Utilizando imagens da retina para estudar a demência

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

A retina partes proeminentes semelhanças com o cérebro e, portanto, representa uma janela única para estudar vasculatura e estrutura neuronal no cérebro de forma não-invasiva. Este protocolo descreve um método para estudar a demência usando técnicas de imagem da retina. Esse método potencialmente pode ajudar no diagnóstico e avaliação de riscos de demência.

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

A retina oferece uma única "janela" para estudar processos fisiopatológicos da demência no cérebro, pois é uma extensão do sistema nervoso central (SNC) e partes proeminentes semelhanças com o cérebro em termos de origem embriológica, características anatômicas e Propriedades fisiológicas.  Estrutura vascular e neuronal na retina pode agora ser retina visualizada facilmente e de forma não-invasiva usando técnicas de imagem, incluindo a fotografia de fundo e tomografia de coerência óptica (OCT) e quantificado usando semi-automática programas de análise assistida por computador. Estudando as associações entre alterações vasculares e neuronais na retina e demência poderia melhorar a nossa compreensão da demência e, potencialmente, ajudar no diagnóstico e avaliação de riscos.  Este protocolo visa descrever um método de quantificar e analisar a vasculatura da retina e estrutura neuronal, que são potencialmente associados com demência. Este protocolo também fornece exemplos de alterações da retina em indivíduos com demência e discute questões técnicas e limitações atuais da imagem na retina.

Introduction

Devido ao aumento da expectativa de vida, demência tornou-se um problema médico principal, contribuindo para o social significativo e saúde econômica globalmente sobrecarregar-1,2,3,4,5. Hoje, uma pessoa nos Estados Unidos desenvolve a doença de Alzheimer (AD), a forma mais comum de demência, cada 66 s6. Estima-se que até ao ano 2050, 115 milhões de pessoas serão afetadas pelo AD7.

A retina oferece uma exclusiva "janela" para estudar a demência devido a suas propriedades anatômicas e fisiológicas semelhantes com o cérebro. Em termos de vascularização, a retina arteríolas e vênulas, medindo 100 a 300 µm de diâmetro, compartilham características semelhantes, com pequenos vasos cerebrais, tais como arteríolas fim sem anastomoses, função de barreira e autoregulação8, 9. em termos de estrutura neuronal, células da retina ganglionar (RGCs) compartilham Propriedades típicas com neurônios no sistema nervoso central (SNC) 10. As RGCs proeminente são conectadas com o cérebro como eles formam os nervo óptico e projeto sinais visuais da retina para os núcleos geniculados laterais e o colículo superior. O nervo óptico, semelhante a muitas fibras neuronais no SNC, é mielinizado por oligodendrócitos e é ensheathed em camadas na meninge. Nomeadamente, um insulto para o nervo óptico pode resultar em respostas semelhantes observadas em outros axônios do CNS, tais como retrógrada e anterógrada degeneração do axônio, formação de cicatriz, destruição de mielina, degeneração secundária e um nível anormal de neurotrophic fatores e neurotransmissores11,12,13,14. O aparecimento de sintomas visuais em alguns pacientes AD também pode ser explicado pelas associações robustas entre a retina e o cérebro de15,16. Como resultado, tem sido sugerido que a retina pode refletir os processos patológicos da demência no cérebro e imagem retinal pode ser usada para estudar a demência.

A vasculatura da retina e estrutura neuronal agora podem ser visualizadas não invasiva, usando técnicas de imagem da retina. Por exemplo, fotografias da retina do fundo podem ser capturadas usando câmeras do fundo e características da vasculatura da retina (por exemplo, navio calibre, tortuosidade e fractal dimensão) podem então ser quantificadas usando análise assistida por computador programas. Além disso, os parâmetros da estrutura da retina neuronal (tais como a espessura da camada plexiforme de gânglio célula-interna [GC-IPL] e camada retinal da fibra do nervo [RNFL]) também podem ser medidos usando a tomografia de coerência óptica (OCT) e quantificados usando o built-in algoritmos de análise.

Tendo em conta a importância da imagem na retina para estudar a demência, o presente protocolo visa descrever um método de imagem e analisando a vasculatura da retina e estrutura neuronal na vivo usando técnicas de imagem da retina. Este protocolo também fornece exemplos de alterações da retina em indivíduos com demência e discute questões técnicas e limitações atuais da imagem na retina.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

todos os métodos descritos aqui foram aprovados por um Comitê de ética de pesquisa clínica local em Hong Kong.

Nota: para manter a simplicidade, o equipamento listado na Tabela de materiais é usado para ilustrar os procedimentos de imagem da retina e posterior análise. Medição de parâmetros vasculares da retina é ilustrada usando a Singapura I navio avaliação programa (Shiva) 17 (versão 4.0, Nacional Universidade de Singapura, Singapura). No entanto, deve notar-se que um conjunto diferente de equipamentos pode ser adoptado como os princípios subjacentes permanecem similares.

1. preparar os sujeitos para Retinal Imaging

  1. dilatar os assuntos ’ alunos usando um agente midriático. Aguarde pelo menos 15 minutos para estabelecer a dilatação suficiente.

2. Medir parâmetros vasculares de retina do Fundus fotografias usando um programa de análise assistida por computador

Figure 1
Figura 1: Diagrama esquemático mostrando os procedimentos de medição de parâmetros vasculares da retina. (A) obter fotografias de óptica-disco-centrada do fundo usando uma câmera de fundus. figura 1A e 2A figura são duas fotografias do fundo com ótima qualidade. (B) enviar as fotografias do fundo para o servidor baseado em nuvem e digite as informações relevantes do estudo, incluindo o fator de conversão de imagem (ICF). Outros programas de análise assistida por computador podem usar métodos não baseados em nuvem para organizar e armazenar as imagens. (C) abrir a foto de fundo no programa de análise assistida por computador. Mark (D) a localização do centro do disco óptico e (E) solicitar o software automaticamente detectar a borda do disco óptico e coloque uma grade de medição. (F) construção traçados de navio baseiam os caminhos de navio e colocar o vaso cobre para estimar o diâmetro dos vasos. (G) ajustar os traçados incorreta do navio e embarcação abrange manualmente. (H) medida um espectro de parâmetros vasculares da retina, incluindo calibres de navio, tortuosidade, dimensão fractal e bifurcação. (D) de passo a passo (F) e passo (H) pode ser executado automaticamente por alguns programas de análise assistida por computador. clique aqui para ver uma versão maior desta figura.

