Method Article

Wykorzystanie obrazowania siatkówki do badania demencji

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

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

Siatkówka wykazuje wyraźne podobieństwa do mózgu, a zatem stanowi unikalne okno do nieinwazyjnego badania układu naczyniowego i struktury neuronalnej w mózgu. Protokół ten opisuje metodę badania demencji przy użyciu technik obrazowania siatkówki. Ta metoda może potencjalnie pomóc w diagnozie i ocenie ryzyka demencji.

Abstract

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

Siatkówka oferuje unikalne "okno" do badania patofizjologicznych procesów demencji w mózgu, ponieważ jest przedłużeniem ośrodkowego układu nerwowego (OUN) i wykazuje wyraźne podobieństwa do mózgu pod względem pochodzenia embriologicznego, cech anatomicznych i właściwości fizjologicznych. Struktura naczyniowa i neuronalna w siatkówce może być teraz łatwo i nieinwazyjnie zobrazowana za pomocą technik obrazowania siatkówki. w tym fotografia dna oka i optyczna tomografia koherentna (OCT) oraz półautomatyczne określanie ilościowe za pomocą programów do analizy wspomaganej komputerowo. Badanie powiązań między zmianami naczyniowymi i neuronalnymi w siatkówce a demencją może poprawić naszą wiedzę na temat demencji i potencjalnie pomóc w diagnozie i ocenie ryzyka. Protokół ten ma na celu opisanie metody ilościowego określania i analizy unaczynienia siatkówki i struktury neuronalnej, które są potencjalnie związane z demencją. Protokół ten zawiera również przykłady zmian w siatkówce u osób z demencją oraz omawia kwestie techniczne i obecne ograniczenia obrazowania siatkówki.

Introduction

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

Ze względu na wzrost średniej długości życia, demencja stała się poważnym problemem medycznym, przyczyniając się do znacznego obciążenia społecznego i ekonomicznego zdrowia na całym świecie1,2,3,4,5. Obecnie u osoby w Stanach Zjednoczonych rozwija się choroba Alzheimera (AD), najczęstsza forma demencji, co 66 s6. Szacuje się, że do roku 2050 115 milionów ludzi będzie dotkniętych AD7.

Siatkówka oferuje unikalne "okno" do badania demencji ze względu na jej podobne anatomiczne i fizjologiczne właściwości do mózgu. Jeśli chodzi o unaczynienie, tętniczki i żyłki siatkówki, o średnicy od 100 do 300 μm, mają podobne cechy do małych naczyń mózgowych, takich jak tętniczki końcowe bez zespoleń, funkcja bariery i autoregulacja8,9. Pod względem budowy neuronalnej komórki zwojowe siatkówki (RGC) mają typowe właściwości z neuronami w ośrodkowym układzie nerwowym (OUN)10. RGC są wyraźnie połączone z mózgiem, ponieważ tworzą nerw wzrokowy i wysyłają sygnały wzrokowe z siatkówki do bocznych jąder kolankowatych i górnego wzgórka. Nerw wzrokowy, podobnie jak wiele włókien neuronalnych w OUN, jest mielinizowany przez oligodendrocyty i jest otoczony warstwami opon mózgowych. Warto zauważyć, że uszkodzenie nerwu wzrokowego może skutkować podobnymi reakcjami obserwowanymi w innych aksonach OUN, takimi jak wsteczne i następcze zwyrodnienie aksonu, tworzenie blizn, niszczenie mieliny, wtórne zwyrodnienie oraz nieprawidłowy poziom czynników neurotroficznych i neuroprzekaźników11,12,13,14. Pojawienie się objawów wizualnych u niektórych pacjentów z AD można również wytłumaczyć silnymi powiązaniami między siatkówką a mózgiem15,16. W rezultacie zasugerowano, że siatkówka może odzwierciedlać patologiczne procesy demencji w mózgu, a obrazowanie siatkówki może być wykorzystane do badania demencji.

