망막 화상 진 찰을 사용 하 여 치 매 공부 하기

Medicine

Your institution must subscribe to JoVE's Medicine section to access this content.

Fill out the form below to receive a free trial or learn more about access:

 

Summary

망막 뇌와 눈에 띄는 유사성을 공유 하 고 따라서 비 접촉 맥 관 구조와 뇌의 신경 구조를 공부 하는 독특한 창을 나타냅니다. 이 프로토콜에는 망막 이미징 기술을 사용 하 여 치 매를 공부 하는 방법을 설명 합니다. 이 방법은 잠재적으로 치 매 진단 및 위험 평가에 도움이 됩니다.

Cite this Article

Copy Citation | Download Citations

Chan, V. T., Tso, T. H., Tang, F., Tham, C., Mok, V., Chen, C., Wong, T. Y., Cheung, C. Y. Using Retinal Imaging to Study Dementia. J. Vis. Exp. (129), e56137, doi:10.3791/56137 (2017).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

망막은 독특한 "창" 중앙 신경 조직 (CNS)의 확장 이며 embryological 기원, 해 부 특징의 관점에서 뇌와 눈에 띄는 유사성을 공유로 치 매는 뇌에서의 병 태 생리 과정을 공부 하 고 생리 적 속성입니다.  망막의 혈관과 신경 구조 비 접촉 사용 하 여 쉽게 시각 망막 이미징 기술, 저 사진 등 광학 일관성 단층 촬영 (OCT), 그리고 반자동으로 사용 하 여 측정할 수 있습니다. 컴퓨터 기반 분석 프로그램입니다. 망막의 혈관과 신경 변화 및 치 매 사이 연결 공부 수 치 매에 대 한 우리의 이해를 향상 하 고, 잠재적으로, 진단 및 위험 평가에.  이 프로토콜 측정 하 고 잠재적으로 치 매와 관련 된 망막 맥 관 구조 및 신경 구조를 분석 하는 방법을 설명 하는 것을 목표로. 이 프로토콜도 치 매, 망막 과목 변경의 예를 제공 하 고 기술 문제 및 망막 화상의 현재 제한 사항에 설명 합니다.

Introduction

때문에 평균 수명 증가, 치 매 주요 의료 문제, 중요 한 사회에 기여 하 고 경제 건강 부담 세계적으로1,2,3,,45. 오늘, 미국에서 사람이 Alzheimer의 질병 (광고), 치 매, 모든 66 s6의 가장 일반적인 형태는 발전 한다. 그것은 2050 년까지 115 백만 사람들 것 이다 영향을 받을 광고7추정 되었다.

망막 뇌와 비슷한 해 부 및 생리 적 속성으로 인해 치 매 연구에 독특한 "창"을 제공 합니다. 맥 관 구조, 망막 arterioles 및 venules, 100 ~ 300 µ m 직경, 측정 끝 arterioles anastomoses, 장벽 기능 및 자동 제어8, 등 대뇌 작은 혈관과 비슷한 기능을 공유 9. 신경 구조, 망막 절 셀 (RGCs) 중앙 신경 시스템 (CNS) 10에에서 신경을 가진 일반적인 속성을 공유. 그들이 형성 측면 geniculate 핵을 우량한 colliculus 망막에서 시 신경 및 프로젝트 시각적 신호는 RGCs 눈에 띄게 두뇌와 연결 됩니다. 시 신경, CNS에 많은 신경 섬유와 유사한 oligodendrocytes에 의해 myelinated 이며 ensheathed meningeal 계층에 있습니다. 특히, 시 신경에 대 한 모욕이 될 수 있습니다 유사한 응답 다른 CNS 축 삭에서 관찰와 같은 역행 및 축 삭, 흉터 형성, myelin 파괴, 2 차 변성 및 科의 비정상적인 수준 참가자 변성 요인과 신경 전달 물질11,12,,1314. 일부 광고 환자에 시각적인 증 후의 외관 또한 망막 및 두뇌15,16간의 강력한 연결에 의해 설명 수 있습니다. 결과적으로, 그것은 제안 되었습니다 망막 치 매는 뇌에서의 병 적인 프로세스를 반영 수 있습니다 및 망막 화상 치 매 연구에 사용할 수 있습니다.

망막 맥 관 구조 및 신경 구조 지금 비 접촉 망막 이미징 기술을 사용 하 여 구상 될 수 있다. 예를 들어, 망막 저 사진 저 카메라를 사용 하 여 캡처할 수 있습니다 및 망막 맥 관 구조 (예: 선박 구경, tortuosity, 그리고 프랙탈 차원)의 특성 수 다음 측정할 수 컴퓨터 기반 분석을 사용 하 여 프로그램입니다. 또한, 매개 변수 (예: 신경 절의 세포 내 plexiform 레이어 [GC-IPL] 및 망막 신경 섬유 층 [RNFL]의 두께) 망막 신경 구조 또한 광학 일관성 단층 촬영 (OCT)를 사용 하 여 측정 될 수 있다 및 내장을 사용 하 여 정량 분석 알고리즘입니다.

치 매를 공부 하 고 망막 화상의 중요성에 비추어이 프로토콜 이미징 및 망막 맥 관 구조 및 신경 구조에 vivo에서 망막 이미징 기술을 사용 하 여 분석 하는 방법을 설명 하는 것을 목표로. 이 프로토콜도 치 매, 망막 과목 변경의 예를 제공 하 고 기술 문제 및 망막 화상의 현재 제한 사항에 설명 합니다.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

여기에서 설명한 모든 방법을 홍콩에서 지역 임상 연구 윤리 위원회에 의해 승인 되었습니다.

참고: 단순, 장비 재료의 테이블에에서 나열 된 망막 이미징 및 후속 분석의 절차를 설명 하기 위해 사용 됩니다. 망막 혈관 매개 변수 측정 싱가포르 I 선박 평가 프로그램 (시바) 17 (버전 4.0, 국립 싱가포르 대학교, 싱가포르)를 사용 하 여 보여 줍니다. 그러나, 주목 해야 한다 기본 원칙 남아 비슷한 다른 장비 세트를 채택 될 수.

1. 망막 이미징에 대 한 주제를 준비

  1. 같은데요 과목 ’ mydriatic 에이전트를 사용 하 여 학생. 충분 한 눈동자 팽창 설정 하 15 분 이상 기다립니다.

2. 저 사진 사용 하 여 컴퓨터 기반 분석 프로그램에서 망막 혈관 매개 변수 측정

Figure 1
그림 1: 망막 혈관 파라미터 측정의 절차를 보여주는 회로도. (A) 받기 광학 디스크 중심 저 사진 저 카메라를 사용 하 여. 그림 1A 그림 2A는 최적의 품질로 두 저 사진입니다. (B)는 클라우드 기반 서버에 저 사진을 업로드 하 고 이미지 변환 계수 (ICF)을 포함 하 여 관련 연구 정보를 입력. 다른 컴퓨터 기반 분석 프로그램 구성 하 고 이미지 저장 클라우드 기반 메서드를 사용할 수 있습니다. (C) 컴퓨터 기반 분석 프로그램에서 저 사진 엽니다. (D) 마크 광학 디스크 센터의 위치 및 (E) 소프트웨어를 자동으로 광학 디스크의 가장자리를 감지 하 고 측정 눈금을 배치 하 라는 메시지가. (F) 구조 선박 경시 선박 경로에 기반 하 고 배를 누워 추정 혈관의 직경을 다루고 있습니다. (G) 조정 잘못 된 선박 경시와 배 수동으로 커버. (H) 측정 스펙트럼을 망막 혈관 매개 변수, 선박 개조, tortuosity, 프랙탈 차원 및 분기를 포함 합니다. (D) 단계 단계 (F), 그리고 (H) 단계를 일부 컴퓨터 기반 분석 프로그램에 의해 자동으로 수행할 수 있습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