  1. Capturar fotografias de fundo usando uma câmera de fundus. Programa de
    1. vez na câmera de fundus e lançamento da captura de imagem no computador. Descanse o queixo do assunto corretamente sobre o chinrest com a testa contra a cinta de cabeça. Mova a alavanca de controle para alinhar o feixe de luz corretamente ao assunto ’ aluno de s.
    2. Alinhar os pontos de iluminação, até que ambos aparecem menores em ambos os lados no visor. Mova o alvo de fixação externa para guiar o assunto ’ s olhos até o disco óptico está no centro do visor e as regiões de interesse (ROI) são bem dentro dos limites. Ajuste o botão de focalização para focar na retina.
    3. Com o assunto firmemente, olhar para o alvo de fixação externa e garantir o assunto ’ s olhos não estão cheios de lágrimas.
    4. Aperte o botão de disparo do obturador para capturar uma imagem ( figura 1A).
    5. Verificar a qualidade da fotografia do fundo capturada, usando a Figura 2A como um padrão. Descartar a imagem e repita o processo de aquisição de imagem (ou seja, passo 2.1.1 a 2.1.4) se o aluno está mal dilatada ( Figura 2B), o disco óptico não é no centro da imagem ( Figura 2), ou o imagem está fora de foco ( Figura 2D).
    6. Salvar a imagem em formato TIFF com resolução graduáveis (ou seja, aproximadamente pixels de 3.000 pixels de x 2,000, em mais de 150 dpi).
      Nota: O protocolo pode ser pausado aqui.
    7. Passos repetidos 2.1.1 a 2.1.6 para adquirir fotografias do fundo para outras disciplinas.
    8. Selecione uma amostra de 10% de imagens aleatoriamente e medir a altura dos discos ópticos nestas imagens ( Figura 3). Calcular o fator de conversão de imagem (ICF) usando a fórmula:
      ICF = 1.800 µm / (média altura de pixel de discos ópticos das imagens incluídas na amostra).
    9. Carregar as fotografias capturadas do fundo para o servidor baseado em nuvem e digite as informações relevantes do estudo, incluindo o fator de conversão de imagem (ICF) ( figura 1B).
      Nota: O protocolo pode ser pausado aqui. Outros programas de análise computadorizada podem utilizar outros métodos não baseados em nuvem para organizar as imagens e gravar o ICF.

Figure 2
Figura 2: fotografias de fundo com qualidade óptima e suboptimal. A qualidade da imagem de uma fotografia do fundo deve ser verificada imediatamente após a aquisição de imagens, como a qualidade de imagem afeta diretamente a subsequente medição de parâmetros vasculares da retina. A imagem deve ser descartada se um desses artefatos é observado. Estas imagens foram capturadas usando uma câmera de fundus de 50°. clique aqui para ver uma versão maior desta figura.

Figure 3
Figura 3: cálculo do factor de conversão de imagem (ICF). Para calcular o ICF, selecione aleatoriamente uma amostra de 10% das imagens do estudo (etapa 1). Em seguida, meça a altura de discos ópticos (em pixels) das imagens incluídas na amostra (etapa 2). Calcular o ICF usando a fórmula: ICF = 1800 µm / (média altura de pixel de discos ópticos das imagens incluídas na amostra), onde 1800 µm é aproximadamente a altura de um disco óptico normal (etapa 3). Como resolução de imagem e efeito de ampliação diferentes de câmera para câmera, é preciso calcular um ICF preciso para cada câmera usada. clique aqui para ver uma versão maior desta figura.

  1. abre a fotografia do fundo em um programa de análise assistida por computador. Construir traçados de vaso e colocar as tampas de navio para a vasculatura da retina.
    Nota: Nesta seção, o programa de Shiva é usado para ilustrar os procedimentos. No entanto, o programa de Shiva pode ser substituído por outros programas de análise assistida por computador disponível. Além disso, passos 2.2.2 para 2.2.3 são executados automaticamente por alguma análise assistida por computador programas quando uma fotografia do fundo é aberto (ou seja, passo 2.2.1).
    1. Abrir a fotografia do fundo com o programa de análise computadorizada ( Figura 1).
    2. Marca o local do centro do disco óptico ( Figura 1).
      1. Clique o “ OD centro ” botão no painel esquerdo função; o cursor do mouse será substituído por um círculo verde.
      2. Mover o círculo verde para o centro do disco óptico (OD) e clique esquerdo para corrigir o círculo.
      3. Solicitar o software automaticamente colocar uma grade de medição, construir la e traçados de navioy vaso de cobre ( Figura 1E e 1F).
        Nota: Tampas de vaso são linhas de medição que estimam a largura aproximada dos lúmens internas dos vasos.
        1. Clique o “ encontrar OD ” botão para solicitar o software para detectar a borda do OD e coloque quatro círculos concêntricos como uma grade de medição, com base na posição do centro de OD.
        2. Clique a “ processo de ” o botão para iniciar o processo de rastreamento automático navio.
  2. Traçados de navio incorreta de ajustar manualmente. Começar a inspeção de 12 o ’ relógio posição de forma no sentido horário para garantir que todos os traçados de navio são verificados.
    1. Verifique se o disco óptico é detectado com precisão e a grade de medição está correctamente colocada. Ajuste da grade de medição manualmente seguindo passos 2.2.2 para 2.2.3, se o círculo mais interno com precisão não prevê a borda do disco óptico ( Figura 4A).
    2. à esquerda, clique para selecionar tracing(s) navio rotulados com o tipo de embarcação incorreto (arteríolas e vênulas) e clicar a “ tipo de embarcação (T) ” botão para alterar o tipo de embarcação.
      Nota: Arteríolas são marcadas em vermelho e vênulas são marcadas em azul. Arteríolas podem ser distinguidas vênulas com base em suas diferenças fisiológicas. Por exemplo, vênulas são geralmente de cor mais escura e mais larga que as arteríolas. Navios com o mesmo tipo de embarcação normalmente não se cruzam.
    3. Traçados de navio incompleta estender as seguintes etapas 2.3.3.1 para 2.3.3.2 ( Figura 4B).
      1. Use o cursor para clicar na extremidade distal do que o rastreamento de navio incompleta. Clique com o botão esquerdo em pontos ao longo do trajeto de navio para estender o rastreamento de embarcação.
      2. Parar o processo de rastreamento quando a extremidade distal do navio é atingida. Parar o rastreamento no círculo branco ultraperiférica se a parte distal do vaso cair fora da grade de medição (ver Figura 4B).
    4. Ajustar traçados do navio se os caminhos do navio não são rastreados corretamente no local do cruzamento ( Figura 4).
      1. Clique o “ selecione ” botão e, em seguida, clique no ponto incorreto do que o rastreamento de navio. Clique no “ Brea(k) Seg ” botão para desconectar o rastreamento de navio no ponto selecionado. Selecione o segmento desconectado e clique o “ (Del) Seg ” botão para apagá-la
      2. Re-construir um novo rastreamento de navio usando etapas 2.3.3.1 e 2.3.3.2.