Unaczynienie siatkówki i struktura neuronalna mogą być teraz nieinwazyjnie wizualizowane za pomocą technik obrazowania siatkówki. Na przykład zdjęcia dna siatkówki można wykonać za pomocą kamer do badania dna siatkówki, a cechy unaczynienia siatkówki (np. Kaliber naczynia, krętość i wymiar fraktalny) można następnie określić ilościowo za pomocą programów do analizy wspomaganej komputerowo. Ponadto parametry struktury neuronalnej siatkówki (takie jak grubość warstwy wewnętrznej splotu komórki zwojowej [GC-IPL] i warstwy włókien nerwowych siatkówki [RNFL]) mogą być również mierzone za pomocą optycznej tomografii koherentnej (OCT) i określane ilościowo za pomocą wbudowanych algorytmów analizy.

Ze względu na znaczenie obrazowania siatkówki w badaniu demencji, ten protokół ma na celu opisanie metody obrazowania i analizy unaczynienia siatkówki i struktury neuronalnej in vivo przy użyciu technik obrazowania siatkówki. Protokół ten zawiera również przykłady zmian w siatkówce u osób z demencją oraz omawia kwestie techniczne i obecne ograniczenia obrazowania siatkówki.

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

Protocol

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

Wszystkie opisane tutaj metody zostały zatwierdzone przez lokalną komisję etyki badań klinicznych w Hong Kongu.

Uwaga: Dla uproszczenia, sprzęt wymieniony w Tabeli Materiałów służy do zilustrowania procedur obrazowania siatkówki i późniejszej analizy. Pomiar parametrów naczyniowych siatkówki jest zilustrowany za pomocą programu Singapore I Vessel Assessment (SIVA) 17 (wersja 4.0, National University of Singapore, Singapur). Należy jednak zauważyć, że można przyjąć inny zestaw sprzętu, ponieważ podstawowe zasady pozostają podobne.

1. Przygotowanie badanych do obrazowania siatkówki

  1. Rozszerz źrenice badanych za pomocą środka zdrniającego. Odczekaj co najmniej 15 minut, aby uzyskać wystarczające rozszerzenie źrenicy.

2. Zmierz parametry naczyniowe siatkówki na podstawie zdjęć dna oka za pomocą programu do analizy wspomaganej komputerowo

figure-protocol-1
Rycina 1: Schemat ideowy przedstawiający procedury pomiaru parametrów naczyniowych siatkówki. (A) Uzyskaj zdjęcia dna oka skoncentrowane na dysku nerwu wzrokowym za pomocą kamery do badania dna oka. Rysunek 1A i Rysunek 2A to dwie fotografie dna oka o optymalnej jakości. (B) Przesłać zdjęcia dna oka na serwer w chmurze i wprowadzić odpowiednie szczegóły badania, w tym współczynnik konwersji obrazu (ICF). Inne programy do analizy wspomaganej komputerowo mogą używać metod innych niż oparte na chmurze do organizowania i przechowywania obrazów. (C) Otwórz zdjęcie dna oka w programie do analizy wspomaganej komputerowo. (D) Zaznacz położenie środka tarczy wzrokowej i (E) poproś, aby oprogramowanie automatycznie wykryło krawędź tarczy optycznej i umieściło siatkę pomiarową. (F) Konstruować trasy statków w oparciu o tory statków i układać pokrywy statków w celu oszacowania średnic statków. (G) Ręcznie wyregulować nieprawidłowe ślady naczyń i pokrywy zbiorników. (H) Zmierz spektrum parametrów naczyniowych siatkówki, w tym kalibry naczyń, krętość, wymiar fraktalny i bifurkację. Kroki (D) do Kroku (F) i Kroku (H) mogą być wykonywane automatycznie przez niektóre programy do analizy wspomaganej komputerowo. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

