Method Article

Usando proyección de imagen retiniana para el estudio de la demencia

DOI:

10.3791/56137

⸱

November 6th, 2017

 ,  ,  ,  ,  ,  ,  , 
1Department of Ophthalmology and Visual Sciences, The Chinese University of Hong Kong, 2Department of Medicine & Therapeutics, The Chinese University of Hong Kong, 3Therese Pei Fong Chow Research Centre for Prevention of Dementia, The Chinese University of Hong Kong, 4Gerald Choa Neuroscience Centre, The Chinese University of Hong Kong, 5Memory Aging and Cognition Centre, National University Health System, 6Department of Pharmacology, National University of Singapore, 7Singapore Eye Research Institute, Singapore National Eye Centre, 8Duke-NUS Medical School, National University of Singapore

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La retina comparte similitudes importantes con el cerebro y por lo tanto representa una ventana única para el estudio de vasculatura y estructura neuronal en el cerebro no invasiva. Este protocolo describe un método para estudiar la demencia con técnicas de imagen retinianas. Este método puede potencialmente ayudar en la evaluación diagnóstico y riesgo de demencia.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

La retina ofrece una única "ventana" para estudiar los procesos fisiopatológicos de la demencia en el cerebro, ya que es una extensión del sistema nervioso central (SNC) y comparte similitudes importantes con el cerebro en términos de origen embriológico, características anatómicas y propiedades fisiológicas.  La estructura vascular y neuronal en la retina pueden retina fácilmente visualizado y no invasiva utilizando técnicas de imagen, incluyendo la fotografía del fondo y tomografía de coherencia óptica (OCT) y cuantificaron semiautomáticamente mediante programas de análisis asistido por computadora. Estudiar las asociaciones entre los cambios vasculares y neuronales en la retina y demencia podría mejorar nuestra comprensión de la demencia y, potencialmente, ayudar en la evaluación de diagnóstico y el riesgo.  Este protocolo pretende describir un método de cuantificación y análisis de la vasculatura retiniana y la estructura neuronal, que son potencialmente asociada con demencia. Este protocolo también proporciona ejemplos de cambios retinianos en sujetos con demencia y aborda cuestiones técnicas y limitaciones actuales de la proyección de imagen retiniana.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Debido a los aumentos en esperanza de vida, la demencia se ha convertido en un problema médico mayor, contribuyendo a importante social y salud económica globalmente carga1,2,3,4,5. Hoy en día, una persona en los Estados Unidos desarrolla la enfermedad de Alzheimer (AD), la forma más común de demencia, cada 66 s6. Se ha estimado que en el año 2050, 115 millones de personas se verán afectadas por AD7.

La retina ofrece una única "ventana" para estudiar la demencia debido a sus propiedades anatómicas y fisiológicas similares con el cerebro. En cuanto a la vasculatura, las arteriolas retinianas y las vénulas, miden de 100 a 300 μm de diámetro, comparten características similares con vasos cerebrales, como las arteriolas final sin anastomosis, función de la barrera y autorregulación8, 9. en cuanto a la estructura neuronal, las células ganglionares retinianas (RGCs) comparten características típicas con neuronas en sistema nervioso central (SNC) 10. El RGCs prominente están conectados con el cerebro ya que forman el nervio óptico y el proyecto las señales visuales de la retina el núcleo geniculado lateral y el colículo superior. El nervio óptico, similar a muchas fibras neuronales en el SNC, es myelinated por oligodendrocitos y está incrustada en las capas meníngeas. En particular, un insulto al nervio óptico puede resultar en respuestas similares observadas en otros axones del CNS, tales como retrógrada y anterógrada la degeneración del axón, formación de la cicatriz, destrucción de la mielina, degeneración secundaria y un nivel anormal de neurotrophic factores y neurotransmisores11,12,13,14. La aparición de síntomas visuales en algunos pacientes con EA también puede explicarse por las asociaciones sólidas entre la retina y el cerebro15,16. Como resultado, se ha sugerido que la retina puede reflejar los procesos patológicos de la demencia en el cerebro y la proyección de imagen retiniana puede utilizarse para el estudio de la demencia.

La vasculatura retiniana y la estructura neuronal pueden ahora visualizar no invasiva utilizando técnicas de imagen retinianas. Por ejemplo, fotografías del fondo retiniano pueden ser capturados utilizando cámaras de fondo, y las características de la vasculatura retiniana (p. ej., buque calibre, tortuosidad y fractal dimensión) entonces pueden ser cuantificadas mediante el análisis asistido por computadora programas. Además, los parámetros de la estructura neuronal retiniano (tales como el espesor de la capa plexiforme interna células de ganglio [GC-IPL] y capa de fibra nerviosa retiniana [RNFL]) también pueden ser medidos con tomografía de coherencia óptica (OCT) y cuantificaron usando el built-in algoritmos de análisis.

Teniendo en cuenta la importancia de la imagen retiniana al estudio de la demencia, este protocolo pretende describir un método de proyección de imagen y análisis de la vasculatura retiniana y estructura neuronal en vivo mediante técnicas de imagen retinianas. Este protocolo también proporciona ejemplos de cambios retinianos en sujetos con demencia y aborda cuestiones técnicas y limitaciones actuales de la proyección de imagen retiniana.

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

todos los métodos aquí descritos han sido aprobados por un Comité de ética de investigación clínica local en Hong Kong.

Nota: por simplicidad, los equipos enumerados en la Tabla de materiales se utilizan para ilustrar los procedimientos de la proyección de imagen retiniana y posterior análisis. Medición de parámetros vasculares retinianos se ilustra usando Singapur I buque evaluación programa (SIVA) 17 (versión 4.0, Universidad Nacional de Singapur). Sin embargo, cabe señalar que un conjunto diferente de equipo se puede adoptar como los principios subyacentes siguen siendo similares.

1. preparar los temas para la proyección de imagen retiniana

  1. dilatar los temas ’ alumnos utilizando un agente midriático. Espere al menos 15 minutos establecer la suficiente dilatación de la pupila.

2. Medir los parámetros vasculares retinianas de fondo fotografías utilizando un programa de análisis asistido por computadora

figure-protocol-1
figura 1: Diagrama esquemático que muestra los procedimientos de medición de parámetros vasculares retinianos. (A) obtener fotografías de fondo centrado en el disco óptico con una cámara fotográfica de fundus. figura 1A y figura 2A son dos fotografías del fondo con una calidad óptima. (B) cargar las fotografías de fondo en el servidor en la nube y entrar en detalles de estudio pertinentes, incluyendo el factor de conversión de imagen (ICF). Otros programas de análisis asistido por ordenador pueden utilizar los métodos no basados en la nube para organizar y almacenar las imágenes. (C) abrir la foto de fondo en el programa de análisis asistido por computadora. (D) Marque la posición del centro del disco óptico y (E) pronto el software automáticamente detecta el borde del disco óptico y coloque una rejilla de medición. Construcción (F) trazos de buque basan en los caminos de la embarcación y coloque el recipiente cubre para calcular los diámetros de los vasos. (G) ajuste el trazos de recipiente incorrecto y un recipiente cubre manualmente. Medida (H) un espectro de parámetros vasculares retinianos, como buque calibres, tortuosidad, dimensión fractal y bifurcación. (D) paso a paso (F) y (H) se puede realizar automáticamente por algunos programas de análisis asistido por computadora. haga clic aquí para ver una versión más grande de esta figura.

