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.

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.
<ol><li>Beyin MRI DICOM (Tıpta Dijital Görüntüleme ve İletişim) veya NIFTI (Nörogörüntüleme Bilişim Teknolojisi Girişimi) dosyalarını 3B Dilimleyici'ye aktarmak için hazırlayın.</li>
	<li>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.</li>
	<li>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.</li>
	<li>İçe aktarma işleminden sonra, MRI verileri sağdaki pencerede eksenel, sagital ve koronal düzlemleri gösteren görünecektir.</li>
	<li>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.</li>
</ol>2. 3D Dilimleyici'deki örnek verilerden DICOM'u indirme
<ol><li>Welcome to Slicer bölümünün açılış ekranında yer alan Download sample data butonuna tıklayınız. Ardından MRHead düğmesini seçin ve birkaç dakika sürebilen indirme işlemini başlatacaktır.</li>
	<li>Aksiyal, sagital ve koronal düzlemlere sahip beyin MRI verilerinin sağ pencerede gösterildiğinden emin olun.</li>
</ol>3. Kalite kontrol ve MRI görüntüsünün ayarlanması
<ol><li>Her MRI dilimini eleştirel bir şekilde gözden geçirerek görüntü kalitesini ve kafa hareketi veya tarama sorunlarından kaynaklanan artefaktların varlığını niteliksel olarak belirleyin.</li>
	<li>Sırasıyla uzaklaştırmak veya uzaklaştırmak için fareyi sağ tıklayıp yukarı veya aşağı hareket ettirerek görüntü dilimini yakınlaştırın.</li>
	<li>Görüntü dilimini hareket ettirmek için görüntüyü sol tıklatın , Shift tuşunu basılı tutun ve fareyi sürükleyin.</li>
	<li>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 .</li>
	<li>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.</li>
	<li>Tercih edilen kontrast seçildikten sonra, segmentasyon boyunca aynı kontrastı koruyun ve supra ve infra-tentorial bölgelerdeki olası varyasyonlara göre ayarlama yapmayın.</li>
</ol>4. Koroid pleksusun manuel segmentlerinin oluşturulması
<ol><li>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.</li>
	<li>Farklı segmentasyonlar seçmek (birden fazla segmentasyon oluşturulmuşsa) ve o anda seçili olan segmentasyonu yeniden adlandırmak için segmentasyon açılır menüsüne tıklayın.</li>
	<li>Hangi NIFTI veya DICOM kümelerinin düzenlenmesi gerektiğini seçmek için Ana Birim açılır menüsünü kullanın. Yalnızca birim dosyası seçildiğinde, kullanıcı bölümlere ayırmaya/düzenlemeye başlayabilir.</li>
	<li>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.</li>
	<li>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.</li>
</ol>5. Farklı dilimleri ve segmentasyonları görüntüleme
<ol><li>Düzenlemeden önce, görüntüleme penceresindeki mizanpajlar arasında nasıl geçiş yapılacağını ve segmentasyonların görünümünü veya opaklığını nasıl değiştireceğinizi öğrenmek için bir arka plan çalışması gerçekleştirin.</li>
	<li>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.</li>
</ol>6. Lateral ventrikül koroid pleksus ROI'lerinin tanımlanması
NOT: Manuel segmentasyon için bir şablona görüntü kaydı gerekli değildir.
<ol><li>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.<ol><li>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.</li>
	</ol></li>
	<li>Düzenlemeye başlamak için, üzerinde çalışılacak segmenti tıkladığınızda segment adı vurgulanır.</li>
	<li>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.</li>
	<li>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.</li>
	<li>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.</li>
	<li>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.</li>
	<li>Lateral ventriküllerde koroid pleksusun segmentasyonunu durdurmak için kırmızı çekirdeğin seviyesini bir dönüm noktası olarak kullanın.</li>
</ol>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.
<ol><li>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.<ol><li>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.</li>
	</ol></li>
	<li>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.<ol><li>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.</li>
	</ol></li>
</ol>8. Koroid pleksusun hacimlerinin hesaplanması
<ol><li>Modüller açılır menüsünden Niceleme'ye gidin ve Segment İstatistikleri'ni seçin.</li>
	<li>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.</li>
</ol>9. Segmentleri ve hacim sonuçlarını kaydetme
<ol><li>Oluşturulan dosyaları kaydetmek için araç çubuğunun sol üst köşesindeki Kaydet düğmesini tıklayın.</li>
	<li>Segmentasyon dosyalarını .nrrd (3B dilimleyici dosyası), .nii.gz (NIFTI dosyası) veya .tsv (tablo dosyası) olarak kaydedin.</li>
</ol>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.
<ol><li>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.<ol><li>Ortalama DC puanını hesaplamak için monai.metrics.compute_meandice işlevini kullanın.</li>
		<li>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.</li>
	</ol></li>
	<li>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.<ol><li>AvgSD puanını hesaplamak için compute_average_surface_distance işlevini kullanın.</li>
		<li>Bu işlevin, varsayılan ayar altında y_pred ile y arasındaki Ortalama Yüzey Mesafesini hesapladığından emin olun.</li>
		<li>Ayrıca, simetrik = Doğru ise, bu iki giriş arasındaki ortalama simetrik yüzey mesafesinin döndürüldüğünden emin olun.</li>
	</ol></li>
	<li>Birden fazla vakada DC ve avgSD skorunun istatistiksel analizini gerçekleştirin, eşleştirilmiş analiz için sağlam Wilcoxon işaretli sıra testi kullanılarak gerçekleştirilebilir.</li>
	<li>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.<ol><li>install.packages("psych") kullanarak paketi indirin ve kitaplığı (psych) yükleyin.</li>
		<li>Veri <- data.frame(df) kullanarak katılımcıları (satırları) ve her sütunda bir değerlendiriciyi içeren veri çerçevesini girin. Ardından grafiği (Veri) kullanarak ölçümleri görselleştirin.</li>
		<li>ICC'yi çalıştırmak için, örneğin değerlendiriciler arası veya değerlendiriciler arası puanları elde etmek için farklı ICC türlerinin bir tablosunu oluşturan ICC'yi (Veri) kullanın.</li>
	</ol></li>
</ol>

