この研究は、国立精神衛生研究所賞R01 MH131586(P.L.とM.R.へ)、R01 MH078113(M.K.へ)、およびSydney R Baer Jr財団助成金(P.L.へ)の支援を受けました。

現在のプロトコルは、Beth Israel Deaconess Medical Center の治験審査委員会によって承認されました。アーティファクトや動きのない脳MRIスキャンを受けた健康な被験者が、このプロトコルのデモンストレーションに使用され、書面によるインフォームドコンセントが得られました。32チャンネルヘッドコイルを備えた3.0T MRIスキャナー( 材料表を参照)を使用して、1 mm x 1 mm x 1.2 mmの解像度で3D-T1画像を取得しました。視野角256×256、TR/TE/TI=7.38/3.06/400ms、フリップ角度11度のMP-RAGE ASSETシーケンスを使用しました。
1. 脳MRIを3Dスライサーに取り込む
注: 3D スライサーには、ユーザー インターフェイスに関するドキュメントが用意されています。
<ol><li>3Dスライサーにインポートするための脳MRI DICOM(Digital Imaging and Communications in Medicine)またはNIFTI(Neuroimaging Informatics Technology Initiative)ファイルを準備します。</li>
	<li>ツールバーの左上隅にある [DCM ] ボタンをクリックして、DICOM データをインポートします。次に、をクリックします DICOMファイルのインポート ボタンをクリックして、DICOM形式のデータをインポートします。</li>
	<li>MRIデータがNIFTI形式の場合は、ツールバーの左上隅にある [データ ]ボタンをクリックしてインポートします。ポップアップ ダイアログで、[ 追加するディレクトリの選択 ] を選択してフォルダー内の NIFTI データをバッチ インポートするか、[ 追加するファイルの選択 ] を選択して特定の NIFTI ファイルをインポートします。次に、[ OK ]ボタンをクリックして、3Dスライサーへのデータのアップロードを続行します。</li>
	<li>インポート後、MRIデータは右側のウィンドウに表示され、軸面、矢状面、冠状面が表示されます。</li>
	<li>ウィンドウのレイアウトを変更するには、[ レイアウト ] に移動し、特定のレイアウトを選択します。これは、3D スライサーのツールバー自体で レイアウト モジュールの画像をクリックするか、アプリケーション メニューから [レイアウトを表示] > で確認できます。</li>
</ol>2. 3DスライサーのサンプルデータからDICOMをダウンロードする
<ol><li>[スライサーへようこそ] セクションの開始画面にある [サンプル データのダウンロード] ボタンをクリックします。次に、MRHeadボタンを選択すると、ダウンロードプロセスが開始されますが、数分かかる場合があります。</li>
	<li>軸面、矢状面、冠状面を含む脳MRIデータが右側のウィンドウに表示されていることを確認します。</li>
</ol>3. 品質管理とMRI画像の調整
<ol><li>各MRIスライスを批判的にレビューすることにより、画質と頭の動きやスキャンの問題によるアーチファクトの存在を定性的に判断します。</li>
	<li>画像スライスをズームするには、 右クリックしてマウスを上下に動か し、それぞれズームアウトまたはズームインします。</li>
	<li>画像スライスを移動するには、画像を 左クリック し、 Shift キーを押しながらマウスをドラッグします。</li>
	<li>画像の明るさを調整すると、脈絡叢の表示に役立ちます。これを行うには、ツールバーの [ウィンドウ/音量レベルの調整 ]をクリックするか、画像を 左クリック して マウスを上下に動か し、それぞれ明るさを上げたり下げたりします。</li>
	<li>コントラストを調整すると、脈絡叢を見つけるのにも役立ちます。画像スライスを 左クリック し、 マウスを左または右に動か して、コントラストをそれぞれ増減します。脈絡叢の適切なコントラストを決定するには、深部灰白質核(側脳室と第3脳室の周囲に配列した灰白質の中心質量)またはコントラストスケールバーに表示される信号強度を使用します。</li>
	<li>優先コントラストを選択したら、セグメンテーション全体で同じコントラストを維持し、テント上領域とテント下領域の潜在的な変動を調整しないでください。</li>
</ol>4.脈絡叢の手動セグメントの作成
<ol><li>外側、第 3、および第 4 脳室脈絡叢のセグメンテーションを開始するには、 セグメント エディター モジュールでセグメンテーション ファイルを作成します。そこに移動するには、ツールバーの セグメントエディター をクリックするか、「 モジュール:」ドロップダウンメニューに移動して 「セグメントエディター」を選択します。</li>
	<li>セグメンテーションのドロップダウンメニューをクリックして、異なるセグメンテーションを選択し(複数のセグメンテーションが作成されている場合)、現在選択されているセグメンテーションの名前を変更します。</li>