  1. Capturar fotografías del fondo usando una cámara fotográfica de fundus. Programa
    1. vuelta en la cámara fotográfica de fundus y puesta en marcha la captura de imágenes en el ordenador. Apoyar la barbilla del sujeto correctamente sobre la mentonera con el frente contra la cinta de la cabeza. Mueva la palanca de control para alinear el haz de luz adecuada para el tema ’ pupila s.
    2. Alinee los puntos de iluminación hasta tanto aparezcan más pequeñas en ambos lados en el visor. Mover el objetivo de la fijación externa para orientar el tema ’ s los ojos hasta que el disco óptico está en el centro del visor y las regiones de interés (ROI) dentro de los límites. Ajuste la perilla de enfoque para enfocar en la retina.
    3. Tener el tema bien mira el objetivo de la fijación externa y asegurar el tema ’ ojos de s no se llenaron de lágrimas.
    4. Oprima el botón de disparo del obturador para capturar una imagen ( figura 1A).
    5. Comprobar la calidad de la fotografía del fondo capturada, utilizando figura 2A como estándar. Deseche la imagen y repetir el proceso de adquisición de imagen (es decir, paso 2.1.1 a 2.1.4) si el alumno es poco dilatados ( figura 2B), el disco óptico no está en el centro de la imagen ( figura 2), o la imagen está fuera de foco ( Figura 2D).
    6. Guardar la imagen en formato TIFF con resolución gradable (es decir, aproximadamente 3.000 píxeles x 2,000 píxeles, en más de 150 dpi).
      Nota: El protocolo puede ser una pausa aquí.
    7. Repetir pasos 2.1.1 a 2.1.6 para adquirir fotografías del fondo para otros temas.
    8. Seleccionar una muestra de 10% de imágenes al azar y medir la altura de discos ópticos en estas imágenes ( figura 3). Calcular el factor de conversión de imagen (ICF) mediante la fórmula:
      ICF = μm 1.800 / (promedio de altura de píxel de discos ópticos de las imágenes muestreadas).
    9. Cargar las fotografías capturadas del fondo en el servidor en la nube e introduzca los datos de estudio pertinentes, incluyendo el factor de conversión de imagen (ICF) ( figura 1B).
      Nota: El protocolo se puede detener aquí. Otros programas de análisis asistido por ordenador pueden utilizar otros métodos no basados en la nube para organizar las imágenes y grabar el ICF.

figure-protocol-2
figura 2: fotografías del fondo de calidad óptimo y subóptima. La calidad de la imagen de una fotografía de fondo de ojo debe comprobarse inmediatamente después de la adquisición de la imagen, como la calidad de la imagen afecta directamente a la posterior medición de parámetros vasculares retinianos. La imagen debe ser descartada si se observa uno de estos artefactos. Estas imágenes fueron capturadas usando una cámara fotográfica de fundus 50°. haga clic aquí para ver una versión más grande de esta figura.

figure-protocol-3
figura 3: cálculo del factor de conversión de imagen (ICF). Para calcular el ICF, seleccionar al azar una muestra de 10% de las imágenes del estudio (paso 1). Luego, medir la altura de discos ópticos (en píxeles) de las imágenes de muestra (paso 2). Calcular el ICF utilizando la fórmula: ICF = 1800 μm / (promedio de altura de píxel de discos ópticos de las imágenes muestras), en 1800 μm es aproximadamente la altura de un disco óptico normal (paso 3). Resolución de imagen y efecto de aumento diferencia de cámara a cámara, es necesario calcular un ICF precisa para cada cámara. haga clic aquí para ver una versión más grande de esta figura.

  1. abre la foto de fondo en un programa de análisis asistido por computadora. Construir trazos del vaso y poner cubiertas de vasos de la vasculatura retiniana.
    Nota: En esta sección, el programa de SIVA se utiliza para ilustrar los procedimientos. Sin embargo, el programa SIVA puede sustituirse por otros programas de análisis asistido por ordenador disponible. Además, 2.2.2 a 2.2.3 los pasos son realizados automáticamente por algunos análisis asistido por ordenador programas cuando una fotografía de fondo de ojo es abierto (es decir, paso 2.2.1).
    1. Abrir la fotografía del fondo con el programa de análisis asistido por ordenador ( figura 1).
    2. Marque la ubicación del centro de disco óptico ( figura 1).
      1. Haz clic en el “ centro OD ” el botón en el panel izquierdo de la función, el cursor del ratón se sustituirá por un círculo verde.
      2. Mueva el círculo verde hacia el centro del disco óptico (OD) y un clic izquierdo para fijar el círculo.
      3. Sugerirán el software automáticamente coloca una rejilla de medida, construir la y trazos de la embarcaciónrecipiente y cubre ( Figura 1E y 1F).
        Nota: Cubiertas del buque son las líneas de medición que estiman el ancho aproximado de las luces internas de los vasos.
        1. Haz clic en el “ encontrar OD ” botón para solicitar el software para detectar el borde de OD y colocar cuatro círculos concéntricos como una red de medición, en función de la posición del centro OD.
        2. Haga clic en el “ proceso de ” el botón para iniciar el proceso de seguimiento automático de la nave.
  2. Trazos de recipiente incorrecto ajuste manualmente. Comenzar la inspección de la 12 o ’ reloj posición en forma derecha para asegurarse de que se verifican todos los trazos de buque.
    1. Compruebe que el disco óptico se puede detectar con precisión y la red de medición está correctamente colocada. Ajuste la rejilla de medición manualmente siguiendo los pasos de 2.2.2 a 2.2.3, si el círculo más interno no describen con precisión el borde del disco óptico ( Figura 4A).
    2. Haga clic para seleccionar tracing(s) de vasos etiquetados con el tipo de recipiente incorrecto (arteriolas y vénulas) y haga clic en el “ ype del buque (T) ” botón para cambiar el tipo de buque.
      Nota: Las arteriolas son etiquetadas en rojo y vénulas son etiquetados en azul. Las arteriolas pueden distinguirse de vénulas partiendo de sus diferencias fisiológicas. Por ejemplo, vénulas son generalmente más oscuro en color y más ancha que las arteriolas. Los buques con el mismo tipo de recipiente generalmente no se cruzan entre sí.
    3. Extender vasos incompletos registros de encabezamientos secundarios siguiendo pasos 2.3.3.1 a 2.3.3.2 ( Figura 4B).
      1. Usar el cursor para hacer clic en el extremo distal de la localización de vasos incompletos. Izquierda haga clic en puntos a lo largo de la ruta de buque para ampliar el trazo de la embarcación.
      2. Para el proceso de seguimiento cuando se alcanza el extremo distal del vaso. Detener el trazo en el círculo blanco exterior si la parte distal del vaso cae fuera de la red de medición (ver Figura 4B).
    4. Ajustar trazos del buque si las trayectorias de la nave no se trazan correctamente en el sitio de cruce ( figura 4).
      1. Haga clic en el “ seleccionar ” el botón y luego haga clic en el punto incorrecto de la localización de la embarcación. Haga clic en el “ Seg Brea(k) ” botón para desconectar la localización del buque en el punto seleccionado. Seleccionar el segmento desconectado y haz clic en el “ Seg (Del) ” botón para eliminar lo
      2. Volver a construir un nuevo trazo de buque pasos 2.3.3.1 y 2.3.3.2.

