JoVE Logo

Oturum Aç

Bu içeriği görüntülemek için JoVE aboneliği gereklidir. Oturum açın veya ücretsiz deneme sürümünü başlatın.

Bu Makalede

  • Özet
  • Özet
  • Giriş
  • Protokol
  • Sonuçlar
  • Tartışmalar
  • Açıklamalar
  • Teşekkürler
  • Malzemeler
  • Referanslar
  • Yeniden Basımlar ve İzinler

Özet

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

Özet

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

Giriş

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

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

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

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

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

Protokol

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.

Sonuçlar

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.

...

Tartışmalar

Protokolün kritik adımları
Bu protokolü uygularken üç kritik adım özel dikkat gerektirir. İlk olarak, MR görüntülerinin kalitesini ve kontrastını kontrol etmek, doğru segmentasyonu sağlamanın anahtarıdır. Görüntünün kalitesi çok düşükse veya kontrast çok düşük veya çok yüksekse, koroid pleksusun yanlış tanımlanmasına neden olabilir. Görüntünün kontrastı, görüntünün gri tonlama değeri görüntülenerek veya gri madde çekirdekleri ile gri madde arasındaki...

Açıklamalar

Yazarların rekabet eden hiçbir mali çıkarı yoktur.

Teşekkürler

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

Malzemeler

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. 

Referanslar

  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).

Yeniden Basımlar ve İzinler

Bu JoVE makalesinin metnini veya resimlerini yeniden kullanma izni talebi

Izin talebi

Daha Fazla Makale Keşfet

JoVE de Bu AySay 202Koroid pleksusMRImanuel segmentasyoninsanhacimn rog r nt leme

This article has been published

Video Coming Soon

JoVE Logo

Gizlilik

Kullanım Şartları

İlkeler

Araştırma

Eğitim

JoVE Hakkında

Telif Hakkı © 2020 MyJove Corporation. Tüm hakları saklıdır