  1. Zrób zdjęcia dna oka za pomocą aparatu do badania dna oka.
    1. Włącz kamerę do badania dna oka i uruchom program do przechwytywania obrazu na komputerze. Oprzyj podbródek osoby prawidłowo na podbródku, opierając czoło o pasek na głowę. Przesuń dźwignię sterującą, aby prawidłowo ustawić wiązkę światła do źrenicy fotografowanej osoby.
    2. Ustaw punkty oświetlenia tak, aby oba wydawały się najmniejsze po obu stronach wizjera. Przesuń zewnętrzny cel fiksacji, aby poprowadzić wzrok fotografowanej osoby, aż tarcza nerwu wzrokowego znajdzie się w środku wizjera, a obszary zainteresowania (ROI) znajdą się w tych granicach. Wyreguluj pokrętło ostrości, aby ustawić ostrość na siatkówce.
    3. Spraw, aby osoba badana uważnie przyjrzała się zewnętrznemu celowi fiksacji i upewnij się, że oczy fotografowanej osoby nie są wypełnione łzami.
    4. Naciśnij spust migawki, aby zrobić zdjęcie (Rysunek 1A).
    5. Sprawdź jakość wykonanego zdjęcia dna oka, używając standardowo Rysunek 2A. Odrzuć obraz i powtórz proces akwizycji obrazu (tj. Krok 2.1.1 do 2.1.4), jeśli źrenica jest słabo rozszerzona (Rysunek 2B), tarcza nerwu wzrokowego nie znajduje się w środku obrazu (Rysunek 2C) lub obraz jest nieostry ( Rysunek 2D).
    6. Zapisz obraz w formacie TIFF z rozdzielczością z możliwością gradacji (tj. około 3 000 pikseli x 2 000 pikseli, przy ponad 150 dpi).
      Uwaga: W tym miejscu protokół można wstrzymać.
    7. Powtórz kroki od 2.1.1 do 2.1.6, aby uzyskać zdjęcia dna oka dla innych obiektów.
    8. Wybierz losowo 10% próbki obrazów i zmierz wysokość tarcz nerwu wzrokowego na tych obrazach (Rysunek 3). Oblicz współczynnik konwersji obrazu (ICF) za pomocą wzoru:
      ICF = 1 800 μm/(Średnia wysokość pikseli tarcz nerwu wzrokowego w próbkowanych obrazach).
    9. Prześlij wykonane zdjęcia dna oka na serwer w chmurze i wprowadź odpowiednie szczegóły badania, w tym współczynnik konwersji obrazu (ICF) (Rysunek 1B).
      Uwaga: W tym miejscu protokół można wstrzymać. Inne programy do analizy wspomaganej komputerowo mogą wykorzystywać inne metody nieoparte na chmurze do organizowania obrazów i rejestrowania ICF.

figure-protocol-2
Rysunek 2: Zdjęcia dna oka o optymalnej i nieoptymalnej jakości. Jakość obrazu na zdjęciu dna oka musi być sprawdzona natychmiast po uzyskaniu obrazu, ponieważ jakość obrazu ma bezpośredni wpływ na późniejszy pomiar parametrów naczyniowych siatkówki. Obraz należy wyrzucić, jeśli zaobserwuje się jeden z tych artefaktów. Zdjęcia te zostały wykonane za pomocą kamery do badania dna oka pod kątem 50°. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

figure-protocol-3
Rysunek 3: Obliczanie współczynnika konwersji obrazu (ICF). Aby obliczyć ICF, losowo wybierz 10% próbki obrazów z badania (Krok 1). Następnie zmierz wysokość tarcz nerwu wzrokowego (w pikselach) na podstawie próbkowanych obrazów (Krok 2). Obliczyć ICF za pomocą wzoru: ICF = 1800 μm / (Średnia wysokość pikseli tarcz nerwu wzrokowego próbkowanych obrazów), gdzie 1800 μm to w przybliżeniu wysokość normalnej tarczy nerwu wzrokowego (krok 3). Ponieważ efekt powiększenia i rozdzielczość obrazu różnią się w zależności od aparatu, konieczne jest obliczenie dokładnego ICF dla każdej używanej kamery. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