Figure 4
Figura 4: erros comuns do que o autorastreamento. O rastreamento automático de navio não é completamente preciso e ajustes manuais são necessários para assegurar a precisão da medição. Esta figura mostra erros comuns do que o autorastreamento e demonstra resultados óptimos após ajustes manuais. (A), o centro do disco óptico é marcado incorretamente e estes levam a desvio da grade de medição, que pode afetar as medições posteriores. Idealmente, o círculo mais interno da grade de medição deve delinear a borda do disco óptico. Rastreamento de navio incompleta (B) poderia levar à medição incorreta de dimensão fractal, tortuosidade, etc, que o caminho do navio deve ser rastreado até o final do navio. Se a parte distal do vaso cair fora da grade de medição, o rastreamento pode ser interrompido no círculo mais externo branco. (C) vaso traçados dos locais de cruzamento estão sujeitos a uma maior tendência de erro e, portanto, requerem uma atenção especial. clique aqui para ver uma versão maior desta figura.

  1. colocar tampas de navio em todos os segmentos de navio e desactivar as tampas incorretas manualmente.
    1. Clique o “ encontrar cobre ” botão pôr capas de navio em todos os segmentos de navio automaticamente.
    2. Verificar se todas as coberturas do navio estão colocadas correctamente. Botão esquerdo do mouse e arraste o cursor para desactivar o navio cobre se as tampas não são colocadas perpendicular às paredes do vaso ( Figura 5A), o caminho do navio é obscurecido por um outro navio ( Figura 5B), ou o tampas de superestimar ou subestimar a largura do lúmen do vaso ( Figura 5).

Figure 5
Figura 5: navio incorreto cobre. Esta figura mostra exemplos de capas de vaso incorreta que devem ser desativados e excluídos da medição subsequente. Tampas de vaso devem ser desactivadas, se não forem perpendiculares a navios (A). Além disso, as tampas de vaso também devem ser desativadas se o navio sendo rastreado é obscurecido sob outro navio (B), ou as tampas do vaso não podem representar a largura aproximada do navio (C). clique aqui para ver uma versão maior desta figura.

  1. medir parâmetros vasculares da retina de traçados o vaso e as tampas de vaso
    Nota: etapa 2.5 é realizado automaticamente por um programa de análise assistida por computador. Diâmetros de
    1. rótulo do disco área 0.5-1.0 longe da margem do disco óptico como zona B, a área de 0.5-2.0 disco diâmetros e longe da margem do disco óptico como zona C 18 ( figura 6A), de acordo com o protocolo modificado de risco de aterosclerose em comunidades (ARIC) estudar 19.
    2. Calibre vascular da retina de medida da zona B e zona C, usando um método amplamente adotada que é modificado a partir da ARIC estuda 19 , 20 , 21 , 22 , 23 , 24 , 25 , 26 ( Figura 6B).
      1. Medir os comprimentos das tampas de vaso em seis maiores arteríolas e as vênulas maiores seis para estimar calibres de vasos da retina.
      2. Resumir o retinal arteriolar e venular calibres como artéria da retina central equivalente (CRAE) e retina central veia equivalente (CRVE) respectivamente 17, usando a revista Knudtson – fórmula Parr-Hubbard 18 , 19.
    3. identificar todos os navios na zona C, com uma largura > 40 µm. calcular a tortuosidade arteriolar e venular da retina de integral da curvatura total ao quadrado ao longo de traçados navio e normalizar o valor com o comprimento de arco total, curvando-se e pontos de inflexão 27 , 28.
    4. Calcular o total, arteriolar, e venular fractal dimensões da zona C, usando o estabelecido “ método de contagem de caixa ” 29 , 30 , 31.
      1. Dividir a imagem em uma série de quadrados de igual tamanhos.
      2. Contar o número de caixas que contém uma seção de traçados navio.
      3. Repetir o processo usando uma série de quadrados de igual tamanhos com diferentes tamanhos.
      4. Sinopse o logaritmo do número de caixas contendo os traçados do navio contra o logaritmo do tamanho das caixas e calcular o declive da linha resultante; esta é a dimensão fractal.
    5. Identificar vasos com primeira bifurcação na zona C e calcular os ângulos (θ) abertura entre a primeira filha de dois navios 32 ( Figura 6). Calcular o valor médio para obter o ângulo de ramificação médio.
    6. Calcular o coeficiente de ramificação da zona C, usando a fórmula:
      (d 1 2 + d 2 2) /d 0 2, onde d 0 é o calibre do tronco médio, e d 1 e d 2 são os calibres de ramificação média ( Figura 6).
  2. Fechar a janela de classificação. Clique “ enviar ” na caixa de diálogo pop-up para carregar a imagem classificada para o servidor baseado em nuvem e registrar os parâmetros vasculares da retina automaticamente medidos.

Figure 6
Figura 6: quantificação da vasculatura retiniana. (A) zona B (definido como 0.5-1.0 disc diâmetros longe da margem do disco) é usado para medir calibres de navio da zona B, de acordo com o risco de aterosclerose em comunidades de estudo. Zona C (definido como 0.5-2.0 disco diâmetros longe da margem do disco) é usado para medir a embarcação calibres da zona C e um espectro de parâmetros de rede vascular da retina (como tortuosidade, dimensão fractal e bifurcação). (B) as tampas do vaso são linhas de medição utilizadas para estimar os calibres de vasos da retina (ou diâmetros). Tampas de vaso incorreta devem ser manualmente excluídas da medição. (C) para todos os navios que têm a sua primeira bifurcação dentro zona C, o programa automaticamente mede os ângulos de ramificação (θ) da primeira bifurcação. Além disso, o coeficiente de ramificação também é calculado usando a fórmula: coeficiente de ramificação = (d 1 2 + d 2 2) /d 0 2, onde d 0 é o calibre do tronco e d 1 e d 2 são os calibres de ramo. clique aqui para ver uma versão maior desta figura.

3. avaliar a espessura do GC-IPL e RNFL

Figure 7

Figura 7: diagrama esquemático mostrando os procedimentos de medição de espessura RNFL e GC-IPL. Tomografia de coerência óptica (OCT) pode ser usada para medir a espessura da camada plexiforme de gânglio célula-interior (GC-IPL) e camada de fibras de nervo da retina (RNFL). (A, B) Medir as espessuras GC-IPL e RNFL usando o built-in “ macular cubo ” e “ cubo disco óptico ” digitalização protocolos respectivamente. (C, D) Verifica a qualidade da imagem imediatamente após a aquisição da imagem. Descartar a imagem e repita o exame se a força do sinal é menor que 6, ou artefatos de movimento são detectados. (E, F) Em seguida, solicitar o programa de análise de built-in automaticamente analisar o resultado do exame e gerar um relatório para interpretação. clique aqui para ver uma versão maior desta figura.

