Usando proyección de imagen retiniana para el estudio de la demencia

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

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

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

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

Introduction

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

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

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

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

Subscription Required. Please recommend JoVE to your librarian.

Protocol

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

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

1. preparar los temas para la proyección de imagen retiniana

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

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

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

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

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

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

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

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

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

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

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

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

3. evaluar el espesor del GC-IPL y RNFL

Figure 7

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

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

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

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

Figure 9

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

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

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Figure 10
Figura 10: Un ejemplo para mostrar las diferencias en la vasculatura retiniana entre un sujeto normal y un tema AD. En comparación con el sujeto normal, fotografía de fondo de la materia AD mostraron calibres de vaso más estrechos (CRAE de la zona B, 116,4 μm vs 156.4 μm; CRVENI de zona B, 186.9 μm vs 207.5 μm; CRAE de zona C, 138,5 μm vs 165,8 μm; CRVENI de zona C, 206,6 μm vs 232.2 μm), fractal vascular retiniana más pequeñas dimensiones (dimensión fractal total, 1.472 vs 1.517 dimensión fractal arteriolar, 1.246 vs 1.316; dimensión fractal venular, 1.253 contra 1.273) y mayor retinianas vasculares tortuosities (tortuosidad arteriolar [104], 0.61 vs. 0,48; tortuosidad venular [104], 1.41 vs 0.50).  Estas imágenes fueron capturadas usando una cámara fotográfica de fundus de 50 grados y se analizaron mediante el método descrito en el protocolo. Haga clic aquí para ver una versión más grande de esta figura.

Interpretación de los parámetros vasculares retinianos: Con nuestro protocolo, parámetros vasculares retinianos pueden medirse desde las fotografías del fondo. Estos parámetros indican el estado de la vasculatura retiniana, que a su vez puede reflejar cambios similares en la vasculatura cerebral. La figura 10 muestra las fotografías de fondo de un tema de AD y un sujeto sano. Se midieron los parámetros vasculares retinianos registrados en la tabla 1 de estas fotografías del fondo utilizando el método descrito en el presente Protocolo.

ANUNCIO Normal
CRAE de zona B (μm) 116.4 156.4
CRVENI de zona B (μm) 186.9 207.5
CRAE de la zona C (μm) 138.5 165,8
CRVENI de zona C (μm) 206.6 232.2
Dimensión Fractal total 1.472 1.517
Dimensión Fractal arteriolar 1.246 1.316
Dimensión Fractal venular 1.253 1.273
Tortuosidad arteriolar (x104) 0,61 0.48
Tortuosidad venular (x104) 1.41 0.50
Coeficiente de ramificación arteriolar 2.43 1.49
Ángulo de ramificación arteriolar (grado) 67.17 81.16
Coeficiente de ramificación venular 1.42 1.62
Ángulo de ramificación venular (grado) 60.11 73.19

Tabla 1: diferencias en parámetros vasculares retiniano entre un tema de AD y un sujeto normal. Se midieron los parámetros vasculares retinianos de las fotografías de fondo de ojo que se muestra en la figura 10. En comparación con el sujeto normal, el tema de AD mostraron reducciones en calibres del recipiente (es decir, CRAE y CRVENI) y dimensión fractal, pero mostró un aumento en la tortuosidad. Además, los ángulos de ramificación y coeficientes de ramificación del tema AD también se desviaron de respectivos valores óptimos.

Calibres de los vasos retinianos
En comparación con el sujeto normal, la fotografía de fondo del tema de AD (figura 10) mostraron disminuciones en el CRAE y CRVENI de zona C (μm 138.47 y 206.61, respectivamente), en comparación con el sujeto sano (165.82 μm y 232.22, respectivamente).  El CRAE y CRVENI resumen los calibres de vasos retinianos, que aproximan el ancho de lumen interno en arteriolas retinianas y las vénulas, respectivamente. Por lo tanto, reducciones en el CRAE y CRVENI indican generalizado estrechamiento en vénulas y arteriolas retinianas y sugieren disfunción microvascular35.