  1. 저 사진 저 카메라를 사용 하 여 캡처. 컴퓨터에서
    1. 차례 저 카메라 및 이미지 캡처 시작 프로그램. 머리 끈에 대 한이 마와 chinrest에 피사체의 턱을 제대로 휴식. 주제에 제대로 광선을 정렬 하려면 컨트롤 레버를 이동 ’ s 학생.
    2. 둘 다 작은 뷰파인더에서 양쪽에 나타날 때까지 조명 포인트를 맞춥니다. 외부 고정 목표 주제 가이드를 이동 ’ s 눈 광학 디스크는 뷰파인더를의 중심에 있으며 관심 (ROI) 영역 경계 내에서 잘 때까지. 망막에 초점을 초점 손잡이 조정.
    3. 단단히 외부 고정 대상 봐 고 주제 제목이 ’ s 눈 가득 눈물.
    4. 이미지 ( 그림 1A) 캡처-셔터 버튼을 눌러.
    5. 캡처한 그림 2A를 사용 하 여 표준으로 저 사진의 품질을 확인 합니다. 이미지를 삭제 하 고 눈동자는 제대로 하는 경우 이미지 수집 프로세스 (즉, 단계 2.1.1 2.1.4)을 반복 확대 ( 그림 2B), 광학 디스크 이미지 ( 그림 2C)의 중심에 되지 않습니다 또는 이미지는 초점 ( 그림 2D).
    6. Gradable 해상도 (, 약 3000 픽셀 x 2,000 픽셀, 150 dpi 이상) TIFF 형식 이미지를 저장.
      참고: 프로토콜 일시 중지할 수 있습니다 여기.
    7. 다른 과목에 대 한 저 사진 얻으려고 반복 단계 2.1.1 2.1.6.
    8. 무작위로 10% 샘플 이미지를 선택 하 고 이러한 이미지 ( 그림 3)에 광학 디스크의 높이 측정. 계산 하는 수식을 사용 하 여 이미지 변환 계수 (ICF):
      ICF = 1800 µ m (평균 광학 디스크의 샘플 이미지의 픽셀 높이) /.
    9. 클라우드 기반 서버에 캡처된 저 사진을 업로드 하 고 관련 연구 정보, 이미지 변환 계수 (ICF) ( 그림 1B)를 포함 하 여.
      참고: 프로토콜 수 수 일시 중지 여기. 다른 컴퓨터 기반 분석 프로그램 이미지를 구성 하 고 ICF를 기록 다른 클라우드 기반 메서드를 사용할 수 있습니다.

Figure 2
그림 2: 최적의 품질과 차선 저 사진. 이미지 품질은 망막 혈관 매개 변수의 후속 측정에 직접 영향을 저 사진의 이미지 품질 이미지 수집 후 즉시 확인 해야 합니다. 이러한 유물 중 관찰 되는 경우 이미지를 폐기 해야한다. 이러한 이미지는 50 ° 저 카메라를 사용 하 여 점령 했다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

Figure 3
그림 3: 이미지 변환 계수 (ICF)의 계산. ICF를 계산 하려면 임의로 연구 (1 단계)에서 10% 샘플 이미지를 선택 합니다. 그런 다음 이미지에서 픽셀 단위로 광학 디스크의 높이 측정 샘플링 (2 단계). 수식을 사용 하 여 ICF를 계산: ICF = 1800 µ m / (샘플된 이미지의 광학 디스크의 픽셀 높이 평균), 1800 µ m가 정상 광학 디스크 (3 단계)의 높이 약. 확대 효과 이미지 해상도 카메라 카메라 다, 그것은 사용 하는 각 카메라에 대 한 정확한 ICF를 계산 하는 데 필요한. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

  1. 는 컴퓨터 기반 분석 프로그램에서 저 사진을 엽니다. 선박 경시를 구성 하 고 망막 맥 관 구조에 대 한 선박 커버 하다.
    참고:이 섹션에 시바 프로그램 절차를 설명 하기 위해 사용 됩니다. 그러나, SIVA 프로그램은 다른 사용 가능한 컴퓨터 기반 분석 프로그램으로 교체하실 수 있습니다. 또한, 단계 2.2.2 2.2.3 자동으로 수행 하는 일부 컴퓨터 기반 분석 프로그램 때 저 사진을 열 (즉, 단계 2.2.1).
    1. 컴퓨터 기반 분석 프로그램 ( 그림 1C) 저 사진 열.
    2. 광학 디스크 센터 ( 그림 1D)의 위치를 표시합니다.
      1. 클릭는 “ OD 센터 ” left 함수 패널에 버튼, 마우스 커서는 녹색 원에 의해 대체 될 것 이다.
      2. (OD), 광학 디스크의 센터에 녹색 동그라미를 이동 하 고 원을 해결 하기 위해 클릭.
      3. 표시 소프트웨어를 자동으로 측정 눈금, 선박 경시와 라y 선박 커버 ( 그림 1E, 1F).
        참고: 선박 커버는 측정 선 혈관의 내부 루멘의 대략적인 너비를 추정입니다.
        1. 클릭에 “ 찾을 OD ” OD 센터의 위치에 따라 측정 눈금으로 4 개의 동심원을 OD 가장자리 감지 소프트웨어를 버튼.
        2. 클릭은 “ 프로세스 ” 자동 선박 추적 과정을 시작 하려면 버튼.
  2. 조정 잘못 된 선박 경시 수동으로. 12에서 검사 시작 o ’ 모든 선박 경시는 확인 되도록 시계 방향으로 방식으로 위치를 시계.
  3. 광학 디스크 정확 하 게 감지 하 고 측정 눈금 올바르게 배치 확인
      . 수동으로 다음 단계 2.2.2 2.2.3, 측정 눈금을 조정 하는 경우 안쪽 원형 광학 디스크 림 ( 그림 4A)를 정확 하 게 설명 하지 않습니다.
    1. 선박 tracing(s) 잘못 된 선박 유형 (venules 대 arterioles) 표시를 선택 하 고 클릭 클릭 왼쪽에 “ 배 (T) 형식 ” 선박 종류를 변경 하려면 단추.
      참고: Arterioles 빨간색으로 표시 되 고 venules는 파란색으로 표시 됩니다. Arterioles 그들의 생리 적인 차이에 따라 venules에서 구별 될 수 있다. 예를 들어 venules은 일반적으로 색깔에서 어둡고 arterioles 보다 넓은. 동일한 선박 유형 일반적으로 선박 서로 교차 하지 않는다.
    2. 확장 불완전 한 선박 경시 단계 2.3.3.1 2.3.3.2 ( 그림 4B).
      1. 커서를 사용 하 여 불완전 한 선박 추적의 원심 끝에 클릭 하 여. 선박 추적을 확장 하는 선박 경로 따라 지점에서 클릭 왼쪽.
      2. 그릇의 원심 끝에 도달 하면 추적 프로세스를 중지 합니다. 그릇의 원심 부분 측정 그리드 밖에 서 떨어지는 경우 바깥쪽 흰 원에 추적 중지 ( 그림 4B 참조).
    3. 선박 경로 크로스 오버 사이트 ( 그림 4C)에서 제대로 추적 하지는 경우 선박 경시를 조정.
      1. 클릭에 “ 선택 ” 단추 및 선박 추적의 잘못 된 시점에서 다음을 클릭 합니다. 클릭은 “ Brea(k) Seg ” 버튼을 선택 하는 시점에서 선박 추적 분리. 연결 되지 않은 세그먼트를 선택 하 고 클릭는 “ (델) Seg ” 단추를 삭제 합니다.
      2. 다시 2.3.3.1 및 2.3.3.2 단계를 사용 하 여 새로운 선박 추적 생성.