  1. Otwórz zdjęcie dna oka w programie do analizy wspomaganej komputerowo. Konstruowanie tras naczyń krwionośnych i układanie pokryw naczyń krwionośnych siatkówki.
    Uwaga: W tej sekcji program SIVA służy do zilustrowania procedur. Program SIVA może być jednak zastąpiony przez inne dostępne programy do analizy wspomaganej komputerowo. Ponadto kroki od 2.2.2 do 2.2.3 są automatycznie wykonywane przez niektóre programy do analizy wspomaganej komputerowo po otwarciu zdjęcia dna oka (tj. krok 2.2.1).
    1. Otwórz zdjęcie dna oka za pomocą programu do analizy wspomaganej komputerowo (Rysunek 1C).
    2. Zaznacz położenie środka tarczy nerwu wzrokowego (Rysunek 1D).
      1. Kliknij przycisk "OD Center" na lewym panelu funkcyjnym; kursor myszy zostanie zastąpiony zielonym kółkiem.
      2. Przesuń zielone kółko do środka tarczy nerwu wzrokowego (OD) i kliknij lewym przyciskiem myszy, aby naprawić okrąg.
      3. Poproś oprogramowanie, aby automatycznie umieściło siatkę pomiarową, skonstruowało trasy naczyń i ułożyło pokrywy naczyń (Rysunek 1E i 1F).
        Uwaga: Pokrywy zbiorników są liniami pomiarowymi, które szacują przybliżoną szerokość wewnętrznych lumenów zbiorników.
        1. Kliknij przycisk "Znajdź OD", aby poprosić oprogramowanie o wykrycie obrzeża OD i umieszczenie czterech koncentrycznych okręgów jako siatki pomiarowej, w oparciu o położenie środka OD.
        2. Kliknij przycisk "Proces", aby rozpocząć proces automatycznego śledzenia naczyń.
  2. Ręczne korygowanie nieprawidłowych tras naczyń. Rozpocznij inspekcję od pozycji godziny 12 w kierunku zgodnym z ruchem wskazówek zegara, aby upewnić się, że wszystkie ślady statku zostały zweryfikowane.
    1. Sprawdź, czy tarcza nerwu wzrokowego jest dokładnie wykrywana, a siatka pomiarowa jest prawidłowo umieszczona. Dostosuj siatkę pomiarową ręcznie, wykonując kroki od 2.2.2 do 2.2.3, jeśli najbardziej wewnętrzny okrąg nie wyznacza dokładnie obrzeża tarczy nerwu wzrokowego (Rysunek 4A).
    2. Kliknij lewym przyciskiem myszy, aby wybrać ślady naczyń oznaczone nieprawidłowym typem naczynia (tętniczki kontra żyłki) i kliknij przycisk "Naczynie (T)ype", aby zmienić typ naczynia.
      Uwaga: Tętniczki są oznaczone kolorem czerwonym, a żyłki są oznaczone kolorem niebieskim. Tętniczki można odróżnić od żyłek na podstawie ich różnic fizjologicznych. Na przykład żyłki są na ogół ciemniejsze i szersze niż tętniczki. Statki tego samego typu zazwyczaj nie krzyżują się ze sobą.
    3. Rozszerz niekompletne śledzenie naczyń, wykonując kroki od 2.3.3.1 do 2.3.3.2 (Rysunek 4B).
      1. Użyj kursora, aby kliknąć na dystalnym końcu niekompletnego śledzenia naczynia. Kliknij lewym przyciskiem myszy punkty na ścieżce statku, aby rozszerzyć śledzenie statku.
      2. Przerwij proces śledzenia, gdy zostanie osiągnięty dystalny koniec naczynia. Zatrzymaj śledzenie w najbardziej zewnętrznym białym okręgu, jeśli dystalna część naczynia znajduje się poza siatką pomiarową (patrz Rysunek 4B).
    4. Dostosuj ślady naczyń, jeśli ścieżki statków nie są prawidłowo śledzone w miejscu skrzyżowania (Rysunek 4C).
      1. Kliknij przycisk "Wybierz", a następnie kliknij w niewłaściwym miejscu śledzenia naczynia. Kliknij przycisk "Brea(k) Seg", aby odłączyć śledzenie statku w wybranym punkcie. Wybierz odłączony segment i kliknij przycisk "(Del) Seg", aby go usunąć.
      2. Odbuduj nowy system śledzenia statku, wykonując kroki 2.3.3.1 i 2.3.3.2.