Parámetros de la red Vascular retiniana
En primer lugar, las tortuosities arteriolares y venular retinianos del tema AD (0.613 x 10-4 y 1.41 x 10-4, respectivamente) fueron mayores que el del tema normal (0.476 x 10-4 y 0.501 x 10-4, respectivamente). Las tortuosities vasculares superiores indican que los vasos retinianos son generalmente más rectos en el tema de AD.

En segundo lugar, el tema de AD también había reducido dimensiones fractal retiniana (dimensión fractal total, 1.472; dimensión fractal arteriolar, 1.246 y dimensión fractal venular, 1.253) en comparación con el sujeto sano (dimensión fractal total, 1.517; arteriolar dimensión fractal, 1.316; dimensión de fractal venular, 1.273). Puesto que las dimensiones fractales representan medidas "globales" que resumen la complejidad ramificación de la network30 vascular retiniana, fractal reducidas dimensiones indican que la vasculatura retiniana es menos compleja en el tema de AD.

En tercer lugar, más parámetros de bifurcación retiniana del tema AD desviaban del valor óptimo. Específicamente, los arteriolares y venular ramificación ángulos del tema AD (67,17 ° y 60,109 °, respectivamente) fueron más lejos de los valores óptimos, que son aproximadamente 75o 36, en comparación con el tema normal (81,16 ° y 73.19 °, respectivamente). Además, el coeficiente de ramificación arteriolar del tema AD (2.432) también severamente desviado del valor óptimo, que es aproximadamente 1.2636. Esto representa un aumento total de la superficie transversal a través de las bifurcaciones37.

Interpretación de parámetros neuronales retinianos
Con nuestro protocolo, uno debe ser capaz de obtener dos documentos de análisis que muestra los espesores promedio y sectoriales de RNFL y GC-IPL (ilustrada por la Figura 11A y 11B, respectivamente).  Mientras que las mediciones de RNFL reflejan la salud de los axones amielínicos de las RGCs, las mediciones de GC-IPL indican la salud de los cuerpos celulares y dendritas de RGCs. Puesto que el tamaño del cuerpo de la célula RGC es 10 - 20 veces el diámetro de su axón, grueso de GC-IPL ha demostrado ser más fuertemente relacionado con deterioro cognitivo38.

En ambos informes, tres mapas fueron demostradas para ayudar a la interpretación, a saber, mapas de mapas de espesor (a), (b) desviación mapas y (c) importancia. En los mapas de espesor, colores más cálidos representan valores mayores de espesor y enfriador colores representan valores más bajos de espesor; en otras palabras, el más denso anillo naranja/amarillo, cuanto más gruesa la capa retiniana interesados. El software también compara los espesores medidos a normativo pareados por edad base de datos interna del dispositivo y genera mapas de desviación y mapas de significación. En los mapas de desviación, un súper-pixel se muestra en rojo o amarillo si el valor de espesor cae fuera el 99% o rango percentil de 95 – 99%, respectivamente. Enmapas de significación, la capa retiniana interesados está dividido en diferentes sectores, como la retina es poco probable ser homogéneo afectados por demencia. Se divulga el valor de espesor de cada sector y cada sector también codificados por color para que coincida con el resultado de la comparación, con valores dentro del rango normal en verde (p = 5 – 95%), los valores límite en amarillo (1% < p < 5%) y valores fuera del rango normal en rojo (p) < 1%).

El listado de análisis de RNFL y GC-IPL en un tema de AD se muestra en la Figura 11A y 11B respectivamente. El desvanecimiento de colores cálidos y la aparición de zonas claras azul en los mapas de espesor de ambos informes indican adelgazamiento del GC-IPL y RNFL en el tema de AD. Mientras que el adelgazamiento de GC-IPL sugiere pérdida leve, adelgazamiento de RNFL sugiere pérdida de axones RGC. Además, varios sectores de los mapas de significación están etiquetados en rojo o amarillo, lo que sugiere que el grosor RNFL y GC-IPL de las áreas correspondientes se reduce en el anuncio de sujetos. Las zonas exactas de adelgazamiento también pueden ser visualizadas por los Super-pixeles rojos o amarillos en los mapas de desviación.

