АВТОРЫ
СВЯЖИТЕСЬ С НАМИ

Войдите в систему

Для просмотра этого контента требуется подписка на Jove Войдите в систему или начните бесплатную пробную версию.

В этой статье

  • Резюме
  • Аннотация
  • Введение
  • протокол
  • Результаты
  • Обсуждение
  • Раскрытие информации
  • Благодарности
  • Материалы
  • Ссылки
  • Перепечатки и разрешения

Резюме

Несмотря на важнейшую роль сосудистого сплетения в головном мозге, нейровизуализационные исследования этой структуры скудны из-за отсутствия надежных автоматизированных средств сегментации. Настоящий протокол направлен на обеспечение золотого стандарта ручной сегментации сосудистого сплетения, которая может быть использована для будущих нейровизуализационных исследований.

Аннотация

Сосудистое сплетение вовлечено в развитие нервной системы и ряд заболеваний головного мозга. Данные свидетельствуют о том, что сосудистое сплетение имеет решающее значение для созревания мозга, иммунной/воспалительной регуляции и поведенческого/когнитивного функционирования. Тем не менее, современные автоматизированные инструменты сегментации нейровизуализации плохо справляются с точной и надежной сегментацией сосудистой оболочки бокового желудочка. Кроме того, не существует инструмента, который сегментирует сосудистое сплетение, расположенное в третьем и четвертом желудочках головного мозга. Таким образом, протокол, описывающий, как сегментировать сосудистое сплетение в латеральном, третьем и четвертом желудочках, необходим для повышения надежности и воспроизводимости исследований, изучающих сосудистое сплетение при нарушениях развития нервной системы и головного мозга. Этот протокол предоставляет подробные шаги по созданию отдельно размеченных файлов в 3D Slicer для сосудистого сплетения на основе изображений DICOM или NIFTI. Сосудистое сплетение будет вручную сегментировано с использованием аксиальной, сагиттальной и корональной плоскостей изображений T1w, чтобы исключить вокселы из структур серого или белого вещества, граничащих с желудочками. Окна будут скорректированы, чтобы помочь в локализации сосудистого сплетения и его анатомических границ. В рамках данного протокола будут продемонстрированы методы оценки точности и надежности. Золотой стандарт сегментации сосудистого сплетения с использованием ручных разграничений может быть использован для разработки более совершенных и надежных автоматизированных инструментов сегментации, которыми можно открыто делиться для выяснения изменений в сосудистом сплетении на протяжении всей жизни и при различных заболеваниях головного мозга.

Введение

Функция сосудистого сплетения
Сосудистое сплетение представляет собой высоковаскуляризированную структуру в головном мозге, состоящую из фенестрированных капилляров и монослоя эпителиальных клеток сосудистого сплетения1. Сосудистое сплетение проецируется в латеральный, третий и четвертый желудочки головного мозга и вырабатывает спинномозговую жидкость (ликвор), которая играет важную роль в формировании нейронных паттернов2 и физиологии мозга 3,4. Сосудистое сплетение секретирует нервно-сосудистые вещества, включает в себя хранилище, подобное стволовым клеткам, и действует как физический барьер, препятствующий проникновению токсичных метаболитов, ферментативный барьер для удаления фрагментов, которые обходят физический барьер, и иммунологический барьер для защиты от чужеродныхзахватчиков. Сосудистое сплетение модулирует нейрогенез6, синаптическую пластичность7, воспаление8, циркадный ритм 9,10, ось мозга кишечника11 и когнитивные функции12. Кроме того, периферические цитокины, стресс и инфекция (включая SARS-CoV-2) могут нарушить гематоликно-ликворный барьер 13,14,15,16. Таким образом, система сосудистое сплетение-ликвор является неотъемлемой частью развития нервной системы, созревания нейроцепей, гомеостаза мозга и репарации17. Поскольку иммунные, воспалительные, метаболические и ферментативные изменения влияют на мозг, исследователи используют инструменты нейровизуализации для оценки роли сосудистого сплетения на протяжении всей жизни и при заболеваниях головного мозга. Тем не менее, существуют ограничения в широко используемых автоматизированных инструментах для сегментации сосудистого сплетения, таких как FreeSurfer, которые приводят к тому, что сосудистое сплетение плохо сегментировано. Таким образом, существует острая потребность в ручной сегментации сосудистого сплетения, которая может быть использована для разработки точного автоматизированного инструмента сегментации сосудистого сплетения.

