ASCHOPLEX: A generalizable approach for the automatic segmentation of choroid plexus
Notice bibliographique
Résumé
The Choroid Plexus (ChP) plays a vital role in brain homeostasis, serving as part of the Blood-Cerebrospinal Fluid Barrier, contributing to brain clearance pathways and being the main source of cerebrospinal fluid. Since the involvement of ChP in neurological and psychiatric disorders is not entirely established and currently under investigation, accurate and reproducible segmentation of this brain structure on large cohorts remains challenging. This paper presents ASCHOPLEX, a deep-learning tool for the automated segmentation of human ChP from structural MRI data that integrates existing software architectures like 3D UNet, UNETR, and DynUNet to deliver accurate ChP volume estimates. Here we trained ASCHOPLEX on 128 T1-w MRI images comprising both controls and patients with Multiple Sclerosis. ASCHOPLEX’s performances were evaluated using traditional segmentation metrics; manual segmentation by experts served as ground truth. To overcome the generalizability problem that affects data-driven approaches, an additional fine-tuning procedure (ASCHOPLEX tune ) was implemented on 77 T1-w PET/MRI images of both controls and depressed patients. ASCHOPLEX showed superior performance compared to commonly used methods like FreeSurfer and Gaussian Mixture Model both in terms of Dice Coefficient (ASCHOPLEX 0.80, ASCHOPLEX tune 0.78) and estimated ChP volume error (ASCHOPLEX 9.22%, ASCHOPLEX tune 9.23%). These results highlight the high accuracy, reliability, and reproducibility of ASCHOPLEX ChP segmentations. • ASCHOPLEX is a novel DL-based tool for the Choroid Plexus automatic segmentation. • Generalizability is guaranteed thanks to a fine-tuning step validated on an unseen dataset. • The final user can fine-tune ASCHOPLEX with no additional code. • ASCHOPLEX is more accurate, reliable, and reproducible compared to state-of-the-art approaches. • ASCHOPLEX code and trained models are totally freely available to ensure reproducibility.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».