Figure 11
Figura 11: Impresión de análisis de la estructura neuronal retiniano de un objeto de AD. Adelgazamiento de RNFL y GC-IPL en el tema del anuncio se indica por la presencia de más áreas luz azul en los mapas de espesor. La magnitud de la reducción se considera anormal en comparación con la población de edad comparable normativa; los sectores rojos indican el valor de espesor de las áreas correspondientes cayeron fuera del rango normal (p < 1%), mientras que el sector amarillo indica valor limítrofe en el área correspondiente (1% < p < 5%). Las zonas exactas de RNFL y GC-IPL adelgazamiento puede también ser visualizado por los mapas de desviación, en la que los píxeles Super rojos y amarillos (flechas rojas) indican los valores de grosor de los puntos correspondientes cayeron fuera el 99% o rango percentil 95 – 99% respectivamente. Todos juntos, estos mapas sugieren que grosor RNFL y GC-IPL era anormalmente reducen en el tema de AD. Haga clic aquí para ver una versión más grande de esta figura.

Ungradable imágenes de la retina o Unanalyzable: fotografías del fondo o escaneos OCT pueden ser unanalyzable debido a varias razones. Con respecto a las exploraciones OCT, GC-IPL o RNFL falla de segmentación puede ocurrir debido a patologías retinianas, como la degeneración macular relacionada con la edad, retinopatía diabética y membrana epirretiniana. Figura 12A se muestra un ejemplo de la falta de segmentación debido a edema macular diabético. También se ha demostrado que las mediciones de calidad y espesor de exploración OCT pueden verse afectadas por39de ojos secos, cataratas40,41,42,43, flotadores y otras opacidades vítreas 44 , 45. con respecto a fotografías del fondo, la medición de parámetros vasculares retinianas también puede verse entorpecida por la opacidad de los medios de comunicación (como una catarata), que afecta a la visibilidad de la vasculatura retiniana (Figura 12B).

Figure 12
Figura 12: Imágenes retinianas unanalyzable. Mientras más resultados subóptimos podrían evitarse mediante los métodos descritos, varios tipos de imágenes retinianas son unanalyzable y deben ser descartados. (A) segmentación podrían producirse fallas en algunos OCT escanea debido a patologías retinianas, incluyendo degeneración macular senil, retinopatía diabética y membrana epirretiniana. Esta cifra demuestra una falta de segmentación debido a edema macular diabético. Vasculatura (B) la visibilidad de la retina puede reducirse por opacidad de medios, tales como opacidad debido a una catarata. Esta cifra demuestra que opacidad de medios graves puede oscurecer la vasculatura retiniana y renderizar la imagen unanalyzable. Haga clic aquí para ver una versión más grande de esta figura.