Beyin Bozukluklarında Nörogörüntüleme Analizinin Geliştirilmesi

Yazarların rekabet eden hiçbir mali çıkarı yoktur.

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...

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.

<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

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.

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.

Yazar Spotlight: Anatomideki Boşlukları Kapatmak ve Algoritmik Çalışmalar İçin Bir Temel Oluşturmak 

Beyin MRG Kullanılarak İnsan Koroid Pleksusunun Manuel Segmentasyonu

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.

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.
...

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

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.

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

Koroid pleksusu beynin lateral üçüncü ve dördüncü ventrikülleri içinde manuel olarak bölümlere ayırmak için erişilebilir ve standartlaştırılmış bir protokol oluşturmayı amaçlıyoruz. Koroid pleksusu manuel olarak bölümlere ayırırken ortaya çıkabilecek yaygın soruları veya sorunları, özellikle de beyindeki konumunun karmaşık doğasını göz önünde bulundurarak ele almayı umuyoruz. Bu protokolün geliştirilmesi, daha sonra koroid pleksusu doğru ve otomatik olarak segmentlere ayırabilen algoritmaları eğitmek ve geliştirmek için kullanabileceğimiz temel gerçek segmentasyon haritalarından oluşan yeterince büyük bir veri setinin oluşturulmasına yol açacaktır.Gelecekte, bu, çeşitli nörolojik ve nöropsikiyatrik bozukluklarda koroid pleksusun rolünü araştıran çalışmalara yol açacaktır.

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 Görüntüleme.  Beth Israel Deaconess Medical Center. Koroid pleksusu beynin lateral üçüncü ve dördüncü ventrikülleri içinde manuel olarak bölümlere ayırmak için erişilebilir ve standartlaştırılmış bir protokol oluşturmayı amaçlıyoruz. Koroid pleksusu manuel olarak bölümlere ayırırken ortaya çıkabilecek yaygın soruları veya sorunları, özellikle de beyindeki konumunun karmaşık doğasını göz önünde bulundurarak ele almayı umuyoruz. Bu protokolün geliştirilmesi, daha sonra koroid pleksusu doğru ve otomati...

Video: Yazar Spotlight: Anatomideki Boşlukları Kapatmak ve Algoritmik Çalışmalar İçin Bir Temel Oluşturmak 

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

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

Nörobilim

Segmentation of the Choroid Plexus Using Manual Delineations

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