Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.

Artykuł metodologiczny

Wykorzystanie obrazowania siatkówki do badania demencji

21.3K wyświetleń

⸱

DOI:

10.3791/56137

⸱

6 listopada 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

W tym artykule

Podsumowanie

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.

Streszczenie

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.

Wprowadzenie

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.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

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

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

1. Przygotowanie osobników do obrazowania siatkówki

  1. Rozszerzyć źrenice badanych przy użyciu środka mydrytycznego. Odczekać co najmniej 15 min do uzyskania wystarczającego rozszerzenia źrenic.

2. Pomiar parametrów naczyń siatkówki na podstawie zdjęć dna oka z wykorzystaniem programu do analizy wspomaganej komputerowo

Proces fotografowania tarczy nerwu wzrokowego; etapy fotografii dna oka; analiza naczyń siatkówki; przesyłanie do chmury; oprogramowanie SIVA.
Rycina 1: Schemat przedstawiający procedury pomiaru parametrów naczyniowych siatkówki. (A) Wykonanie fotografii dna oka wycentrowanych na tarczy nerwu wzrokowego przy użyciu kamery do dna oka. Rycina 1A oraz Rycina 2A przedstawiają dwie fotografie dna oka o optymalnej jakości. (B) Przesłanie fotografii dna oka na serwer w chmurze i wprowadzenie odpowiednich szczegółów badania, w tym współczynnika konwersji obrazu (ICF). Inne programy do analizy wspomaganej komputerowo mogą wykorzystywać metody pozachmurowe do organizacji i przechowywania obrazów. (C) Otwarcie fotografii dna oka w programie do analizy wspomaganej komputerowo. (D) Zaznaczenie położenia środka tarczy nerwu wzrokowego oraz (E) uruchomienie funkcji automatycznego wykrywania brzegu tarczy nerwu wzrokowego i rozmieszczenia siatki pomiarowej przez oprogramowanie. (F) Wykreślenie przebiegu naczyń na podstawie ich toru oraz nałożenie pokryw naczyniowych w celu oszacowania średnic naczyń. (G) Ręczna korekta błędnych przebiegów naczyń i pokryw naczyniowych. (H) Pomiar szeregu parametrów naczyniowych siatkówki, w tym kalibrów naczyń, krętości, wymiaru fraktalnego i bifurkacji. Kroki od (D) do (F) oraz krok (H) mogą być automatycznie wykonywane przez niektóre programy do analizy wspomaganej komputerowo. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

  1. Wykonaj zdjęcia dna oka za pomocą kamery dna oka.
    1. Włącz aparat do zdjęć dna oka i uruchom program do przechwytywania obrazów na komputerze. Oprzyj podbródek badanego prawidłowo na podparciu dla podbródka, a czoło dosuń do paska stabilizującego głowę. Przesuń dźwignię sterującą, aby odpowiednio skierować wiązkę światła na źrenicę badanego.
    2. Ustaw punkty podświetlenia tak, aby po obu stronach w wizjerze wydawały się one jak najmniejsze. Przesuwaj zewnętrzny punkt fiksacji, aby prowadzić oczy badanego, aż tarcza nerwu wzrokowego znajdzie się w centrum wizjera, a obszary zainteresowania (ROI) będą w całości mieścić się w jego granicach. Przekręć pokrętło ostrości, aby ustawić ostrość na siatkówce.
    3. Należy polecić badanemu, aby uważnie patrzył na zewnętrzny cel fiksacyjny, i upewnić się, że oczy badanego nie są załzawione.
    4. Naciśnij przycisk spust migawki, aby wykonać zdjęcie (Rycina 1A).
    5. Sprawdzić jakość wykonanej fotografii dna oka, korzystając z Rysunek 2A jako standard. Odrzuć obraz i powtórz proces akwizycji obrazu (tj. kroki od 2.1.1 do 2.1.4), jeśli źrenica jest niewystarczająco rozszerzona (Rycina 2B), tarcza nerwu wzrokowego nie znajduje się w centrum obrazu (Rycina 2C), lub obraz jest nieostry (Rysunek 2D).
    6. Zapisz obraz w formacie TIFF z rozdzielczością umożliwiającą ocenę (t. j., około 3000 pikseli x 2000 pikseli, przy rozdzielczości powyżej 150 dpi).
      Uwaga: W tym miejscu protokół można przerwać.
    7. Powtórz kroki od 2.1.1 do 2.1.6, aby wykonać zdjęcia dna oka pozostałych badanych.
    8. Wybierz losową próbkę 10% obrazów i zmierz wysokość tarczek optycznych na tych obrazach (Rycina 3). Oblicz współczynnik konwersji obrazu (ICF), korzystając ze wzoru:
      ICF = 1,800 µm(Średnia wysokość w pikselach tarczek optycznych na pobranych obrazach).
    9. Prześlij wykonane zdjęcia dna oka na serwer w chmurze i wprowadź odpowiednie szczegóły badania, w tym współczynnik konwersji obrazu (ICF) (Rycina 1B).
      Uwaga: Na tym etapie protokół można przerwać. Inne programy do analizy wspomaganej komputerowo mogą wykorzystywać inne metody nieoparte na chmurze w celu organizacji obrazów i rejestracji ICF.