Parámetro Zona de medida Interpretación y asociación divulgada con AD
Calibre de los vasos retinianos
Equivalente Arteriolar retiniana central (CRAE) Zona B & C ♦ Cambios en equivalente arteriolar retiniana Central (CRAE) y equivalente venular retiniano central (CRVENI) indican estenosis vascular retiniana generalizada o ampliación y pueden sugerir sutil disfunción microvascular35.
♦ Se ha reportado que el aumento de CRVENI está asociada con demencia incidente46,46de la demencia vascular, y disminución CRVENI y CRAE se asocian con la enfermedad de Alzheimer47,48.
Equivalente Venular retiniano central (CRVENI) Zona B & C
Parámetros de la red Vascular retiniana
Dimensiones de fractal (dF) Zona C Dimensión Fractal ♦ representa una medida de "macro" que resume la complejidad de la ramificación de la red vascular retiniana30; un valor mayor indica un patrón de ramificación más complejo.
♦ Se ha sugerido que reduce la dimensión fractal retiniano se asoció con demencia47,48,59 y60de la función cognitiva.
Tortuosidad
(RESPONSABILIDAD EXTRACONTRACTUAL)
Zona C ♦ la tortuosidad refleja la rectitud general de los vasos retinianos, con una tortuosidad menor valor indica que los vasos retinianos más rectos.
♦ Se ha sugerido que el aumento de la tortuosidad venular y tortuosidad arteriolar se asocian a AD62.
Ángulo de ramificación
(BA)
Zona C ♦ El valor óptimo de BA es de aproximadamente 75o 36
♦ Alteración en ángulo de ramificación puede indicar cambios en la sangre flujo63,64, disfunción endotelial65,66 y atenuación de la saturación de oxígeno67.
Coeficiente de ramificación (A.C.) Zona C ♦ El valor óptimo de BC es aproximadamente 1.2636.
♦ Desviación del valor óptimo puede aumentar el costo de energía, reduciendo la eficacia de la circulación y metabolismo transporte37.

Tabla 2: interpretaciones de los principales parámetros vasculares retinianos. Calibres de los vasos y la red vascular retiniana parameters son dos categorías principales de los parámetros reportados por el programa de análisis asistido por computadora. CRAE y CRVENI documento generalizaron vasos retinianos estrechamiento o ensanchamiento, reflejo sutil disfunción microvascular retiniana. Parámetros de la red vascular retiniana capturan la "optimalidad" y "eficiencia" de la distribución de la sangre de la red retina, que a su vez reflejan la integridad de la microcirculación cerebral.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

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

Como se muestra en la figura 10 y tabla 1, el tema del anuncio demostró calibres buque disminuida en comparación con el sujeto sano. Se ha divulgado que disminución CRVENI y CRAE se asocian con la enfermedad de Alzheimer46,47, aunque esto no se observa consistentemente48.

Además, el tema de AD también demostró disminución fractal dimensiones, incrementó tortuosities vasculares y coeficientes de ramificación subóptimas y ángulos de ramificación en comparación con el sujeto sano. Estos cambios indican alteraciones en patrones geométricos globales de la red vascular retiniana49,50,51,52,53,54, 55,56. Puesto que el patrón de ramificación de la red vascular, según principio de Murray, estructuralmente está desarrollado para reducir al mínimo la energía necesaria para mantener el flujo de sangre57, estos parámetros también capturan el grado de "optimalidad" y "eficacia" de distribución de sangre en la red vascular retiniana, que a su vez puede reflejar la integridad de la microcirculación cerebral58. Se ha informado de esa dimensión fractal retiniana reducida se asocia a demencia47,48,59 y function60 cognitiva y está potencialmente relacionado con daños microvasculares hacia la retina 61de la hipoxia.  Mayor tortuosities venular y arteriolares se muestran también a asociarse con AD62. Con respecto a los parámetros de bifurcación retiniana, sub-optimalidad de los ángulos de ramificación indica que la red vascular retiniana en el tema de AD ha disminuido la eficacia de la perfusión del tejido y mayor pérdida de energía37. Alteración en el ángulo de ramificación también puede indicar cambios en el flujo de sangre63,64, disfunción endotelial65,66y atenuación de oxígeno saturación67. Además, desviación del valor óptimo del coeficiente de ramificación también puede aumentar el coste energético, reduciendo la eficiencia de circulación y transporte metabólico37. Tomados juntos, cambios en los parámetros de la red vascular (es decir, la dimensión fractal, tortuosidad, ángulo de bifurcación y ramificación coeficiente) sugieren la afectación microvascular en patología de AD. Las asociaciones divulgadas de principales parámetros vasculares retinianos con AD se resumen en la tabla 2 y también han sido revisadas en detalles previamente8,58,68,69.