Сосудистое сплетение при развитии нервной системы и нарушениях головного мозга
Роль сосудистого сплетения в заболеваниях головного мозга долгое время игнорировалась, главным образом потому, что оно рассматривалось как вспомогательный игрок, роль которого заключалась в том, чтобы смягчить мозг и поддерживать надлежащийсолевой баланс. Тем не менее, сосудистое сплетение привлекло внимание как структура, связанная с нарушениями головного мозга, такими как болевые синдромы22, SARS-CoV-2 16,23,24, нарушения развития нервной системы 2 и расстройства головного мозга 19, что позволяет предположить трансдиагностический эффект в развитии поведенческих расстройств. При нарушениях развития нервной системы кисты сосудистого сплетения ассоциировались с повышенным риском задержки развития, синдрома дефицита внимания/гиперактивности (СДВГ) или расстройства аутистического спектра (РАС)25,26. Кроме того, было обнаружено, что объем сосудистого сплетения бокового желудочка был увеличен у пациентов с РАС27. При заболеваниях головного мозга аномалии сосудистого сплетения описаны с 1921 г. при психотических расстройствах28,29. Предыдущие исследования выявили увеличение сосудистого сплетения с помощью сегментации FreeSurfer у большой выборки пациентов с психотическими расстройствами по сравнению как с их родственниками первой степени родства, таки с контрольной группой. Эти результаты были воспроизведены с использованием сегментированного вручную объема сосудистого сплетения на большой выборке клинически высокого риска психоза и обнаружили, что эти пациенты имели больший объем сосудистого сплетения по сравнению со здоровымиконтрольными группами. Растет число исследований, демонстрирующих увеличение сосудистого сплетения при комплексном регионарном болевом синдроме22, инсульте31, рассеянном склерозе20,32, болезни Альцгеймера33,34 и депрессии35, причем некоторые из них демонстрируют связь между периферической и иммунной/воспалительной активностью мозга. Эти нейровизуализационные исследования являются многообещающими; тем не менее, плохая сегментация сосудистого сплетения бокового желудочка с помощью FreeSurfer21 ограничивает надежность автоматизированной оценки объема сосудистого сплетения. В результате, исследования рассеянного склероза20,32, депрессии35, болезни Альцгеймера34 и раннего психоза36 начали вручную сегментировать сосудистое сплетение бокового желудочка, но в настоящее время нет никаких рекомендаций о том, как это сделать, как и их рекомендаций по сегментации сосудистого сплетения третьего и четвертого желудочков.

Общие инструменты сегментации исключают сосудистое сплетение
Конвейеры сегментации мозга, такие как FreeSurfer37,38,39, FMRIB Software Library (FSL)40, SLANT41 и FastSurfer (разработанный соавтором Мартином Рейтером)42,43, точно и надежно сегментируют корковые и подкорковые структуры, используя парадигмы сегментации на основе атласа (FSL), атласа и поверхности (FreeSurfer) и глубокого обучения (SLANT и FastSurfer). К недостаткам некоторых из этих подходов относятся скорость обработки, ограниченное обобщение для различных сканеров, напряженность поля и размеры вокселов37,44, а также принудительное выравнивание карты надписей в стандартном пространстве атласа. Тем не менее, возможность сегментации сосудистого сплетения и совместимость с МРТ высокого разрешения решается только FreeSurfer и FastSurfer. Нейронные сети, лежащие в основе FastSurfer, обучены на метках сосудистого сплетения FreeSurfer, поэтому они наследуют ранее обсуждавшиеся ограничения FreeSurfer по надежности и покрытию, при этом третий и четвертый желудочки игнорируются. В настоящее время существуют ограничения для МРТ с высоким разрешением, но для решения этой проблемы можно использовать FreeSurfer Stream45 и FastSurferVINN43.

