banner

Notícias

Sep 03, 2023

Segmentações de redes perivasculares derivadas de alta

Scientific Reports volume 13, Número do artigo: 9205 (2023) Cite este artigo

Detalhes das métricas

Um fluxo de trabalho de segmentação personalizado foi aplicado a imagens de ressonância magnética de alto campo ex vivo de cérebros de ratos adquiridas após a infusão de agente de contraste intraventricular in vivo para gerar mapas dos espaços perivasculares (PVS). As segmentações da rede perivascular resultantes permitiram a análise das conexões perivasculares com os ventrículos, depuração de solutos parenquimatosos e transporte dispersivo de solutos dentro do PVS. Numerosas conexões perivasculares entre a superfície do cérebro e os ventrículos sugerem que os ventrículos se integram em um sistema de depuração mediado por PVS e aumentam a possibilidade de retorno do líquido cefalorraquidiano (LCR) do espaço subaracnóideo para os ventrículos via PVS. Assumindo a rápida troca de soluto entre os espaços PVS e CSF principalmente por advecção, a extensa rede perivascular diminuiu a distância média de depuração do parênquima para o compartimento de CSF mais próximo, resultando em uma redução de mais de 21 vezes na escala de tempo de depuração difusiva estimada, independentemente da difusividade do soluto . Isso corresponde a uma escala de tempo de depuração difusiva estimada em menos de 10 minutos para o beta-amilóide, o que sugere que a ampla distribuição de PVS pode tornar a difusão um mecanismo eficaz de depuração do parênquima. A análise adicional da dispersão de soluto oscilatório dentro do PVS indica que a advecção, em vez da dispersão, é provavelmente o principal mecanismo de transporte para compostos dissolvidos maiores que 66 kDa nos segmentos perivasculares longos (> 2 mm) identificados aqui, embora a dispersão possa ser significativa para compostos menores em segmentos perivasculares.

Os vasos sanguíneos no cérebro são circundados por espaços perivasculares (PVS) delgados que permitem a troca de fluidos entre os compartimentos do líquido intersticial e do líquido cefalorraquidiano (LCR)1. Essas estruturas receberam muita atenção recentemente devido ao papel que podem desempenhar em um mecanismo de depuração cerebral para resíduos metabólicos tóxicos, como beta-amilóide (Aβ), a proteína que se acumula na doença de Alzheimer2. Embora tenha sido observada a captação rápida do traçador de imagem do LCR3,4 e a depuração do parênquima5, há incerteza1 em relação ao mecanismo e direção do transporte6,7,8, a anatomia das rotas de transporte perivascular arterial, capilar e venoso5 e o efeito de canais de água aquaporin2 e sleep9 no transporte. No entanto, o transporte mediado por PVS no cérebro pode ter implicações significativas não apenas para doenças neurodegenerativas, mas também para a entrega de drogas ao tecido cerebral10 e a migração de câncer cerebral11,12 e células imunes13.

Embora vários estudos tenham demonstrado a captação de marcadores de imagem no PVS próximo à superfície do cérebro3,4,14, poucos examinaram o PVS mais profundo e suas conexões com o LCR nos ventrículos e cisternas cerebrais15,16. As seções histológicas após a captação do traçador sugerem uma rede intrincada e extensa de PVS em todo o cérebro17, mas a resolução da imagem de todo o cérebro in vivo limitou a análise da rede perivascular intacta apenas aos vasos maiores17,18,19. Existe a necessidade de um mapa 3D de todo o cérebro das principais estruturas perivasculares para analisar as propriedades da rede perivascular relevantes para a depuração, como conexões com os espaços internos do LCR, a distribuição do PVS no parênquima e o comprimento do segmento perivascular. Um mapa de PVS permitiria que mecanismos potenciais de transporte perivascular e parenquimatoso, como difusão, dispersão e advecção, fossem avaliados por meio de modelagem mecânica multiescala. Isso é necessário para entender melhor a eliminação de resíduos e planejar com precisão uma variedade de técnicas de administração de medicamentos, incluindo administração intravenosa, intratecal e de convecção aprimorada ao parênquima.

Embora uma segmentação da rede perivascular intacta em ratos não tenha sido publicada para o conhecimento dos autores, várias estratégias semiautomáticas foram desenvolvidas para segmentar o PVS humano em imagens clínicas de RM20,21,22,23,24,25. Em muitas dessas estratégias, o "tubeness" ou "vesselness" da imagem é determinado pela aplicação de filtros de Frangi26 baseados na curvatura espacial da intensidade da imagem. Ao aplicar um limite a essas imagens de tubeness, uma segmentação de PVS é produzida e incorporada a uma metodologia de segmentação maior, muitas vezes baseada em técnicas de aprendizado profundo20,21. Apesar de sua prevalência na segmentação perivascular humana, a limiarização da tuberidade não foi aplicada anteriormente ao segmento PVS em ratos ou camundongos, principalmente porque a resolução das imagens de RM in vivo adquiridas durante a administração do agente de contraste cefalorraquidiano não é suficientemente alta para resolver a maioria dos PVS contendo o agente de contraste.

 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>

COMPARTILHAR