Como se ilustra en figura 11, el tema de AD también demostró disminución grosor de RNFL y GC-IPL. Aunque los gruesos de GCL y IPL pueden solamente ser divulgados juntos debido a su ambiguo límite anatómico, el espesor combinado (es decir, GC-IPL) es indicativo de la salud de RGCs38. Es cada vez más evidente que adelgazamiento del GC-IPL38 y RNFL70,71,72,73,74,75,76 ,77,78 está asociada con el anuncio. Recientemente, un estudio poblacional a gran escala también informó que diluyente RNFL se asocia con peor función cognitiva, como memoria prospectiva más pobre y más pobres resultados de Razonamiento verbal y numérico79. Además, adelgazamiento de RNFL se divulga también en demencias no AD80,81,82.

Pasos críticos de la proyección de imagen retiniana
Varios pasos en el protocolo deben realizarse correctamente para obtener un resultado exacto. Con respecto al procedimiento de adquisición de imágenes, es importante dominar el procedimiento imagenológico de OCT y fotografía del fondo, ya que un prolongado de imágenes puede inducir fatiga del ojo y así aumentar la probabilidad de artefactos de movimiento. Además, contraste y saturación de las imágenes deben estandarizarse durante la adquisición de imagen para evitar el ajuste grueso en pasos posteriores de procesamiento de imágenes. Cohortes de estudio diferentes y tipos de cámara se pueden variar el contraste y la saturación.

Con respecto a la medición de parámetros vasculares retinianas, es importante calcular el CIF para cada cámara que se utiliza en el estudio para ajustar el efecto de aumento y la diferencia en la resolución de la imagen. Ajuste por ICF es importante para la medición precisa de los parámetros dimensionales, incluyendo los calibres de los vasos retinianos. Además, cuando la clasificación de las fotografías de fondo con un programa de análisis asistido por computadora, grado debe enmascarar a las características del participante como el proceso de calificación implica una cierta cantidad de ajuste manual. Además, los alumnos deben recibir una formación adecuada y su fiabilidad de medición debe ser evaluado en primer lugar, antes de calificar las imágenes.

También es importante que calibre de vasos retinianos informe en zona B y zona C. Se cree que el calibre del vaso de la zona C es más sensible y más exacta con el menor error estándar17, posiblemente debido a la inclusión de más periféricos pequeños vasos en la retina, que son anatómicamente y fisiológicamente más similar a la pequeños vasos en el cerebro. Sin embargo, el calibre de la zona B también debe indicarse la medida calibre dentro de zona que b ha sido ampliamente utilizado en numerosos estudios epidemiológicos.

Cabe señalar que el equipo y el programa de análisis asistido por computadora usado en este protocolo son para fines de ilustración solamente y similares resultados se obtienen utilizando otras técnicas de imagen retinianas. Sin embargo, en la mayoría de los casos los parámetros numéricos reportados por medición diferentes sistemas no deben ser interpretan indistintamente83. Yip et al han desarrollado un algoritmo para la conversión entre calibres utilizados software tres medición vasos retinianos, que pueden ser útiles para comparar resultados de diferentes estudios83.

Importancia de la imagen retiniana
Proyección de imagen de resonancia magnética (MRI) y tomografía por emisión de positrones (PET) es dos métodos de proyección de imagen en vivo ampliamente utilizados para el estudio de la demencia. Sin embargo, la aplicación de la RMN está limitada por su resolución espacial para detectar sutiles cambios degenerativos de menos de 500 μm. El uso de la proyección de imagen del animal doméstico también está limitado por su alto costo y la disponibilidad de instalaciones de PET. Además, aunque cerebral pequeña enfermedad del recipiente ha sido vinculado a la demencia84,85,86>,87,88,89,90, las tecnologías actuales de neuroimagen no permiten evaluación directa de los cambios de pequeño vaso cerebrales, tales como estrechamiento arteriolar cerebral, cambios en tortuosidad vascular y capilar micro-aneurisma. Por lo tanto, se desea un enfoque complementario para el estudio de la demencia. Proyección de imagen retiniana demuestra varias características que la hacen diferente de otras técnicas de neuroimagen y permiten ofrecer nuevas perspectivas a la investigación de la demencia.