Figure 4
그림 4: 일반적인 오류 자동 추적의. 자동 선박 추적 완전히 정확 이며 수동 조정 측정의 정확성을 보장 하는 데 필요한. 이 그림을 자동 추적의 일반적인 오류 수동 조정 후 최적의 결과 보여 줍니다. (A) 광학 디스크 센터 잘못 표시 및 후속 측정에 영향을 미칠 수 있습니다 측정 눈금의 편차를이 리드. 이상적으로, 측정 눈금의 안쪽 원 광학 디스크 림을 설명 해야 합니다. (B) 불완전 한 선박 추적 프랙탈 차원, tortuosity, 선박 경로 선박 끝까지 추적 해야 잘못 측정 될 수 있습니다. 그릇의 원심 부분 측정 그리드 밖에 서 떨어지면, 바깥쪽 흰 원에 추적을 중지 수 있습니다. (C) 선박 크로스 오버 사이트에서 경시 오류의 높은 추세는 고 따라서 특별 한 주의가 필요. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

  1. 모든 선박에 선박 커버를 놓고 잘못 된 커버를 수동으로 비활성화.
    1. 클릭는 “ 커버 찾을 ” 버튼을 자동으로 모든 선박에 선박 커버 하다.
    2. 모든 선박 커버 올바르게 배치 됩니다 확인 하십시오. 선박을 비활성화 하려면 커서 커버는 커버 하지 않은 경우 끌어서 왼쪽 혈관 벽 ( 그림 5A)에 수직 누워, 선박 경로 다른 선박 ( 그림 5B)에 의해 가려진 또는 커버과 대 평가 또는 과소 평가 배 루멘 ( 그림 5C)의 폭.

Figure 5
그림 5: 잘못 된 선박 커버. 이 그림은 비활성화 하 고 후속 측정에서 제외 해야 하는 잘못 된 그릇 덮개의 예를 보여줍니다. 혈관 (A)에 수직인 경우 선박 커버를 비활성화 한다. 또한, 선박 추적 중인 다른 선박 (B), 아래 가려진 선박 커버 비활성화도 한다 또는 선박 커버 선박 (C)의 대략적인 너비를 나타낼 수 없습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

    선박 경시 및 선박 표지에서 망막 혈관 매개 변수 측정

  1. 참고: 단계 2.5 컴퓨터 기반 분석 프로그램에 의해 자동으로 수행 됩니다. 광학 디스크 여백 영역 B, 그리고 광학 디스크 여백 영역 C 18 ( 그림 6A)으로 떨어져 지역 0.5-2.0 디스크 직경에서
    1. 레이블 영역 0.5-1.0 디스크 직경에 따라는 동맥 경화 위험 공동체 (ARIC)의 수정된 프로토콜 연구 19.
    2. B 영역과 영역 모두는 ARIC에서 수정 된 널리 채택 된 방법을 사용 하 여 C에서 망막 혈관 구경 측정 연구 19 , 20 , 21 , 22 , 23 , 24 , 25 , 26 ( 그림 6B).
      1. 선박 커버 6 큰 arterioles에 망막 혈관 구경 추정 6 가장 큰 venules의 길이 측정.
      2. 요약 arteriolar 망막 및 해당 중앙 망막 동맥으로 venular 구경 (CRAE) 및 중앙 망막 정 맥 (CRVE)에 해당 각각 17, 수정 된 Knudtson를 사용 하 여 – 파 허바드 수식 18 , 19.
    3. 식별 영역 C에 있는 모든 배는 너비 > 40 µ m. 선박 경시 따라 총 제곱된 곡률의 적분에서 망막 arteriolar 및 venular tortuosity 계산 그리고 전체 아크 길이, 굴복, 및 굴절의 포인트 값을 정규화 27 , 28.
    4. 계산 총, arteriolar, 및 venular 프랙탈 차원 C 사용 하 여 기존 영역에서 “ 상자 계산 방법 ” 29 , , 30 31.
      1. 일련의 동등 하 게 크기의 사각형으로 이미지를 분할.
      2. 선박 경시의 섹션을 포함 하는 상자 개수.
      3. 다른 크기와 동일 하 게 크기의 사각형의 시리즈를 사용 하 여 프로세스를 반복.
      4. 상자 포함 하는 상자의 크기의 로그에 대 한 선박 경시의 숫자의 로그를 플롯 결과 선의 기울기를 계산; 이것은 프랙탈 차원 이다.
    5. 영역 C에서에서 첫 분기와 선박을 식별 하 고 첫 번째 두 딸 배 32 ( 그림 6 c) 사이 subtended 각도 (θ)을 계산. 평균 분기 각도를 평균 값을 계산.
    6. 영역에서 수식을 사용 하 여 C에서 분기 계수를 계산:
      (d 1 2 + 2 d 2) /d 0 2, d 0은 평균 트렁크 구경 및 d 1과 d 2는 평균 지점 구경 ( 그림 6 c).
  2. 등급 창을 닫습니다. 클릭 “ 보낼 ” 등급된 이미지 클라우드 기반 서버를 업로드 하 고 자동으로 측정 된 망막 혈관 매개 변수를 기록 하는 팝업 대화 상자에서.

Figure 6
그림 6: 망막 맥 관 구조의 정량화. (A) 영역 B (0.5-1.0으로 정의 디스크 디스크 여백에서 직경) 지역 사회 연구에서 동맥 경화 위험에 따라 영역 B의 그릇 구경 측정 하는 데 사용. 영역 C (0.5-2.0으로 정의 디스크 디스크 여백에서 직경) 영역 C의 선박 개조와 망막 혈관 네트워크 매개 변수 (예: tortuosity, 프랙탈 차원, 및 분기)의 스펙트럼을 측정 하는 데 사용 됩니다. (B) 배 덮개는 측정 라인은 망막 혈관 구경 (직경)를 추정 하는 데 사용. 잘못 된 용기 커버는 수동으로 측정에서 제외 한다. (C) 모든 선박 내에서 그들의 첫 번째 분기는 자동으로 C, 프로그램 영역에 대 한 첫 번째 분기의 분기 각도 (θ)를 측정 합니다. 또한, 분기 계수는 또한 사용 하 여 계산 수식: 분기 계수 = (d 1 2 + 2 d 2) /d 0 2, 트렁크 구경 하 고 d 1 및 d d 02 분기 구경 있습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

3. GC IPL와 RNFL의 두께 평가

Figure 7

그림 7: RNFL 및 GC IPL 두께 측정의 절차를 보여주는 회로도. 광학 일관성 단층 촬영 (OCT) 신경 절 세포 안 plexiform 층 (GC-IPL) 및 망막 신경 섬유 층 (RNFL)의 두께 측정 하기 위해 사용할 수 있습니다. (A, B) 내장을 사용 하 여 GC-IPL 및 RNFL 두께 측정 “ 황 반 큐브 ” 및 “ 광학 디스크 큐브 ” 프로토콜을 각각 검색. (C, D) 이미지 수집 후 즉시 이미지 품질을 확인 합니다. 이미지를 삭제 하 고 신호 강도 6 보다 작은 경우 모션 유물 검색 검사를 반복 합니다. (E, F) 다음, 내장 된 분석 프로그램 자동으로 검사 결과 분석 하 고 해석에 대 한 보고서를 생성 하 라는 메시지가. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

  1. 광학 일관성 단층 촬영 (OCT)를 사용 하 여 이미지 수집 수행.
    1. OCT 프로그램을 열고 선택 합니다 “ 황 반 큐브 ” 새로운 황 반 검사 ( 그림 7A)를 시작 하는 프로토콜을 검색.
    2. 는 아이리스 뷰포트는 chinrest 조정 하 여 학생을 찾습니다. 낮은 조명 눈동자 크기가 너무 작은 경우.
    3. 클릭는 “ 자동 초점 ” 버튼 그리고는 “ 최적화 ” 버튼 이미지 품질 향상.
    4. 즉시 스캔을 시작 하기 전에 몇 번 깜박 주제 지시.
    5. 클릭 합니다 “ 캡처 ” 버튼을 둘러싼 테두리 녹색 때 검사를 시작 하는 버튼. 이미지 수집을 피하기 위해 모션 아티팩트 중 시각 고정 대상에 초점 주제 지시.
    6. 그림 ℃를 표준으로 사용 하 여 스캔 품질을 검토 합니다. 검사 결과 무시 하 고 신호 강도 6 ( 그림 8A) 보다 작은 경우 모션 유물 (혈관의 불연속으로 표시) 검색 스캔을 반복 ( 그림 8B).
    7. 검색 결과 저장.
    8. 반복 단계 다른 눈 3.1.7에 3.1.1.
    9. 와 시 신경 머리 검사 수행는 “ 광학 디스크 큐브 ” 3.1.2에 3.1.9 ( 그림 7B7 D) 단계 프로토콜 다음 스캔.