figure-protocol-4
Rysunek 4: Typowe błędy automatycznego śledzenia. Automatyczne śledzenie naczyń nie jest w pełni dokładne i wymagane są ręczne regulacje, aby zapewnić dokładność pomiaru. Na tym rysunku przedstawiono typowe błędy automatycznego śledzenia i przedstawiono optymalne wyniki po ręcznych korektach. (A) Środek tarczy nerwu wzrokowego jest nieprawidłowo oznaczony, co prowadzi do odchylenia siatki pomiarowej, co może mieć wpływ na kolejne pomiary. Idealnie byłoby, gdyby najbardziej wewnętrzny okrąg siatki pomiarowej wyznaczał obwódkę tarczy nerwu wzrokowego. (B) Niepełne śledzenie statku może prowadzić do nieprawidłowego pomiaru wymiaru fraktalnego, krętości itp. Trajektoria statku powinna być śledzona aż do końca statku. Jeżeli dystalna część naczynia wypadnie poza siatkę pomiarową, śledzenie można zatrzymać na najbardziej zewnętrznym białym okręgu. (C) Śledzenie statków w miejscach skrzyżowania jest obarczone większą tendencją do błędu i dlatego wymaga szczególnej uwagi. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

  1. Ułóż pokrywy zbiorników na wszystkich segmentach zbiornika i ręcznie dezaktywuj niewłaściwe pokrywy.
    1. Kliknij przycisk "Znajdź pokrywy", aby automatycznie ułożyć pokrywy zbiorników na wszystkich segmentach zbiorników.
    2. Sprawdź, czy wszystkie pokrywy naczyń są prawidłowo założone. Kliknij lewym przyciskiem myszy i przeciągnij kursor, aby dezaktywować pokrywy zbiorników, jeśli pokrywy nie są ułożone prostopadle do ścian naczynia (Rysunek 5A), ścieżka naczynia jest zasłonięta przez inne naczynie (Rysunek 5B) lub pokrywy zawyżają lub zaniżają szerokość światła naczynia (Rysunek 5C).

figure-protocol-5
Rysunek 5: Nieprawidłowe pokrywy zbiorników. Na rysunku przedstawiono przykłady nieprawidłowych pokryw zbiorników, które należy dezaktywować i wykluczyć z kolejnego pomiaru. Pokrywy zbiorników powinny być wyłączone, jeżeli nie są prostopadłe do zbiorników (A). Ponadto pokrywy zbiorników powinny być również dezaktywowane, jeżeli śledzony statek jest zasłonięty pod innym statkiem (B) lub pokrywy zbiorników nie mogą odzwierciedlać przybliżonej szerokości statku (C). Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

  1. Zmierz parametry naczyniowe siatkówki na podstawie śladów naczyń i pokryw naczyń
    Uwaga: Krok 2.5 jest wykonywany automatycznie przez program do analizy wspomaganej komputerowo.
    1. Oznacz obszar o średnicy 0,5-1,0 średnicy tarczy od brzegu tarczy nerwu wzrokowego jako strefę B, a obszar o średnicy 0,5-2,0 średnicy tarczy od brzegu tarczy nerwu wzrokowego jako strefę C18 (Rysunek 6A), zgodnie ze zmodyfikowanym protokołem badania ryzyka miażdżycy w społecznościach (ARIC)19.
    2. Zmierz kaliber naczyniowy siatkówki zarówno ze strefy B, jak i strefy C, przy użyciu powszechnie stosowanej metody, która została zmodyfikowana na podstawie badania ARIC19,20,21,22,23,24,25,26 (Rysunek 6B).
      1. Zmierz długości pokryw naczyń w sześciu największych tętniczkach i sześciu największych żyłkach, aby oszacować kalibry naczyń siatkówki.
      2. Podsumuj kalibry tętniczek i komór siatkówki odpowiednio jako odpowiednik tętnicy środkowej siatkówki (CRAE) i odpowiednik żyły środkowej siatkówki (CRVE)17, używając poprawionej formuły Knudtsona-Parra-Hubbarda18,19.
    3. Zidentyfikuj wszystkie naczynia w strefie C o szerokości >40 μm. Oblicz krętość tętniczki i komory siatkówki na podstawie całki całkowitej kwadratowej krzywizny wzdłuż tras naczyń i znormalizuj wartość z całkowitą długością łuku, wygięciem i punktami przegięcia27,28.
    4. Oblicz całkowite, tętniczkowe i komorowe wymiary fraktalne ze strefy C, używając ustalonej metody "zliczania pól"29,30,31.
      1. Podziel obraz na serię kwadratów o równej wielkości.
      2. Policz liczbę pól zawierających fragment śladów statku.
      3. Powtórz proces, używając serii kwadratów o jednakowej wielkości i różnych rozmiarach.
      4. Wykreślić logarytm liczby pól zawierających ślady naczyń w stosunku do logarytmu wielkości pól i obliczyć nachylenie otrzymanej linii; jest to wymiar fraktalny.
    5. Zidentyfikuj naczynia z pierwszym rozwidleniem w strefie C i oblicz kąty (θ) między pierwszymi dwoma naczyniami potomnymi32 (Rysunek 6C). Oblicz wartość średnią, aby uzyskać średni kąt rozgałęzienia.
    6. Oblicz współczynnik rozgałęzienia ze strefy C za pomocą wzoru:
      (d12 + d22)/d02, gdzie d0 to średni kaliber tułowia, a d1 i d2 to średnie kalibry gałęzi (Rysunek 6C).
  2. Zamknij okno oceniania. Kliknij "wyślij" w wyskakującym oknie dialogowym, aby przesłać oceniony obraz na serwer w chmurze i zapisać automatycznie zmierzone parametry naczyniowe siatkówki.