En primer lugar, la retina es muy accesible para la proyección de imagen no invasivo en comparación con otras partes del SNC. Como la pupila permite el paso bidireccional de los rayos de luz de iluminación y proyección de imagen, la vascualture retiniana puede ser reflejada directamente y rápidamente a través de una cámara fotográfica de fundus, que es una técnica de imagen retiniana clásico basan en el principio de monocular indirecto oftalmoscopia. Fotografía del fondo ha demostrado alta sensibilidad, especificidad y entre examen y examen intra acuerdo91. Además, también pueden capturar en vivo imágenes seccionadas transversalmente de la estructura neuronal retiniano por OCT basado en el principio de interferometría de baja coherencia92,93,94, 95,96. Como resultado, la proyección de imagen retiniana permite longitudinal y con costos relativamente bajos para observar el efecto de la demencia en CNS la proyección de imagen no invasiva.

En segundo lugar, la estructura neuronal retiniana se organiza como capas distinguibles y cada capa representa un elemento específico de la arquitectura neuronal. Por ejemplo, el GC-IPL representa los cuerpos celulares y dendritas de RGCs, mientras que el RNFL representa los axones de las RGCs. en particular, precisa demarcación de capas neuronales retinianas, como GC-IPL y RNFL, ahora se logra con algoritmos de segmentación avanzada 33 , 97y cualquier patología de demencia que se manifiesta como una distorsión de la arquitectura neuronal puede ser fácilmente detectada.

En tercer lugar, evaluación objetiva, semi-automatizada y estandarizada de la retinales imágenes ahora es posible utilizar programas de análisis asistido por computadora. Según lo ilustrado por este protocolo, los programas de análisis asistido por ordenador pueden rastrear la vasculatura retiniana por la fotografía del fondo y automáticamente, basándose en los resultados de seguimiento, medir un espectro de parámetros vasculares retinianos, como buque calibres, tortuosities, dimensiones de fractal y ángulos de ramificación. Durante el proceso de seguimiento, los alumnos sólo son necesarios para verificar la exactitud de trazos de la embarcación y, si es necesario, ajustar trazos recipiente incorrecto manualmente. Estudios previos han informó que intragrader y intergrader fiabilidad moderadas a alta49. Del mismo modo, los algoritmos de análisis incorporado OCT automáticamente pueden medir parámetros de grosor RNFL y GC-IPL y comparar los resultados con las bases normativas de edad comparable98. La naturaleza automática de la imagen retiniana ayuda a mejorar la eficiencia de la medida y consistencia al reducir la cantidad de trabajo necesario de cada grado. Grado puede dominar rápidamente las habilidades de medir e interpretar parámetros de retinales, sin aprender conocimientos demasiado avanzados oftalmológicas o neurológicas. Por lo tanto, la proyección de imagen retiniana puede aplicarse fácilmente en un entorno poblacional.

Por último, tecnologías de proyección de imagen retinianas pueden ahora imagen de la retina en la resolución de varias micras, que es al menos un orden de magnitud se puede lograr con técnicas de neuroimagen convencionales. Por ejemplo, el OCT de dominio espectral puede ahora obtener imágenes de la retina en volumen tridimensional con una resolución axial (por ejemplo varias micras) y un alto grado de reproducibilidad99,100,101 ,102,103,104,105. Esto permite la visualización directa y la cuantificación de cambios sutiles en la retina como los axones RGC, la extensión ocular del CNS. Las asociaciones entre la demencia y cambios microvasculares pueden evaluarse directamente midiendo parámetros vasculares retinianos.

Tomado junto, retina imágenes pueden recoger información única sobre la vasculatura cerebral y la estructura neuronal que es distinta de técnicas, lo que sugiere que la proyección de imagen retiniana puede proporcionar un enfoque complementario para el estudio de imagen cerebral actual la patología de demencia9,35,58,68,106,107,108.

