높은 수준에서 파생된 혈관 주위 네트워크 분할

Scientific Reports 13권, 기사 번호: 9205(2023) 이 기사 인용

측정항목 세부정보

혈관 주위 공간(PVS)의 맵을 생성하기 위해 생체 내 조영제 주입 후 획득한 쥐 뇌의 생체 외 고필드 MR 이미지에 사용자 정의 세분화 워크플로우가 적용되었습니다. 결과 혈관 주위 네트워크 세분화를 통해 심실, 실질 용질 제거 및 PVS 내 분산 용질 수송에 대한 혈관 주위 연결 분석이 가능해졌습니다. 뇌 표면과 심실 사이의 수많은 혈관 주위 연결은 심실이 PVS 매개 클리어런스 시스템에 통합되어 뇌척수액(CSF)이 거미막하 공간에서 PVS를 통해 심실로 돌아올 가능성을 높인다는 것을 암시합니다. 주로 이류에 의한 PVS와 CSF 공간 사이의 빠른 용질 교환을 가정하면 광범위한 혈관 주위 네트워크는 실질에서 가장 가까운 CSF 구획까지의 평균 클리어런스 거리를 감소시켜 용질 확산도에 관계없이 추정 확산 클리어런스 시간 규모가 21배 이상 감소합니다. . 이는 아밀로이드-베타에 대한 10분 미만의 추정 확산 제거 시간 척도에 해당하며, 이는 PVS의 광범위한 분포가 확산을 효과적인 실질 제거 메커니즘으로 만들 수 있음을 시사합니다. PVS 내의 진동 용질 분산에 대한 추가 분석은 여기에서 확인된 긴(> 2 mm) 혈관 주위 세그먼트에서 66 kDa보다 큰 용해된 화합물에 대한 분산보다는 이류가 주요 수송 메커니즘일 가능성이 있음을 나타냅니다. 혈관 주위 세그먼트.

뇌의 혈관은 간질액과 뇌척수액(CSF) 구획 사이의 유체 교환을 가능하게 하는 가는 혈관주위 공간(PVS)으로 둘러싸여 있습니다1. 이러한 구조는 알츠하이머병에 축적되는 단백질인 아밀로이드 베타(Aβ)와 같은 독성 대사 폐기물을 뇌 전체에서 제거하는 메커니즘에서 수행할 수 있는 역할 때문에 최근 많은 주목을 받고 있습니다2. 뇌척수액에서 빠른 영상 추적자 흡수3,4 및 실질5에서 제거가 관찰되었지만 수송 메커니즘 및 방향6,7,8, 동맥, 모세혈관 및 정맥 혈관 주위 수송 경로5의 해부학적 구조5 및 효과에 대해서는 불확실성이 있습니다1. 운송 중 아쿠아포린 물 채널2 및 수면9. 그럼에도 불구하고, PVS가 매개하는 뇌의 수송은 신경퇴행성 질환뿐만 아니라 뇌 조직으로의 약물 전달과 뇌암11,12 및 면역 세포13의 이동에도 중요한 영향을 미칠 수 있습니다.

많은 연구에서 뇌 표면 근처의 PVS에 영상 추적자가 흡수되는 것을 입증했지만 대뇌 심실과 수조에서 더 깊은 PVS와 CSF와의 연결을 조사한 사람은 거의 없습니다. 추적자 섭취에 따른 조직학적 섹션은 뇌 전체에 걸쳐 PVS의 복잡하고 광범위한 네트워크를 제안하지만 생체 내 전체 뇌 이미징의 해상도는 손상되지 않은 혈관 주위 네트워크의 분석을 가장 큰 혈관으로 제한했습니다. 내부 CSF 공간과의 연결, 실질조직 내 PVS 분포, 혈관주위 세그먼트 길이와 같은 클리어런스와 관련된 혈관주위 네트워크 특성을 분석하기 위해 주요 혈관주위 구조의 뇌 전체 3D 맵이 필요합니다. PVS 지도를 사용하면 확산, 분산 및 이류와 같은 잠재적인 혈관 주위 및 실질 수송 메커니즘을 다중 규모 기계 모델링을 통해 평가할 수 있습니다. 이는 폐기물 제거를 더 잘 이해하고 정맥 내, 척수강 내 및 실질로의 대류 강화 전달을 포함한 다양한 약물 전달 기술을 정확하게 계획하는 데 필요합니다.