Figure 8
그림 8: 광학 일관성 단층 촬영의 최적의 결과. 광학 일관성 단층 촬영 (OCT)의 일반적인 최적의 결과 포함 (A) 가난한 신호 강도 (강도 값 < 6), 그리고 (B) 모션 유물. 스캔 품질 이미지 수집 후 즉시 검토 해야 하 고 스캔 해야 이러한 유물 발생 경우 반복. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

  1. 황 반 GC IPL 두께의 분석 출력 생성.
    1. 선택은 “ 황 반 큐브 ” 분석 인터페이스에 양쪽 눈의 레코드를 스캔.
    2. 클릭 합니다 “ 신경 절 세포 OU 분석 ” 스캔 ( 그림 7E)의 GC IPL 두께 평가 자동 분석 알고리즘을 시작 하.
      참고: 단계 3.2.2 분석 알고리즘에 의해 자동으로 완료 됩니다.
      1. 는 14.13 m m 2 fovea 중심으로 타원형 고리는 0.6 m m 및 2.4 m m, 가로 내부 및 외부 반경을 각각, 그리고 0.5 m m와 2.0 m m, 세로 내부 및 외부 반경을 각각 생성.
        참고: 크기와 모양이 타원형 환대의 황 반 해부학에 밀접 하 게 부합 하 고 따라서 고 RGCs 정상적인 눈 33 , 34에서 두꺼운 지역에 해당. 환대의 안 반지 내의 영역 측정 되지 않습니다,이 분야에서 GC IPL은 매우 얇은.
      2. 세그먼트는 RNFL의 외부 경계와 내부 plexiform 레이어를 GC-IPL ( 그림 9)를 찾습니다 (IPL)의 바깥 경계.
      3. 측정 평균, 최소, 및 6 sectorial (superotemporal, 우수한, superonasal, inferonasal, 열 등 한, inferotemporal) fovea cen 내의 황 반 GC IPL의 두께입력 타원형 고리.
      4. 장치에 측정 된 GC IPL 두께 비교 ’ s 규범적인 나이 일치 내부 데이터베이스 및 편차 지도 및 중요성 지도 생성
      5. 분석 인쇄물에 측정 결과 보고.
    3. 분석 인쇄물.pdf 형식으로 저장.

Figure 9

그림 9: 망막 층에 사용 되는 망막 신경 구조의 평가. 망막 신경 섬유 층 (RNFL) 신경 절 세포 안 plexiform 층 신경 절의 세포 분석 (GCA) 알고리즘을 사용 하 여 측정 하는 동안 시 신경 머리 (ONH) 알고리즘을 사용 하 여 측정 됩니다. ONH 알고리즘 RNFL의 두께 측정 하는 RNFL의 내부 및 외부 경계를 세그먼트화 합니다. GCA 알고리즘 검색 망막 신경 섬유 층 (RNFL)와 내부 plexiform 레이어 (IPL) 신경 절 세포 층 (GCL)의 결합된 두께 얻을 수의 외부 경계와 IPL. GCL과 IPL 사이의 경계는 해부학 별개 GCL 및 IPL의 두께, 측정 됩니다. 그러나, GCL과 IPL (즉, GC-IPL)의 결합 된 두께 여전히 RGCs. 건강의 지표는 의 더 큰 버전을 보려면 여기를 클릭 하십시오 그림.

  1. RNFL 두께 ( 그림 7 층)의 분석 출력 생성.
    1. 선택은 “ 광학 디스크 큐브 ” 분석 인터페이스에 양쪽 눈의 레코드를 스캔.
    2. 클릭 합니다 “ ONH 및 RNFL OU 분석 ” 스캔의 RNFL 두께 평가 자동 분석 알고리즘을 시작 하.
      참고: 단계 3.3.2.1 3.3.2.6 분석 알고리즘에 의해 자동으로 완료 될 수 있다.
      1. 각 검색 시점에서 RNFL 두께 측정 하 고 생성 하는 RNFL 두께 지도.
      2. 식별 하는 크기와 형태는 광학 디스크의 범위와 일치 하는 검색 센터 근처 어두운 장소를 감지 하 여 광학 디스크
      3. RNFL 두께에 광학 디스크 주위 직경에서 3.46 m m의 측정 눈금 위치.
      4. 측정 글로벌, 4-사분면 (시간적, 우수한, 비 강 및 열 등), 계산 하 고 측정 눈금의 12 시간 parapapillary RNFL 두께.
      5. 장치 측정된 RNFL 두께 비교 ’ s 규범적인 나이 일치 내부 데이터베이스 및 편차 지도 및 중요성 지도 생성.
      6. 분석 인쇄물에 측정 결과 보고.
    3. 분석 인쇄물.pdf 형식으로 저장.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Figure 10
그림 10: 일반 주제와 광고 주제 망막 맥 관 구조에 차이 보여 예. 일반적인 주제에 비교 될 때 광고 주제의 저 사진 보여 좁은 그릇 구경 (CRAE 영역 B의, 116.4 µ m 156.4 µ m; 영역 B, 186.9 µ m 207.5 µ m; CRVE CRAE 영역 C, 138.5 µ m 165.8 µ m; 영역 C, 206.6 µ m 232.2 µ m의 CRVE), 작은 망막 혈관 프랙탈 차원 (총 프랙탈 차원, 1.472 1.517 1.246 1.316 arteriolar 프랙탈 차원; 1.253 1.273 venular 프랙탈 차원) 및 높은 망막 혈관 tortuosities (arteriolar tortuosity [104], 0.61 0.48; 1.41 0.50 venular tortuosity [104]).  이러한 이미지는 50도 저 카메라를 사용 하 여 캡처된 및 프로토콜에 설명 된 방법을 사용 하 여 분석 했다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

의 망막 혈관 매개 변수 해석: 우리의 프로토콜 저 사진에서 망막 혈관 매개 변수를 측정할 수 있습니다. 이 매개 변수는 망막 맥 관 구조, 차례로 대뇌 맥 관 구조에 유사한 변화를 반영 하는 수의 상태를 나타냅니다. 그림 10 광고 주제 및 건강 한 주제에서 얻은 저 사진을 보여줍니다. 표 1 에 보고 된 망막 혈관 매개 변수는이 프로토콜에서 설명 하는 방법을 사용 하 여 이러한 저 사진에서 측정 되었다.