Современные инструменты сегментации сосудистого сплетения
В свободном доступе есть только один инструмент сегментации для сосудистого сплетения, но точность сегментации ограничена. На точную сегментацию сосудистого сплетения может влиять множество факторов, в том числе (1) вариабельность расположения сосудистого сплетения (пространственно нестационарное) из-за его расположения в желудочках, (2) различия в интенсивности вокселов, контрасте, разрешении (внутриструктурная гетерогенность) из-за клеточной гетерогенности, динамическая функция сосудистого сплетения, патологические изменения или частичные объемные эффекты, (3) различия в размерах желудочков, связанные с возрастом или патологией, влияющие на размер сосудистого сплетения, и (4) близость к соседним подкорковым структурам (гиппокампу, миндалевидному телу, хвостатому телу и мозжечку), которые также трудно сегментировать. Учитывая эти проблемы, сегментация FreeSurfer часто недооценивает или переоценивает, неправильно обозначивает или игнорирует сосудистое сплетение.

В трех недавних публикациях рассматривался пробел в надежной сегментации сосудистого сплетения с помощью модели гауссовой смеси (GMM)46, Axial-MLP47 и подходов глубокого обучения на основеU-Net48. Каждая модель была обучена и оценена с использованием частных, вручную помеченных наборов данных не более 150 субъектов с ограниченным разнообразием сканеров, сайтов, демографических данных и расстройств. Несмотря на то, что в этих публикациях 46,48,49 были достигнуты значительные улучшения по сравнению с сегментацией сосудистого сплетения FreeSurfer - иногда удваивая пересечение прогноза и достоверности информации, ни один из методов (1) не был валидирован на МРТ с высоким разрешением, (2) имеет специальный анализ обобщения и надежности, (3) содержит большие репрезентативные наборы данных для обучения и тестирования, (4) специально рассматривает или анализирует проблемы сегментации сосудистого сплетения, такие как частичные эффекты объема, или (5) находится в открытом доступе как готовый к использованию инструмент. Таким образом, в настоящее время «золотым стандартом» сегментации сосудистого сплетения является ручная трассировка, например, с использованием 3D Slicer50 или ITK-SNAP51, которая ранее не была описана и является серьезной проблемой для исследователей, желающих изучить роль сосудистого сплетения в своих исследованиях. 3D Slicer был выбран для ручной сегментации из-за знакомства автора с программным обеспечением и потому, что он предоставляет пользователю различные инструменты, основанные на разных подходах, которые можно комбинировать для получения желаемого результата. Можно использовать и другие инструменты, такие как ITK-SNAP, который в первую очередь ориентирован на сегментацию изображений, и как только инструмент освоен, пользователь может получить хорошие результаты. Кроме того, авторы провели исследование случай-контроль, демонстрирующее высокую точность и надежность их метода ручной сегментации с использованием 3D Slicer30, и эта конкретная методология описана в настоящем документе.

протокол

Настоящий протокол был одобрен Институциональным наблюдательным советом в Медицинском центре Бет Исраэль Диаконисс. Для демонстрации этого протокола был использован здоровый субъект с МРТ-сканированием головного мозга, на котором не было артефактов или движений, и было получено письменное информированное согласие. Для получения изображений 3D-T1 с разрешением 1 мм x 1 мм x 1,2 мм использовался МРТ-сканер 3,0 Тл с 32-канальной головной катушкой (см. таблицу материалов). Использовалась последовательность MP-RAGE ASSET с полем зрения 256 x 256, TR/TE/TI=7,38/3,06/400 мс и углом поворота 11 градусов.

1. Импорт МРТ головного мозга в 3D-слайсер

ПРИМЕЧАНИЕ: 3D Slicer предоставляет документацию, связанную с его пользовательским интерфейсом.