	<li>[マスターボリューム]ドロップダウンを使用して、編集が必要なNIFTIまたはDICOMセットを選択します。ボリュームファイルが選択されている場合にのみ、ユーザーはセグメント化/編集を開始できます。</li>
	<li>[追加] ボタンを 2 回クリックして、側心室脈絡叢のセグメントを 2 つ追加します。これらの名前を変更するには、名前をダブルクリックして、右側心室脈絡叢と左側心室脈絡叢に変更します。</li>
	<li>[追加]ボタンをもう一度クリックして、第3および第4脳室脈絡叢のセグメントを追加し、名前を「第3心室脈絡叢」および「第4心室脈絡叢」に変更します。</li>
</ol>5. さまざまなスライスとセグメンテーションの表示
<ol><li>編集する前に、バックグラウンド スタディを実行して、表示ウィンドウ内のレイアウト間を移動する方法と、セグメンテーションの表示または不透明度を変更する方法を確認します。</li>
	<li>表示ウィンドウの上部、スライス スライダーの左側にある ピン アイコンをクリックします。これにより、ドロップダウンメニューが開きますが、ウィンドウが置かれている特定のレイアウトによって異なる場合があります。 注:脈絡叢の構造は個人によって異なる可能性があるため、脈絡叢をセグメント化する際には、さまざまなレイアウトを利用すると役立ちます。たとえば、「従来型」レイアウトでは、ユーザーは 3 つのスライスすべてとシーンの 3D ビューを同時に表示できます。「赤/黄/緑のスライスのみ」を選択すると、ユーザーは2Dスライスをクローズアップして表示し、脈絡叢のより正確なセグメンテーションを可能にします。</li>
</ol>6.側脳室脈絡叢ROIの描写
注: 手動セグメンテーションでは、テンプレートへの画像登録は必要ありません。
<ol><li>側脳室脈絡叢の場合は、軸面から開始し、画像が双交連線に基づいて配置されるようにします。次に、側脳室脈絡叢を特定するための基準点として三角側副を使用します。<ol><li>軸面で編集を行ったら、残りのビュー(矢状および冠状)に移動して、側脳室脈絡叢の手動セグメンテーションが周囲の脳実質またはCSFをキャプチャしていないことを確認します。</li>
	</ol></li>
	<li>編集を開始するには、作業する セグメント をクリックすると、セグメント名が強調表示されます。</li>
	<li>セグメントエディターの「効果」セクションにある「ペイント」または「描画」ツールをクリックして、手動セグメンテーションを開始します。 注: 1 つの平面(冠状、軸状、または矢状)でセグメンテーションを開始し、すべてのスライスでセグメンテーションが完了したら、他の平面に移動して手動セグメンテーションを確認して調整するのが最善です。側心室脈絡叢はこれらのビューでより簡単に見られるため、ユーザーは軸面または冠状面から始めることが提案されます。</li>
	<li>描画ツールを使用する場合は、左クリックを押したままにして、側心室脈絡叢の境界に輪郭を描きます。トレースしたら、右クリックして描画領域を埋めます。</li>
	<li>ペイントツールを使用する場合は、まずペイントに使用するブラシの直径を選択します。脈絡叢をより正確に描写するには3%または5%のブラシが推奨され、より大きな選択には10%が役立ちます。</li>
	<li>どちらのツールでも、ペイントまたは消去を使用して、選択を追加または削除することで誤った描写を修正します。 注:他の視点を参照することは、側脳室脈絡叢構造と周囲の灰白質、円蓋、脳梁、海馬などの他の脳構造を識別するのに役立ちます。ユーザーは、脈絡叢嚢胞が特定された脳スキャンを除外することをお勧めします。</li>
	<li>側脳室の脈絡叢のセグメンテーションを停止するためのランドマークとして、赤い核のレベルを使用します。</li>
</ol>7.第3および第4心室脈絡叢ROIの描写
注:高解像度のT1w画像(0.7または0.8 mmなど)および7T MRIで得られた画像は、第3および第4脳室脈絡叢のより正確で信頼性の高い手動セグメンテーションを提供します。第 3 および第 4 脳室脈絡叢のセグメント化は、側脳室脈絡叢よりも困難であり、これらの領域ははるかに小さく、描写するボクセルが少ない可能性があります。
<ol><li>第3脳室脈絡叢の場合、矢状面から始めて、モンロー、円蓋、脳梁、視床、および内脳静脈の孔を基準点として使用して、第3脳室の脈絡叢を特定します。同じ平面内のスライス間を移動すると、領域が円蓋、視床、静脈、または第3脳室脈絡叢のいずれであるかを判断するのに役立ちます。<ol><li>矢状面で編集が行われたら、残りのビュー(軸面と冠状部)に移動して、第3脳室脈絡叢の手動セグメンテーションが周囲の脳実質またはCSFを選択していないことを確認します。</li>
	</ol></li>
	<li>同様に、第4脳室脈絡叢の場合、矢状面から開始し、上小脳脚、橋、および延髄を基準点として使用して、第4脳室の脈絡叢を特定します。同じ平面内のスライス間を移動すると、領域が小脳、小脳扁桃腺、下髄質、または第4心室脈絡叢のいずれであるかを判断するのに役立ちます。<ol><li>矢状面で編集が完了したら、残りのビュー(軸面と冠状部)に移動して、第4脳室脈絡叢の手動セグメンテーションが周囲の脳実質またはCSFを選択していないことを確認します。</li>