Limitaciones del método
La proyección de imagen retiniana es un método cada vez más popular para visualizar y cuantificar microvascularización y estructura neuronal en la retina8,109. Sin embargo, los lectores del presente Protocolo deben ser conscientes de sus limitaciones potenciales para interpretar críticamente los resultados.

En primer lugar, la calidad de las OCT imágenes y fotografías del fondo puede ser afectada por una serie de factores oculares. Por ejemplo, variaciones en el error de refracción y longitud axial pueden afectar la ampliación y por lo tanto las dimensiones aparentes de calibre vascular retiniano 110. Diferencias en pigmentación de la retina, presencia de opacidades de los medios de comunicación, técnica fotográfica, cámara tipo (p. ej., midriático, no-midriático, mano), y también puede presentar una calidad de imagen (por ejemplo, brillo, enfoque y contraste) fuentes adicionales de variación y efecto medidas111,112,113,114,115,116. Además, artefactos de movimiento pueden ser común en sujetos mayores de edad si se prolonga la adquisición de la imagen.

En segundo lugar, la arquitectura vascular y neuronal retiniana puede ser afectada por muchos procesos patológicos sistémicos y locales, y así algunas manifestaciones retinianas no son específicos de una determinada enfermedad. Por ejemplo, estrechamiento arteriolar retiniano se ha correlacionado a vasoconstricción periférica sistémica e hipertensión, mientras que la ampliación venular retiniano se ha correlacionado a la disfunción endotelial, inflamación, hipoxia microvascular117, y enfermedades tales como enfermedad cardiovascular118 y diabético retinopatía119. Adelgazamiento de la RNFL se observa también en otras enfermedades neurodegenerativas, incluyendo glaucoma, enfermedad de Parkinson y esclerosis múltiple10. También cabe destacar que la reducción relacionada con la edad RGCs y sus axones también puede ocurrir sin demencia99,120.

En tercer lugar, las asociaciones entre cambios retinianos y demencia siguen siendo poco concluyentes. Por ejemplo, las asociaciones de calibres más pequeños vasos con enfermedad de Alzheimer no se replicaron por Williams et al. 59y la Asociación de menor calibre arteriolar con el anuncio por el estudio del programa de epidemiología de la enfermedad ocular de Singapur también fue perdido después de ajustar por factores de confusión factores cardiovasculares48. Además, aumentó venular y arteriolares tortuosities en AD no constantemente se observan47,59. También cabe señalar que la Asociación de dimensión fractal arteriolar con demencia se perdió en un modelo totalmente ajustado"xref" > 59.

En cuarto lugar, los programas de análisis asistido por computadora en esta etapa son sólo semiautomático y requieren ajustes manuales por grado capacitados49,121. Entradas manuales, aun siguiendo un protocolo estandarizado, pueden introducir más variabilidad en las mediciones de la retinales.

Futuras aplicaciones del método
Dada la accesibilidad de la retina y sus semejanzas a otras partes del sistema nervioso central, la retina es una excelente "ventana" para estudiar el efecto de la demencia en la microvasculatura cerebral y la estructura neuronal. Puesto que la demencia ahora se piensa para implicar procesos vasculares84,85,86,87,88,89,90,122 , la proyección de imagen y cuantificación de la microvasculatura retiniana mediante este protocolo también pueden proporcionar nuevas perspectivas sobre la etiología microvascular (versus macrovasculares etiología) de la demencia10,35,58 , 106 , 108 , 123 y facilitar nuestro entendimiento de subtipos diferentes de demencia.