Schemat obrazowania siatkówki pokazujący warianty: optymalny, słaba rozszerzenie źrenicy, poza centrum i rozmyta ostrość.
Rycina 2: Zdjęcia dna oka o jakości optymalnej i suboptymalnej. Jakość obrazu zdjęcia dna oka musi zostać sprawdzona natychmiast po jego wykonaniu, ponieważ wpływa ona bezpośrednio na późniejszy pomiar parametrów naczyniowych siatkówki. Obraz należy odrzucić, jeśli zaobserwowano którykolwiek z tych artefaktów. Zdjęcia te zostały wykonane przy użyciu kamery do dna oka o polu widzenia 50°. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Schemat procesu obrazowania siatkówki; obliczanie ICF przy użyciu równania wysokości tarczy optycznej, 1800µm/h.
Rycina 3: Obliczanie współczynnika konwersji obrazu (ICF). Aby obliczyć ICF, należy losowo wybrać próbkę 10% obrazów z badania (krok 1). Następnie należy zmierzyć wysokość tarcz optycznych (w pikselach) na wybranych obrazach (krok 2). ICF oblicza się według wzoru: ICF = 1800 µm / (średnia wysokość w pikselach tarcz optycznych na wybranych obrazach), gdzie 1800 µm to przybliżona wysokość prawidłowej tarczy optycznej (krok 3). Ponieważ efekt powiększenia i rozdzielczość obrazu różnią się w zależności od kamery, konieczne jest obliczenie dokładnego ICF dla każdej użytej kamery. Aby wyświetlić powiększoną wersję tej ryciny, kliknij tutaj.