	</ol></li>
</ol>8.脈絡叢の体積を計算する
<ol><li>「 モジュール 」ドロップダウンメニューから、「 Quantification 」に移動し、「 セグメント統計」を選択します。</li>
	<li>[入力] の [セグメンテーション] ツールで定量化する新しいセグメンテーション マップを選択し、[スカラー ボリューム] から MRI ボリュームを選択します。[出力テーブル] ([出力] の下) で、[テーブル] オプションを選択します。完了したら、[適用]を押すと、脈絡叢の体積を含む表がさまざまな単位で表示されます。</li>
</ol>9. セグメントとボリューム結果の保存
<ol><li>ツールバーの左上隅にある「 保存 」ボタンをクリックして、生成されたファイルを保存します。</li>
	<li>セグメンテーション ファイルを .nrrd (3D スライサー ファイル)、 .nii.gz (NIFTI ファイル)、または .tsv (テーブル ファイル) として保存します。</li>
</ol>10.セグメンテーションの正確性、パフォーマンス、および一致の決定
注:ダイス係数(DC)とDeepMindの平均表面距離(avgSD)を記述したMONIパッケージ( 材料表を参照)の使用をお勧めします。DCとavgSDの詳細については、以下で説明します。これらのメトリックを計算するには、読者はプログラミング方法を知っている必要があります(たとえば、Python、ディスクから画像を読み取る、これらの関数に適した入力配列にデータを再フォーマットする)。これらすべての指標を含むユーザーフレンドリーなパッケージはありません。
<ol><li>DCスコアは、2つの幾何学的ドメインのオーバーラップを定量化するための標準的なアプローチです。2 つのセグメンテーション間の平均 DC スコアを計算するには、2 つのテンソル y_pred と y 、つまり、2 値化されたラベル イメージごとに 1 つのフレームを持つマルチフレーム イメージを指定します。テンソル y_pred と y には、2 つの異なる手動評価者のセグメンテーション、同じ評価者の繰り返しセグメンテーション、または自動予測と手動グラウンド トゥルースが含まれる場合があります。<ol><li>関数 monai.metrics.compute_meandice を使用して、平均 DC スコアを計算します。</li>
		<li>monai.transforms.post を使用して適切なバイナリ ラベル テンソルを生成します。 注: include_background パラメータをFalseに設定すると、DC計算から最初のカテゴリ(チャネルインデックス0)を除外できます。</li>
	</ol></li>
	<li>平均SDスコアはあまり一般的ではないと考え、表面距離には複数の定義が存在するため、アプローチが異なる可能性があることに注意してください。たとえば、最大距離 (ハウスドルフ距離とも呼ばれ、外れ値に対して非常に敏感)、平均距離 (ここで説明)、および 95 パーセンタイル (非常に頑健) を頻繁に使用されるメジャーとして使用します。<ol><li>関数 compute_average_surface_distance を使用して、平均 SD スコアを計算します。</li>
		<li>この関数が既定の設定で y_pred から y までの平均サーフェス距離を計算することを確認します。</li>
		<li>さらに、 symmetric = True の場合、これら 2 つの入力間の平均対称サーフェス距離が返されるようにします。</li>
	</ol></li>
	<li>複数のケースにわたるDCスコアと平均SDスコアの統計分析は、対応のある分析にロバストなWilcoxon符号順位検定を使用して実行できます。</li>
	<li>クラス内相関係数(ICC)を、複数の参加者が異なる評価者によって確実に評価できるかどうかを判断するために、別の一般的に使用される方法として使用することを検討してください。ICCは、セグメンテーション画像を直接ではなく、セグメンテーションのペア測定値(体積など)のセットで操作することに注意してください。ICC を計算するには、R ソフトウェアと R Studio ( 材料表を参照) を使用すると、プロセスが簡単になります。<ol><li>install.packages("psych") を使用してパッケージをダウンロードし、ライブラリ (psych) をロードします。</li>
		<li>Data <- data.frame(df) を使用して、各列に参加者 (行) と評価者を含むデータ フレームを入力します。次に、プロット (データ) を使用して測定値を可視化します。</li>
		<li>ICCを実行するには、ICC(Data)を使用して、さまざまなタイプのICCの表を生成し、評価者間または評価者内のスコアを取得します。</li>
	</ol></li>
</ol>