  1. Realizar a aquisição de imagens usando a tomografia de coerência óptica (OCT).
    1. Abrir o programa da OCT e selecione o “ Macular cubo ” digitalização protocolo para iniciar um novo scan macular ( Figura 7A).
    2. Localizar o aluno na viewport íris ajustando o chinrest. Diminuir a iluminação, se o tamanho da pupila é muito pequeno.
    3. Clique o “ Auto foco ” botão e depois o “ otimizar ” botão para melhorar a qualidade de imagem.
    4. Instruir o sujeito a piscar algumas vezes imediatamente antes de iniciar a varredura.
    5. Clique o “ captura ” botão para iniciar a verificação, quando a borda ao redor do botão torna-se verde. Instruir o assunto para focar o alvo de fixação visual durante a aquisição de imagem para evitar artefatos de movimento.
    6. Rever a qualidade da digitalização usando 7 figura como um padrão. Descartar o resultado do exame e repita a verificação se a força do sinal é menor que 6 ( Figura 8A) ou artefatos de movimento são detectados (indicado pela descontinuidade dos vasos sanguíneos) ( Figura 8B).
    7. Salvar o resultado do exame.
    8. Repita etapas 3.1.1 a 3.1.7 para o outro olho.
    9. Executar uma verificação de cabeça do nervo óptico com o “ cubo de disco óptica ” varredura seguinte protocolo passos 3.1.2 a 3.1.9 ( figuras 7B e 7D).

Figure 8
Figura 8: sub-ótimo resultados da tomografia de coerência óptica. Resultados abaixo do ideal comuns da tomografia de coerência óptica (OCT) incluem (A) sinal fraco (valor de força < 6) e (B) artefatos de movimento. A qualidade da digitalização deve ser revista imediatamente após a aquisição da imagem, e o exame deve ser repetido se esses artefatos são encontrados. clique aqui para ver uma versão maior desta figura.

  1. gerar uma impressão de análise da espessura macular GC-IPL.
    1. Selecione a “ Macular cubo ” digitalizar registros de ambos os olhos na interface de análise.
    2. Clique a “ análise de UO de células ganglionares ” para iniciar o algoritmo de análise automática para avaliar a espessura de GC-IPL da verificação ( Figura 7E).
      Nota: Passo 3.2.2 automaticamente é completado pelo algoritmo de análise.
      1. Gerar um 14,13 mm 2 centrada na fóvea elíptico anel que tem raios horizontais de interiores e exteriores de 0,6 mm e 2,4 mm, respectivamente e verticais raios internos e externas de 0.5 mm e 2,0 mm, respectivamente.
        Nota: O tamanho e forma do annulus elíptico conformam-se estreitamente a anatomia macular e, portanto, correspondem à área onde os RGCs são mais espessos em olhos normais 33 , 34. A área dentro do anel interno do annulus não é medida, como o GC-IPL nesta área é muito fino.
      2. Segmentar o limite externo do RNFL e o limite externo da camada plexiforme interna (IPL) para localizar o GC-IPL ( Figura 9).
      3. Medir a média, mínimo e seis setoriais (superior, superotemporal, superonasal, inferonasal, inferior, inferotemporal) espessuras de GC-IPL macular dentro o fóvea-cenanel elíptico tered.
      4. Comparar as espessuras de GC-IPL medidas para o dispositivo ’ s interno normativo idade correspondente do banco de dados e gerar um mapa de desvio e um mapa de significado
      5. Relatar os resultados de medição em uma impressão de análise.
    3. Salvar a impressão de análise no formato. pdf.

Figure 9

Figura 9: camadas da retina, utilizadas para o avaliação da estrutura da retina neuronal. A camada de fibras nervosas da retina (RNFL) é medida usando o algoritmo de nervo ótico (HNO) cabeça, enquanto a camada plexiforme de célula-interior do gânglio é medida usando o algoritmo de análise (GCA) de células ganglionares. O algoritmo de HNO segmentos fronteira interna e externa da RNFL para medir a espessura de RNFL. O algoritmo de GCA detecta o limite externo da camada retinal da fibra do nervo (RNFL) e a camada plexiforme interna (IPL) para produzir a espessura combinada da camada de células ganglionares (GCL) e o IPL. As espessuras de GCL e o IPL são medidas juntos, como a fronteira entre GCL e IPL é anatomicamente indistinta. No entanto, a espessura combinada do GCL e IPL (ou seja, GC-IPL) é ainda indicativa da saúde de RGCs. por favor clique aqui para ver uma versão maior deste Figura.

  1. gerar a impressão de análise da espessura RNFL ( Figura 7F).
    1. Selecione a “ cubo de disco óptica ” digitalizar registros de ambos os olhos na interface de análise.
    2. Clique o “ HNO e análise de UO RNFL ” para iniciar o algoritmo de análise automática para avaliar a espessura RNFL da varredura.
      Nota: Etapas 3.3.2.1 para 3.3.2.6 podem ser concluídas automaticamente pelo algoritmo de análise.
      1. Medir a espessura RNFL em cada ponto de verificação e gerar um mapa de espessura RNFL.
      2. Identifique o disco óptico, detectando uma mancha escura perto do centro da varredura que tem um tamanho e forma consistente com a escala de uma óptica desc...
      3. Posicionar uma grade de medição de 3,46 mm de diâmetro ao redor do disco óptico no mapa da espessura RNFL.
      4. Medida e calcular os globais, quatro-quadrantes (temporais, superiores, nasais e inferiores) e doze horas-relógio parapapillary RNFL espessuras da grade de medição.
      5. Comparar as espessuras RNFL medidas para o dispositivo ’ s interno normativo idade correspondente do banco de dados e gerar um mapa de desvio e um mapa de significância.
      6. Relatar os resultados de medição em uma impressão de análise.
    3. Salvar a impressão de análise no formato. pdf.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Figure 10
Figura 10: Um exemplo para mostrar as diferenças na vasculatura da retina entre um sujeito normal e um assunto AD. Quando comparado com o assunto normal, fotografia do fundo do sujeito AD mostrou mais estreitos calibres de navio (CRAE da zona B, 116.4 µm vs 156.4 µm; CRVE da zona B, 186.9 µm vs 207,5 µm; CRAE da zona C, 138.5 µm vs 165.8 µm; CRVE da zona C, 206.6 µm vs 232,2 µm), fractal vascular da retina menor dimensões (dimensão fractal total, 1.472 vs 1.517 dimensão fractal arteriolar, 1.246 vs 1,316; dimensão fractal venular, 1.253 vs 1.273) e superior da retina vasculares tortuosities (tortuosidade arteriolar [104], 0.61 vs 0,48; venular tortuosidade [104], 1,41 x 0,50).  Estas imagens foram capturadas usando uma câmera de fundus de 50 graus e foram analisadas usando o método descrito no protocolo. Clique aqui para ver uma versão maior desta figura.

