Summary

Segmentation manuelle du plexus choroïde humain à l’aide de l’IRM cérébrale

Published: December 15, 2023
doi:

Summary

Malgré le rôle crucial du plexus choroïde dans le cerveau, les études de neuroimagerie de cette structure sont rares en raison du manque d’outils de segmentation automatisés fiables. Le présent protocole vise à assurer une segmentation manuelle de référence du plexus choroïde qui peut éclairer les futures études de neuroimagerie.

Abstract

Le plexus choroïde a été impliqué dans le développement neurologique et une gamme de troubles cérébraux. Les preuves démontrent que le plexus choroïde est essentiel à la maturation du cerveau, à la régulation immunitaire/inflammatoire et au fonctionnement comportemental/cognitif. Cependant, les outils actuels de segmentation automatisée en neuroimagerie sont médiocres pour segmenter avec précision et fiabilité le plexus choroïde du ventricule latéral. De plus, il n’existe pas d’outil qui segmente le plexus choroïde situé dans les troisième et quatrième ventricules du cerveau. Ainsi, un protocole délimitant la façon de segmenter le plexus choroïde dans le ventricule latéral, le troisième et le quatrième ventricule est nécessaire pour augmenter la fiabilité et la reproductibilité des études examinant le plexus choroïde dans les troubles neurodéveloppementaux et cérébraux. Ce protocole fournit des étapes détaillées pour créer des fichiers étiquetés séparément dans 3D Slicer pour le plexus choroïde à partir d’images DICOM ou NIFTI. Le plexus choroïde sera segmenté manuellement à l’aide des plans axial, sagittal et coronal des images T1w en veillant à exclure les voxels des structures de matière grise ou blanche bordant les ventricules. Le fenêtrage sera ajusté pour aider à la localisation du plexus choroïde et de ses limites anatomiques. Des méthodes d’évaluation de l’exactitude et de la fiabilité seront démontrées dans le cadre de ce protocole. La segmentation de référence du plexus choroïde à l’aide de délimitations manuelles peut être utilisée pour développer des outils de segmentation automatisés meilleurs et plus fiables qui peuvent être partagés ouvertement pour élucider les changements dans le plexus choroïde tout au long de la vie et dans divers troubles cérébraux.

Introduction

Fonction du plexus choroïde
Le plexus choroïde est une structure hautement vascularisée du cerveau constituée de capillaires fenêtrés et d’une monocouche de cellules épithéliales du plexus choroïde1. Le plexus choroïde se projette dans les ventricules cérébraux latéraux, troisième et quatrième et produit du liquide céphalorachidien (LCR), qui joue un rôle important dans la structuration neuronale2 et la physiologie cérébrale 3,4. Le plexus choroïde sécrète des substances neurovasculaires, englobe un dépôt semblable à une cellule souche et agit comme une barrière physique pour empêcher l’entrée de métabolites toxiques, une barrière enzymatique pour éliminer les fractions qui contournent la barrière physique et une barrière immunologique pour protégercontre les envahisseurs étrangers. Le plexus choroïde module la neurogenèse6, la plasticité synaptique7, l’inflammation8, le rythme circadien 9,10, l’axe cerveau intestinal11 et la cognition12. De plus, les cytokines périphériques, le stress et l’infection (y compris le SRAS-CoV-2) peuvent perturber la barrière hémato-céphalo-rachidien 13,14,15,16. Ainsi, le système plexus-LCR choroïde fait partie intégrante du neurodéveloppement, de la maturation des circuits neurologiques, de l’homéostasie cérébrale et de la réparation17. Étant donné que les altérations immunitaires, inflammatoires, métaboliques et enzymatiques ont un impact sur le cerveau, les chercheurs utilisent des outils de neuroimagerie pour évaluer le rôle du plexus choroïde tout au long de la vie et dans les troubles cérébraux 18,19,20. Cependant, il existe des limites dans les outils automatisés couramment utilisés pour la segmentation du plexus choroïde, tels que FreeSurfer, qui se traduisent par une mauvaise segmentation du plexus choroïde. Ainsi, il existe un besoin critique de segmentation manuelle de la vérité terrain du plexus choroïde qui peut être utilisé pour développer un outil automatisé précis pour la segmentation du plexus choroïde.