  1. Otwórz zdjęcie dna oka w programie do analizy wspomaganej komputerowo. Wykonaj obrysowanie naczyń i nałóż maski naczyń dla naczyń siatkówki.
    Uwaga: W tej sekcji program SIVA służy do zilustrowania procedur. Program SIVA można jednak zastąpić innymi dostępnymi programami do analizy wspomaganej komputerowo. Ponadto kroki 2.2.2 do 2.2.3 są automatycznie wykonywane przez niektóre programy do analizy wspomaganej komputerowo podczas otwierania zdjęcia dna oka (tzn. krok 2.2.1).
    1. Otwórz zdjęcie dna oka za pomocą programu do analizy wspomaganej komputerowo (Rycina 1C).
    2. Zaznacz położenie środka tarczy nerwu wzrokowego (Rycina 1D).
      1. Kliknij przycisk „OD Center” na lewym panelu funkcji; kursor myszy zostanie zastąpiony zielonym okręgiem.
      2. Przesuń zielony okrąg na środek tarczy nerwu wzrokowego (OD) i kliknij lewym przyciskiem myszy, aby go utrwalić.
      3. Zleć oprogramowaniu automatyczne umieszczenie siatki pomiarowej, wykonanie obrysowania naczyń i nałożenie masek naczyń (Rycina 1E i 1F).
        Uwaga: Maski naczyń są liniami pomiarowymi, które szacują przybliżoną szerokość wewnętrznych świateł naczyń.
        1. Kliknij przycisk „Find OD”, aby zlecić oprogramowaniu wykrycie brzegu tarczy nerwu wzrokowego i umieszczenie czterech koncentrycznych okręgów jako siatki pomiarowej w oparciu o pozycję środka tarczy.
        2. Kliknij przycisk „Process”, aby rozpocząć automatyczny proces obrysowywania naczyń.
  2. Ręcznie skoryguj błędne obrysy naczyń. Inspekcję rozpocznij od pozycji godziny 12:00, przesuwając się zgodnie z ruchem wskazówek zegara, aby upewnić się, że wszystkie obrysy naczyń zostały zweryfikowane.
    1. Sprawdź, czy tarcza nerwu wzrokowego została dokładnie wykryta i czy siatka pomiarowa jest prawidłowo rozmieszczona. Skoryguj ręcznie siatkę pomiarową zgodnie z krokami 2.2.2 do 2.2.3, jeśli najbardziej wewnętrzny okrąg nie obrysowuje dokładnie brzegu tarczy nerwu wzrokowego (Rycina 4A).
    2. Kliknij lewym przyciskiem myszy, aby wybrać obrys (obrysy) naczyń oznaczonych błędnym typem naczynia (tętniczki względem żyłek) i kliknij przycisk „Vessel (T)ype”, aby zmienić typ naczynia.
      Uwaga: Tętniczki są oznaczone na czerwono, a żyłki na niebiesko. Tętniczki można odróżnić od żyłek na podstawie różnic fizjologicznych. Na przykład żyłki są zazwyczaj ciemniejsze i szersze niż tętniczki. Naczynia tego samego typu zazwyczaj nie przecinają się nawzajem.
    3. Przedłuż niepełne obrysy naczyń zgodnie z krokami 2.3.3.1 do 2.3.3.2 (Rycina 4B).
      1. Użyj kursora, aby kliknąć w dystalny koniec niepełnego obrysu naczynia. Klikaj lewym przyciskiem myszy w punktach wzdłuż przebiegu naczynia, aby przedłużyć obrys.
      2. Przerwij proces obrysowywania po dotarciu do dystalnego końca naczynia. Przerwij obrysowanie na zewnętrznym białym okręgu, jeśli dystalna część naczynia znajduje się poza siatką pomiarową (patrz Rycina 4B).
    4. Skoryguj obrysy naczyń, jeśli przebiegi naczyń nie zostały prawidłowo obrysowane w miejscu przecięcia (Rycina 4C).
      1. Kliknij przycisk „Select”, a następnie kliknij w błędny punkt obrysu naczynia. Kliknij przycisk „Brea(k) Seg”, aby rozłączyć obrys naczynia w wybranym punkcie. Wybierz rozłączony segment i kliknij przycisk „(Del) Seg”, aby go usunąć.
      2. Wykonaj ponownie nowy obrys naczynia, korzystając z kroków 2.3.3.1 i 2.3.3.2.

Błędy detekcji tarczy nerwu wzrokowego przed i po korekcie; śledzenie przebiegu naczyń w badaniu schematu oka.
Rycina 4: Typowe błędy automatycznego śledzenia. Automatyczne śledzenie naczyń nie jest całkowicie dokładne i wymagane są korekty ręczne, aby zapewnić precyzję pomiarów. Rycina ta przedstawia typowe błędy automatycznego śledzenia i demonstruje optymalne wyniki po korektach ręcznych. (A) Środek tarczy nerwu wzrokowego jest błędnie zaznaczony, co prowadzi do odchylenia siatki pomiarowej, co może wpłynąć na kolejne pomiary. W idealnym przypadku wewnętrzny okrąg siatki pomiarowej powinien obrysowywać brzeg tarczy nerwu wzrokowego. (B) Niepełne śledzenie naczyń może prowadzić do błędnego pomiaru wymiaru fraktalnego, krętości itp. Przebieg naczynia należy śledzić aż do jego końca. Jeśli dystalna część naczynia znajduje się poza siatką pomiarową, śledzenie można przerwać na zewnętrznym białym okręgu. (C) Śledzenie naczyń w miejscach skrzyżowań jest bardziej podatne na błędy i wymaga zatem szczególnej uwagi. Kliknij tutaj, aby zobaczyć większą wersję tej ryciny.

