Name: 저자 스포트라이트: Bridging Gaps in Anatomy and Establishing a Foundation for Algorithmic Studies (해부학의 격차 해소 및 알고리즘 연구의 기초 구축)
Uploaded: 2023-12-15T12:40:00
Description: Watch this Scientific Journal Video about Bridging Gaps in Anatomy and Establishing a Foundation for Algorithmic Studies at JoVE.com

이 연구는 국립 정신 건강 연구소 상 R01 MH131586(PL 및 MR), R01 MH078113(MK) 및 Sydney R Baer Jr Foundation Grant(PL)의 지원을 받았습니다.

본 프로토콜은 Beth Israel Deaconess Medical Center의 Institutional Review Board에서 승인되었습니다. 인공물이나 움직임이 없는 뇌 MRI 스캔을 받은 건강한 피험자가 이 프로토콜 시연에 사용되었으며 서면 동의서를 받았습니다. 32채널 헤드 코일이 있는 3.0T MRI 스캐너( 재료 표 참조)를 사용하여 1mm x 1mm x 1.2mm 해상도의 3D-T1 이미지를 획득했습니다. 256 x 256 시야각, TR/TE/TI=7.38/3.06/400ms, 11도 플립 각도?...

뇌 질환의 신경영상 분석 강화

프로토콜의 중요한 단계 이 프로토콜을 구현할 때 세 가지 중요한 단계에 특별한 주의가 필요합니다. 첫째, MR 이미지의 품질과 대비를 확인하는 것이 정확한 분할을 보장하는 데 중요합니다. 이미지의 품질이 너무 나쁘거나 대비가 너무 낮거나 너무 높으면 맥락총의 묘사가 부정확할 수 있습니다. 이미지의 대비는 이미지의 회색조 값을 보거나 값을 보정하여 회백질 핵과 회백질 ?...

맥락총(Choroid plexus) 기능 맥락총(choroid plexus)은 창공된 모세혈관과 맥락막 신경총 상피세포의 단층으로 구성된 뇌의 고도로 혈관화된 구조이다1. 맥락총은 외측, 제3, 제4 뇌실로 돌출되어 뇌척수액(CSF)을 생성하는데, 이는 신경 패턴화(neural patterning)2 및 뇌 생리학(brain physiology)3,4에 중요한 역할을 한다. 맥락총은 신경혈관 물질을 분비하고, 줄기세포와 같은 저장소를 둘러싸고 있으며, 독성 대사 산물의 침입을 방해하는 물리적 장벽, 물리적 장벽을 우회하는 부분을 제거하는 효소 장벽, 외부 침입자로부터 보호하는 면역학적 장벽 역할을 한다5. 맥락총은 신경 발생6, 시냅스 가소성7, 염증8, 일주기 리듬 9,10, 장 뇌 축11 및 인지12를 조절합니다. 또한, 말초 사이토카인, 스트레스 및 감염(SARS-CoV-2 포함)은 혈액-뇌척수액 장벽을 파괴할 수 있습니다 13,14,15,16. 따라서 맥락총-뇌척수액 시스템은 신경 발달, 신경 회로 성숙, 뇌 항상성 및 복구에 필수적입니다17. 면역, 염증, 대사 및 효소 변화가 뇌에 영향을 미치기 때문에 연구자들은 신경 영상 도구를 사용하여 평생 동안 맥락총의 역할과 뇌 질환을 평가하고 있습니다 18,19,20. 그러나 FreeSurfer와 같이 맥락막 신경총 분할을 위해 일반적으로 사용되는 자동화 도구에는 한계가 있으며, 이로 인해 맥락막 신경총이 제대로 분할되지 않습니다. 따라서 맥락총(choroid plexus) 분할을 위한 정확한 자동화 도구를 개발하는 데 사용할 수 있는 맥락총의 실측 자료 수동 분할이 매우 필요합니다.
신경 발달 및 뇌 장애의 맥락막 신경총 뇌 질환에서 맥락총의 역할은 오랫동안 무시되어 왔는데, 이는 주로 뇌를 완충하고 적절한 염분 균형을 유지하는 역할을 하는 보조 역할로 간주되었기 때문입니다 2,21. 그러나 맥락총은 통증 증후군22, SARS-CoV-2 16,23,24, 신경 발달 2 및 뇌 장애19와 같은 뇌 장애와 관련된 구조로 주목을 받아 행동 장애 발달에 대한 초진단적 효과를 시사합니다. 신경 발달 장애에서 맥락막 신경총 낭종은 발달 지연, 주의력 결핍/과잉 행동 장애(ADHD) 또는 자폐 스펙트럼 장애(ASD)의 위험 증가와 관련이 있었습니다25,26. 또한 ASD27 환자에서 외측 심실 맥락막 신경총 용적이 증가하는 것으로 나타났습니다. 뇌 장애에서 맥락막 신경총 이상은 1921 년 이후 정신병적 장애28,29에서 설명되었습니다. 이전 연구에서는 정신병적 장애를 가진 환자의 대규모 표본에서 FreeSurfer 분할을 사용하여 맥락막 신경총 비대증을 1촌 친척 및 대조군과 비교한 것으로 확인되었다19. 이러한 결과는 정신병에 대한 임상적 고위험 인구의 대규모 샘플에서 수동으로 분할된 맥락총의 용적을 사용하여 재현되었으며, 이 환자들은 건강한 대조군에 비해 맥락총의 용적이 더 크다는 것을 발견했다30. 복합부위통증증후군22, 뇌졸중31, 다발성 경화증20,32, 알츠하이머병33,34, 우울증35에서 맥락총비대증을 입증하는 연구가 증가하고 있으며, 일부 연구에서는 말초신경총과 뇌 면역/염증 활동 사이의 연관성을 입증하고 있다. 이러한 신경 영상 연구는 유망합니다. 그러나 FreeSurfer21에 의한 부실한 측심실 맥락막 신경총 분할은 자동 맥락막 신경총 부피 추정의 신뢰성을 제한합니다. 그 결과, 다발성 경화증 20,32, 우울증35, 알츠하이머34 및 초기 정신병36에 대한 연구가 외측 심실 맥락총(lateral ventricle choroid plexus)을 수동으로 분할하기 시작했지만, 이를 수행하는 방법에 대한 현재 지침이나 제3심실 및 제4 뇌실 맥락총(third ventricle choroid plexus) 분할에 대한 지침도 없다.
일반적인 분할 도구는 맥락총신경총을 제외합니다 FreeSurfer37,38,39, FMRIB Software Library (FSL)40, SLANT41 및 FastSurfer (공동 저자 Martin Reuter가 개발)42,43와 같은 뇌 분할 파이프 라인은 아틀라스 기반 (FSL), 아틀라스 및 표면 기반 (FreeSurfer), 딥 러닝 분할 패러다임 (SLANT 및 FastSurfer)을 사용하여 피질 및 피질 하부 구조를 정확하고 안정적으로 분할합니다. 이러한 접근 방식 중 일부의 약점에는 처리 속도, 다른 스캐너에 대한 제한된 일반화, 전계 강도 및 복셀 크기37,44, 표준 아틀라스 공간에서 레이블 맵의 강제 정렬이 포함됩니다. 그러나 맥락총신경총을 분할하는 기능과 고해상도 MRI와의 호환성은 FreeSurfer 및 FastSurfer에서만 해결됩니다. FastSurfer의 뒤에있는 신경망은 FreeSurfer 맥락막 신경총 레이블에 대해 훈련되므로 이전에 논의 된 FreeSurfer의 신뢰성 및 커버리지 제한을 상속하며 세 번째 및 네 번째 심실은 무시됩니다21. 고해상도 MRI에 대한 현재 제한 사항도 존재하지만 FreeSurfer의 고해상도 스트림45 및 FastSurferVINN43을 사용하여 이 문제를 처리할 수 있습니다.
현재 맥락막 신경총 분할 도구 맥락총에 대해 무료로 사용할 수 있는 분할 도구는 하나뿐이지만 분할 정확도는 제한적입니다. 정확한 맥락총(choroid plexus) 분할은 (1) 심실 내 위치로 인한 맥락총(cchoroid plexus) 위치(공간적으로 고정되어 있지 않음)의 가변성, (2) 세포 이질성, 동적 맥락막 신경총 기능, 병리학적 변화 또는 부분적인 부피 효과로 인한 복셀 강도, 대비, 해상도(구조 내 이질성)의 차이, (3) 맥락막 신경총 크기에 영향을 미치는 연령 또는 병리학 관련 심실 크기 차이, (4) 인접한 피질하 구조(해마, 편도체, 미상체, 소뇌)와의 근접성도 분절하기 어렵습니다. 이러한 문제를 감안할 때 FreeSurfer 세분화는 종종 맥락막 신경총을 과소 또는 과대 평가하거나 잘못 레이블을 지정하거나 무시합니다.
최근 발표된 3개의 논문에서는 GMM(Gaussian Mixture Model)46, Axial-MLP47 및 U-Net 기반 딥러닝 접근법(48)을 사용하여 신뢰할 수 있는 맥락총(choroid plexus) 분할의 격차를 다루었습니다. 각 모델은 제한된 다양성의 스캐너, 사이트, 인구 통계 및 장애를 가진 최대 150명의 피험자로 구성된 수동으로 레이블이 지정된 비공개 데이터 세트를 사용하여 훈련되고 평가되었습니다. 이러한 간행물 46,48,49는 FreeSurfer의 맥락막 신경총 분할에 비해 상당한 개선을 달성했지만 때로는 예측과 실측 자료의 교차점을 두 배로 늘리지만 두 방법 모두 (1) 고해상도 MRI에서 검증되지 않았고, (2) 전용 일반화 및 신뢰성 분석이 있으며, (3) 대규모 대표 학습 및 테스트 데이터 세트를 특징으로 하며, (4) 다음과 같은 맥락막 신경총 분할 문제를 구체적으로 해결하거나 분석합니다 부분 볼륨 효과 또는 (5)는 즉시 사용할 수 있는 도구로 공개적으로 사용할 수 있습니다. 따라서 맥락막 신경총 분할에 대한 현재 "황금 표준"은 예를 들어 3D 슬라이서50 또는 ITK-SNAP51을 사용하는 수동 추적이며, 이는 이전에 설명되지 않았으며 연구에서 맥락총의 역할을 조사하고자 하는 연구자들에게 주요 과제였습니다. 3D 슬라이서는 작성자가 소프트웨어에 익숙하고 원하는 결과를 얻기 위해 결합할 수 있는 다양한 접근 방식을 기반으로 하는 다양한 도구를 사용자에게 제공하기 때문에 수동 분할을 위해 선택되었습니다. 주로 이미지 분할을 지향하는 ITK-SNAP과 같은 다른 도구를 사용할 수 있으며 도구를 마스터하면 사용자가 좋은 결과를 얻을 수 있습니다. 또한 저자는 3D 슬라이서(30)를 사용하여 수동 분할 기술의 높은 정확도와 신뢰성을 입증하는 사례 대조 연구를 수행했으며 특정 방법론이 여기에 설명되어 있습니다.

<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

맥락총은 신경 발달 및 다양한 뇌 장애와 관련이 있습니다. 맥락총이 뇌 성숙, 면역/염증 조절, 행동/인지 기능에 중요하다는 증거가 있습니다. 그러나 현재의 자동 신경영상 분할 도구는 외측 심실 맥락총(lateral ventricle choroid plexus)을 정확하고 안정적으로 분할하는 데 부족합니다. 또한 뇌의 제3뇌실과 제4뇌실에 위치한 맥락총(choroid plexus)을 분할하는 기존 도구는 없습니다. 따라서 신경 발달 및 뇌 장애에서 맥락막 신경총을 조사하는 연구의 신뢰성과 재현성을 높이기 위해 측면, 제3 및 제4 뇌실에서 맥락총을 분할하는 방법을 설명하는 프로토콜이 필요합니다. 이 프로토콜은 DICOM 또는 NIFTI 이미지를 기반으로 맥락총에 대해 3D 슬라이서에서 별도로 레이블이 지정된 파일을 만드는 자세한 단계를 제공합니다. 맥락총은 T1w 이미지의 축, 시상 및 관상면을 사용하여 수동으로 분할되어 심실과 접한 회백질 구조에서 복셀을 제외합니다. 윈도잉은 맥락총과 해부학적 경계의 국소화를 돕기 위해 조정됩니다. 정확성과 신뢰성을 평가하는 방법은 이 프로토콜의 일부로 시연됩니다. 수동 묘사를 사용한 맥락총의 골드 스탠다드 분할은 전 생애 및 다양한 뇌 질환 내에서 맥락총의 변화를 설명하기 위해 공개적으로 공유할 수 있는 더 우수하고 신뢰할 수 있는 자동 분할 도구를 개발하는 데 사용할 수 있습니다.

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.

저자 스포트라이트: Bridging Gaps in Anatomy and Establishing a Foundation for Algorithmic Studies (해부학의 격차 해소 및 알고리즘 연구의 기초 구축) 

뇌 MRI를 사용한 인간 맥락총의 수동 분할

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.

제안된 방법은 외측 심실 맥락총에 대한 반복적인 개선을 거쳤으며, 169명의 건강한 대조군과 임상적으로 정신병 위험이 높은 340명의 환자로 구성된 코호트에 대한 광범위한 테스트를 포함한다30. 위에서 설명한 기법을 사용하여 저자는 DC = 0.89, avgHD = 3.27mm3 및 단일 평가자 ICC = 0.9730으로 높은 평가자 내 정확도와 신뢰성을 얻었으며, 이는 본 문서에 설명된 프로토콜의 강?...

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

뇌에서 맥락총의 중요한 역할에도 불구하고 이 구조에 대한 신경 영상 연구는 신뢰할 수 있는 자동 분할 도구가 없기 때문에 부족합니다. 현재 프로토콜은 미래의 신경 영상 연구에 정보를 제공할 수 있는 맥락총의 황금 표준 수동 분할을 보장하는 것을 목표로 합니다.

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

우리는 뇌의 외측 제3심실 및 제4심실 내에서 맥락총신경총을 수동으로 분할하기 위한 접근 가능하고 표준화된 프로토콜을 확립하는 것을 목표로 합니다. 우리는 맥락총(choroid plexus)을 수동으로 분할할 때 발생할 수 있는 일반적인 질문이나 문제, 특히 뇌 내 맥락총의 복잡한 특성을 고려할 때 해결되기를 희망합니다. 이 프로토콜을 개발하면 맥락총(choroid plexus)을 정확하고 자동으로 분할할 수 있는 알고리즘을 훈련하고 개발하는 데 사용할 수 있는 실측 자료 분할 맵으로 구성된 충분히 큰 데이터 세트가 생성됩니다.앞으로 이것은 다양한 신경 및 신경 정신 질환에서 맥락막 신경총의 역할을 조사하는 연구로 이어질 것입니다.

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

Research

JoVE Journal

Neuroscience

Manual Segmentation of the Human Choroid Plexus Using Brain MRI

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.

연구

신경과학

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.