Plexus choroïde dans le neurodéveloppement et les troubles cérébraux
Le rôle du plexus choroïde dans les troubles cérébraux a longtemps été négligé, principalement parce qu’il était considéré comme un acteur de soutien dont le rôle était d’amortir le cerveau et de maintenir un bon équilibre salin 2,21. Cependant, le plexus choroïde a attiré l’attention en tant que structure liée à des troubles cérébraux tels que les syndromes douloureux22, le SRAS-CoV-2 16,23,24, le neurodéveloppement2 et les troubles cérébraux19, suggérant un effet transdiagnostique dans le développement des troubles du comportement. Dans les troubles neurodéveloppementaux, les kystes du plexus choroïde étaient associés à un risque accru de retard de développement, de trouble déficitaire de l’attention/hyperactivité (TDAH) ou de trouble du spectre autistique (TSA)25,26. De plus, on a constaté une augmentation du volume du plexus choroïde du ventricule latéral chez les patients atteints de TSA27. Dans les troubles cérébraux, des anomalies du plexus choroïde sont décrites depuis 1921 dans les troubles psychotiques28,29. Des études antérieures ont identifié l’élargissement du plexus choroïde à l’aide de la segmentation FreeSurfer dans un large échantillon de patients atteints de troubles psychotiques par rapport à leurs parents au premier degré et aux témoins19. Ces résultats ont été reproduits à l’aide d’un volume de plexus choroïde segmenté manuellement dans un grand échantillon de population clinique à haut risque de psychose et ont constaté que ces patients avaient un volume de plexus choroïde plus important par rapport aux témoins sains30. Il existe un nombre croissant d’études démontrant l’élargissement du plexus choroïde dans le syndrome douloureux régional complexe22, l’accident vasculaire cérébral31, la sclérose en plaques20,32, la maladie d’Alzheimer33,34 et la dépression35, certaines démontrant un lien entre l’activité immunitaire/inflammatoire périphérique et cérébrale. Ces études de neuroimagerie sont prometteuses ; cependant, une mauvaise segmentation du plexus choroïde du ventricule latéral par FreeSurfer21 limite la fiabilité de l’estimation automatisée du volume du plexus choroïde. En conséquence, des études sur la sclérose en plaques20,32, la dépression35, la maladie d’Alzheimer34 et la psychose précoce36 ont commencé à segmenter manuellement le plexus choroïde du ventricule latéral, mais il n’y a pas de lignes directrices actuelles sur la façon de le faire, pas plus que leurs conseils sur la segmentation du plexus choroïde du troisième et du quatrième ventricule.

Les outils de segmentation courants excluent le plexus choroïde
Les pipelines de segmentation cérébrale tels que FreeSurfer 37,38,39, FMRIB Software Library (FSL)40, SLANT41 et FastSurfer (développé par le co-auteur Martin Reuter)42,43, segmentent avec précision et fiabilité les structures corticales et sous-corticales en utilisant des paradigmes de segmentation basés sur l’atlas (FSL), l’atlas et la surface (FreeSurfer) et l’apprentissage profond (SLANT et FastSurfer). Les faiblesses de certaines de ces approches comprennent la vitesse de traitement, la généralisation limitée à différents scanners, les intensités de champ et les tailles de voxel37,44 et l’alignement forcé de la carte d’étiquettes dans un espace d’atlas standard. Cependant, la capacité de segmenter le plexus choroïde et la compatibilité avec l’IRM haute résolution ne sont abordées que par FreeSurfer et FastSurfer. Les réseaux neuronaux à l’origine de FastSurfer sont entraînés sur les étiquettes du plexus choroïde de FreeSurfer, de sorte qu’ils héritent de la fiabilité et des limites de couverture précédemment discutées de FreeSurfer, les troisième et quatrième ventricules étant ignorés21. Il existe également des limitations actuelles pour l’IRM haute résolution, mais le flux haute résolution45 et le FastSurferVINN43 de FreeSurfer peuvent être utilisés pour résoudre ce problème.

Outils actuels de segmentation du plexus choroïde
Il n’existe qu’un seul outil de segmentation disponible gratuitement pour le plexus choroïde, mais la précision de la segmentation est limitée. La segmentation précise du plexus choroïde peut être influencée par divers facteurs, notamment (1) la variabilité de l’emplacement du plexus choroïde (spatialement non stationnaire) en raison de son emplacement dans les ventricules, (2) les différences d’intensité des voxels, de contraste, de résolution (hétérogénéité intra-structure) dues à l’hétérogénéité cellulaire, à la fonction dynamique du plexus choroïde, aux changements pathologiques ou aux effets de volume partiels, (3) les différences de taille ventriculaire liées à l’âge ou à la pathologie ayant un impact sur la taille du plexus choroïde, et (4) la proximité des structures sous-corticales adjacentes (hippocampe, amygdale, caudé et cervelet), qui sont également difficiles à segmenter. Compte tenu de ces défis, les segmentations FreeSurfer sous-estiment ou surestiment souvent, étiquetent mal ou ignorent le plexus choroïde.