figure-protocol-6
Rycina 6: Kwantyfikacja unaczynienia siatkówki. (A) Strefa B (zdefiniowana jako 0,5-1,0 średnicy tarczy od brzegu tarczy) jest używana do pomiaru kalibrów naczyń w strefie B zgodnie z badaniem ryzyka miażdżycy w społecznościach. Strefa C (zdefiniowana jako 0,5-2,0 średnic tarczy od brzegu dysku) służy do pomiaru kalibrów naczyń w strefie C i spektrum parametrów sieci naczyniowej siatkówki (takich jak krętość, wymiar fraktalny i bifurkacja). (B) Pokrywy naczyń są liniami pomiarowymi używanymi do szacowania kalibrów (lub średnic) naczyń siatkówki. Nieprawidłowe pokrywy zbiorników należy ręcznie wykluczyć z pomiaru. (C) Dla wszystkich statków, które mają swoje pierwsze rozwidlenie w strefie C, program automatycznie mierzy kąty rozgałęzienia (θ) pierwszego rozwidlenia. Ponadto współczynnik rozgałęzienia oblicza się również za pomocą wzoru: Współczynnik rozgałęzienia = (d12 + d22)/d02, gdzie d0 to kaliber tułowia, a d1 i d2 to kalibry gałęzi. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

3. Oceń grubość GC-IPL i RNFL

figure-protocol-7

Rysunek 7: Schemat ideowy przedstawiający procedury pomiaru grubości RNFL i GC-IPL. Optyczna tomografia koherentna (OCT) może być stosowana do pomiaru grubości warstwy wewnętrznej pleksiglasu komórki zwojowej (GC-IPL) i warstwy włókien nerwowych siatkówki (RNFL). (A, B) Zmierz grubości GC-IPL i RNFL za pomocą wbudowanych protokołów skanowania "kostki plamki żółtej" i "kostki tarczy wzrokowej". (C, D) Sprawdź jakość obrazu natychmiast po jego pozyskaniu. Odrzuć obraz i powtórz skanowanie, jeśli siła sygnału jest mniejsza niż 6 lub zostaną wykryte artefakty ruchu. (E, F) Następnie poproś wbudowany program analityczny, aby automatycznie przeanalizował wynik skanowania i wygenerował raport do interpretacji. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

