدماغ

We aim to establish an accessible and standardized protocol for manually segmenting the choroid plexus within the lateral third and fourth ventricles of the brain. We hope to address any common questions or problems that can arise when manually segmenting the choroid plexus, especially considering the complex nature of its location within the brain. Developing this protocol will lead to the creation of a large enough data set consisting of ground truth segmentation maps that we can then use to train and develop algorithms that can accurately and automatically segment the choroid plexus.In the future, this will lead to studies that investigate the role of the choroid plexus within various neurologic and neuropsychiatric disorders.

خضعت الطريقة المقترحة لتحسين تكراري للضفيرة المشيمية البطينية الجانبية ، بما في ذلك اختبارات مكثفة على مجموعة من 169 ضابطا صحيا و 340 مريضا يعانون من مخاطر عالية سريريا للذهان30. باستخدام التقنية الموضحة أعلاه ، حصل المؤلفون على دقة وموثوقية عالية داخل المقيم مع DC = 0.89 ، و avgHD = 3.27 ...

Watch this Scientific Journal Video about Bridging Gaps in Anatomy and Establishing a Foundation for Algorithmic Studies at JoVE.com

على الرغم من الدور الحاسم للضفيرة المشيمية في الدماغ ، فإن دراسات التصوير العصبي لهذا الهيكل نادرة بسبب عدم وجود أدوات تجزئة آلية موثوقة. يهدف البروتوكول الحالي إلى ضمان التقسيم اليدوي القياسي الذهبي للضفيرة المشيمية التي يمكن أن تفيد دراسات التصوير العصبي المستقبلية.

The choroid plexus has been implicated in neurodevelopment and a range of brain disorders. Evidence demonstrates that the choroid plexus is critical for ...

نهدف إلى إنشاء بروتوكول موحد يمكن الوصول إليه لتقسيم الضفيرة المشيمية يدويا داخل البطينين الثالث والرابع الجانبي للدماغ. نأمل في معالجة أي أسئلة أو مشاكل شائعة يمكن أن تنشأ عند تقسيم الضفيرة المشيمية يدويا ، خاصة بالنظر إلى الطبيعة المعقدة لموقعها داخل الدماغ. سيؤدي تطوير هذا البروتوكول إلى إنشاء مجموعة بيانات كبيرة بما يكفي تتكون من خرائط تجزئة الحقيقة الأرضية التي يمكننا استخدامها بعد ذلك لتدريب وتطوير خوارزميات يمكنها تقسيم الضفيرة المشيمية بدقة وتلقائيا.في المستقبل ، سيؤدي ذلك إلى دراسات تبحث في دور الضفيرة المشيمية في مختلف الاضطرابات العصبية والنفسية العصبية.

manual-segmentation-of-the-human-choroid-plexus-using-brain-mri

Research

JoVE Journal

Neuroscience

Manual Segmentation of the Human Choroid Plexus Using Brain MRI

1.6K Views.  Beth Israel Deaconess Medical Center. نهدف إلى إنشاء بروتوكول موحد يمكن الوصول إليه لتقسيم الضفيرة المشيمية يدويا داخل البطينين الثالث والرابع الجانبي للدماغ. نأمل في معالجة أي أسئلة أو مشاكل شائعة يمكن أن تنشأ عند تقسيم الضفيرة المشيمية يدويا ، خاصة بالنظر إلى الطبيعة المعقدة لموقعها داخل الدماغ. سيؤدي تطوي?...

Video: تسليط الضوء على المؤلف: سد الفجوات في علم التشريح وإنشاء أساس للدراسات الخوارزمية 

The choroid plexus has been implicated in neurodevelopment and a range of brain disorders. Evidence demonstrates that the choroid plexus is critical for brain maturation, immune/ inflammatory regulation, and behavioral/cognitive functioning. However, current automated neuroimaging segmentation tools are poor at accurately and reliably segmenting the lateral ventricle choroid plexus. Furthermore, there is no existing tool that segments the choroid plexus located in the third and fourth ventricles of the brain. Thus, a protocol delineating how to segment the choroid plexus in the lateral, third, and fourth ventricle is needed to increase the reliability and replicability of studies examining the choroid plexus in neurodevelopmental and brain disorders. This protocol provides detailed steps to create separately labeled files in 3D Slicer for the choroid plexus based on DICOM or NIFTI images. The choroid plexus will be manually segmented using the axial, sagittal, and coronal planes of T1w images making sure to exclude voxels from gray or white matter structures bordering the ventricles. Windowing will be adjusted to assist in the localization of the choroid plexus and its anatomical boundaries. Methods for assessing accuracy and reliability will be demonstrated as part of this protocol. Gold standard segmentation of the choroid plexus using manual delineations can be used to develop better and more reliable automated segmentation tools that can be openly shared to elucidate changes in the choroid plexus across the lifespan and within various brain disorders.

Despite the crucial role of the choroid plexus in the brain, neuroimaging studies of this structure are scarce due to the lack of reliable automated segmentation tools. The present protocol aims to ensure gold-standard manual segmentation of the choroid plexus that can inform future neuroimaging studies.

Segmentation of the Choroid Plexus Using Manual Delineations

To begin, import digital imaging and communications in medicine or DICOM data by clicking on the DCM button located at the upper left corner of the toolbar and clicking the import DICOM files button. To adjust the brightness of an image, click adjust window and level of volume or left click on the image and drag the mouse up or down. Then left click on the image slice and move the mouse to the left or right to adjust the contrast.Refer to the deep gray matter nuclei or the contrast scale bars signal intensity and ensure that it remains consistent throughout the segmentation to choose the suitable contrast for the choroid plexus. To start the segmentation of the lateral third and fourth ventricle choroid plexus, select the segment editor from the module's dropdown menu. Now click on the dropdown menu for segmentation to select different segmentations and rename the selected one.Use the master volume dropdown and pick the NIfTI or DICOM sets that need editing. Click the add button two times to include two segments for the lateral ventricle choroid plexus. Double click on their titles and rename them as right lateral ventricle choroid plexus and left lateral ventricle choroid plexus.Click on the add button once more to introduce segments for the choroid plexus of the third and fourth ventricles. Afterward, rename them as the third ventricle choroid plexus and the fourth ventricle choroid plexus respectively. Begin with the lateral ventricle choroid plexus in the axial plane and ensure to position images based on the bicommissural line.Use the trigonum collaterale as a reference point to locate the lateral ventricle choroid plexus. To start manual segmentation, select either the paint or draw tool located in the effects section of the segment editor. While using the paint tool, select the desired brush diameter for painting.Use the red nucleus level to determine when to stop segmenting the choroid plexus in the lateral ventricles. To locate the third ventricle choroid plexus, commence in the sagittal plane, and use the foramen of Monro, fornix, corpus callosum, thalamus, and internal cerebral vein as landmarks. Similarly, for the fourth ventricle choroid plexus, begin in the sagittal plane and use the superior cerebellar peduncle, pons and medulla as reference points to pinpoint the choroid plexus in the fourth ventricle.From the modules dropdown menu, navigate to quantification and select segment statistics. Then under the input section, select the newly created segmentation map for quantification under the segmentation tool and select the MRI volume from the scaler volume. For the output table, select the table option under output and hit apply.A table displaying the choroid plexus volume in different units will appear. Click on the save button located in the top left part of the toolbar to store the generated files. Preserve the segmentation files in the formats nrrd, nii.gz, or tsv.