Automatic segmentation of the choroid plexuses: Method and validation in controls and patients with multiple sclerosis - ARAMISLAB - Algorithms, models and methods for images and signals of the human brain Access content directly
Journal Articles Neuroimage-Clinical Year : 2023

Automatic segmentation of the choroid plexuses: Method and validation in controls and patients with multiple sclerosis

Segmentation automatique des plexus choroïdes : méthode et validation chez témoins et patients atteints de sclérose en plaques

Abstract

Choroid Plexuses (ChP) are structures located in the ventricles that produce the cerebrospinal fluid (CSF) in the central nervous system. They are also a key component of the blood-CSF barrier. Recent studies have described clinically relevant ChP volumetric changes in several neurological diseases including Alzheimer's, Parkinson's disease, and multiple sclerosis (MS). Therefore, a reliable and automated tool for ChP segmentation on images derived from magnetic resonance imaging (MRI) is a crucial need for large studies attempting to elucidate their role in neurological disorders. Here, we propose a novel automatic method for ChP segmentation in large imaging datasets. The approach is based on a 2-step 3D U-Net to keep preprocessing steps to a minimum for ease of use and to lower memory requirements. The models are trained and validated on a first research cohort including people with MS and healthy subjects. A second validation is also performed on a cohort of pre-symptomatic MS patients having acquired MRIs in routine clinical practice. Our method reaches an average Dice coefficient of 0.72 ± 0.01 with the ground truth and a volume correlation of 0.86 on the first cohort while outperforming FreeSurfer and FastSurfer-based ChP segmentations. On the dataset originating from clinical practice, the method reaches a Dice coefficient of 0.67 ± 0.01 (being close to the inter-rater agreement of 0.64 ± 0.02) and a volume correlation of 0.84. These results demonstrate that this is a suitable and robust method for the segmentation of the ChP both on research and clinical datasets.
Les plexus choroïdes (ChP) sont des structures situées dans les ventricules latéraux qui produisent le liquide céphalo-rachidien (LCR) dans le système nerveux central. Ils sont également un composant clé de la barrière sang-LCR. Des études récentes ont décrit des changements volumétriques des ChP cliniquement pertinents dans plusieurs maladies neurologiques, notamment la maladie d'Alzheimer, la maladie de Parkinson et la sclérose en plaques (SEP). Par conséquent, un outil fiable et automatisé pour la segmentation des ChP sur des images dérivées de l'imagerie par résonance magnétique (IRM) est un besoin crucial pour les grandes études visant à élucider leur rôle dans les troubles neurologiques. Ici, nous proposons une nouvelle méthode automatique de segmentation des ChP dans de grands ensembles de données d'imagerie. L'approche est basée sur un U-Net 3D en deux étapes pour réduire les étapes de prétraitement au minimum pour plus de simplicité d'utilisation et pour réduire les besoins en mémoire. Les modèles sont entraînés et validés sur une première cohorte de recherche comprenant des personnes atteintes de SEP et des sujets sains. Une deuxième validation est également réalisée sur une cohorte de patients atteints de SEP présymptomatiques ayant acquis des IRM dans la pratique clinique courante. Notre méthode atteint un coefficient Dice moyen de 0,72 ± 0,01 avec la vérité terrain et une corrélation de volume de 0,86 sur la première cohorte, tout en dépassant les segmentations de ChP venant de FreeSurfer et FastSurfer. Sur l'ensemble de données provenant de la pratique clinique, la méthode atteint un coefficient Dice de 0,67 ± 0,01 (étant proche de l'accord inter-évaluateurs de 0,64 ± 0,02) et une corrélation de volume de 0,84. Ces résultats démontrent qu'il s'agit d'une méthode appropriée et robuste pour la segmentation des ChP à la fois sur les ensembles de données de recherche et cliniques.
Fichier principal
Vignette du fichier
1-s2.0-S2213158223000578-main.pdf (3.72 Mo) Télécharger le fichier
Origin : Publication funded by an institution

Dates and versions

hal-04026889 , version 1 (13-03-2023)

Licence

Attribution - NonCommercial

Identifiers

Cite

Arya Yazdan-Panah, Marius Schmidt-Mengin, Vito A.G. Ricigliano, Théodore Soulier, Bruno Stankoff, et al.. Automatic segmentation of the choroid plexuses: Method and validation in controls and patients with multiple sclerosis. Neuroimage-Clinical, 2023, 38, pp.103368. ⟨10.1016/j.nicl.2023.103368⟩. ⟨hal-04026889⟩
61 View
28 Download

Altmetric

Share

Gmail Facebook X LinkedIn More