脳疾患におけるニューロイメージング解析の強化

著者は競合する金銭的利害関係を持っていません。

プロトコルの重要なステップ このプロトコルを実装する際には、3つの重要なステップに特別な注意が必要です。まず、MR画像の品質とコントラストを確認することは、正確なセグメンテーションを確保するための鍵です。画像の品質が低すぎたり高すぎたりすると、脈絡叢の描写が不正確になる可能性があります。画像のコントラストは、画像のグレースケール値を表示する?...

脈絡叢機能 脈絡叢は、有窓毛細血管と脈絡叢上皮細胞の単層からなる脳内の高度に血管新生した構造です1。脈絡叢は、外側、第3、第4脳室に突出し、脳脊髄液(CSF)を産生し、神経パターン形成2と脳生理学3,4に重要な役割を果たします。脈絡叢は神経血管物質を分泌し、幹細胞様の貯蔵庫を包含し、有毒な代謝物の侵入を妨げる物理的障壁、物理的障壁を回避する部分を除去する酵素的障壁、および外来侵入者から保護するための免疫学的障壁として機能します5。脈絡叢は、神経新生6、シナプス可塑性7、炎症8、概日リズム9,10、腸脳軸11、認知12を調節する。さらに、末梢サイトカイン、ストレス、および感染(SARS-CoV-2を含む)は、血液CSFバリアを破壊する可能性があります13,14,15,16。したがって、脈絡叢-CSF系は、神経発達、神経回路の成熟、脳の恒常性、および修復に不可欠である17。免疫、炎症、代謝、および酵素の変化が脳に影響を与えるため、研究者は神経画像ツールを使用して、生涯にわたる脈絡叢の役割と脳障害を評価しています18,19,20。ただし、脈絡叢のセグメンテーションに一般的に使用される自動化ツールには制限があり、FreeSurferなど、脈絡叢のセグメント化が不十分になります。したがって、脈絡叢セグメンテーションのための正確な自動化ツールを開発するために使用することができる脈絡叢のグラウンドトゥルース手動セグメンテーションが決定的に必要とされている。
神経発達および脳障害における脈絡叢 脳障害における脈絡叢の役割は、主に脳を緩衝し、適切な塩分バランスを維持することであった脇役と見なされていたため、長い間無視されてきました2,21。しかし、脈絡叢は、疼痛症候群22、SARS-CoV-2 16,23,24、神経発達2、脳障害19などの脳疾患に関連する構造として注目されており、行動障害の発症におけるトランス診断効果が示唆されています。神経発達障害では、脈絡叢嚢胞は発達遅延、注意欠陥/多動性障害(ADHD)、または自閉症スペクトラム障害(ASD)のリスクの増加と関連していました25,26。さらに、側脳室脈絡叢の容積はASD27の患者で増加することがわかりました。脳障害では、脈絡叢の異常は1921年以来、精神病性障害で報告されています28,29。以前の研究では、精神病性障害患者の大規模なサンプルで、FreeSurferセグメンテーションを使用して脈絡叢の拡大が特定されています 彼らの第一度近親者と対照の両方と比較して19。これらの所見は、精神病の臨床的高リスク集団の大規模なサンプルで、手動でセグメント化された脈絡叢容積を使用して再現され、これらの患者は健康な対照と比較して脈絡叢容積が大きいことがわかった30。複合性局所疼痛症候群22、脳卒中31、多発性硬化症20,32、アルツハイマー病33,34、うつ病35における脈絡叢の拡大を示す研究が増えており、末梢と脳の免疫/炎症活動との関連を示すものもあります。これらの神経画像研究は有望です。ただし、FreeSurfer21による側脳室脈絡叢のセグメンテーションが不十分なため、自動脈絡叢体積推定の信頼性が制限されます。その結果、多発性硬化症20,32、うつ病35、アルツハイマー病34、および早期精神病36の研究は、側脳室脈絡叢を手作業でセグメント化し始めているが、これを行う方法に関する現在のガイドラインはなく、第3および第4脳室脈絡叢のセグメント化に関するガイダンスもない。