광고 정상
CRAE 영역 B의 (µ m) 116.4 156.4
영역 B의 CRVE (µ m) 186.9 207.5
CRAE 영역 C의 (µ m) 138.5 165.8
영역 C의 CRVE (µ m) 206.6 232.2
총 프랙탈 차원 1.472 1.517
Arteriolar 프랙탈 차원 1.246 1.316
Venular 프랙탈 차원 1.253 1.273
Arteriolar Tortuosity (x104) 0.61 0.48
Venular Tortuosity (x104) 1.41 0.50
Arteriolar 분기 계수 2.43 1.49
Arteriolar 분기 각도 (도) 67.17 81.16
Venular 분기 계수 1.42 1.62
Venular 분기 각도 (도) 60.11 73.19

표 1: 차이 망막 혈관 매개 변수는 광고 제목과 정상적인 주제. 망막 혈관 매개 변수는 그림 10에 표시 된 저 사진에서 측정 되었다. 광고 주제 그릇 구경에 감소를 보여 정상적인 주제에 비교 될 때 ( CRAE 및 CRVE) 및 프랙탈 차원 하지만 tortuosity에 증가 보여주었다. 또한, 분기 각도 광고 주제의 분기 계수 또한 각각 최적의 값에서 이탈.

망막 배 구경
광고 주제 (그림 10)의 저 사진 CRAE와 CRVE의 영역 C에 감소를 보여 정상적인 주제에 비교 될 때 (138.47 µ m 및 206.61 µ m, 각각) 건강 한 주제에 비교 될 때, (165.82 µ m 및 232.22 µ m, 각각).  CRAE와 CRVE 각각 망막 arterioles 및 venules, 내부 루멘의 너비를 대략 망막 혈관 구경 요약. 따라서, CRAE CRVE 절감 망막 arterioles에 venules, 축소 일반화 나타내고 microvascular 역 기능35를 제안 합니다.

망막 혈관 네트워크 매개 변수
첫째, 광고 주제의 망막 arteriolar 및 venular tortuosities (x 10-4 와 x 10-4, 1.41 0.613 각각) 정상적인 주제 보다 높았다 (x 10-4 와 x 10-4, 0.501 0.476 각각). 높은 혈관 tortuosities 망막 혈관은 일반적으로 광고 제목에 똑바로 나타냅니다.

둘째, 광고 주제는 또한 망막 프랙탈 차원 (총 프랙탈 차원, 1.472, arteriolar 프랙탈 차원, 1.246, venular 프랙탈 차원, 1.253) 감소 했다 건강 한 주제에 비교 될 때 (총 프랙탈 차원 1.517; arteriolar 프랙탈 차원, 1.316; venular 프랙탈 차원, 1.273)입니다. 프랙탈 차원을 나타내는 망막 혈관 network30의 분기 복잡성을 요약 하는 "글로벌" 조치, 이후 감소 프랙탈 차원 망막 맥 관 구조는 광고 제목에 덜 복잡 한 나타냅니다.

셋째, 광고 주제의 대부분 망막 분기 매개 변수가 최적 값에서 이탈. 특히, arteriolar 및 venular 분기의 각도 광고 주제 (67.17 °와 60.109 °, 각각)는 약 75o 36, 정상적인 주제와 비교 했을 때 최적의 값을 멀리 했다 (81.16 ° 및 73.19 °, 각각). 또한, 광고 주제 (2.432)의 arteriolar 분기 계수는 또한 심각 하 게 약 1.2636최적의 값에서 이탈. 이 bifurcations37전역 총 단면적 증가 나타냅니다.

망막 신경 매개 변수 해석
우리의 프로토콜 하나 RNFL와 GC-IPL (일러스트 그림 11A11B, 각각)의 평균 고 sectorial 두께 보여주는 두 개의 분석 출력물을 얻을 수 있어야 합니다.  RNFL 측정 RGCs의 unmyelinated 축 삭의 상태를 반영 하는 동안 GC IPL 측정 셀 바디의 건강 및 RGCs의 dendrites 나타냅니다. RGC 셀 바디의 크기 때문에 10-20 배 그들의 축 삭의 직경, GC-IPL 두께 인지 장애38관련 된 더 강하게 표시 되었습니다.

두 보고서에서 3 지도 했다 해석 도움, 즉 (a) 두께 지도, (b) 편차 지도, 및 (c)의 지도. 두께 지도에 따뜻한 색상 높은 두께 값 나타내고 쿨러 색상 나타냅니다 낮은 두께 값; 즉,는 밀도 오렌지/노란색 반지, 두꺼운 망막 층 우려. 소프트웨어는 또한 소자의 내부 규범 나이 일치 하는 데이터베이스에, 측정된 두께 비교 하 고 편차 지도 및 중요성 지도 생성 합니다. 두께 값 떨어지면 99% 또는 95-99 %centile 범위 내에서 각각 편차 지도에서 슈퍼 픽셀 빨간색 또는 노란색 표시 됩니다. 안에의미 지도, 우려 망막 층 망막은 균질로 치 매에 의해 영향을 받을 가능성이 다른 분야로 나누어져 있습니다. 각 분야의 두께 값을 보고 하 고 각 분야는 또한 녹색에서 정상 범위 내의 값으로 비교 결과 일치 하도록 색 (p = 5-95%), 노란색에서 경계선 값 (1% < p < 5%), 빨간색 (p 정상 범위를 벗어난 값 < 1%).

광고 제목에 RNFL 및 GC IPL의 분석 인쇄물 그림 11A11B 그림 에 각각 표시 됩니다. 따뜻한 색상의 변색 및 두 보고서의 두께 지도에 밝은 파란색 영역 모양을 광고 주제에 GC IPL와 RNFL의 숱이 나타냅니다. GC-IPL의 제안 RGC 손실, 동안 RGC axons의 손실을 제안 RNFL의. 또한, 의미 지도의 여러 분야 주제 빨간색 또는 노란색, 광고에 해당 영역의 RNFL 및 GC IPL 두께 감소는 제안 이라는 있습니다. 숱이의 정확한 지역 편차 지도에서 빨간색 또는 노란색 슈퍼 픽셀에 의해 또한 시각 수 있습니다.

Figure 11
그림 11: 광고 주제에서 망막 신경 구조의 분석 출력. 광고 제목에 RNFL 및 GC IPL의 숱이 두께 지도에 더 밝은 파란색 영역의 존재에 의해 표시 됩니다. 숱이의 크기 규범적인 나이 일치 하는 인구;에 비해 후 비정상적인 것으로 간주 됩니다. 빨간 분야 해당 영역의 두께 값 떨어졌다 정상 범위 밖에 서 표시 (p < 1%), 노란 분야 해당 영역에서 경계선 값을 나타냅니다 (1% < p < 5%). 정확한 지역 RNFL 및 GC IPL의 숱이 또한 구상 될 수 있다 편차 지도, 있는 빨간색과 노란색 슈퍼 픽셀 (빨간색 화살표) 표시는 해당 명소의 두께 값 떨어진 99% 또는 95-99% 백분위 수 범위 내에서 의해 각각. 광고 제목에 모두 함께,이 지도 제안 RNFL와 GC IPL 두께 비정상적으로 감소. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

Unanalyzable 또는 Ungradable 망막 이미지: 저 사진이 나 10 월 검사 수 있습니다 여러 가지 이유로 인하여 analyzable. 10 월 검사에 관한 GC IPL 또는 RNFL 분할 실패 망막 병 리, 연령 관련 황 반 변성, 당뇨병 성 망막 증, 망막 프런트 멤브레인 등으로 인해 발생할 수 있습니다. 그림 12A 에서는 당뇨 황 반 부 종으로 세분화 실패의 예를 보여 줍니다. 그것은 또한 표시 되었습니다 10 월 스캔 품질 및 두께 측정 건조 눈39, 백 내장40,41,,4243, 플로터 및 다른 유리 체 불투명도 의해 영향을 받을 수 있습니다. 44 , 45. 저 사진에 관한 망막 혈관 매개 변수 측정 또한 지체 될 수 있습니다 (예: 백 내장), 망막 맥 관 구조 (그림 12B)의 표시 여부에 영향을 미치는 미디어 불투명도 의해.