  1. Nałóż pokrywy naczyń na wszystkie segmenty naczyń i ręcznie dezaktywuj nieprawidłowe pokrywy.
    1. Kliknij przycisk „Find Covers”, aby automatycznie nałożyć pokrywy naczyń na wszystkie segmenty naczyń.
    2. Sprawdź, czy wszystkie pokrywy naczyń są rozmieszczone prawidłowo. Kliknij lewym przyciskiem myszy i przeciągnij kursor, aby dezaktywować pokrywy naczyń, jeśli nie są one ułożone prostopadle do ścian naczyń (Rycina 5A), przebieg naczynia jest przesłonięty przez inne naczynie (Rycina 5B) lub pokrywy zawyżają bądź zaniżają szerokość światła naczynia (Rycina 5C).

Schemat analizy napięcia linii szwów; wyrównanie wektorów wskazuje rozkład naprężeń mechanicznych.
Rycina 5: Nieprawidłowe pokrycia naczyń. Na tej rycinie przedstawiono przykłady nieprawidłowych pokryć naczyń, które powinny zostać dezaktywowane i wykluczone z późniejszego pomiaru. Pokrycia naczyń należy dezaktywować, jeśli nie są one prostopadłe do naczyń (A). Ponadto pokrycia naczyń należy dezaktywować, gdy śledzone naczynie jest przesłonięte przez inne naczynie (B) lub gdy pokrycia naczyń nie oddają przybliżonej szerokości naczynia (C). Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tej ryciny.

  1. Pomiar parametrów naczyniowych siatkówki na podstawie obrysów i pokryw naczyniowych
    Uwaga: Krok 2.5 jest wykonywany automatycznie przez program analizy wspomaganej komputerowo.
    1. Wyznacz obszar oddalony o 0,5–1,0 średnicy tarczy optycznej od jej brzegu jako strefę B oraz obszar oddalony o 0,5–2,0 średnicy tarczy optycznej od jej brzegu jako strefę C18 (Rysunek 6A), zgodnie z zmodyfikowanym protokołem badania Atherosclerosis Risk in Communities (ARIC)19.
    2. Zmierz kaliber naczyń siatkówki w strefie B i strefie C, stosując powszechnie przyjętą metodę zmodyfikowaną na podstawie badania ARIC19,20,21,22,23,24,25,26 (Rysunek 6B).
      1. Zmierz długości pokryw naczyniowych sześciu największych tętniczek i sześciu największych żyłek, aby oszacować kalibry naczyń siatkówki.
      2. Podsumuj kalibry tętniczek i żyłek siatkówki odpowiednio jako ekwiwalent centralnej tętnicy siatkówki (CRAE) oraz ekwiwalent centralnej żyły siatkówki (CRVE)17, stosując zrewidowany wzór Knudtsona–Parra-Hubbarda18,19.
    3. Zidentyfikuj wszystkie naczynia w strefie C o szerokości >40 µm. Oblicz krętość tętniczek i żyłek siatkówki z całki całkowitego kwadratu krzywizny wzdłuż obrysów naczyń i znormalizuj tę wartość poprzez całkowitą długość łuku, wygięcie oraz punkty przegięcia27,28.
    4. Oblicz całkowity, tętniczkowy i żyłkowy wymiar fraktalny w strefie C, stosując uznaną „metodę zliczania pudełek” (box-counting method)29,30,31.
      1. Podziel obraz na serię kwadratów o tej samej wielkości.
      2. Policz liczbę pudełek zawierających fragment obrysów naczyń.
      3. Powtórz proces, stosując serię kwadratów o tej samej wielkości, ale o różnych rozmiarach.
      4. Nanieś logarytm liczby pudełek zawierających obrysy naczyń w funkcji logarytmu rozmiaru pudełek i oblicz nachylenie wynikowej prostej; jest to wymiar fraktalny.
    5. Zidentyfikuj naczynia z pierwszą bifurkacją w strefie C i oblicz kąty (θ) rozwarte między dwoma pierwszymi naczyniami potomnymi32 (Rysunek 6C). Oblicz wartość średnią, aby uzyskać średni kąt rozgałęzienia.
    6. Oblicz współczynnik rozgałęzienia w strefie C za pomocą wzoru:
      (d12 + d22)/d02, gdzie d0 to średni kaliber pnia, a d1 i d2 to średnie kalibry gałęzi (Rysunek 6C).
  2. Zamknij okno oceny. Kliknij „send” w wyświetlonym oknie dialogowym, aby przesłać oceniony obraz na serwer w chmurze i zapisać automatycznie zmierzone parametry naczyniowe siatkówki.