一般的なセグメンテーションツールでは、脈絡叢は除外されます FreeSurfer37,38,39、FMRIB Software Library (FSL)40、SLANT41、FastSurfer(共著者のMartin Reuterによって開発)42,43などの脳セグメンテーションパイプラインは、アトラスベース(FSL)、アトラスベースおよび表面ベース(FreeSurfer)、およびディープラーニングセグメンテーションパラダイム(SLANTおよびFastSurfer)を採用して、皮質および皮質下構造を正確かつ確実にセグメント化します。これらのアプローチのいくつかの弱点には、処理速度、異なるスキャナーへの限定された一般化、フィールドの強度とボクセルサイズ37,44、および標準アトラス空間でのラベルマップの強制的な位置合わせが含まれます。ただし、脈絡叢をセグメント化する機能と高解像度MRIとの互換性は、FreeSurferとFastSurferによってのみ対処されます。FastSurferの背後にあるニューラルネットワークは、FreeSurfer脈絡叢ラベルでトレーニングされているため、FreeSurferの以前に説明した信頼性とカバレッジの制限を継承し、第3心室と第4心室は無視されます21。高解像度MRIの現在の制限も存在しますが、FreeSurferの高解像度ストリーム45およびFastSurferVINN43を使用してこの問題を処理できます。
現在の脈絡叢セグメンテーションツール 脈絡叢用のセグメンテーションツールは1つしかありませんが、セグメンテーションの精度には限界があります。正確な脈絡叢のセグメンテーションは、(1)心室内の位置による脈絡叢の位置(空間的に非定常)の変動、(2)細胞の不均一性、動的脈絡叢機能、病理学的変化、または部分的な体積効果によるボクセル強度、コントラスト、分解能(構造内不均一性)の違い、(3)脈絡叢のサイズに影響を与える加齢または病理学関連の心室サイズの違い、 (4)隣接する皮質下構造(海馬、扁桃体、尾状、小脳)への近接性もセグメント化が困難です。これらの課題を考えると、FreeSurferのセグメンテーションは、脈絡叢を過小評価または過大評価したり、誤ったラベル付けをしたり、無視したりすることがよくあります。
最近の3つの論文では、ガウス混合モデル(GMM)46、Axial-MLP47、およびU-Netベースの深層学習アプローチ48による信頼性の高い脈絡叢セグメンテーションのギャップが取り上げられています。各モデルは、スキャナー、サイト、人口統計、および障害の多様性が限られている最大150人の被験者のプライベートで手動でラベル付けされたデータセットを使用してトレーニングおよび評価されました。これらの出版物46,48,49は、FreeSurferの脈絡叢セグメンテーションよりも大幅な改善を達成しましたが-予測とグラウンドトゥルースの交差を2倍にすることもありますが、どちらの方法も(1)高解像度MRIで検証されておらず、(2)専用の一般化および信頼性分析があり、(3)大規模な代表的なトレーニングおよびテストデータセットを特徴としており、(4)脈絡叢セグメンテーションの課題に具体的に対処または分析しています。パーシャルボリュームエフェクト(5)は、すぐに使えるツールとして公開されています。したがって、脈絡叢セグメンテーションの現在の「ゴールドスタンダード」は、例えば、3Dスライサー50またはITK-SNAP51を使用した手動トレースであり、これは以前には説明されておらず、研究における脈絡叢の役割を調べたい研究者にとって大きな課題となっています。3D Slicerが手動セグメンテーションに選ばれたのは、著者がソフトウェアに精通していることと、さまざまなアプローチに基づいてさまざまなツールをユーザーに提供し、それらを組み合わせて目的の結果を得ることができるためです。主に画像のセグメンテーションを指向するITK-SNAPなど、他のツールを使用することができ、ツールを習得すると、ユーザーは良い結果を得ることができます。さらに、著者らは、3Dスライサー30を用いた手動セグメンテーション技術の高精度および信頼性を実証する症例対照研究を実施しており、その具体的な方法論を本明細書に記載する。