Figure 12
그림 12: Unanalyzable 망막 이미지. 설명 된 방법을 사용 하 여 가장 최적이 아닌 결과 피할 수 있었다, 그러나 여러 종류의 망막 이미지 analyzable 고 폐기 한다. 망막 병 리, 연령 관련 황 반 변성, 당뇨병 성 망막 증, 망막 프런트 멤브레인 등으로 인해 검사 (A) 세그먼트화 오류 일부 10 월에 발생할 수 있습니다. 이 그림에서는 당뇨 황 반 부 종으로 인해 세그먼트화 오류를 보여 줍니다. (B)는 망막의 가시성 맥 관 구조는 미디어 불투명도 불투명도 백 내장 때문 등으로 줄일 수 있습니다. 이 그림에는 심한 미디어 불투명도 망막 맥 관 구조를 어둡게 하 고 unanalyzable 이미지를 렌더링 수 있습니다 보여 줍니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

매개 변수 측정된 영역 해석 및 보고 연관 광고
망막 배 구경
중앙 망막 Arteriolar 해당 (CRAE) 영역 B & C 중앙 망막 arteriolar 해당 (CRAE)와 중앙 망막 venular 해당 (CRVE) ♦ 변화 일반화 망막 혈관 축소 또는 확대, 그리고 미묘한 microvascular 역 기능35를 제안할 수 있습니다.
CRVE 증가 보고 되었습니다 ♦ 사고 치 매46, 혈관 치 매46, 연관 이며 감소 CRVE 및 CRAE Alzheimer의 질병47,48와 관련 된.
중앙 망막 Venular 해당 (CRVE) 영역 B & C
망막 혈관 네트워크 매개 변수
프랙탈 차원 (dF) 영역 C ♦ 프랙탈 차원은 나타냅니다 망막 혈관 네트워크30;의 분기 복잡성을 요약 하는 "매크로" 측정을 큰 값 보다 복잡 한 분기 패턴을 나타냅니다.
♦ 제안 되었습니다 망막 프랙탈 차원 감소 치 매47,,4859 및 인지 기능60와 연관 되었다.
Tortuosity
(불법 행위)
영역 C ♦ Tortuosity 반영 망막 혈관의 일반적인 직진도, 작은 tortuosity 값 똑바로 망막 혈관 나타냅니다.
♦ 제안 되었습니다 venular tortuosity 및 arteriolar tortuosity 증가 광고62. 와 관련 된
분기 각도
(바)
영역 C ♦ 바의 최적의 값은 약 75o 36
♦ 분기 각도 변경 혈액 흐름63,64, 내 피 기능 장애65,66 및 산소 포화67에 감쇠에 변화를 나타낼 수 있습니다.
분기 계수 (기원전) 영역 C ♦ 기원전의 최적 값은 약 1.2636이다.
♦ 최적의 값 편차 에너지 비용 증가 시킬 수 있습니다, 그리고37수송 효율의 순환 및 신진 대사를 감소.

표 2: 주요 망막 혈관 매개 변수 해석. 선박 개조 및 망막 혈관 네트워크 펜 실바 니 아rameters 매개 변수는 컴퓨터 기반 분석 프로그램에 의해 보고 된 두 가지 주요 범주 있습니다. CRAE 및 CRVE 문서 망막 혈관 축소 또는 확대, 반영 하는 미묘한 망막 microvascular 역 기능을 일반화. 망막 혈관 네트워크 매개 변수 캡처 "최적"과 "효율성" 망막 네트워크에서 혈액 분포의 차례 차례로 반영 하는 대뇌 미세의 무결성.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

이 프로토콜 비보에망막에 있는 신경 및 혈관 변화 측정의 절차를 설명 합니다. 망막은 뇌와 비슷한 embryological 기원, 기능 해 부 및 생리 속성 공유로이 망막 변화 맥 관 구조와 뇌의 신경 구조와 유사한 변화를 반영 수 있습니다.

그림 10표 1에 표시 된 것 처럼 광고 주제 감소 선박 개조 건강 한 주제에 비교 될 때 보였다. 그것은 알려졌다 감소 CRVE 및 CRAE Alzheimer의 질병46,47와 관련 된이48을 지속적으로 관찰 하지는 않지만.

또한, 감소 프랙탈 차원을 보여준 광고 주제 관 tortuosities, 그리고 차선의 분기 계수와 분기 각도 건강 한 주제에 비교 될 때 증가 했다. 이러한 변화는 망막 혈관 네트워크49,50,51,,5253,54, 글로벌 기하학적 패턴으로 변경 표시 , 5556. 머 레이 원리에 따르면 혈관 네트워크의 분기 패턴은 구조적으로 혈액 흐름57을 유지 하는 데 필요한 에너지를 최소화 하기 위해 개발, 이후 이러한 매개 변수 또한 "최적"의 학위와 "효율"의 캡처 차례로 대뇌 미세58의 무결성을 반영 하는 수 있습니다 망막 혈관 네트워크에서 혈액 유통. 그것은 알려졌다 그 감소 망막 프랙탈 차원 치 매47,,4859 및 인지 function60, 관련 된 및 잠재적으로 망막에 이르는 microvascular 손상에 관련 된 hypoxia61  증가 된 venular 및 arteriolar tortuosities도 광고62와 관련 된 것으로 표시 됩니다. 망막 분기 매개 변수에 대 한 하위-최적 분기 각도의 광고 제목에 망막 혈관 네트워크는 조직 관류의 효율성을 감소 하 고 에너지 손실37증가 나타냅니다. 분기 각도 변경 또한 혈액 흐름63,64, 내 피 기능 장애65,66및 산소 포화67의 감쇄에 변화를 나타낼 수 있습니다. 또한, 분기 계수의 최적의 값 편차 또한 순환 및 신진 대사 전송37의 효율성 감소 에너지 비용을 증가할 수 있습니다. 함께 찍은, 혈관 네트워크 매개 변수 (즉, 프랙탈 차원, tortuosity, 각도 분기 및 분기 계수)에 변경 광고 병리학 microvascular 참여를 제안 합니다. 광고와 함께 주요 망막 혈관 매개 변수 보고 협회 표 2 에 요약 및 또한에서 검토 된 내용을 이전8,58,,6869.

그림 11에서 볼 수 있듯이 광고 주제는 또한 RNFL 및 GC IPL의 줄어든된 두께 보여주었다. GCL 및 IPL의 두께 때문에 그들의 모호한 해 부 경계 함께 보고 수, 결합된 두께 (즉, GC-IPL) RGCs38의 건강의 지표 이다. 그것은 점점 더 분명 그 숱이 GC IPL38 와 RNFL70,,7172,73,74,75,76 ,,7778 광고와 연결 됩니다. 최근, 대규모 인구 연구는 또한 얇은 RNFL는 가난한 예비 메모리 및 숫자 및 구두 추론79의 가난한 성능과 같은 가난한 인지 기능와 관련 된 했다. 또한, RNFL의 또한 비 광고 치 매80,,8182에서 보고 됩니다.

망막 화상의 중요 한 단계
프로토콜의 여러 단계는 정확한 결과 얻기 위해서는 제대로 수행 되어야 합니다. 이미지 수집 절차에 대 한 그것은 마스터 10 월의 이미징 절차 및 저 사진, 장기간된 이미징 시간 수 있습니다 눈의 피로 유발 하 고 따라서 모션의 가능성을 증가 하는 것이 중요. 또한, 이미지의 명암과 채도 이미지 처리의 나중 단계에서 거친 조정 하지 않으려면 이미지 중 표준화 되어야 한다. 명암과 채도 다른 연구 동료와 카메라 종류 다양 한 수 있습니다.

망막 혈관 매개 변수 측정에 관한 모든 카메라 확대 효과 이미지 해상도에 차이 조정 하는 연구에 사용 된 ICF를 계산 하는 것이 중요입니다. ICF에 의해 조정 차원 매개 변수, 망막 혈관 구경 등의 정확한 측정을 위해 중요 하다. 또한, 컴퓨터 기반 분석 프로그램으로 저 사진 등급 때 학년 해야 될 마스크 참가자의 특성에 등급 과정 포함 수동 조정의 일정 금액으로. 또한, 학년 적절 한 훈련을 받아야 하 고 그들의 신뢰성 측정 이미지를 정지 하기 전에 먼저, 평가 한다.