  1. Подготовьте файлы DICOM (Digital Imaging and Communications in Medicine) или NIFTI (Neuroimaging Informatics Technology Initiative) для импорта в 3D Slicer.
  2. Импортируйте данные DICOM, нажав кнопку DCM в левом верхнем углу панели инструментов. Затем нажмите кнопку Импорт файлов DICOM , чтобы импортировать данные в формате DICOM.
  3. Если данные МРТ в формате NIFTI, импортируйте их, нажав кнопку DATA в левом верхнем углу панели инструментов. Во всплывающем диалоговом окне выберите Выбрать каталог для добавления для пакетного импорта данных NIFTI в папку или выберите Выбрать файл(ы) для добавления , чтобы импортировать определенные файлы NIFTI. Затем нажмите кнопку ОК , чтобы продолжить загрузку данных в 3D-срез.
  4. После импорта данные МРТ появятся в окне справа с отображением аксиальной, сагиттальной и корональной плоскостей.
  5. Измените макет окон, перейдя в раздел Макеты и выбрав конкретный макет. Это можно найти, щелкнув по изображению модуля Layouts на панели инструментов 3D Slicer или через View > Layouts из меню приложения.

2. Загрузка DICOM из образца данных в 3D Slicer

  1. Нажмите кнопку Скачать пример данных на начальном экране раздела Добро пожаловать в срез. Затем нажмите кнопку MRHead , и начнется процесс загрузки, который может занять несколько минут.
  2. Убедитесь, что данные МРТ головного мозга в аксиальной, сагиттальной и корональной плоскостях отображаются в правом окне.

3. Контроль качества и корректировка МРТ-изображения

  1. Определите качество изображения и наличие артефактов, вызванных движением головы или проблемами сканирования, критически изучив каждый срез МРТ.
  2. Увеличьте масштаб фрагмента изображения, щелкнув правой кнопкой мыши и переместив мышь вверх или вниз , чтобы уменьшить или уменьшить масштаб соответственно.
  3. Чтобы переместить фрагмент изображения, щелкните его левой кнопкой мыши , нажмите и удерживайте клавишу Shift и перетащите мышь.
  4. Регулировка яркости изображения может помочь при просмотре сосудистого сплетения. Для этого нажмите на Настроить окно/уровень громкости на панели инструментов или щелкните левой кнопкой мыши по изображению и перемещайте мышь вверх или вниз , чтобы увеличить или уменьшить яркость соответственно.
  5. Регулировка контраста может дополнительно помочь в нахождении сосудистого сплетения. Щелкните левой кнопкой мыши по фрагменту изображения и переместите мышь влево или вправо , чтобы увеличить или уменьшить контрастность соответственно. Чтобы определить подходящий контраст для сосудистого сплетения, используйте ядра глубокого серого вещества (центральные массы серого вещества, расположенные вокруг бокового и третьего желудочков) или интенсивность сигнала, показанную на шкале контраста.
  6. После того, как предпочтительный контраст выбран, поддерживайте тот же контраст на протяжении всей сегментации и не корректируйте потенциальные вариации в супра- и инфратенториальных областях.

4. Создание ручных сегментов сосудистого сплетения

  1. Чтобы начать сегментацию латерального, третьего и четвертого желудочков сосудистого сплетения, создайте файлы сегментации в модуле Редактор сегментов . Чтобы перейти туда, нажмите на Редактор сегментов на панели инструментов или перейдите в выпадающее меню Модули: и выберите Редактор сегментов.
  2. Нажмите на раскрывающееся меню сегментации , чтобы выбрать различные сегментации (если было создано несколько сегментаций) и переименовать текущую выбранную сегментацию.
  3. Используйте раскрывающийся список Master Volume , чтобы выбрать, какие наборы NIFTI или DICOM нуждаются в редактировании. Только после выбора файла тома пользователь может приступить к сегментации/редактированию.
  4. Нажмите кнопку « Добавить » дважды, чтобы добавить два сегмента для сосудистой оболочки бокового желудочка. Чтобы переименовать их, дважды щелкните по названию и измените их на Правое боковое желудочковое сосудистое сплетение и Левое боковое желудочковое сосудистое сплетение.
  5. Нажмите кнопку «Добавить» еще раз, чтобы добавить сегменты для сосудистого сплетения третьего и четвертого желудочков, и переименуйте их в «3-е сосудистое сплетение желудочка» и «4-е сосудистое сплетение желудочка».