Interpretação dos parâmetros vasculares da retina: Com nosso protocolo, parâmetros vasculares da retina podem ser medidos através de fotografias o fundo do olho. Estes parâmetros indicam o status da vasculatura da retina, que por sua vez pode refletir alterações semelhantes na vasculatura cerebral. A Figura 10 mostra as fotografias do fundo, obtidas a partir de um assunto de AD e um indivíduo sadio. Os parâmetros vasculares da retina relatados na tabela 1 foram medidos destas fotografias de fundo usando o método descrito neste protocolo.

AD Normal
CRAE da zona B (µm) 116,4 156.4
CRVE da zona B (µm) 186.9 207,5
CRAE da zona C (µm) 138.5 165.8
CRVE da zona C (µm) 206.6 232.2
Dimensão Fractal total 1.472 1.517
Dimensão Fractal arteriolar 1.246 1,316
Dimensão Fractal venular 1.253 1.273
Tortuosidade arteriolar (x104) 0,61 0,48
Tortuosidade venular (x104) 1.41 0,50
Coeficiente de ramificação arteriolar 2.43 1,49
Ângulo de ramificação arteriolar (deg) 67.17 81.16
Coeficiente de ramificação venular 1.42 1.62
Ângulo de ramificação venular (deg) 60.11 73.19

Tabela 1: diferenças em parâmetros vasculares da retina, entre um sujeito AD e um assunto normal. Os parâmetros vasculares da retina foram medidos das fotografias de fundo, mostradas na Figura 10. Quando comparado com o assunto normal, o assunto AD mostrou reduções em calibres de navio (ou seja, CRAE e CRVE) e a dimensão fractal, mas mostraram um aumento na tortuosidade. Além disso, os ângulos ramificação e coeficientes de ramificação do sujeito AD também desviaram respectivos valores ótimos.

Calibres de vasos da retina
Quando comparado com o assunto normal, a fotografia do fundo do sujeito AD (Figura 10) mostrou diminuições em CRAE e CRVE da zona C (138.47 µm e 206.61 µm, respectivamente), quando comparado com o indivíduo sadio (165.82 µm e 232.22 µm, respectivamente).  O CRAE e CRVE resumem os calibres de vasos da retina, que se aproximam a largura do lúmen interno na retina arteríolas e vênulas, respectivamente. Portanto, reduções em CRAE e CRVE indicam generalizada estreitamento em vênulas e arteríolas da retina e sugerem disfunção microvascular35.

Parâmetros de rede Vascular da retina
Em primeiro lugar, os tortuosities arteriolar e venular da retina do sujeito AD (0.613 x 10-4 e 1,41 x 10-4, respectivamente) foram maiores do que o sujeito normal (0.476 x 10-4 e 0.501 x 10-4, respectivamente). Os maiores tortuosities vasculares indicam que os vasos da retina são geralmente mais retas no assunto AD.

Em segundo lugar, o assunto AD também tinha reduzido dimensões fractal da retina (dimensão fractal arteriolar, 1.246, dimensão fractal total, 1.472; dimensão fractal venular, 1.253) quando comparado com o indivíduo sadio (dimensão fractal total, 1.517; arteriolar dimensão fractal, 1,316; venular dimensão fractal, 1.273). Como dimensões fractais representam medidas "globais" que resumem a ramificação complexidade do network30 vascular da retina, fractal de reduzidas dimensões indicam que a vasculatura da retina é menos complexa no assunto AD.

Em terceiro lugar, a maioria dos parâmetros de bifurcação da retina do sujeito AD desviou o valor ideal. Especificamente, os arteriolar e venular ângulos ramificação do sujeito AD (67,17 e 60,109 °, respectivamente) foram mais longe de valores ótimos, que são aproximadamente 75ó 36, quando comparado com o assunto normal (81,16 ° e 73.19 °, respectivamente). Além disso, o coeficiente de ramificação arteriolar do sujeito AD (2.432) também severamente desviou o valor ideal, que é aproximadamente 1.2636. Isto representa um aumento na área de seção transversal total entre as bifurcações de37.

Interpretação dos parâmetros Neuronal da retina
Com nosso protocolo, um deve ser capaz de obter duas impressões de análise mostrando as espessuras médias e setoriais de RNFL e GC-IPL (ilustrado pela Figura 11A e 11B, respectivamente).  Enquanto as medições RNFL refletem a saúde de axônios de RGCs, as medições de GC-IPL indicam a saúde dos corpos celulares e dendritos de RGCs. Desde que o tamanho do corpo de celular RGC é 10 - 20 vezes o diâmetro do seu axônio, espessura de GC-IPL foi mostrada para ser mais fortemente relacionado com comprometimento cognitivo38.

Em ambos os relatórios, três mapas foram mostrados para ajudar a interpretação, ou seja, mapas (a) espessura de desvio (b) e (c) o significado mapas. Nos mapas de espessura, cores mais quentes representam valores mais altos de espessura e cores mais frias representam valores mais baixos de espessura; em outras palavras, quanto mais denso o amarelo/laranja anel, quanto mais grossa a camada da retina em causa. O software também compara as espessuras medidas do dispositivo interno normativo idade correspondente banco de dados e gera desvio mapas e mapas de significado. Nos mapas de desvio, um super pixel é mostrado em vermelho ou amarelo se o valor de espessura cai fora a 99% ou dentro do alcance do percentil 95-99%, respectivamente. Namapas de significado, a camada da retina em causa é dividido em diferentes setores, como a retina é improvável de ser homogênea afectadas por demência. Relata-se o valor de espessura de cada sector e cada setor é também um código de cores para combinar com o resultado da comparação, com valores dentro da normalidade em verde (p = 5 – 95%), valores limite em amarelo (1% < p < 5%) e valores fora do intervalo normal em vermelho (p < 1%).

As impressões de análise de RNFL e GC-IPL em um assunto AD são mostradas na Figura 11A e Figura 11B , respectivamente. O desbotamento das cores quentes e o aparecimento de áreas de luz azuis nos mapas de espessura de ambos os relatórios indicam adelgaçamento da GC-IPL e RNFL no assunto AD. Enquanto o adelgaçamento da GC-IPL sugere perda RGC, adelgaçamento da RNFL sugere perda de axônios RGC. Além disso, vários setores dos mapas significado são marcados em vermelho ou amarelo, sugerindo que as espessuras RNFL e GC-IPL das áreas correspondentes são reduzidas no anúncio sujeitos. As áreas de exatas de desbaste também podem ser visualizadas por pixels super vermelhos ou amarelos em mapas o desvio.