Schemat stref obrazowania siatkówki, analiza krzywizny naczyń i pomiar kątów w badaniach okulistycznych.
Rycina 6: Ilościowa analiza naczyń krwionośnych siatkówki. (A) Strefa B (zdefiniowana jako obszar oddalony od brzegu tarczy od 0,5 do 1,0 średnicy tarczy) służy do pomiaru kalibru naczyń w strefie B zgodnie z badaniem Atherosclerosis Risk in Communities Study. Strefa C (zdefiniowana jako obszar oddalony od brzegu tarczy od 0,5 do 2,0 średnicy tarczy) służy do pomiaru kalibru naczyń w strefie C oraz szerokiego spektrum parametrów sieci naczyniowej siatkówki (takich jak krętość, wymiar fraktalny i bifurkacja). (B) Pokrywy naczyniowe to linie pomiarowe używane do szacowania kalibru (lub średnic) naczyń siatkówki. Nieprawidłowe pokrywy naczyniowe powinny zostać ręcznie wykluczone z pomiaru. (C) Dla wszystkich naczyń, których pierwsza bifurkacja znajduje się w strefie C, program automatycznie mierzy kąty rozgałęzienia (θ) pierwszej bifurkacji. Dodatkowo obliczany jest współczynnik rozgałęzienia według wzoru: współczynnik rozgałęzienia = (d12 + d22)/d02, gdzie d0 to kaliber pnia, a d1 i d2 to kalibry gałęzi. Aby zobaczyć powiększoną wersję tej ryciny, kliknij tutaj.

3. Ocena grubości GC-IPL i RNFL

Proces optycznej koherentnej tomografii, od akwizycji obrazu do analizy, protokoły dla plamki i tarczy nerwu wzrokowego.

Rycina 7: Schemat przedstawiający procedury pomiaru grubości RNFL i GC-IPL. Optyczna koherentna tomografia (OCT) może być wykorzystana do pomiaru grubości warstwy komórek zwojowych i wewnętrznej warstwy splotowej (GC-IPL) oraz warstwy włókien nerwowych siatkówki (RNFL). (A, B) Pomiar grubości GC-IPL i RNFL przeprowadza się odpowiednio przy użyciu wbudowanych protokołów skanowania „macular cube” oraz „optic disc cube”. (C, D) Jakość obrazu należy sprawdzić niezwłocznie po jego pozyskaniu. Obraz należy odrzucić i powtórzyć skanowanie, jeśli natężenie sygnału jest mniejsze niż 6 lub wykryto artefakty ruchowe. (E, F) Następnie należy uruchomić wbudowany program analizy, aby automatycznie przeanalizować wynik skanowania i wygenerować raport do interpretacji. Aby wyświetlić większą wersję tej ryciny, kliknij tutaj.