5. Просмотр различных срезов и сегментаций

  1. Перед редактированием выполните фоновое исследование, чтобы узнать, как перемещаться между макетами в окне просмотра и как изменять вид или непрозрачность сегментаций.
  2. В верхней части окна просмотра и слева от ползунка фрагмента нажмите на значок булавки. Откроется выпадающее меню, которое может варьироваться в зависимости от конкретного макета окна.
    ПРИМЕЧАНИЕ: Использование различных макетов может быть полезным при сегментации сосудистого сплетения, поскольку его структура может варьироваться у разных людей. Например, макет «Обычный» позволяет пользователю одновременно просматривать все три среза и 3D-вид сцены. Выбор «Только красный/желтый/зеленый срез» дает пользователю крупный план 2D-среза, что позволяет более точно сегментировать сосудистое сплетение.

6. Определение границ оболочечного сосудистого сплетения бокового желудочка

ПРИМЕЧАНИЕ: Для ручной сегментации регистрация изображения в шаблоне не требуется.

  1. Для сосудистого сплетения бокового желудочка начинайте с осевой плоскости , следя за тем, чтобы изображения располагались по бикомиссуральной линии. Затем используйте trigonum collaterale в качестве ориентира для определения местоположения сосудистой оболочки бокового желудочка.
    1. После внесения изменений в осевой плоскости перейдите к остальным видам (сагиттальному и корональному), чтобы убедиться, что ручная сегментация сосудистой оболочки бокового желудочка не захватывает окружающую паренхиму мозга или ликвор.
  2. Чтобы начать редактирование, нажмите на сегмент , над которым нужно работать, и название сегмента будет выделено.
  3. Нажмите на инструмент «Рисование » или «Рисование » в разделе «Эффекты » редактора сегментов , чтобы начать сегментацию вручную.
    ПРИМЕЧАНИЕ: Лучше всего начать сегментацию в одной плоскости (корональной, осевой или сагиттальной), а после завершения сегментации во всех срезах перейти к другим плоскостям для проверки и уточнения ручной сегментации. Предполагается, что пользователь начинает с аксиальной или корональной плоскостей, так как на этих изображениях легче увидеть сосудистое сплетение бокового желудочка.
  4. При использовании инструмента «Рисование » щелкните левой кнопкой мыши и, удерживая нажатой , нарисуйте контур на границе сосудистой оболочки бокового желудочка. После трассировки щелкните правой кнопкой мыши , чтобы заполнить нарисованную область.
  5. При использовании инструмента «Рисование » сначала выберите диаметр кисти, которая будет использоваться для рисования. Для более точного очерчивания сосудистого сплетения рекомендуется использовать 3% или 5%, в то время как 10% может быть полезно для более крупных выделений.
  6. Для любого инструмента используйте Paint или Erase, чтобы исправить любые ошибочные разграничения, добавив или удалив выделенные области.
    ПРИМЕЧАНИЕ: Обращение к другим плоскостям зрения может помочь в определении структуры сосудистой оболочки бокового желудочка по сравнению с другими структурами мозга, такими как окружающее серое вещество, свод, мозолистое тело или гиппокамп. Пользователю рекомендуется исключить сканирование головного мозга, при котором выявлены кисты сосудистого сплетения.
  7. Используйте уровень красного ядра в качестве ориентира для остановки сегментации сосудистого сплетения в боковых желудочках.

7. Определение границ РПИ сосудистого сплетения третьего и четвертого желудочков

ПРИМЕЧАНИЕ: Изображения T1w с более высоким разрешением (например, 0,7 или 0,8 мм) и изображения, полученные на МРТ 7 Тл, обеспечат более точную и надежную ручную сегментацию сосудистого сплетения третьего и четвертого желудочков. Сегментация сосудистого сплетения третьего и четвертого желудочков более сложна, чем сосудистого сплетения бокового желудочка, поскольку эти области могут быть намного меньше и с меньшим количеством вокселей для разграничения.