  1. Wykonaj akwizycję obrazu za pomocą optycznej koherentnej tomografii (OCT).
    1. Otwórz program OCT i wybierz protokół skanowania "Macular Cube", aby rozpocząć nowe skanowanie plamki żółtej (Rysunek 7A).
    2. Zlokalizuj źrenicę w rzutni tęczówki, regulując podbródek. Zmniejsz oświetlenie, jeśli rozmiar źrenicy jest zbyt mały.
    3. Kliknij przycisk "Automatyczne ustawianie ostrości", a następnie przycisk "Optymalizuj", aby poprawić jakość obrazu.
    4. Poinstruuj obiekt, aby mrugnął kilka razy bezpośrednio przed rozpoczęciem skanowania.
    5. Kliknij przycisk "Przechwyć", aby rozpocząć skanowanie, gdy obramowanie otaczające przycisk zmieni kolor na zielony. Poinstruuj fotografowaną osobę, aby podczas akwizycji obrazu skupiła się na celu fiksacji wzrokowej, aby uniknąć artefaktów ruchu.
    6. Sprawdź jakość skanowania, używając standardu Rysunek 7C. Odrzuć wynik skanowania i powtórz skanowanie, jeśli siła sygnału jest mniejsza niż 6 (Rysunek 8A) lub wykryte zostaną artefakty ruchu (wskazywane przez nieciągłość naczyń krwionośnych) (Rysunek 8B).
    7. Zapisz wynik skanowania.
    8. Powtórz kroki od 3.1.1 do 3.1.7 dla drugiego oka.
    9. Wykonaj skan głowy nerwu wzrokowego za pomocą protokołu skanowania "Optic Disc Cube", wykonując kroki od 3.1.2 do 3.1.9 (Rysunki 7B i 7D).

figure-protocol-8
Rycina 8: Nieoptymalne wyniki optycznej koherentnej tomografii. Typowe nieoptymalne wyniki optycznej tomografii koherentnej (OCT) obejmują (A) słabą siłę sygnału (wartość siły <6) oraz (B) artefakty ruchu. Jakość skanowania powinna być sprawdzana natychmiast po uzyskaniu obrazu, a skanowanie należy powtórzyć w przypadku napotkania tych artefaktów. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

  1. Wygeneruj wydruk analityczny grubości GC-IPL plamki żółtej.
    1. Wybierz zapisy skanowania "Kostka plamki żółtej" obu oczu w interfejsie analizy.
    2. Kliknij "Analiza jednostki organizacyjnej komórek zwojowych", aby zainicjować algorytm automatycznej analizy w celu oceny grubości GC-IPL skanu (Rysunek 7E).
      Uwaga: Krok 3.2.2 jest automatycznie wykonywany przez algorytm analizy.
      1. Wygeneruj eliptyczny pierścień o średnicy 14,13 mm2 z centrem na dołku, który ma poziome promienie wewnętrzne i zewnętrzne odpowiednio 0,6 mm i 2,4 mm oraz pionowe promienie wewnętrzne i zewnętrzne odpowiednio 0,5 mm i 2,0 mm.
        nuta: Rozmiar i kształt eliptycznego pierścienia są ściśle zgodne z anatomią plamki żółtej, a tym samym odpowiadają obszarowi, w którym RGC są najgrubsze w normalnych oczach33,34. Obszar w wewnętrznym pierścieniu pierścienia nie jest mierzony, ponieważ GC-IPL w tym obszarze jest bardzo cienki.
      2. Podziel zewnętrzną granicę RNFL na segmenty i zewnętrzną granicę wewnętrznej warstwy splotowatej (IPL), aby zlokalizować GC-IPL (Rysunek 9).
      3. Zmierz średnią, minimalną i sześć sektorowych (nadskroniowych, górnych, nadnosowych, infernosowych, dolnych, dolno-skroniowych) grubości plamki żółtej GC-IPL w obrębie pierścienia eliptycznego skoncentrowanego na dołku.
      4. Porównaj zmierzone grubości GC-IPL z wewnętrzną normatywną bazą danych urządzenia dopasowaną do wieku i wygeneruj mapę odchyleń oraz mapę istotności
      5. Raportowanie wyników pomiarów na wydruku analizy.
    3. Zapisz wydruk analizy w formacie .pdf.

figure-protocol-9

Rysunek 9: Warstwy siatkówki używane do oceny struktury neuronalnej siatkówki. Warstwa włókien nerwowych siatkówki (RNFL) jest mierzona za pomocą algorytmu głowy nerwu wzrokowego (ONH), podczas gdy warstwa wewnętrzna komórki zwojowej jest mierzona za pomocą algorytmu analizy komórek zwojowych (GCA). Algorytm ONH dzieli wewnętrzną i zewnętrzną granicę RNFL w celu zmierzenia grubości RNFL. Algorytm GCA wykrywa zewnętrzną granicę warstwy włókien nerwowych siatkówki (RNFL) i wewnętrznej warstwy splotowatej (IPL), aby uzyskać łączną grubość warstwy komórek zwojowych (GCL) i IPL. Grubości GCL i IPL są mierzone razem, ponieważ granica między GCL i IPL jest anatomicznie niewyraźna. Jednak łączna grubość GCL i IPL (tj. GC-IPL) nadal wskazuje na stan zdrowia RGC. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

  1. Wygeneruj wydruk analizy grubości RNFL (Rysunek 7F).
    1. Wybierz zapisy skanowania "Optic Disc Cube" obu oczu w interfejsie analizy.
    2. Kliknij "Analiza ONH i RNFL OU", aby zainicjować algorytm automatycznej analizy w celu oceny grubości skanowania RNFL.
      nuta: Kroki od 3.3.2.1 do 3.3.2.6 mogą być automatycznie wykonywane przez algorytm analizy.
      1. Zmierz grubość RNFL w każdym punkcie skanowania i wygeneruj mapę grubości RNFL.
      2. Zidentyfikuj tarczę nerwu wzrokowego, wykrywając ciemną plamę w pobliżu środka skanu, której rozmiar i kształt są zgodne z zasięgiem tarczy nerwu wzrokowego.
      3. Umieść siatkę pomiarową o średnicy 3,46 mm wokół tarczy nerwu wzrokowego na mapie grubości RNFL.
      4. Zmierz i oblicz globalne, czteroćwiartkowe grubości RNFL (skroniowe, górne, nosowe i dolne) oraz dwunastogodzinne przybrodawkowate grubości RNFL siatki pomiarowej.
      5. Porównaj zmierzone grubości RNFL z wewnętrzną normatywną bazą danych urządzenia dopasowaną do wieku i wygeneruj mapę odchyleń i mapę istotności.
      6. Raportowanie wyników pomiarów na wydruku analizy.
    3. Zapisz wydruk analizy w formacie .pdf.

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

Results

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

figure-results-1
Rysunek 10: Przykład pokazujący różnice w unaczynieniu siatkówki między normalnym pacjentem a osobą z AD. W porównaniu z normalnym obiektem, zdjęcie dna oka osoby z AD wykazało węższe kalibry naczyń (CRAE strefy B, 116,4 μm vs. 156,4 μm; CRVE strefy B, 186,9 μm vs. 207,5 μm; CRAE strefy C, 138,5 μm vs. 165,8 μm; CRVE strefy C, 20...

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

Discussion

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

Protokół ten opisuje procedury ilościowego określania zmian neuronalnych i naczyniowych w siatkówce in vivo. Ponieważ siatkówka ma podobne pochodzenie embriologiczne, cechy anatomiczne i właściwości fizjologiczne z mózgiem, te zmiany w siatkówce mogą odzwierciedlać podobne zmiany w unaczynieniu i strukturze neuronalnej w mózgu.

Jak pokazano na rycinie 10 i w tabeli 1, osoba z chorobą Alzheimera wykazywała zmniejszone kalibry naczyń w poró...

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

Disclosures

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

Jeśli chodzi o potencjalne powiązania finansowe, autor Tien Y. Wong jest współtwórcą programu Singapore I Vessel Assessment (SIVA) użytego w tym artykule.

Acknowledgements

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

Chcielibyśmy wyrazić naszą wdzięczność Szkole Informatyki, Narodowemu Uniwersytetowi Singapuru za wsparcie techniczne oraz Funduszowi Badań Zdrowotnych i Medycznych (04153506), Hong Kong za wsparcie finansowe.

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

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
Kamera siatkówki bez rozszerzenia źrenic Topcon, Inc, Tokio, JaponiaTRC 50DX N/a
Singapore I Vessel Assessment ProgramNarodowy Uniwersytet SingapuruWersja 4.0N/A
CIRRUS HD-OCT Carl Zeiss Meditec, Inc, Dublin, CAModel 4000N/A
Środki zwiększające źrenice N/AN/DPrzygotowany z 1% tropikamidu i 2,5% chlorowodorku fenylefryny

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

Retinal ImagingDementia StudyFundus PhotographyOptical Coherence TomographyVascular AnalysisNeuronal StructureRetinal VasculatureComputer Assisted AnalysisRetinal Imaging TechniquesDementia Biomarkers

Related Articles