그것은 또한 중요 보고서 망막 혈관 구경 B 영역과 영역 모두 c입니다. 영역 C의 그릇 구경은 더 과민 하 고 더 작은 표준 오류17, 해부학 및 생리학 더 망막에 더 주변 작은 혈관의 포함으로 인해 정확한 믿어진다 유사 합니다 뇌의 작은 선박. 그러나, 영역 B의 구경도 B 다 수의 역학 연구에서 널리 이용 되는 영역 내에서 구경 측정으로 보고 합니다.

그것은 장비와이 프로토콜에서 사용 하는 컴퓨터 기반 분석 프로그램에 대 한 용도로과 유사한 결과 다른 망막 이미징 기술을 사용 하 여 얻을 수 있습니다 주목 해야한다. 그러나, 대부분의 경우에서 시스템 하지 않아야 하는 다른 측정에 의해 보고 된 숫자 매개 변수 해석 교대로83. Yip 외. 세 가지 일반적으로 사용 되는 소프트웨어 측정 망막 혈관 구경, 다른 연구83에서 결과 비교 하는 데 유용 수 있는 사이의 변환 알고리즘을 개발 했습니다.

망막 화상의 중요성
자기 공명 영상 (MRI)과 양전자 방출 단층 촬영 (PET) 이미징 치 매 연구에 두 널리 vivo에서 이미징 방법이 있습니다. 그러나, MRI의 응용 500 μ m의 미묘한 퇴행 성 변화를 탐지 하는 공간 해상도 의해 제한 됩니다. 애완 동물 화상 진 찰의 사용은 또한 그것의 높은 비용 및 애완 동물 시설의 가용성에 의해 제한 됩니다. 또한, 비록 대뇌 작은 배 질병 치 매84,,8586 에 연결 되었습니다.>,87,,8889,90, 현재 neuroimaging 기술 허용 하지 않는 대뇌 arteriolar 축소 등 대뇌 작은 선박 변경의 직접 평가 변화 혈관 tortuosity, 그리고 모 세관 마이크로-동맥입니다. 따라서, 상호 보완적인 접근 치 매를 공부 하는 원한다. 망막 화상 진 찰 다른 neuroimaging 기술에서 다른 치 매 연구에 새로운 통찰력을 제공할 수 있도록 몇 가지 기능을 보여 줍니다.

첫째, 망막은 비 침략 적 영상 CNS의 다른 부분에 비해 매우 액세스할 수 있습니다. 학생 계몽 및 이미징 빛 광선에 대 한 양방향 통행 허용, 망막 vascualture 직접 몇 군데 수와 간접 단 안의 원리에 따라 빠르게 고전 망막 이미징 기술을 저 카메라를 사용 하 여 ophthalmoscopy입니다. 저 사진 높은 감도, 특이성, 그리고 간 검사 및 내부 검사 계약91시연 하고있다. 또한, 망막 신경 구조의 단면 이미지 vivo에서 캡처할 수 있습니다 또한 수 저 결맞음 간섭계92,,9394, 의 원리에 따라 10 월 95,96. 그 결과, 망막 영상 경도 비-침략 적 CNS에 치 매의 효과 관찰 하기 위해 상대적으로 낮은 비용으로 이미지 수 있습니다.

둘째, 망막 신경 구조 구별 레이어로 구성 하 고 각 레이어 신경 아키텍처의 특정 요소를 나타냅니다. 인스턴스, GC-IPL 나타냅니다 셀 시체와 RGCs의 dendrites에서 RNFL 특히, RGCs. 축 삭을 나타내는 망막 신경 층, GC-IPL, RNFL, 등의 정확한 경계 지금 달성 될 수 있다 고급 세그먼트화 알고리즘 33 , 97, 그리고 신경 구조의 왜곡을 쉽게 검출 될 수 있다로 나타나는 모든 치 매 병 리.

셋째, 망막 이미지, 반자동, 객관적이 고 표준화 된 평가 컴퓨터 기반 분석 프로그램을 사용 하 여 지금. 이 프로토콜에서 볼 수 있듯이 컴퓨터 기반 분석 프로그램 수 자동으로 저 사진 잡혀 망막 맥 관 구조를 추적 하 고, 망막 혈관 매개 변수, 선박 등의 스펙트럼을 측정 추적 결과에 따라 구경, tortuosities, 프랙탈 차원 및 분기 각도 추적 하는 동안 학년만 하는 데 필요한 선박 경시의 정확도 확인 하 고, 필요한 경우 조정 잘못 된 선박 경시 수동으로. 이전 연구는 intragrader 및 intergrader 안정성 높은49에 온건 했다 보고 있다. 마찬가지로, 10 월 내장 된 분석 알고리즘 수 있습니다 또한 자동으로 RNFL 및 GC IPL 두께의 매개 변수를 측정 하 고98규범적인 나이 일치 하는 데이터베이스 대 한 결과 비교. 망막 화상의 반자동 자연 각 학년에서 필요한 작업을 줄여 측정 효율성과 일관성을 향상 시킬 수 있습니다. 학년 또한 빠르게 측정 하 고 너무 많은 고급 안과 또는 신경 지식을 학습 하지 않고 망막 매개 변수 해석의 능력을 마스터 수 있습니다. 따라서, 망막 영상 populational 설정에 쉽게 적용할 수 있습니다.

마지막으로, 망막 이미징 기술을 수 있습니다 지금 이미지 몇 미크론의 해상도 망막은 적어도 크기 순서 보다는 기존의 neuroimaging 기술로 달성 될 수 있다. 예를 들어, 스펙트럼 도메인 10 월 지금 축 고해상도 3 차원 볼륨에 망막을 이미지 (예: 여러 미크론)와 재현성99,100,101의 높은 수준의 ,,102103,104,105. 그러면 직접 시각화 및 망막 RGC 축 삭을 포함 하 여 CNS의 눈 확장에에서 미묘한 변화의 정량화. 치 매 및 microvascular 변화 사이의 연관 망막 혈관 매개 변수를 측정 하 여 직접 평가 수 있습니다 또한.

찍은 함께, 망막 영상 대뇌 맥 관 구조 및 이미징 기술, 망막 영상 공부 하는 상호 보완적인 접근 방식을 제공할 수 있습니다 제안 하는 현재 뇌에서 신경 구조에 고유한 정보를 수집 하는 치 매9,35,58,68,,106107,108의 병 리.

방법의 한계
망막 화상 시각화 하 고 microvasculature 및 망막8,109에 신경 구조를 계량 점점 더 인기 방법입니다. 그러나,이 프로토콜의 독자 여야의 잠재적인 한계의 인식 결과 비판적으로 해석 합니다.

첫째, 저 사진 및 OCT 이미지의 품질 눈 요인의 범위에 의해 영향을 받을 수 있습니다. 예를 들어, 굴절 오류와 축 길이 배율과 따라서 망막 혈관 구경 110의 명백한 크기에 영향을 수 있습니다. 망막 색소, 미디어 불투명도, 사진 기술, 카메라의 존재 차이 (예를 들어, mydriatic, 비-mydriatic, 소형), 입력 하 고 이미지 품질 (, 밝기, 초점, 및 대비)도 소개 변화와 영향 측정111,,112113,114,115,116의 추가 소스. 또한, 모션 유물 이미지 인수를 연장 하는 경우 오래 된 세 과목에서 일반적인 수 있습니다.