  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 (Rysunek 7A).
    2. Zlokalizuj źrenicę w oknie podglądu tęczówki, regulując podpieranie brody. Zmniejsz natężenie oświetlenia, jeśli źrenica jest zbyt mała.
    3. Kliknij przycisk „Auto Focus”, a następnie przycisk „Optimize”, aby poprawić jakość obrazu.
    4. Poproś badanego o mrugnięcie kilka razy bezpośrednio przed rozpoczęciem skanowania.
    5. Kliknij przycisk „Capture”, aby rozpocząć skanowanie, gdy obramowanie przycisku zmieni kolor na zielony. Poproś badanego o skupienie wzroku na celu fiksacyjnym podczas akwizycji obrazu, aby uniknąć artefaktów ruchowych.
    6. Oceń jakość skanu, przyjmując Rysunek 7C jako wzorzec. Odrzuć wynik skanowania i powtórz procedurę, jeśli siła sygnału jest mniejsza niż 6 (Rysunek 8A), lub jeśli wykryto artefakty ruchowe (wskazane przez przerwanie ciągłości naczyń krwionośnych) (Rysunek 8B).
    7. Zapisz wynik skanowania.
    8. Powtórz kroki od 3.1.1 do 3.1.7 dla drugiego oka.
    9. Wykonaj skanowanie głowy nerwu wzrokowego z protokołem „Optic Disc Cube”, postępując zgodnie z krokami od 3.1.2 do 3.1.9 (Rysunki 7B i 7D).

Schemat OCT; analiza siły sygnału siatkówkowego i artefaktów ruchu; system obrazowania oka.
Rysunek 8: Suboptymalne wyniki optycznej koherentnej tomografii.** Typowe suboptymalne wyniki w optycznej koherentnej tomografii (OCT) obejmują (A) słabą siłę sygnału (wartość siły <6) oraz (B) artefakty ruchu. Jakość skanu powinna zostać sprawdzona niezwłocznie po akwizycji obrazu, a skan należy powtórzyć w przypadku wystąpienia tych artefaktów. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

  1. Wygeneruj wydruk analizy grubości GC-IPL plamki żółtej.
    1. W interfejsie analizy wybierz rekordy skanowania „Macular Cube” dla obu oczu.
    2. Kliknij „Ganglion Cell OU Analysis”, aby uruchomić automatyczny algorytm analizy służący do oceny grubości GC-IPL w skanie (Rycina 7E).
      Uwaga: Krok 3.2.2 jest automatycznie wykonywany przez algorytm analizy.
      1. Wygeneruj pierścień eliptyczny o powierzchni 14,13 mm2 wycentrowany na dołku centralnym, o poziomych promieniach wewnętrznym i zewnętrznym wynoszących odpowiednio 0,6 mm i 2,4 mm oraz pionowych promieniach wewnętrznym i zewnętrznym wynoszących odpowiednio 0,5 mm i 2,0 mm.
        Uwaga: Rozmiar i kształt pierścienia eliptycznego ściśle odpowiadają anatomii plamki żółtej, a tym samym obszarowi, w którym RGC są najgrubsze w prawidłowych oczach33,34. Obszar wewnątrz wewnętrznego pierścienia nie jest mierzony, ponieważ GC-IPL w tym miejscu jest bardzo cienka.
      2. Wyznacz zewnętrzną granicę RNFL oraz zewnętrzną granicę warstwy splotowej wewnętrznej (IPL), aby zlokalizować GC-IPL (Rycina 9).
      3. Zmierz średnią, minimalną oraz grubości w sześciu sektorach (superotemporelnym, górnym, superonazalnym, inferonazalnym, dolnym i inferotemporelnym) macular GC-IPL w obrębie pierścienia eliptycznego wycentrowanego na dołku centralnym.
      4. Porównaj zmierzone grubości GC-IPL z wewnętrzną normatywną bazą danych urządzenia, dopasowaną do wieku, i wygeneruj mapę odchyleń oraz mapę istotności.
      5. Przedstaw wyniki pomiarów na wydruku analizy.
    3. Zapisz wydruk analizy w formacie .pdf.

Schemat optycznej koherentnej tomografii; warstwy siatkówki, włókna nerwowe, warstwy splotowate, obrazowanie oka.