쥐의 손상되지 않은 혈관 주위 네트워크의 분할은 저자의 지식에 게시되지 않았지만 임상 MR 이미지20,21,22,23,24,25에서 인간 PVS를 분할하기 위한 여러 반자동 전략이 개발되었습니다. 이러한 전략 중 다수에서 이미지의 "튜브성" 또는 "혈관성"은 이미지 강도의 공간 곡률을 기반으로 하는 Frangi 필터26를 적용하여 결정됩니다. 이러한 Tubeness 이미지에 임계값을 적용함으로써 PVS의 분할이 생성되고 종종 딥 러닝 기술에 의존하는 더 큰 분할 방법에 통합됩니다. 인간 혈관 주위 분할에서의 유병률에도 불구하고, 뇌척수 조영제 투여 중에 획득된 생체 내 MR 이미지의 해상도가 조영제를 함유하는 대부분의 PVS를 해결하기에 충분히 높지 않기 때문에 주로 쥐 또는 생쥐의 PVS 분할에 관성 임계값이 이전에 적용되지 않았습니다.

0.1 dropped below 2 μm/s (Fig. 5d). The distance traveled due to oscillatory dispersion varies with the square root of the diffusion coefficient, meaning a four-fold change in this coefficient results in a two-fold change in the distance traveled. The times required for the \(\alpha\) = 0.5 front to traverse perivascular lengths of 250 μm and 1000 μm for a physiologically relevant range of molecular diffusivities and two literature values of dispersive enhancement, \(k\), are shown in Fig. 5e. The albumin solute front delayed between 8.11 min (\(k\) = 1.7)6 and 13.14 min (\(k\) = 1.05)7 to traverse 250 μm, but much longer (2.16 h at \(k\) = 1.7) to traverse 1000 μm, consistent with the position vs. time plot (\(k\) = 1.05) in Fig. 5c. The solute front for Aβ monomer (\(D\) = 180 μm2/s)28, being smaller than albumin, traversed both distances more quickly, but still delayed 1.00 h (\(k\) = 1.7) and 1.62 h (\(k\) = 1.05) to travel 1000 μm. The solute front for sodium ions traversed 1000 μm in 11.36 min (\(k\) = 1.05)./p> 0.1) but mostly low Peclet numbers (\(Pe\) < 0.1) in parenchyma. Of course, the reduction in clearance distance caused by the perivascular network also decreased the clearance time scale assuming purely advective parenchymal transport, although less dramatically, by a factor of 4.63. If interstitial bulk flow were indeed present, transport would proceed as a combination of advection and diffusion as dictated by the Peclet number \(Pe\) for a particular substance. For instance, an interstitial velocity of 0.367 µm/s would result in equal advective and diffusive time scales (\(Pe\) = 1) for Aβ over the average MCD when considering PVS to be a CSF compartment./p> \lambda_{1} > \lambda_{2} > \lambda_{3}\), and each eigenvalue is the image intensity curvature along its associated eigenvector. For a tubular intensity field, \(\lambda_{1} = 0\) and \(\lambda_{2} = \lambda_{3} \ll 0\)65 because the intensity does not vary along the tube axis, but has negative curvature perpendicular to this axis. Accordingly, in the ImageJ implementation, tubeness is defined as \(\sqrt {\lambda_{2} \lambda_{3} }\) and increases in value for more tubular intensity fields64. In this implementation, the tubeness field can be made sensitive to tubular structures of a certain size by applying a Gaussian filter prior to computing tubeness. Because many PVS only span a single voxel, the standard deviation for the Gaussian filter was set to 40 μm. The tubeness calculation is a variety of Frangi filtering26, a technique often applied to clinical MR images for perivascular space segmentation in humans20,21,22,25./p>

소식

높은 수준에서 파생된 혈관 주위 네트워크 분할