둘째, 망막 혈관 및 신경 건축 많은 조직 및 지역 병 적인 프로세스를 영향을 받을 수 있으며 따라서 일부 망막 발현 특정 질병에 특정 되지 않습니다. 예를 들어, 망막 arteriolar 축소는 상관 되었다 조직의 주변 vasoconstriction을 고혈압, 내 피 기능 장애, 염증, microvascular hypoxia117, 상관은 망막 venular 확대 하는 동안 그리고 심장 혈관 질병118 및 당뇨병 성 망막 증119같은 질병. RNFL 숱도 다른 신경 퇴행 성 질환, 녹 내장, 파 킨 슨 병, 다 발성 경화 증10등에서 관찰 됩니다. 그것은 또한 주목할 만한 RGCs에 그들의 축 삭 감소 연령과 관련 된 치 매99,120없이 발생할 수 있습니다.

셋째, 망막 변화 및 치 매 간의 연결 결정적이 아니 남아 있다. 예를 들어, 광고와 함께 작은 배 구경의 연결 했다 윌리엄스 에 의해 복제 되지 59, 그리고 싱가포르 눈 질병의 역학 프로그램 연구에 의해 발견 하는 광고와 함께 좁은 arteriolar 구경의 협회 또한 분실 되었다 심장 혈관 요소48혼동에 대 한 조정 후. 또한, venular 증가 하 고 광고에 arteriolar tortuosities47,59를 관찰 하지도 일관 되 게 된다. 그것은 또한 치 매와 arteriolar 프랙탈 차원의 협회 완전히 조정된 모델에서 길을 잃 었 지적 이다"외부 참조" > 59.

넷째,이 단계에서 컴퓨터 기반 분석 프로그램은 반자동 훈련된 학년49,121여 수동 조정 필요. 수동 입력, 심지어 표준화 된 프로토콜에 따라 망막 측정에 추가적인 변화를 발생할 수 있습니다.

방법의 미래 응용 프로그램
CNS의 다른 부분에는 망막과의 유사성의 접근성을 감안할 때, 망막은 대뇌 microvasculature 및 신경 구조에 치 매의 효과 공부에 대 한 우수한 "창". 치 매는 혈관 프로세스84,,8586,87,88,89,90,122 참여 생각 때문 , 이미징 및 망막 microvasculature이이 프로토콜을 사용 하 여 측정의 치 매10,,3558 (macrovascular 병 인) 대 microvascular 병 인에 대 한 새로운 통찰력을 제공할 수 있습니다 , 106 , 108 , 123 하위 다른 치 매에 대 한 우리의 이해를 촉진 하는 고.

또한, 망막 영상 잠재적으로 사용할 수 있습니다 임상 설정에서 치 매, 임상 진단된 광고를 확인 하 고 질병의 진행 이나 치료에 응답을 모니터링의 전 임상 진단 또는 위험 평가 촉진 하기 위하여. 유사한 망막 변화에 의해 반영 될 수도 있습니다, 신경 및 microvascular 변경 대뇌 피 질의 위축과 인지 감소의 모양 보다는 훨씬 일찍 발생 인구 검사에서 망막 화상의 응용 프로그램은 특히 흥미 124 , 125. 일관 되 게 연구 RNFL와 GC IPL 두께 가벼운 인지 장애 (MCI)를 가진 환자에서 감소 되었다 및 광고 건강 컨트롤, 하지만 환자 RNFL 및 GC IPL 두께 차이와 비교할 때 MCI와 광고와 그 통계적8, RNFL의 그 숱이 제안 되었고 GC IPL 광고 병 리 초기 이벤트입니다. 그러나, 망막 영상 측정 및 치 매 사이 연결의 힘만 겸손 이며 광고의 여러 망막 관계가 일관 되 게 관찰된8,,4748, 되지 않은 59 , 109.이 프로토콜 잠재적으로 광고의 전 임상 진단에 망막 화상의 임상 유틸리티를 평가 하는 큰 동료와 함께 더 많은 잠재 임상 연구에 의해 채택 될 수 있습니다.

이미징 기술, 매우 넓은 필드 망막 화상 등 10 월-혈관, 망막의 최근 발전 망막에서 더 많은 정보를 얻을 수 있습니다. 이미징 기술, confocal 레이저 스캐닝 현미경 오목한 타원형 거울와 결합의 원리에 따라 매우 넓은 필드 망막 눈동자 팽창126 없이 단일 이미지에 망막의 최대 200o 를 캡처할 수 있습니다. 127. 더 광범위 한 평가 주변 망막 병 변,17전체 망막 맥 관 구조 더 많은 정보를 제공할 수 있습니다 수 있습니다. 그것은 매우 넓은 필드 망막 이미징 선박 세분화 및 폭 추정128에서 만족 스러운 성능을 얻을 수 있습니다 보고 되었습니다. 또한, 10 월-혈관의 발명 또한 염료 기반 매핑을 microvascular 변화 치 매에 관련 된 더 많은 정보를 제공할 수 있습니다 망막 모 세관 네트워크의 수 있습니다. 이미지 분석 방법의 관점에서 더 많은 연구는 이러한 새로운 이미징 형식에 의해 촬영 된 이미지를 분석 하 다른 최신의 이미지 처리와 같은 트리 토폴로지 추정129, 양적 방법, 탐구 합니다.

Figure 13
그림 13: 망막 화상 진 찰 혈관 및 신경 변화 치 매와 관련 된 공부를 잠재적으로 가치 있는 도구입니다. 그것은 그의 치 매는 신경 상해 및 뇌의 작은 혈관 질환 관련 된 제안 되었습니다. 망막, 중추 신경 시스템의 확장 되 고 뇌와 눈에 띄는 유사성을 공유로 이러한 병 적인 변화 망막 신경 및 혈관 손상으로 망막에 반영 될 수 있습니다. 이 프로토콜을 사용 하 수 있다 망막 신경 변경 변경으로 선박 개조 및 혈관 네트워크 변경으로 망막 혈관 변화를 측정할 수 수 하는 동안 광학 일관성 단층 촬영 (OCT)를 사용 하는 RNFL 및 GC IPL 두께에 측정할 수 합니다. 저 사진과 컴퓨터 기반 분석 프로그램을 사용 하 여 매개 변수. 공부 망막 변화 및 치 매 간의 연결 수 있습니다 치 매의 병 리에 대 한 새로운 통찰력을 제공 하 고, 잠재적으로, 진단 및 위험 평가에 도움이. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

이 프로토콜 망막 이미징 기법 (그림 13)를 사용 하 여 치 매 연구 비-침략 적, 양적 및 반 자동화 방법을 설명 합니다. 망막과 망막 화상 진 찰 두뇌의 강력한 연결의 접근성을 고려 수 있습니다 치 매에 대 한 새로운 통찰력을 제공 하며, 잠재적으로, 치 매 진단 및 위험 평가에 도움이 그러나,이 단계에서 보고 된 연결 논란이 남아 있고 더 연구는 망막 화상의 잠재적인 유틸리티를 평가 하는 데 필요한. 또한 철저 한 임상 평가 치 매 평가에 필수적인 남아 주목 한다.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

우리 학교 컴퓨팅, 기술 지원에 대 한 싱가포르의 국가 대학에 우리의 감사를 표현 하 고 싶습니다.

Acknowledgments

잠재적인 금융 관계에 관한 저자 티 엔 영 웡이이 문서에서 사용 되는 싱가포르 I 선박 평가 (시바) 프로그램의 공동 발명자 이다.

Materials

Name Company Catalog Number Comments
Non-mydriatic Retinal Camera  Topcon, Inc, Tokyo, Japan TRC 50DX  N/A
Singapore I Vessel Assessment Program National University of Singapore Version 4.0 N/A
CIRRUS HD-OCT  Carl Zeiss Meditec, Inc, Dublin, CA Model 4000 N/A
Mydriatic Agents  N/A N/A Prepared from 1% tropicamide and 2.5% phenylephrine hydrochloride

DOWNLOAD MATERIALS LIST

References

  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).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics