Ручная сегментация сосудистого сплетения человека с помощью МРТ головного мозга

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

Сосудистое сплетение при развитии нервной системы и нарушениях головного мозга
Роль сосудистого сплетения в заболеваниях головного мозга долгое время игнорировалась, главным образом потому, что оно рассматривалось как вспомогательный игрок, роль которого заключалась в том, чтобы смягчить мозг и поддерживать надлежащий^{солевой} баланс. Тем не менее, сосудистое сплетение привлекло внимание как структура^{, связанная} с нарушениями головного мозга, такими как болевые синдромы²², SARS-CoV-2 16,23,24, нарушения развития нервной системы 2 и расстройства головного мозга ¹⁹, что позволяет предположить трансдиагностический эффект в развитии поведенческих расстройств. При нарушениях развития нервной системы кисты сосудистого сплетения ассоциировались с повышенным риском задержки развития, синдрома дефицита внимания/гиперактивности (СДВГ) или расстройства аутистического спектра (РАС)^25,26. Кроме того, было обнаружено, что объем сосудистого сплетения бокового желудочка был увеличен у пациентов с РАС²⁷. При заболеваниях головного мозга аномалии сосудистого сплетения описаны с 1921 г. при психотических расстройствах^28,29. Предыдущие исследования выявили увеличение сосудистого сплетения с помощью сегментации FreeSurfer у большой выборки пациентов с психотическими расстройствами по сравнению как с их родственниками первой степени родства, так^{и с} контрольной группой. Эти результаты были воспроизведены с использованием сегментированного вручную объема сосудистого сплетения на большой выборке клинически высокого риска психоза и обнаружили, что эти пациенты имели больший объем сосудистого сплетения по сравнению со здоровыми^{контрольными} группами. Растет число исследований, демонстрирующих увеличение сосудистого сплетения при комплексном регионарном болевом синдроме²², инсульте³¹, рассеянном склерозе^20,32, болезни Альцгеймера^33,34 и депрессии³⁵, причем некоторые из них демонстрируют связь между периферической и иммунной/воспалительной активностью мозга. Эти нейровизуализационные исследования являются многообещающими; тем не менее, плохая сегментация сосудистого сплетения бокового желудочка с помощью FreeSurfer²¹ ограничивает надежность автоматизированной оценки объема сосудистого сплетения. В результате, исследования рассеянного склероза^20,32, депрессии³⁵, болезни Альцгеймера³⁴ и раннего психоза³⁶ начали вручную сегментировать сосудистое сплетение бокового желудочка, но в настоящее время нет никаких рекомендаций о том, как это сделать, как и их рекомендаций по сегментации сосудистого сплетения третьего и четвертого желудочков.

Общие инструменты сегментации исключают сосудистое сплетение
Конвейеры сегментации мозга, такие как FreeSurfer^37,38,39, FMRIB Software Library (FSL)⁴⁰, SLANT⁴¹ и FastSurfer (разработанный соавтором Мартином Рейтером)^42,43, точно и надежно сегментируют корковые и подкорковые структуры, используя парадигмы сегментации на основе атласа (FSL), атласа и поверхности (FreeSurfer) и глубокого обучения (SLANT и FastSurfer). К недостаткам некоторых из этих подходов относятся скорость обработки, ограниченное обобщение для различных сканеров, напряженность поля и размеры вокселов^37,44, а также принудительное выравнивание карты надписей в стандартном пространстве атласа. Тем не менее, возможность сегментации сосудистого сплетения и совместимость с МРТ высокого разрешения решается только FreeSurfer и FastSurfer. Нейронные сети, лежащие в основе FastSurfer, обучены на метках сосудистого сплетения FreeSurfer, поэтому они наследуют ранее обсуждавшиеся ограничения FreeSurfer по надежности и покрытию, при этом третий и четвертый желудочки игнорируются^. В настоящее время существуют ограничения для МРТ с высоким разрешением, но для решения этой проблемы можно использовать FreeSurfer Stream⁴⁵ и FastSurferVINN⁴³.

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

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