  1. Для сосудистого сплетения третьего желудочка начните с сагиттальной плоскости и используйте отверстие Монро, свод, мозолистое тело, таламус и внутреннюю мозговую вену в качестве ориентиров, чтобы точно определить сосудистое сплетение в 3-м желудочке. Перемещение между срезами в пределах одной плоскости может помочь определить, является ли область сводом, таламусом, веной или сосудистым сплетением третьего желудочка.
    1. После внесения изменений в сагиттальную плоскость перейдите к остальным видам (аксиальному и корональному), чтобы убедиться, что ручная сегментация сосудистого сплетения третьего желудочка не выделяет окружающую паренхиму мозга или ликвор.
  2. Точно так же для сосудистого сплетения четвертого желудочка начните с сагиттальной плоскости и используйте верхнюю ножку мозжечка, мост и мозговое вещество в качестве ориентиров , чтобы точно определить сосудистое сплетение в четвертом желудочке. Перемещение между срезами в одной плоскости может помочь определить, является ли область мозжечком, мозжечковой миндалиной, нижним медуллярным велумом или сосудистым сплетением4-го желудочка.
    1. После завершения редактирования в сагиттальной плоскости перейдите к остальным видам (аксиальному и корональному), чтобы убедиться, что ручная сегментация сосудистого сплетения четвертого желудочка не выделяет окружающую паренхиму мозга или ликвор.

8. Расчет объемов сосудистого сплетения

  1. В раскрывающемся меню Модули перейдите в раздел Количественная оценка и выберите Статистика сегмента.
  2. В разделе Входные данные выберите новую карту сегментации для количественной оценки в инструменте Сегментация и выберите объем МРТ из Скалярного тома. Для Выходной таблицы (в разделе Выходные данные) выберите опцию Таблица . После завершения нажмите «Применить», и появится таблица, содержащая объем сосудистого сплетения в различных единицах.

9. Сохранение результатов по сегментам и объемам

  1. Нажмите кнопку «Сохранить » в левом верхнем углу панели инструментов, чтобы сохранить сгенерированные файлы.
  2. Сохраните файлы сегментации в форматах .nrrd (файл 3D-среза), .nii.gz (файл NIFTI) или .tsv (файл таблицы).

10. Определение точности, производительности и согласованности сегментации

ПРИМЕЧАНИЕ: Рекомендуется использовать пакет MONAI (см. Таблицу материалов), в котором описаны коэффициент Дайса (DC) и среднее поверхностное расстояние DeepMind (avgSD). Подробные сведения о DC и avgSD описаны ниже. Для того, чтобы вычислить эти метрики, читатели должны знать, как программировать (например, python, читать изображения с диска, переформатировать данные в соответствующие входные массивы для этих функций). Не существует удобного пакета, который включал бы в себя все эти метрики.

  1. Оценка DC является стандартным подходом к количественной оценке перекрытия двух геометрических областей. Чтобы вычислить среднюю оценку DC между двумя сегментациями, предоставьте два тензора y_pred и y, т. е. многокадровые изображения с одним кадром для каждого бинаризованного изображения метки. Тензоры y_pred и y могут содержать сегментации двух разных ручных оценщиков, повторяющиеся сегментации одного и того же оценщика или автоматическое прогнозирование и ручную наземную истину.
    1. Используйте функцию monai.metrics.compute_meandice для вычисления среднего балла DC.
    2. Сгенерируйте подходящие двоичные тензоры меток с monai.transforms.post.
      ПРИМЕЧАНИЕ: Параметру include_background можно присвоить значение False, чтобы исключить первую категорию (индекс канала 0) из вычисления постоянного тока, который, по соглашению, считается фоном.
  2. Считайте оценку avgSD менее распространенной и обратите внимание, что подход может отличаться, так как существует несколько определений расстояния до поверхности. Например, используйте максимальное расстояние (также известное как расстояние Хаусдорфа, очень чувствительное к выбросам), среднее расстояние (как описано здесь) и 95-й процентиль (высоконадежный) в качестве часто используемых мер.
    1. Используйте функцию compute_average_surface_distance для вычисления оценки avgSD.
    2. Убедитесь, что эта функция вычисляет Среднее расстояние по поверхности от y_pred до y при настройке по умолчанию.
    3. Кроме того, если symmetric = True, убедитесь, что возвращается среднее симметричное расстояние поверхности между этими двумя входными данными.
  3. Выполнить статистический анализ оценки DC и avgSD в нескольких случаях можно с помощью надежного критерия знакового ранга Вилкоксона для парного анализа.
  4. Рассмотрите возможность использования внутриклассового коэффициента корреляции (ICC) в качестве еще одного широко используемого метода для определения того, могут ли несколько участников быть надежно оценены разными оценщиками. Помните, что ICC работает с набором парных измерений (например, объема) сегментаций, а не непосредственно с изображениями сегментации. Для вычисления ICC используйте программное обеспечение R и R Studio (см. таблицу материалов), что упрощает процесс.
    1. Загрузите пакет с помощью install.packages("psych") и загрузите библиотеку(psych).
    2. Введите фрейм данных, который включает участников (строки) и оценщика в каждом столбце, используя Data <- data.frame(df). Затем визуализируйте измерения с помощью графика (Data).
    3. Для запуска ICC используйте ICC(Data), которая генерирует таблицу различных типов ICC, например, для получения оценок между оценщиками или внутри рейтинга.