Figure 11
Figura 11: Impressão de análise da estrutura neuronal da retina de um assunto AD. Desbaste de RNFL e GC-IPL no assunto AD é indicado pela presença de áreas de azuis mais luz nos mapas de espessura. A magnitude de desbaste é considerada anormal, depois em comparação com a população de idade de correspondência normativa; os setores vermelhos indicam que o valor de espessura das áreas correspondentes caiu fora do intervalo normal (p < 1%), enquanto o setor amarelo indica o valor limite na área correspondente (1% < p < 5%). As áreas de exatas de RNFL e GC-IPL desbaste pode também ser visualizada por mapas o desvio, em que os pixels super vermelhos e amarelos (setas vermelhas) indicam os valores de espessura dos pontos correspondentes caiu fora o 99% ou dentro da faixa de percentil 95-99%, respectivamente. Todos juntos, estes mapas sugerem que tanto RNFL e GC-IPL espessuras anormalmente reduziram no assunto AD. Clique aqui para ver uma versão maior desta figura.

Unanalyzable ou Ungradable da retina imagens: fotografias Fundus ou OCT scans podem ser unanalyzable devido a várias razões. Sobre exames de OCT, GC-IPL ou RNFL falha de segmentação pode ocorrer devido a patologias da retina, como a degeneração macular relacionada à idade, retinopatia diabética e epiretinal membrana. Figura 12A demonstra um exemplo de falha de segmentação devido a edema macular diabético. Também tem sido demonstrado que as medições de qualidade e espessura de varredura OCT podem ser afetadas por olhos secos39, catarata40,41,42,43, flutuadores e outras opacidades do vítreos 44 , 45. sobre fotografias do fundo do olho, a medição de parâmetros vasculares da retina também pode ser prejudicada pela opacidade de meios de comunicação (como uma catarata), que afeta a visibilidade da vasculatura da retina (Figura 12B).

Figure 12
Figura 12: Imagens da retina unanalyzable. Enquanto mais resultados suboptimal poderiam ser evitados usando os métodos descritos, vários tipos de imagens da retina são unanalyzable e devem ser descartados. (A) segmentação falha pode ocorrer em alguns OCT verifica devido a patologias da retina, incluindo degeneração macular relacionada à idade, retinopatia diabética e epiretinal membrana. Esta figura demonstra uma falha de segmentação devido a edema macular diabético. (B), a visibilidade da retina vasculatura pode ser reduzida pela opacidade de meios, tais como opacidade devido à catarata. Esta figura demonstra que opacidade severa mídia pode obscurecer a vasculatura da retina e a imagem unanalyzable. Clique aqui para ver uma versão maior desta figura.

Parâmetro Zona de medida Interpretação e Associação relatada com AD
Calibre de vasos da retina
Central da retina Arteriolar equivalente (CRAE) Zona B & C ♦ Mudanças na Central da retina arteriolar equivalente (CRAE) e central da retina venular equivalente (CRVE) indicam vasos da retina generalizado estreitamento ou alargamento e podem sugerir disfunção microvascular sutil35.
♦ tem sido relatado que o aumento CRVE está associado com demência incidente46, demência vascular,46, e diminuição da CRVE e CRAE estão associados com a doença de Alzheimer47,48.
Central da retina Venular equivalente (CRVE) Zona B & C
Parâmetros de rede Vascular da retina
Dimensões fractais (dF) Zona C A dimensão Fractal ♦ representa uma medida de "macro" que resume a complexidade ramificação da rede vascular da retina30; um valor maior indica um padrão de ramificação mais complexo.
♦ tem sido sugerido que a reduzida dimensão fractal da retina foi associado com demência47,,48,59 e função cognitiva60.
Tortuosidade
(ATO ILÍCITO)
Zona C ♦ Tortuosidade reflete a linearidade geral dos vasos da retina, com uma menor tortuosidade valor indica os vasos da retina mais retas.
♦ tem sido sugerido que o aumento da tortuosidade venular e tortuosidade arteriolar são associados com AD62.
Ângulo de ramificação
(BA)
Zona C ♦ o valor ideal de BA é de aproximadamente 75ó 36
♦ Alteração no ângulo de ramificação pode indicar alterações no fluxo de sangue63,64,65,de disfunção endotelial66 e atenuação na saturação de oxigênio67.
Coeficiente de ramificação (BC) Zona C ♦ o valor ideal de BC é aproximadamente 1.2636.
♦ Desvio do valor ideal pode aumentar custos da energia, reduzindo a eficiência da circulação e metabólica transportes37.

Tabela 2: interpretações dos principais parâmetros vasculares da retina. Calibres de navio e rede vascular da retina parameters são duas categorias principais de parâmetros relatados pelo programa de análise assistida por computador. CRAE e documento CRVE generalizada da retina navio estreitamento ou alargamento, refletindo sutil disfunção microvascular da retina. Parâmetros de rede vascular da retina capturam o "Optimalidade" e "eficiência" de distribuição de sangue na rede da retina, que por sua vez, refletem a integridade da microcirculação cerebral.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Este protocolo descreve os procedimentos de quantificar as alterações neuronais e vasculares no retina na vivo. Como a retina compartilha semelhante origem embriológica, características anatômicas e fisiológicas Propriedades com o cérebro, essas alterações na retina podem refletir alterações similares da vasculatura e estrutura neuronal no cérebro.

Como mostrado na Figura 10 e tabela 1, o assunto AD mostrou diminuição da embarcação calibres quando comparado com o indivíduo sadio. Relatou-se que diminuição da CRVE e CRAE estão associados com a doença de Alzheimer46,47, embora este não é consistentemente observado48.

Além disso, o assunto AD também mostrou diminuição da fractal dimensões, aumentou tortuosities vasculares e coeficientes de ramificação de qualidade inferior e ramificação ângulos quando comparado com o indivíduo sadio. Essas mudanças indicam alterações em testes padrões geométricos globais da rede vascular da retina49,50,51,52,53,54, 55,56. Desde que o padrão de ramificação da rede vascular, de acordo com o princípio do Murray, estruturalmente é desenvolvido para minimizar a energia necessária para manter o fluxo de sangue57, esses parâmetros também capturar o grau de "Optimalidade" e "eficiência" de distribuição de sangue na rede vascular da retina, que por sua vez pode refletir a integridade da microcirculação cerebral58. Tem sido relatado que a dimensão fractal da retina reduzida é associada com demência47,,48,59 e function60 cognitiva e potencialmente está relacionada com microvasculares danos levando a retina hipóxia,61.  Aumento tortuosities arteriolar e venular também são mostrados para ser associado com AD62. Em relação os parâmetros de bifurcação da retina, sub-Optimalidade dos ângulos de ramificação indica que a rede vascular da retina no assunto AD diminuiu a eficiência da perfusão do tecido e aumento de perda de energia37. Alteração no ângulo de ramificação também pode indicar mudanças no fluxo de sangue63,64, disfunção endotelial65,66e atenuação de saturação de oxigênio67. Além disso, desvio de valor optimal do coeficiente de ramificação pode também aumentar o custo de energia, reduzindo a eficiência da circulação e transporte metabólica37. Tomados em conjunto, as alterações nos parâmetros de rede vascular (ou seja, dimensão fractal, tortuosidade, ângulo de ramificação e coeficiente de ramificação) sugerem o envolvimento microvascular em patologia AD. As associações relatadas dos principais parâmetros vasculares da retina com AD estão resumidas no quadro 2 e também foram revisadas em detalhes anteriormente8,58,68,69.