<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

脈絡叢は、神経発達やさまざまな脳障害に関与しています。脈絡叢は、脳の成熟、免疫/炎症調節、および行動/認知機能に重要であることを示す証拠があります。しかし、現在の自動ニューロイメージングセグメンテーションツールは、側脳室脈絡叢を正確かつ確実にセグメンテーションするのが不十分です。さらに、脳の第3脳室と第4脳室に位置する脈絡叢をセグメント化する既存のツールはありません。したがって、脈絡叢を側脳室、第3脳室、および第4脳室でセグメント化する方法を描写するプロトコルは、神経発達障害および脳障害における脈絡叢を調べる研究の信頼性と再現性を高めるために必要です。このプロトコルは、DICOMまたはNIFTI画像に基づいて脈絡叢の3Dスライサーで個別にラベル付けされたファイルを作成するための詳細な手順を提供します。脈絡叢は、T1w画像の軸面、矢状面、および冠状面を使用して手動でセグメント化され、心室に隣接する灰白質または白質構造からボクセルが除外されるようにします。ウィンドウは、脈絡叢とその解剖学的境界の局在化を支援するために調整されます。精度と信頼性を評価する方法は、このプロトコルの一部として実証されます。手作業による脈絡叢のゴールドスタンダードセグメンテーションは、生涯にわたる脈絡叢の変化やさまざまな脳障害内での脈絡叢の変化を解明するためにオープンに共有できる、より優れた、より信頼性の高い自動セグメンテーションツールを開発するために使用できます。

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.

著者スポットライト:解剖学のギャップを埋め、アルゴリズム研究の基盤を確立する 

脳MRIを用いたヒト脈絡叢の手動セグメンテーション

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.

提案された方法は、側脳室脈絡叢の反復的な改良を受けており、169人の健康な対照と340人の患者のコホートで広範なテストが含まれています 精神病のリスクが臨床的に高い30。上述した技術を用いて、著者らは、DC = 0.89、avgHD = 3.27 mm3、および単一評価者ICC = 0.9730で高い評価者内精度および信頼性を獲得し、本明細書に記載のプロトコルの強度を実証した。
<p class...

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

脳における脈絡叢の重要な役割にもかかわらず、この構造の神経画像研究は、信頼性の高い自動セグメンテーションツールがないため、ほとんどありません。現在のプロトコルは、脈絡叢のゴールドスタンダードの手動セグメンテーションを確実にすることを目的としています 将来の神経画像研究に情報を提供できる。

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

私たちは、脳の外側第3および第4脳室内の脈絡叢を手動でセグメント化するためのアクセス可能で標準化されたプロトコルを確立することを目指しています。脈絡叢を手動でセグメント化する際に発生する可能性のある一般的な質問や問題、特に脳内のその場所の複雑な性質を考慮して、対処したいと考えています。このプロトコルを開発することで、グラウンドトゥルースセグメンテーションマップで構成される十分な大きさのデータセットが作成され、脈絡叢を正確かつ自動的にセグメント化できるアルゴリズムのトレーニングと開発に使用できます。将来的には、これはさまざまな神経学的および神経精神医学的障害における脈絡叢の役割を調査する研究につながります。

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 ビュー.  Beth Israel Deaconess Medical Center. 私たちは、脳の外側第3および第4脳室内の脈絡叢を手動でセグメント化するためのアクセス可能で標準化されたプロトコルを確立することを目指しています。脈絡叢を手動でセグメント化する際に発生する可能性のある一般的な質問や問題、特に脳内のその場所の複雑な性質を考慮して、対処したいと考えています。このプロトコルを開発することで、グラウンドトゥル...