Rysunek 9: Warstwy siatkówki wykorzystywane do oceny struktury neuronalnej siatkówki. Warstwę włókien nerwowych siatkówki (RNFL) mierzy się przy użyciu algorytmu głowy nerwu wzrokowego (ONH), natomiast warstwę komórek zwojowych i wewnętrzną warstwę splotową mierzy się za pomocą algorytmu analizy komórek zwojowych (GCA). Algorytm ONH segmentuje wewnętrzną i zewnętrzną granicę RNFL, aby zmierzyć jej grubość. Algorytm GCA wykrywa zewnętrzną granicę warstwy włókien nerwowych siatkówki (RNFL) oraz wewnętrzną warstwę splotową (IPL), aby uzyskać łączną grubość warstwy komórek zwojowych (GCL) i IPL. Grubość GCL i IPL jest mierzona wspólnie, ponieważ granica między GCL a IPL jest anatomicznie niewyraźna. Niemniej jednak, łączna grubość GCL i IPL (i.e. GC-IPL) jest nadal wskaźnikiem stanu zdrowia RGC. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

  1. Wygeneruj wydruk analizy grubości RNFL (Rysunek 7F).
    1. W interfejsie analizy zaznacz rekordy skanowania „Optic Disc Cube” dla obu oczu.
    2. Kliknij „ONH and RNFL OU Analysis”, aby uruchomić automatyczny algorytm analizy w celu oceny grubości RNFL w skanie.
      Uwaga: Kroki od 3.3.2.1 do 3.3.2.6 mogą zostać wykonane automatycznie przez algorytm analizy.
      1. Zmierz grubość RNFL w każdym punkcie skanowania i wygeneruj mapę grubości RNFL.
      2. Zidentyfikuj tarczę optyczną poprzez wykrycie ciemnej plamy w pobliżu centrum skanu, której rozmiar i kształt odpowiadają zakresowi tarczy optycznej.
      3. Umieść siatkę pomiarową o średnicy 3.46 mm wokół tarczy optycznej na mapie grubości RNFL.
      4. Zmierz i oblicz globalną, czterokwadrantową (skroniową, górną, nosową i dolną) oraz dwunastogodzinną parapapilarną grubość RNFL w obrębie siatki pomiarowej.
      5. Porównaj zmierzone grubości RNFL z wewnętrzną normatywną bazą danych urządzenia, dopasowaną do wieku, a następnie wygeneruj mapę odchyleń i mapę istotności.
      6. Przedstaw wyniki pomiarów na wydruku analizy.
    3. Zapisz wydruk analizy w formacie .pdf.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

Obrazy siatkówki: osoba zdrowa vs. osoba z AD; analiza porównawcza, diagnostyka okulistyczna.
Rycina 10: Przykład przedstawiający różnice w unaczynieniu siatkówki między osobą zdrową a osobą z AD. W porównaniu z osobą zdrową, zdjęcie dna oka osoby z AD wykazało węższe kalibry naczyń (CRAE w strefie B, 116.4 µm

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

Niniejszy protokół opisuje procedury ilościowej oceny zmian neuronalnych i naczyniowych w siatkówce in vivo. Ponieważ siatkówka wykazuje podobne pochodzenie embrionalne, cechy anatomiczne i właściwości fizjologiczne co mózg, zmiany w siatkówce mogą odzwierciedlać analogiczne zmiany w strukturze naczyniowej i neuronalnej mózgu.

Jak pokazano na Rysunku 10 i w Tabeli 1, u pacjenta z AD zaobserwowano zmniejszenie kalibru naczyń w porównaniu z...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

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

Podziękowania

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

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
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

Bibliografia

  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).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Tagi

Badanie demencjifotografia dna okaoptyczna koherentna tomografiaanaliza naczyniowastruktura neuronalnaunaczynienie siatkówkianaliza wspomagana komputerowotechniki obrazowania siatkówkibiomarkery demencji
Wykorzystanie obrazowania siatkówki do badania demencji
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.