Conforme ilustrado pela Figura 11, o assunto AD também mostrou diminuição da espessura de RNFL e GC-IPL. Embora as espessuras da GCL e IPL só podem ser relatadas juntos devido à sua fronteira anatômica ambígua, a espessura combinada (ou seja, GC-IPL) é um indicativa da saúde de RGCs38. É cada vez mais evidente que adelgaçamento da GC-IPL38 e RNFL70,,71,72,73,,74,75,76 ,77,78 é associado com o AD. Recentemente, um estudo da população em grande escala também relatou que mais fino RNFL está associado a função cognitiva mais pobre, como memória prospectiva mais pobre e mais pobre desempenho de raciocínio numérico e verbal79. Além disso, adelgaçamento da RNFL também é relatado em demências não AD-80,81,82.

Passos críticos da imagem retiniana
Diversas etapas no protocolo devem ser realizadas corretamente para obter um resultado preciso. Sobre o procedimento de aquisição de imagem, é importante dominar o procedimento da imagem latente da OCT e fotografia do fundo, desde um tempo prolongado de imagem pode induzir a fadiga ocular e assim aumentar a probabilidade de artefatos de movimento. Além disso, contraste e saturação das imagens devem ser normalizados durante a aquisição de imagem para evitar Ajuste aproximado nas etapas posteriores de processamento de imagem. O contraste e a saturação podem ser variados com coortes de estudo diferentes e tipos de câmera.

Sobre a medição de parâmetros vasculares da retina, é importante calcular o ICF para cada câmera usada no estudo para ajustar o efeito de ampliação e a diferença de resolução de imagem. Regulação pela ICF é importante para a medição de parâmetros dimensionais, incluindo calibres de vasos da retina. Além disso, quando as fotografias do fundo do olho com um programa de análise computadorizada de classificação, niveladoras devem ser mascaradas para características do participante como o processo de classificação envolve uma certa quantidade de ajuste manual. Também, os alunos devem receber treinamento apropriado e sua confiabilidade de medição deve ser avaliada primeiro, antes das imagens de classificação.

Também é importante para o calibre do vaso retinal relatório na zona B e zona C. Acredita-se que o calibre do vaso da zona C é mais sensível e mais preciso com menor erro padrão17, possivelmente devido a inclusão de mais periféricos pequenos vasos na retina, que são anatomicamente e fisiologicamente mais semelhante da pequenos vasos no cérebro. No entanto, o calibre da zona B também deve ser relatado como a medição de calibre dentro zona que b tem sido amplamente utilizada em inúmeros estudos epidemiológicos.

Deve notar-se que o equipamento e o programa de análise assistida por computador usado no presente protocolo são para fins ilustrativos, resultados semelhantes e só podem ser obtidos usando outras técnicas de imagem da retina. No entanto, na maioria dos casos os parâmetros numéricos relatados por medida diferentes sistemas não devem ser interpretaram alternadamente83. Yip et al desenvolveram um algoritmo para a conversão entre três software comumente usado medição da retina navio calibres, que pode ser útil para comparar resultados de diferentes estudos83.

Significado da imagem retiniana
Imagem latente de ressonância magnética (RM) e tomografia por emissão de pósitrons (PET) é dois métodos de imagem em vivo amplamente utilizados para estudar a demência. No entanto, a aplicação da RM é limitada pela sua resolução espacial para detectar alterações degenerativas sutis de menos de 500 μm. O uso de imagens de PET também é limitado pelo seu elevado custo e a disponibilidade de instalações de PET. Além disso, embora a doença cerebral pequeno vaso tem sido associada a demência84,85,86>87,,88,89,90, tecnologias de neuroimagem atuais não permitem avaliação direta das mudanças pequenos vasos cerebrais, tais como estreitamento arteriolar cerebral, alterações na tortuosidade vascular e microaneurisma capilar. Portanto, uma abordagem complementar para estudar a demência é desejada. Imagem latente retinal demonstra várias características que o tornam diferente de outras técnicas de neuroimagem e permitam que fornecem novos insights para pesquisa de demência.

Em primeiro lugar, a retina é altamente acessível para a imagem latente não-invasiva quando comparada com outras partes do SNC. Como o aluno permite passagem bidirecional para os raios de luz iluminando e da imagem latente, o vascualture da retina pode ser fotografada diretamente e rapidamente usar uma câmera de fundus, que é uma técnica de imagem da retina clássica baseado no princípio de monocular indireto Oftalmoscopia. Fotografia do fundo tem demonstrado alta sensibilidade, especificidade e exame inter e intraexame acordo91. Além disso, na vivo imagens transversais da retina estrutura neuronal também podem ser capturadas pelo OCT baseado no princípio de interferometria de baixa coerência92,,93,94, 95,96. Como resultado, a imagem da retina permite longitudinal e não-invasivos de imagem com custos relativamente baixos para observar o efeito de demência no CNS.

Em segundo lugar, a estrutura neuronal da retina é organizada como distinguíveis camadas e cada camada representa um elemento específico da arquitetura neuronal. Por exemplo, a representa a GC-IPL os corpos celulares e dendritos de RGCs, enquanto o RNFL representa os axônios das RGCs. notavelmente, delimitação exata das camadas neuronais da retina, como GC-IPL e RNFL, pode agora ser conseguida com algoritmos de segmentação avançada 33 , 97e qualquer patologia de demência que se manifesta como uma distorção da arquitetura neuronal pode ser facilmente detectada.