Además, la proyección de imagen retiniana podría potencialmente usarse en entornos clínicos para facilitar la evaluación de riesgo o diagnóstico preclínica de la demencia, para confirmar el anuncio clínicamente diagnosticada y para monitorizar la progresión de la enfermedad o la respuesta a la terapia. La aplicación de la proyección de imagen retiniana en el cribado de la población es particularmente intrigante como cambios neuronales y microvasculares, que pueden traducirse en cambios retinianos similares, ocurren mucho antes que la aparición de atrofia cortical y la declinación cognoscitiva 124 , 125. constantemente, los estudios han demostrado que el grosor RNFL y GC-IPL se redujeron en pacientes con deterioro cognitivo leve (DCL) y en comparación con los controles de salud, pero las diferencias de grosor RNFL y GC-IPL entre pacientes con MCI y los anuncios no fueron estadísticamente significativas8, sugiriendo ese adelgazamiento de RNFL y GC-el IPL es un evento precoz en la patología de la AD. Sin embargo, la fuerza de asociaciones entre las medidas de proyección de imagen retinianas y demencia sólo es modesta y varios correlatos retinianas de AD no han sido consistentemente observados8,47,48, 59 , 109. este protocolo se puede potencialmente adoptado por más estudios clínicos prospectivos con grandes cohortes para evaluar la utilidad clínica de la imagen retiniana en el diagnóstico clínico previo de AD.

Los avances recientes en técnicas, como la proyección de imagen de campo ultra ancho retiniana y la angiografía de la OCT, la proyección de imagen retiniana pueden nos permiten obtener más información de la retina. La retina campo ultra-amplio tecnología, basada en el principio del láser confocal de barrido microscopía combinado con un espejo cóncavo elíptico, puede capturar hasta 200o de la retina en una imagen sin dilatación de pupila126 ,127. Esto permite la evaluación más amplia de lesiones retinianas periféricas, que pueden proporcionar más información sobre la vasculatura retiniana en general17. Se ha reportado que la proyección de imagen de campo ultra ancho retiniana puede lograr un rendimiento satisfactorio en la segmentación de vasos y estimación de ancho128. Además, la invención de la angiografía de la OCT también permite teñir-basada traz de la red capilar retiniana, que puede proporcionar más información sobre cambios microvasculares asociadas a la demencia. Teniendo en cuenta los métodos de análisis de imagen, más investigación es necesaria para explorar otras tratamiento de la imagen de vanguardia y métodos cuantitativos, como el árbol topología estimación129, para analizar las imágenes captadas por estas nuevas modalidades de imágenes.

Figure 13
Figura 13: proyección de imagen retiniana es una herramienta potencialmente valiosa para estudiar los cambios neuronales y vasculares asociados con la demencia. Se ha propuesto que la demencia se asocia a lesión neuronal y enfermedad de pequeños vasos en el cerebro. Como la retina, siendo una extensión del sistema nervioso central, comparte similitudes importantes con el cerebro, estos cambios patológicos pueden reflejarse en la retina como daños neuronales y vasculares retinianos. Mediante este protocolo, los cambios neuronales retinianos pueden cuantificarse como cambios en el grosor RNFL y GC-IPL mediante tomografía de coherencia óptica (OCT), mientras que los cambios vasculares retinianos pueden cuantificarse como cambios en calibres de buque y red vascular parámetros utilizando un programa de análisis asistido por ordenador y fotografía del fondo. Estudiar las asociaciones entre la demencia y cambios retinianos puede proporcionar nuevas perspectivas en la patología de la demencia y, potencialmente, ayudar en la evaluación de diagnóstico y el riesgo. Haga clic aquí para ver una versión más grande de esta figura.

Este protocolo describe un método no invasivo, cuantitativo automatizado y semi-automatizados para estudiar la demencia con técnicas de imagen retinianas (figura 13). Teniendo en cuenta la accesibilidad de la retina y sus asociaciones sólidas con el imágenes del cerebro, la retina puede proporcionar nuevas penetraciones en la demencia y, potencialmente, ayudar en la evaluación de diagnóstico y riesgo de demencia. Sin embargo, las asociaciones en esta etapa siguen siendo polémicas y se requieren más estudios para evaluar la potencial utilidad de la proyección de imagen retiniana. Cabe señalar que una evaluación clínica minuciosa sigue siendo esencial en la evaluación de la demencia.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

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

Acknowledgments

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

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