figure-protocol-4
figura 4: errores comunes de auto-tracing. El trazo de la nave automática no es completamente exacto y ajustes manuales se requieren para garantizar la exactitud de la medición. Esta figura muestra errores comunes de auto-tracing y demuestra resultados óptimos después de ajustes manuales. (A) el centro del disco óptico está incorrectamente marcada y esta desviación de la red de medición, que puede afectar las mediciones posteriores. Idealmente, el círculo más interno de la red de medición debe contornear el borde del disco óptico. (B) trazado de vasos incompletos podría conducir a la incorrecta medición de la dimensión fractal, tortuosidad, etc. que la ruta del buque debe seguirse hasta el final de la nave. Si la parte distal del vaso cae fuera de la red de medición, el trazo puede ser interrumpido en el círculo blanco exterior. (C) recipiente trazos en los sitios de cruce están sujetos a una mayor tendencia de error y por lo tanto requieren especial atención. haga clic aquí para ver una versión más grande de esta figura.

  1. Coloque cubiertas del buque en todos los segmentos de vasos y desactivar manualmente las cubiertas incorrectas.
    1. Haz clic en el “ encontrar cubre ” botón para cubiertas de buques en todos los segmentos del vaso automáticamente.
    2. Compruebe si todas las cubiertas de buques están correctamente colocadas. Botón izquierdo del ratón y arrastre el cursor para desactivar el recipiente cubre si las cubiertas no son colocadas perpendicularmente a las paredes del recipiente ( figura 5A), la ruta del buque es oscurecida por otra nave ( figura 5B), o la sobreestimar o subestimar el ancho del lumen del vaso ( figura 5).

figure-protocol-5
figura 5: cubre vaso incorrecto. Esta figura muestra ejemplos de cubiertas de nave incorrecta que deben ser desactivadas y excluidos de la medición posterior. Cubiertas del buque deberían ser desactivadas si no son perpendiculares a los vasos (A). Además, cubiertas de la nave también se desactiva si el buque está rastreando se oculta en otro recipiente (B), o las cubiertas del buque no pueden representar el ancho aproximado del recipiente (C). haga clic aquí para ver una versión más grande de esta figura.

  1. medir parámetros vasculares retinianos de los trazados del buque y las cubiertas del buque
    Nota: paso 2.5 se realiza automáticamente por un programa de análisis asistido por computadora. Diámetros
    1. etiqueta del disco de área 0.5-1.0 de la margen del disco óptico como zona B y los diámetros de zona 0.5-2.0 disco lejos del margen del disco óptico como zona C 18 ( figura 6A), según la protocolo modificado de riesgo de aterosclerosis en comunidades (ARIC) estudio 19.
    2. Calibre vascular retiniano de la medida de zona B y zona C, utilizando un método ampliamente adoptado que es modificado a partir de la ARIC estudio 19 , 20 , 21 , 22 , 23 , 24 , 25 , 26 ( Figura 6B).
      1. Medir las longitudes de las cubiertas del buque en las seis mayores arteriolas y las vénulas más grande seis para calcular el calibre de los vasos retinianos.
      2. Resumir la retiniana arteriolar y venular calibres como arteria retiniana central equivalente (CRAE) y retiniana central de la vena respectivamente equivalente (CRVENI) 17, usando el Knudtson revisado – fórmula de Parr-Hubbard 18 , 19.
    3. identificar todos los buques en zona C con un anchura > 40 μm. calcular la tortuosidad arteriolar y venular retiniana de la integral de la curvatura total de cuadrado a lo largo de los trazados de buque y normalizar el valor con la longitud de arco total reverencia y puntos de inflexión 27 , 28.
    4. Calcular el total, arteriolar, y dimensiones fractales venular de la zona C, utilizando lo establecido “ método de box-counting ” 29 , 30 , 31.
      1. Dividir la imagen en una serie de igual tamaño cuadrados.
      2. Contar el número de cajas que contienen una sección de los trazados de buque.
      3. Repetir el proceso con una serie de cuadrados de igual tamaños con tamaños diferentes.
      4. Trazar el logaritmo del número de cajas que contenían los trazados del buque contra el logaritmo del tamaño de las cajas y calcular la pendiente de la recta resultante, esto es la dimensión fractal.
    5. Identificar los vasos con la primera bifurcación en la zona C y calcule los ángulos (θ) subtendidos entre el primer dos hija vasos 32 ( figura 6). Calcular el valor medio para obtener el ángulo de ramificación promedio.
    6. Calcular el coeficiente de ramificación de la zona C mediante la fórmula:
      (d 1 2 + d 2 2) /d 0 2, donde d 0 es el calibre de tronco media y d 1 y d 2 son los calibres de rama media ( figura 6).
  2. Cerrar la ventana de calificacion. Haga clic en “ enviar ” en el cuadro de diálogo emergente para cargar la imagen graduada en el servidor basado en la nube y registrar los parámetros vasculares retinianos automáticamente medidos.

figure-protocol-6
figura 6: cuantificación de la vasculatura retiniana. (A) zona B (definido como 0.5-1.0 disco diámetros de distancia del margen del disco) se utiliza para medir calibres de buque de la zona B de acuerdo con el riesgo de aterosclerosis en las comunidades de estudio. Zona C (definido como 0.5-2.0 disco diámetros de distancia del margen del disco) se utiliza para medir calibres de buque de la zona C y un espectro de los parámetros de la red vascular retiniana (por ejemplo, tortuosidad, dimensión fractal y bifurcación). (B) cubiertas de barco son líneas de medida utilizadas para calcular el calibre de los vasos retinianos (o diámetros). Cubiertas del recipiente incorrecto se deben excluir manualmente de la medición. (C) para todos los buques que tienen su primera bifurcación dentro de la zona C, el programa automáticamente medidas de los ángulos de ramificación (θ) de la primera bifurcación. Además, el coeficiente de ramificación también se calcula mediante la fórmula: coeficiente de ramificación = (d 1 2 d 2 2) /d 0 2, donde d 0 es el calibre del tronco y d 1 y d 2 son los calibres de rama. haga clic aquí para ver una versión más grande de esta figura.

3. evaluar el espesor del GC-IPL y RNFL

figure-protocol-7

figura 7: diagrama esquemático que muestra los procedimientos de medición de grosor RNFL y GC-IPL. Tomografía de coherencia óptica (OCT) puede utilizarse para medir espesores de la capa plexiforme del interior de la célula del ganglio (GC-IPL) y la capa de fibras nerviosas retinianas (RNFL). (A, B) Medir los espesores de GC-IPL y RNFL usando el built-in “ cubo macular ” y “ cubo de disco óptico ” escaneo protocolos respectivamente. (C, D) Comprobar la calidad de la imagen inmediatamente después de la adquisición de la imagen. Deseche la imagen y repetir el análisis si la señal es menor que 6, o artefactos de movimiento son detectados. (E, F) Entonces, sugerirán el el programa de análisis incorporada automáticamente analizar el resultado del análisis y generar un informe para la interpretación. haga clic aquí para ver una versión más grande de esta figura.

  1. Realizar la adquisición de imágenes mediante tomografía de coherencia óptica (OCT).
    1. Abra el programa de OCT y seleccione el “ cubo Macular ” análisis de protocolo para iniciar una nueva exploración macular ( Figura 7A).
    2. Ubique el alumno en la vista del iris mediante el ajuste de la mentonera. Disminuir la iluminación si el tamaño de la pupila es muy pequeño.
    3. Haga clic en el “ enfoque automático ” botón y entonces el “ optimizar ” botón para mejorar la calidad de la imagen.
    4. Mandar el tema a parpadear varias veces inmediatamente antes de iniciar la exploración de.
    5. Haga clic en el “ captura ” botón para iniciar la exploración cuando se convierte en la frontera que rodea el botón verde. Instruir el asunto para centrarse en el objetivo de la fijación visual durante la adquisición de imagen para evitar artefactos de movimiento.
    6. Revisar la calidad de la exploración usando 7 Figura como un estándar. Descartar el resultado de la exploración y repetir el análisis si la señal es menor que 6 ( figura 8A), o artefactos de movimiento son detectados (indicado por la discontinuidad de los vasos sanguíneos) ( figura 8B).
    7. Guardar el resultado de la exploración de.
    8. Repita los pasos 3.1.1 a 3.1.7 para otro ojo.
    9. Realizar una exploración de cabeza de nervio óptico con la “ cubo de disco óptico ” exploración siguiente protocolo pasos 3.1.2 a 3.1.9 ( figuras 7B y 7D).

figure-protocol-8
figura 8: resultados subóptimos de tomografía de coherencia óptica. Común los óptimos resultados de la tomografía de coherencia óptica (OCT) incluyen (A) mala señal (valor de la fuerza < 6) y (B) artefactos de movimiento. La calidad de la exploración debe revisarse inmediatamente después de la adquisición de la imagen, y la exploración debe ser repetida si se encuentran estos artefactos. haga clic aquí para ver una versión más grande de esta figura.

  1. generar un listado de análisis del grosor macular de GC-IPL.
    1. Seleccione el “ cubo Macular ” analizar los registros de ambos ojos en la interfaz de análisis.
    2. Haga clic en el “ del ganglio célula OU análisis ” para iniciar el algoritmo de análisis automático para determinar el espesor de la GC-IPL de la exploración ( figura 7E).
      Nota: Paso 3.2.2 es completado automáticamente por el algoritmo de análisis.
      1. Generar un 14,13 mm 2 centrado en la fóvea elíptica anillo que tiene horizontales radios internos y externos de 0,6 mm y 2,4 mm, respectivamente y radios interiores y exteriores vertical de 0,5 mm y 2,0 mm, respectivamente.
        Nota: El tamaño y la forma del anillo elíptico se ajustan estrechamente a la anatomía macular y por lo tanto corresponden a la zona donde el RGCs son más gruesas en ojos normales 33 , 34. El área dentro del anillo interior del anillo no se mide, como el GC-IPL en esta área es muy delgada.
      2. Del segmento del límite exterior de la RNFL y el límite exterior de la capa plexiforme interna (IPL) para localizar el GC-IPL ( figura 9).
      3. Medir el promedio, mínimo y seis sectoriales (superotemporal, superior, superonasal, inferonasal, inferior, inferotemporal) espesores de GC-IPL macular en la fóvea-cenanillo elíptico Rada.
      4. Comparar los espesores medidos de GC-IPL al dispositivo ’ s pareados por edad normativa interna de bases de datos y generar un mapa de desviación y una significación
      5. Informe de resultados de la medición en una impresión de análisis.
    3. Guardar la impresión de análisis en el formato .pdf.

figure-protocol-9

figura 9: capas retinianas, utilizadas para la evaluación de la estructura neuronal retiniana. La capa de fibras nerviosas retinianas (RNFL) se mide mediante el algoritmo de (HNO) cabeza del nervio óptico, mientras que la capa plexiforme del interior de la célula del ganglio se mide utilizando el algoritmo de análisis (GCA) de la célula del ganglio. El algoritmo de HNO segmentos del límite interno y externo de la RNFL para medir el grosor de la RNFL. El algoritmo de GCA detecta el límite exterior de la capa de fibras nerviosas retinianas (RNFL) y la capa plexiforme interna (IPL) para obtener el espesor combinado de la capa de células ganglionares (GCL) y la IPL. Los espesores de GCL y el IPL se miden juntos, como el límite entre GCL y IPL es anatómicamente indistinto. Sin embargo, el espesor combinado de GCL y (es decir, GC-IPL) IPL es todavía indicativo de la salud de RGCs. haga clic aquí para ver una versión más grande de este figura.

  1. generar la impresión de análisis del grosor RNFL ( figura 7F).
    1. Seleccionar la “ cubo de disco óptico ” analizar los registros de ambos ojos en la interfaz de análisis.
    2. Haga clic en el “ HNO y RNFL OU análisis ” para iniciar el algoritmo de análisis automático para evaluar el grosor de la RNFL de la exploración del.
      Nota: Pasos 3.3.2.1 a 3.3.2.6 pueden completarse automáticamente por el algoritmo de análisis.
      1. Mida el grosor de la RNFL en cada punto de análisis y generar un mapa de grosor RNFL.
      2. Identificar el disco óptico mediante la detección de una mancha oscura cerca del centro de la exploración que tiene un tamaño y forma consistente con el rango de una óptica dto.
      3. Colocar una rejilla de medición de 3,46 mm de diámetro alrededor del disco óptico en el mapa de grosor RNFL.
      4. Medida y calcular los cuadrantes cuatro globales, (temporales superiores, nasal y inferior) y grosor RNFL doce hora de reloj parapapillary de la rejilla de medición.
      5. Comparar los espesores RNFL medidos con el dispositivo ’ s pareados por edad normativa interna de bases de datos y generar un mapa de desviación y un significado.
      6. Informe de resultados de la medición en una impresión de análisis.
    3. Guardar la impresión de análisis en el formato .pdf.

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

figure-results-1
Figura 10: Un ejemplo para mostrar las diferencias en la vasculatura retiniana entre un sujeto normal y un tema AD. En comparación con el sujeto normal, fotografía de fondo de la materia AD mostraron calibres de vaso más estrechos (CRAE de la zona B, 116,4 μm vs 156.4 μm; CRVENI de zona B, 186.9 μm vs 207.5 μm; CRAE de zona C, 138,5...

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Este protocolo describe el procedimiento de cuantificación de cambios neuronales y vasculares en la retina en vivo. Como la retina comparte similares orígenes embriológicos, características anatómicas y propiedades fisiológicas con el cerebro, estos cambios retinianos pueden reflejar cambios similares de la vasculatura y estructura neuronal en el cerebro.

Como se muestra en la figura 10 y tabla 1, el tema del anuncio demostró calib...

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Nos gustaría expresar nuestro agradecimiento a la escuela de informática, Universidad Nacional de Singapur para el soporte técnico.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Con respecto a posibles vínculos financieros, el autor Tien Y. Wong es un co-inventor del programa Singapur I buque evaluación (SIVA) en este artículo.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
Cámara de retina no midriática Topcon, Inc, Tokio, JapónTRC 50DX N/A
Singapur I Programa de Evaluación de BuquesUniversidad Nacional de SingapurVersión 4.0N/A
CIRRUS HD-OCT Carl Zeiss Meditec, Inc, Dublín, CAModelo 4000N/A
Agentes midriáticos N/AN/APreparado a partir de 1% de tropicamida y 2,5% de clorhidrato de fenilefrina

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Alzheimer's Disease International. The prevalence of dementia worldwide. Alzheimer's Dis. Int. (December), 1-2 (2008).
  2. Wimo, A., Winblad, B., &Jönsson, L. The worldwide societal costs of dementia: Estimates for 2009. Alzheimer's Dement. 6 (2), 98-103 (2010).
  3. Comas-Herrera, A., Northey, S., Wittenberg, R., Knapp, M., Bhattacharyya, S., Burns, A. Future costs of dementia-related long-term care: exploring future scenarios. Int. Psychogeriatr. 23 (1), 20-30 (2011).
  4. Alzheimer's Association. Alzheimer's disease facts and figures. Alzheimer's Dement. 10 (2), e47-e92 (2014).
  5. Prince, M., Bryce, R., Albanese, E., Wimo, A., Ribeiro, W., Ferri, C. P. The global prevalence of dementia: a systematic review and metaanalysis. Alzheimers. Dement. 9 (1), 63-75 (2013).
  6. Alzheimer's Association. 2016 Alzheimer's disease facts and figures. Alzheimer's Dement. 12 (4), 459-509 (2016).
  7. Asih, P. R., Chatterjee, P., Verdile, G., Gupta, V. B., Trengove, R. D., Martins, R. N. Clearing the amyloid in Alzheimer's: progress towards earlier diagnosis and effective treatments - an update for clinicians. Neurodegener. Dis. Manag. 4 (5), 363-378 (2014).
  8. Cheung, C. Y., Ikram, M. K., Chen, C., Wong, T. Y. Imaging retina to study dementia and stroke. Prog. Retin. Eye Res. , (2017).
  9. Patton, N., Aslam, T., Macgillivray, T., Pattie, A., Deary, I. J., Dhillon, B. Retinal vascular image analysis as a potential screening tool for cerebrovascular disease: a rationale based on homology between cerebral and retinal microvasculatures. J. Anat. 206 (4), 319-348 (2005).
  10. London, A., Benhar, I., Schwartz, M. The retina as a window to the brain-from eye research to CNS disorders. Nat. Rev. Neurol. 9 (1), 44-53 (2013).
  11. Crowe, M. J., Bresnahan, J. C., Shuman, S. L., Masters, J. N., Beattie, M. S. Apoptosis and delayed degeneration after spinal cord injury in rats and monkeys. Nat Med. 3 (1), 73-76 (1997).
  12. Levkovitch-Verbin, H., Quigley, H. A., Kerrigan-Baumrind, L. A., D'Anna, S. A., Kerrigan, D., Pease, M. E. Optic nerve transection in monkeys may result in secondary degeneration of retinal ganglion cells. Investig. Ophthalmol. Vis. Sci. 42 (5), 975-982 (2001).
  13. Levkovitch-Verbin, H., Quigley, H. A., Martin, K. R., Zack, D. J., Pease, M. E., Valenta, D. F. A model to study differences between primary and secondary degeneration of retinal ganglion cells in rats by partial optic nerve transection. Invest Ophthalmol Vis Sci. 44 (8), 3388-3393 (2003).
  14. Yoles, E., Schwartz, M. Degeneration of spared axons following partial white matter lesion: implications for optic nerve neuropathies. Exp Neurol. 153 (1), 1-7 (1998).
  15. Sadun, A. A., Borchert, M., DeVita, E., Hinton, D. R., Bassi, C. J. Assessment of Visual Impairment in Patients With Alzheimer's Disease. Am. J. Ophthalmol. 104 (2), 113-120 (1987).
  16. Schlotterer, G., Moscovitch, M., Crapper-Mclachlan, D. Visual processing deficits as assessed by spatial frequency contrast sensitivity and backward masking in normal ageing and alzheimer's. Brain. 107 (1), 309-324 (1984).
  17. Cheung, C. Y. L., et al. A new method to measure peripheral retinal vascular caliber over an extended area. Microcirculation. 17 (7), 495-503 (2010).
  18. Knudtson, M. D., Lee, K. E., Hubbard, L. D., Wong, T. Y., Klein, R., Klein, B. E. K. Revised formulas for summarizing retinal vessel diameters. Curr. Eye Res. 27 (3), 143-149 (2003).
  19. Hubbard, L. D., et al. Methods for evaluation of retinal microvascular abnormalities associated with hypertension/sclerosis in the Atherosclerosis Risk in Communities Study. Ophthalmology. 106 (12), 2269-2280 (1999).
  20. Patton, N., et al. The association between retinal vascular network geometry and cognitive ability in an elderly population. Investig. Ophthalmol. Vis. Sci. 48 (5), 1995-2000 (2007).
  21. VanHecke, M. V., et al. Are retinal microvascular abnormalities associated with large artery endothelial dysfunction and intima-media thickness? The Hoorn Study. Clin. Sci. London Engl. 110 (5), 597-604 (2006).
  22. Tien, Y. W., et al. Retinal vascular caliber, cardiovascular risk factors, and inflammation: The Multi-Ethnic Study of Atherosclerosis (MESA). Investig. Ophthalmol. Vis. Sci. 47 (6), 2341-2350 (2006).
  23. Leung, H., et al. Relationships between age, blood pressure, and retinal vessel diameters in an older population. Investig. Ophthalmol. Vis. Sci. 44 (7), 2900-2904 (2003).
  24. Wong, T. Y., et al. The prevalence and risk factors of retinal microvascular abnormalities in older persons: The cardiovascular health study. Ophthalmology. 110 (4), 658-666 (2003).
  25. Ikram, M. K., et al. Retinal vessel diameters and risk of stroke: The Rotterdam Study. Neurology. 66 (9), 1339-1343 (2006).
  26. Wong, T. Y., Knudtson, M. D., Klein, R., Klein, B. E. K., Meuer, S. M., Hubbard, L. D. Computer-assisted measurement of retinal vessel diameters in the Beaver Dam Eye Study: Methodology, correlation between eyes, and effect of refractive errors. Ophthalmology. 111 (6), 1183-1190 (2004).
  27. Sasongko, M. B., et al. Alterations in retinal microvascular geometry in young type 1 diabetes. Diabetes Care. 33 (6), 1331-1336 (2010).
  28. Cheung, C. Y. L., et al. Retinal vascular tortuosity, blood pressure, and cardiovascular risk factors. Ophthalmology. 118 (5), 812-818 (2011).
  29. Mainster, M. a The fractal properties of retinal vessels: embryological and clinical implications. Eye. 4 ( Pt 1) (1), 235-241 (1990).
  30. Liew, G., et al. The Retinal Vasculature as a Fractal: Methodology, Reliability, and Relationship to Blood Pressure. Ophthalmology. 115 (11), (2008).
  31. Stosic, T., Stosic, B. D. Multifractal analysis of human retinal vessels. IEEE Trans. Med. Imaging. 25 (8), 1101-1107 (2006).
  32. Zamir, M., Medeiros, J. A., Cunningham, T. K. &M., Zamir, J. A., Medeiros, T. K. C. Arterial bifurcations in the human retina. J. Gen. Physiol. 74 (4), 537-548 (1979).
  33. Mwanza, J. C., Oakley, J. D., Budenz, D. L., Chang, R. T., Knight, O. J., Feuer, W. J. Macular ganglion cell-inner plexiform layer: Automated detection and thickness reproducibility with spectral domain-optical coherence tomography in glaucoma. Investig. Ophthalmol. Vis. Sci. 52 (11), 8323-8329 (2011).
  34. Bendschneider, D., et al. Retinal nerve fiber layer thickness in normals measured by spectral domain OCT. J. Glaucoma. 19 (7), 475-482 (2010).
  35. Cheung, C. Y., Ong, Y. T., Ikram, M. K., Chen, C., Wong, T. Y. Retinal Microvasculature in Alzheimer's Disease. J. Alzheimer's Dis. 42 (s4), S339-S352 (2014).
  36. Murray, C. D. THE PHYSIOLOGICAL PRINCIPLE OF MINIMUM WORK APPLIED TO THE ANGLE OF BRANCHING OF ARTERIES. J. Gen. Physiol. (4), 835-841 (1926).
  37. Ding, J., et al. Early retinal arteriolar changes and peripheral neuropathy in diabetes. Diabetes Care. 35 (5), 1098-1104 (2012).
  38. Yim, C., et al. Retinal Ganglion Cell Analysis Using High-Definition Optical Coherence Tomography in Patients with Mild Cognitive Impairment and Alzheimer's Disease. J. Alzheimer's Dis. Retin. Ganglion Cell Anal. MCI AD. 45 (1), 45-56 (2015).
  39. Stein, D. M., Wollstein, G., Ishikawa, H., Hertzmark, E., Noecker, R. J., Schuman, J. S. Effect of Corneal Drying on Optical Coherence Tomography. Ophthalmology. 113 (6), 985-991 (2006).
  40. Mwanza, J. C., et al. Effect of Cataract and its Removal on Signal Strength and Peripapillary Retinal Nerve Fiber Layer Optical Coherence Tomography Measurements. J. Glaucoma. 20 (1), 37-43 (2011).
  41. Garcia-Martin, E., et al. Influence of cataract surgery on optical coherence tomography and neurophysiology measurements in patients with retinitis pigmentosa. Am. J. Ophthalmol. 156 (2), (2013).
  42. Kok, P. H. B., et al. The relationship between the optical density of cataract and its influence on retinal nerve fibre layer thickness measured with spectral domain optical coherence tomography. Acta Ophthalmol. , (2012).
  43. Kim, N. R., et al. Influence of cataract on time domain and spectral domain optical coherence tomography retinal nerve fiber layer measurements. J. Glaucoma. 21 (2), 116-122 (2012).
  44. Hwang, Y. H., Kim, Y. Y. Effect of Peripapillary Vitreous Opacity on Retinal Nerve Fiber Layer Thickness Measurement Using Optical Coherence Tomography. Arch. Ophthalmol. 130 (6), 789-792 (2012).
  45. Schwartz, S. G., Flynn, H. W., Fisher, Y. L. "Floater scotoma" demonstrated on spectral-domain optical coherence tomography and caused by vitreous opacification. Ophthalmic Surg. Lasers Imaging Retina. 44 (4), 415-418 (2013).
  46. Frost, S., et al. Retinal vascular biomarkers for early detection and monitoring of Alzheimer's disease. Transl. Psychiatry. 3 (2), e233(2013).
  47. Cheung, C. Y., et al. Microvascular network alterations in the retina of patients with Alzheimer's disease. Alzheimer's Dement. 10 (2), 135-142 (2014).
  48. DeJong, F. J., et al. Retinal vascular caliber and risk of dementia: The Rotterdam Study. Neurology. 76 (9), 816-821 (2011).
  49. Cheung, C. Y., et al. Quantitative and qualitative retinal microvascular characteristics and blood pressure. J. Hypertens. 29 (7), 1380-1391 (2011).
  50. Cheung, C. Y., et al. Retinal vascular fractal dimension and its relationship with cardiovascular and ocular risk factors. Am. J. Ophthalmol. 154 (4), 663-674 (2012).
  51. Cheung, C. Y. L., et al. Retinal vascular tortuosity, blood pressure, and cardiovascular risk factors. Ophthalmology. 118 (5), 812-818 (2011).
  52. Grinton, M. E., et al. The association between retinal vessel morphology and retinal nerve fiber layer thickness in an elderly population. Ophthalmic Surg. Lasers Imaging. 43 (6 Suppl), S61-S66 (2012).
  53. Hughes, A. D., et al. Quantification of topological changes in retinal vascular architecture in essential and malignant hypertension. J. Hypertens. 24 (5), 889-894 (2006).
  54. Hughes, A. D., et al. Determinants of retinal microvascular architecture in normal subjects. Microcirculation. 16 (2), 159-166 (2009).
  55. Lau, Q. P., Lee, M. L., Hsu, W., Wong, T. Y. The Singapore Eye Vessel Assessment System. Image Anal. Model. Ophthalmol. , 143-160 (2014).
  56. Thomas, G. N., et al. Measurement of Macular Fractal Dimension Using a Computer-Assisted Program. Investig. Opthalmology Vis. Sci. 55 (4), 2237(2014).
  57. Murray, C. D. The physiological principle of minimal work. I. The vascular system and the cost of blood volume. Proc. Natl. Acad. Sci. 12, 207-214 (1926).
  58. Cheung, C., Chen, C., Wong, T. Ocular Fundus Photography as a Tool to Study Stroke and Dementia. Semin. Neurol. 35 (5), 481-490 (2015).
  59. Williams, M. A., et al. Retinal microvascular network attenuation in Alzheimer's disease. Alzheimer's Dement. Diagnosis, Assess. Dis. Monit. 1 (2), 229-235 (2015).
  60. Cheung, C. Y., et al. Retinal Vascular Fractal Dimension Is Associated with Cognitive Dysfunction. J. Stroke Cerebrovasc. Dis. 23 (1), 43-50 (2014).
  61. Hammes, H. P., et al. Diabetic retinopathy: targeting vasoregression. Diabetes. 60 (1), 9-16 (2011).
  62. Cheung, C. Y., et al. Microvascular network alterations in the retina of patients with Alzheimer's disease. Alzheimer's Dement. 10 (2), 135-142 (2014).
  63. Frame, M. D., Sarelius, I. H. Arteriolar bifurcation angles vary with position and when flow is changed. Microvasc Res. 46 (2), 190-205 (1993).
  64. Djonov, V., Baum, O., Burri, P. H. Vascular remodeling by intussusceptive angiogenesis. Cell Tissue Res. 314 (1), 107-117 (2003).
  65. Griffith, T. M., Edwards, D. H. Basal EDRF activity helps to keep the geometrical configuration of arterial bifurcations close to the Murray optimum. J. Theor. Biol. 146 (4), 545-573 (1990).
  66. Griffith, T. M., Edwards, D. H., Randall, M. D. Blood flow and optimal vascular topography: role of the endothelium. Basic Res. Cardiol. 86 Suppl 2, 89-96 (1991).
  67. Chapman, N., Haimes, G., Stanton, A. V., Thom, S. A. M., Hughes, A. D. Acute effects of oxygen and carbon dioxide on retinal vascular network geometry in hypertensive and normotensive subjects. Clin. Sci. 99 (6), 483-488 (2000).
  68. Heringa, S. M., Bouvy, W. H., van denBerg, E., Moll, A. C., Jaap Kappelle, L., Jan Biessels, G. Associations between retinal microvascular changes and dementia, cognitive functioning, and brain imaging abnormalities: a systematic review. J. Cereb. blood flow Metab. 33 (7), 983-995 (2013).
  69. Ding, J., et al. Diabetic retinopathy and cognitive decline in older people with type 2 diabetes: The Edinburgh type 2 diabetes study. Diabetes. 59 (11), 2883-2889 (2010).
  70. Parisi, V., Restuccia, R., Fattapposta, F., Mina, C., Bucci, M. G., Pierelli, F. Morphological and functional retinal impairment in Alzheimer's disease patients. Clin. Neurophysiol. 112 (10), 1860-1867 (2001).
  71. Paquet, C., Boissonnot, M., Roger, F., Dighiero, P., Gil, R., Hugon, J. Abnormal retinal thickness in patients with mild cognitive impairment and Alzheimer's disease. Neurosci. Lett. 420 (2), 97-99 (2007).
  72. Moschos, M. M., et al. Structural and functional impairment of the retina and optic nerve in Alzheimer's disease. Curr. Alzheimer Res. 9 (7), 782-788 (2012).
  73. Lu, Y., et al. Retinal nerve fiber layer structure abnormalities in early Alzheimer's disease: Evidence in optical coherence tomography. Neurosci. Lett. 480 (1), 69-72 (2010).
  74. Kesler, A., Vakhapova, V., Korczyn, A. D., Naftaliev, E., Neudorfer, M. Retinal thickness in patients with mild cognitive impairment and Alzheimer's disease. Clin. Neurol. Neurosurg. 113 (7), 523-526 (2011).
  75. Ascaso, F. J., et al. Retinal alterations in mild cognitive impairment and Alzheimer's disease: An optical coherence tomography study. J. Neurol. 261 (8), 1522-1530 (2014).
  76. Berisha, F., Feke, G. T., Trempe, C. L., McMeel, J. W., Schepens, C. L. Retinal abnormalities in early Alzheimer's disease. Investig. Ophthalmol. Vis. Sci. 48 (5), 2285-2289 (2007).
  77. Iseri, P. K., Altinaş, O., Tokay, T., Yüksel, N. Relationship between Cognitive Impairment and Retinal Morphological and Visual Functional Abnormalities in Alzheimer Disease. J. Neuro-Ophthalmology. 26 (1), 18-24 (2006).
  78. Garcia-Martin, E. S., et al. Macular thickness as a potential biomarker of mild Alzheimer's disease. Ophthalmology. 121 (5), 1149-1151 (2014).
  79. Ko, F., et al. Retinal Nerve Fiber Layer Thinning Associated With Poor Cognitive Function Among A Large Cohort, The Uk Biobank. Alzheimer's Dement. 12 (7), P317-P318 (2016).
  80. Moreno-Ramos, T., Benito-Leon, J., Villarejo, A., Bermejo-Pareja, F. Retinal nerve fiber layer thinning in dementia associated with Parkinson's disease, dementia with Lewy bodies, and Alzheimer's disease. J. Alzheimers. Dis. 34 (3), 659-664 (2013).
  81. Moschos, M. M., et al. Morphologic changes and functional retinal impairment in patients with Parkinson disease without visual loss. Eur. J. Ophthalmol. 21 (1), 24-29 (2011).
  82. Garcia-Martin, E., et al. Ability and reproducibility of Fourier-domain optical coherence tomography to detect retinal nerve fiber layer atrophy in Parkinson's disease. Ophthalmology. 119 (10), 2161-2167 (2012).
  83. Yip, W., et al. Comparison of Common Retinal Vessel Caliber Measurement Software and a Conversion Algorithm. Transl. Vis. Sci. Technol. 5 (5), 11(2016).
  84. Gorelick, P. B., et al. Vascular contributions to cognitive impairment and dementia: a statement for healthcare professionals from the american heart association/american stroke association. Stroke. 42 (9), 2672-2713 (2011).
  85. Brown, W. R., Thore, C. R. Review: Cerebral microvascular pathology in ageing and neurodegeneration. Neuropathol. Appl. Neurobiol. 37 (1), 56-74 (2011).
  86. DeSilva, T. M., Faraci, F. M. Microvascular Dysfunction and Cognitive Impairment. Cell. Mol. Neurobiol. 36 (2), 241-258 (2016).
  87. Kalaria, R. N., Akinyemi, R., Ihara, M. Does vascular pathology contribute to Alzheimer changes? J. Neurol. Sci. 322 (1-2), 141-147 (2012).
  88. Kling, M. A., Trojanowski, J. Q., Wolk, D. A., Lee, V. M. Y., Arnold, S. E. Vascular disease and dementias: paradigm shifts to drive research in new directions. Alzheimers. Dement. 9 (1), 76-92 (2013).
  89. O'Brien, J. T., et al. Vascular cognitive impairment. Lancet Neurol. 2 (2), 89-98 (2003).
  90. Chen, C., et al. Alzheimer's disease with cerebrovascular disease: current status in the Asia-Pacific region. J. Intern. Med. 280 (4), 359-374 (2016).
  91. Pérez, M. A., Bruce, B. B., Newman, N. J., Biousse, V. The use of retinal photography in nonophthalmic settings and its potential for neurology. Neurologist. 18 (6), 350-355 (2012).
  92. Boppart, S. A. Optical coherence tomography: Technology and applications for neuroimaging. Psychophysiology. 40 (4), 529-541 (2003).
  93. Hee, M. R., et al. Optical coherence tomography of the human retina. Arch. Ophthalmol. 113 (3), 325-332 (1995).
  94. Huang, D., et al. Optical coherence tomography. Science (80-.). 254 (5035), 1178-1181 (1991).
  95. vanVelthoven, M. E. J., Verbraak, F. D., Yannuzzi, L., Rosen, R. B., Podoleanu, A. G. H., deSmet, M. D. Imaging the retina by en face optical coherence tomography. Retina. 26 (2), 129-136 (2006).
  96. Costa, R. A., et al. Retinal assessment using optical coherence tomography. Prog. Retin. Eye Res. 25 (3), 325-353 (2006).
  97. DeBuc, D. C., Somfai, G. M., Ranganathan, S., Tátrai, E., Ferencz, M., Puliafito, C. A. Reliability and reproducibility of macular segmentation using a custom-built optical coherence tomography retinal image analysis software. J. Biomed. Opt. 14 (6), 64023(2009).
  98. Budenz, D. L., et al. Determinants of Normal Retinal Nerve Fiber Layer Thickness Measured by Stratus OCT. Ophthalmology. 114 (6), 1046-1052 (2007).
  99. Leung, C. K. S., et al. Retinal Nerve Fiber Layer Imaging with Spectral-Domain Optical Coherence Tomography: A Prospective Analysis of Age-Related Loss. Ophthalmology. 119 (4), 731-737 (2012).
  100. Cettomai, D., et al. Reproducibility of optical coherence tomography in multiple sclerosis. Arch. Neurol. 65 (9), 1218-1222 (2008).
  101. Garcia-Martin, E., Pinilla, I., Idoipe, M., Fuertes, I., Pueyo, V. Intra and interoperator reproducibility of retinal nerve fibre and macular thickness measurements using Cirrus Fourier-domain OCT. Acta Ophthalmol. 89 (1), (2011).
  102. Garcia-Martin, E., Pueyo, V., Pinilla, I., Ara, J. R., Martin, J., Fernandez, J. Fourier-domain OCT in multiple sclerosis patients: reproducibility and ability to detect retinal nerve fiber layer atrophy. Invest. Ophthalmol. Vis. Sci. 52 (7), 4124-4131 (2011).
  103. Menke, M. N., Knecht, P., Sturm, V., Dabov, S., Funk, J. Reproducibility of nerve fiber layer thickness measurements using 3D fourier-domain OCT. Invest. Ophthalmol. Vis. Sci. 49 (12), 5386-5391 (2008).
  104. Mwanza, J. C., et al. Reproducibility of peripapillary retinal nerve fiber layer thickness and optic nerve head parameters measured with cirrus HD-OCT in glaucomatous eyes. Investig. Ophthalmol. Vis. Sci. 51 (11), 5724-5730 (2010).
  105. Syc, S. B., et al. Reproducibility of high-resolution optical coherence tomography in multiple sclerosis. Mult Scler. 16 (7), 829-839 (2010).
  106. Ikram, M. K., Cheung, C. Y., Wong, T. Y., Chen, C. P. L. H. Retinal pathology as biomarker for cognitive impairment and Alzheimer's disease. J. Neurol. Neurosurg. Psychiatry. 83 (9), 917-922 (2012).
  107. MacGillivray, T. J., Trucco, E., Cameron, J. R., Dhillon, B., Houston, J. G., vanBeek, E. J. R. Retinal imaging as a source of biomarkers for diagnosis, characterization and prognosis of chronic illness or long-term conditions. Br. J. Radiol. 87 (1040), 20130832(2014).
  108. Patton, N., et al. Retinal image analysis: Concepts, applications and potential. Prog. Retin. Eye Res. 25 (1), 99-127 (2006).
  109. McGrory, S., et al. The application of retinal fundus camera imaging in dementia: A systematic review. Alzheimer's Dement. Diagnosis, Assess. Dis. Monit. 6, 91-107 (2017).
  110. Wong, T. Y., Knudtson, M. D., Klein, R., Klein, B. E. K., Meuer, S. M., Hubbard, L. D. Computer-assisted measurement of retinal vessel diameters in the Beaver Dam Eye Study: methodology, correlation between eyes, and effect of refractive errors. Ophthalmology. 111 (6), 1183-1190 (2004).
  111. Hardin, J. S., Taibbi, G., Nelson, S. C., Chao, D., Vizzeri, G. Factors Affecting Cirrus-HD OCT Optic Disc Scan Quality: A Review with Case Examples. J. Ophthalmol. 2015, 1-16 (2015).
  112. Kim, N. R., et al. Influence of Cataract on Time Domain and Spectral Domain Optical Coherence Tomography Retinal Nerve Fiber Layer Measurements. J. Glaucoma. 1, (2010).
  113. Li, H., et al. Lens opacity and refractive influences on the measurement of retinal vascular fractal dimension. Acta Ophthalmol. 88 (6), e234-e240 (2010).
  114. Maberley, D., Morris, A., Hay, D., Chang, A., Hall, L., Mandava, N. A comparison of digital retinal image quality among photographers with different levels of training using a non-mydriatic fundus camera. Ophthalmic Epidemiol. 11 (3), 191-197 (2004).
  115. Rochtchina, E., Wang, J. J., Taylor, B., Wong, T. Y., Mitchell, P. Ethnic variability in retinal vessel caliber: A potential source of measurement error from ocular pigmentation?-The Sydney childhood eye study. Investig. Ophthalmol. Vis. Sci. 49 (4), 1362-1366 (2008).
  116. Wainwright, A., et al. Effect of image quality, color, and format on the measurement of retinal vascular fractal dimension. Investig. Ophthalmol. Vis. Sci. 51 (11), 5525-5529 (2010).
  117. Nguyen, T. T., Wong, T. Y. Retinal vascular manifestations of metabolic disorders. Trends Endocrinol. Metab. 17 (7), 262-268 (2006).
  118. Ding, J., et al. Retinal vascular caliber and the development of hypertension: a meta-analysis of individual participant data. J. Hypertens. 32 (2), 207-215 (2014).
  119. Nguyen, T. T., Wong, T. Y. Retinal vascular changes and diabetic retinopathy. Curr. Diab. Rep. 9 (4), 277-283 (2009).
  120. Leung, C. K. S., Ye, C., Weinreb, R. N., Yu, M., Lai, G., Lam, D. S. Impact of Age-related Change of Retinal Nerve Fiber Layer and Macular Thicknesses on Evaluation of Glaucoma Progression. Ophthalmology. 120 (12), 2485-2492 (2013).
  121. Sherry, L. M., et al. Reliability of computer-assisted retinal vessel measurement in a population. Clin. Experiment. Ophthalmol. 30 (3), 179-182 (2002).
  122. Wardlaw, J. M., et al. Neuroimaging standards for research into small vessel disease and its contribution to ageing and neurodegeneration. Lancet Neurol. 12 (8), 822-838 (2013).
  123. Patton, N., Aslam, T., MacGillivray, T., Pattie, A., Deary, I. J., Dhillon, B. Retinal vascular image analysis as a potential screening tool for cerebrovascular disease: A rationale based on homology between cerebral and retinal microvasculatures. J. Anat. 206 (4), 319-348 (2005).
  124. Ferri, C. P., et al. Global prevalence of dementia: A Delphi consensus study. Lancet. 366 (9503), 2112-2117 (2005).
  125. Sahadevan, S., et al. Ethnic differences in Singapore's dementia prevalence: The stroke, Parkinson's disease, epilepsy, and dementia in Singapore study. J. Am. Geriatr. Soc. 56 (11), 2061-2068 (2008).
  126. Kernt, M., et al. Assessment of diabetic retinopathy using nonmydriatic ultra-widefield scanning laser ophthalmoscopy (Optomap) compared with ETDRS 7-field stereo photography. Diabetes Care. 35 (12), 2459-2463 (2012).
  127. Manivannan, A., Plskova, J., Farrow, A., Mckay, S., Sharp, P. F., Forrester, J. V. Ultra-wide-field fluorescein angiography of the ocular fundus. Am. J. Ophthalmol. 140 (3), 525-527 (2005).
  128. Pellegrini, E., et al. Blood vessel segmentation and width estimation in ultra-wide field scanning laser ophthalmoscopy. Biomed. Opt. Express. 5 (12), 4329(2014).
  129. Estrada, R., Tomasi, C., Schmidler, S. C., Farsiu, S. Tree topology estimation. IEEE Trans. Pattern Anal. Mach. Intell. 37 (8), 1688-1701 (2015).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Medicinan mero 129la proyecci n de imagendemenciaenfermedad de Alzheimertomograf a de coherencia pticafotograf a del fondomicrovasculatura retinianaenfermedad de vaso peque ocapa de fibras nerviosas de la retinacapa plexiforme de interior de la c lula del ganglio de la retina

Related Articles