Trois publications récentes ont abordé la lacune de la segmentation fiable du plexus choroïde avec un modèle de mélange gaussien (GMM)46, un MLP axial47 et des approches d’apprentissage profond basées surU-Net 48. Chaque modèle a été entraîné et évalué à l’aide d’ensembles de données privés, étiquetés manuellement, d’au plus 150 sujets avec une diversité limitée de scanners, de sites, de données démographiques et de troubles. Bien que ces publications 46,48,49 aient apporté des améliorations significatives par rapport à la segmentation du plexus choroïde de FreeSurfer – doublant parfois l’intersection de la prédiction et de la vérité terrain, aucune des deux méthodes n’est (1) validée en IRM haute résolution, (2) dispose d’analyses de généralisation et de fiabilité dédiées, (3) présente de grands ensembles de données d’entraînement et de test représentatifs, (4) aborde ou analyse spécifiquement les défis de segmentation du plexus choroïde tels que : effets de volume partiels, ou (5) est accessible au public en tant qu’outil prêt à l’emploi. Ainsi, l’étalon-or actuel pour la segmentation du plexus choroïde est le traçage manuel, par exemple à l’aide de 3D Slicer50 ou ITK-SNAP51, qui n’a pas été décrit auparavant et qui a constitué un défi majeur pour les chercheurs souhaitant examiner le rôle du plexus choroïde dans leurs études. 3D Slicer a été choisi pour la segmentation manuelle en raison de la familiarité de l’auteur avec le logiciel et parce qu’il fournit à l’utilisateur divers outils basés sur différentes approches qui peuvent être combinés pour obtenir le résultat souhaité. D’autres outils peuvent être utilisés, comme ITK-SNAP, qui est principalement orienté sur la segmentation d’images, et une fois l’outil maîtrisé, de bons résultats peuvent être obtenus par l’utilisateur. De plus, les auteurs ont mené une étude cas-témoins démontrant la grande précision et la fiabilité de leur technique de segmentation manuelle à l’aide de 3D Slicer30, et cette méthodologie spécifique est décrite ici.

Protocol

Le présent protocole a été approuvé par le comité d’examen institutionnel du centre médical Beth Israel Deaconess. Un sujet en bonne santé avec une IRM cérébrale exempte d’artefacts ou de mouvements a été utilisé pour cette démonstration du protocole, et un consentement éclairé écrit a été obtenu. Un scanner IRM de 3,0 T avec une bobine de tête à 32 canaux (voir le tableau des matériaux) a été utilisé pour acquérir des images 3D-T1 avec une résolution de 1 mm x 1 mm x 1,2 mm…

Representative Results

La méthode proposée a fait l’objet d’un raffinement itératif pour le plexus choroïde du ventricule latéral, impliquant des tests approfondis sur une cohorte de 169 témoins sains et 340 patients présentant un risque cliniquement élevé de psychose30. À l’aide de la technique décrite ci-dessus, les auteurs ont obtenu une précision et une fiabilité intra-évaluateurs élevées avec un DC = 0,89, un AVGH = 3,27 mm3 et un ICC à évaluateur unique = 0,9730, ce qui démontre…

Discussion

Étapes critiques du protocole
Trois étapes critiques nécessitent une attention particulière lors de la mise en œuvre de ce protocole. Tout d’abord, la vérification de la qualité et du contraste des images IRM est essentielle pour garantir une segmentation précise. Si la qualité de l’image est trop médiocre, ou si le contraste est trop faible ou trop élevé, cela peut entraîner une délimitation inexacte du plexus choroïde. Le contraste de l’image peut être ajusté en visualisant la…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Ce travail a été soutenu par une bourse R01 MH131586 de l’Institut national de la santé mentale (à P.L et M.R.), R01 MH078113 (à M.K) et une subvention de la Fondation Sydney R Baer Jr (à P.L).

Materials

3D Slicer 3D Slicer https://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.
FreeSurfer FreeSurfer https://surfer.nmr.mgh.harvard.edu/ An open source neuroimaging toolkit for processing, analyzing, and visualizing human brain MR images
ITK-SNAP ITK-SNAP http://www.itksnap.org/pmwiki/pmwiki.php A free, open-source, multi-platform software application used to segment structures in 3D and 4D biomedical images. 
Monai Package Monai Consortium https://docs.monai.io/en/stable/metrics.html Use for Dice Coefficient and DeepMind average Surface Distance. 
MRI scanner GE Discovery MR750 
Psych Package R-Project https://cran.r-project.org/web/packages/psych/index.html A general purpose toolbox developed originally for personality, psychometric theory and experimental psychology.
R Software R-Project https://www.r-project.org/ R is a free software environment for statistical computing and graphics. 
RStudio Posit https://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 Laptop Any company n/a Needed for running the software used in this protocol. 

References

  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).

Play Video

Cite This Article
Bannai, D., Cao, Y., Keshavan, M., Reuter, M., Lizano, P. Manual Segmentation of the Human Choroid Plexus Using Brain MRI. J. Vis. Exp. (202), e65341, doi:10.3791/65341 (2023).

View Video