Результаты

Предложенный метод подвергся итеративной доработке для сосудистого сплетения бокового желудочка, включая обширное тестирование на когорте из 169 здоровых людей контрольной группы и 340 пациентов с клинически высоким рискомпсихоза. Используя методику, описанную выше, автор...

Обсуждение

Критические этапы протокола
При внедрении этого протокола особое внимание требуют три важных шага. Во-первых, проверка качества и контрастности МР-изображений является ключом к обеспечению точной сегментации. Если качество изображения слишком низкое, или контраст слишком ?...

Раскрытие информации

У авторов нет конкурирующих финансовых интересов.

Благодарности

Эта работа была поддержана премией Национального института психического здоровья R01 MH131586 (.Л. и М.Р.), R01 MH078113 (М.К.) и грантом Фонда Сиднея Р. Баера-младшего (.Л.).

Материалы

NameCompanyCatalog NumberComments
3D Slicer3D Slicerhttps://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.
FreeSurferFreeSurferhttps://surfer.nmr.mgh.harvard.edu/An open source neuroimaging toolkit for processing, analyzing, and visualizing human brain MR images
ITK-SNAPITK-SNAPhttp://www.itksnap.org/pmwiki/pmwiki.phpA free, open-source, multi-platform software application used to segment structures in 3D and 4D biomedical images. 
Monai PackageMonai Consortiumhttps://docs.monai.io/en/stable/metrics.htmlUse for Dice Coefficient and DeepMind average Surface Distance. 
MRI scannerGEDiscovery MR750 
Psych PackageR-Projecthttps://cran.r-project.org/web/packages/psych/index.htmlA general purpose toolbox developed originally for personality, psychometric theory and experimental psychology.
R SoftwareR-Projecthttps://www.r-project.org/R is a free software environment for statistical computing and graphics. 
RStudioPosithttps://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 LaptopAny companyn/aNeeded for running the software used in this protocol. 

Ссылки

  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, a. V. 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., Išgum, I., Colliot, O. Axial multi-layer perceptron architecture for automatic segmentation of choroid plexus in multiple sclerosis. Medical Imaging 2022: Image Processing. SPIE. , (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., Muñoz-Barrutia, A. Pituitary adenoma volumetry with 3D Slicer. PLoS ONE. 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).

Перепечатки и разрешения

Запросить разрешение на использование текста или рисунков этого JoVE статьи

Запросить разрешение

Смотреть дополнительные статьи

JoVE202

This article has been published

Video Coming Soon

JoVE Logo

Конфиденциальность

Условия эксплуатации

Политика

СВЯЖИТЕСЬ С НАМИ

РЕКОМЕНДОВАТЬ БИБЛИОТЕКЕ

НОВОСТИ JoVE

Исследования

Образование

АВТОРЫ

Библиотекарь

О JoVE

Авторские права © 2025 MyJoVE Corporation. Все права защищены