Em terceiro lugar, a avaliação objetiva, semi automatizada e padronizada de imagens da retina é agora possível usando programas de análise assistida por computador. Conforme ilustrado pelo presente protocolo, os programas de análise computadorizada podem automaticamente rastrear vasculatura da retina capturada pela fotografia do fundo e, baseado nos resultados de rastreamento, medir um espectro de parâmetros vasculares da retina, como embarcação calibres, tortuosities, dimensões fractal e ângulos de ramificação. Durante o processo de rastreamento, o niveladoras só são necessários para verificar a exactidão dos traçados de navio e, se necessário, ajustar traçados navio incorreta manualmente. Estudos anteriores relataram que intragrader e confiabilidade intergrader eram moderadas a alta49. Da mesma forma, os algoritmos de análise interna OCT também automaticamente podem medir parâmetros de espessuras RNFL e GC-IPL e comparar os resultados com os bancos de dados normativos correspondência idade98. A natureza semiautomática de imagem ajuda a melhorar a eficiência da medição e consistência, reduzindo a quantidade de trabalho necessário de cada aluno da retina. Alunos da série podem também rapidamente dominar as habilidades de medição e interpretação de parâmetros da retina, sem aprender muito avançado conhecimento oftalmológico ou neurológico. Daí, a imagem da retina pode ser facilmente aplicada num cenário populacional.

Por último, tecnologias de imagem da retina podem agora a imagem da retina na resolução de vários micra, que é pelo menos uma ordem de magnitude do que isso pode ser conseguido com técnicas de neuroimagem convencional. Por exemplo, o domínio espectral-OCT pode agora a imagem da retina em volume tridimensional com uma alta resolução axial (por exemplo, vários mícrons) e um alto grau de reprodutibilidade99,100,101 ,102,103,104,105. Isto permite a visualização directa e quantificação de mudanças sutis na retina incluindo os axônios RGC, a extensão de ocular do SNC. As associações entre demência e alterações microvasculares também podem ser avaliadas diretamente através da medição de parâmetros vasculares da retina.

Tomados junto, retina imagem pode coletar informações exclusivas sobre a vasculatura cerebral e estrutura neuronal que é distinta do cérebro atual de imagens técnicas, sugerindo que a imagem da retina pode fornecer uma abordagem complementar para estudar o patologia da demência9,35,58,68,106,107,108.

Limitações do método
Imagem da retina é um método cada vez mais popular para visualizar e quantificar a microvasculatura e estrutura neuronal a retina8,109. No entanto, os leitores do presente protocolo devem estar cientes de suas limitações potenciais para interpretar os resultados de forma crítica.

Em primeiro lugar, a qualidade da OCT imagens e fotografias do fundo pode ser afetada por uma gama de fatores oculares. Por exemplo, variações no erro refractivo e comprimento axial podem afectar a ampliação e, portanto, as dimensões aparentes de calibre vascular da retina 110. Diferenças na pigmentação da retina, a presença de opacidades de meios de comunicação, técnica fotográfica, câmera tipo (por exemplo, midriático, não-midriática, Hand-Held), e qualidade de imagem (por exemplo, brilho, foco e contraste) também pode apresentar fontes adicionais de variação e afetam as medições111,112,113,114,115,116. Além disso, artefatos de movimento podem ser comuns em indivíduos idosos se a aquisição de imagem é prolongada.

Em segundo lugar, a arquitetura neuronal e vascular da retina pode ser afectada por muitos processos patológicos locais e sistêmicos, e assim algumas manifestações da retina não são específicas para uma determinada doença. Por exemplo, estreitamento arteriolar retiniana tem sido correlacionada a vasoconstrição periférica sistêmica e hipertensão, enquanto ampliadoras venular da retina tem sido correlacionada a disfunção endotelial, inflamação, hipóxia microvasculares117, e doenças como a doença cardiovascular118 e diabético retinopatia119. RNFL emagrecimento também é observada em outras doenças neurodegenerativas, incluindo o glaucoma, doença de Parkinson e esclerose múltipla10. Também vale ressaltar que a redução à idade RGCs e seus axônios também pode ocorrer sem demência99,120.

Em terceiro lugar, as associações entre alterações da retina e demência permanecem inconclusivas. Por exemplo, as associações de calibres menores do navio com AD não foram replicadas por Williams et al . 59e a associação de menor calibre arteriolar com AD encontrado pelo estudo programa Cingapura epidemiologia da doença de olho também foi perdido após o ajuste para confundir fatores cardiovasculares48. Além disso, aumentou venular e arteriolar tortuosities no anúncio também não consistentemente são observados47,59. É também de notar que a associação da dimensão fractal arteriolar com demência foi perdida em um modelo totalmente ajustado"xref" > 59.

Em quarto lugar, os programas de análise computadorizada nesta fase são apenas semi-automático e requerem ajustes manuais pelos alunos treinados49,121. Entradas manuais, mesmo seguindo um protocolo padronizado, podem apresentar variabilidade adicional nas medições da retina.

Futuras aplicações do método
Tendo em conta a acessibilidade do retina e suas semelhanças para outras partes do CNS, a retina é uma excelente "janela" para estudar o efeito da demência na microvasculatura cerebral e estrutura neuronal. Desde que a demência é pensada agora para envolver processos vasculares84,85,86,87,88,89,90,122 , imaging e quantificar microvasculatura retiniana usando este protocolo também podem fornecer novos insights sobre a etiologia microvascular (em vez de etiologia macrovascular) de demência10,35,58 , 106 , 108 , 123 e facilitar o nosso entendimento sobre os subtipos diferentes de demência.

Além disso, imagens da retina potencialmente podem ser usada em situações clínicas para facilitar a avaliação pré-clínica de diagnóstico ou risco de demência, para confirmar a AD clinicamente diagnosticada e para monitorar a progressão da doença ou resposta à terapia. A aplicação da imagem da retina na triagem da população é particularmente intrigante como alterações neuronais e microvasculares, que podem ser refletidas por mudanças semelhantes na retina, ocorrem muito mais cedo do que a aparência da atrofia cortical e declínio cognitivo 124 , 125. consistentemente, estudos mostraram que os RNFL e GC-IPL espessuras foram reduzidas em pacientes com transtorno cognitivo leve (MCI) e AD quando comparado com controles de saúde, mas as diferenças em espessuras RNFL e GC-IPL entre pacientes com MCI e aqueles com AD não foram estatisticamente significativas8, sugerindo que o afinamento do RNFL e GC-IPL é um evento precoce na patologia da AD. No entanto, a força das associações entre medidas de imagem da retina e demência é apenas modesta e várias correlações da retina do anúncio não têm sido consistentemente observado8,,47,48, 59 , 109. o presente protocolo potencialmente pode ser adotado por mais estudos clínicos prospectivos com grandes coortes para avaliar a utilidade clínica da imagem da retina no diagnóstico pré-clínico de AD.

Recentes avanços em imagem técnicas, tais como a imagem da retina do campo ultralarga e o OCT-angiografia da retina podem permitir-nos obter mais informações da retina. O retinal ultra amplo campo de imagem tecnologia, baseada no princípio do laser confocal, microscopia, combinado com um espelho côncavo e elíptico, pode capturar até 200o da retina em uma única imagem sem dilatação de pupila126 ,127. Isto permite uma avaliação mais extensa de lesões da retina periféricas, que pode fornecer mais informações sobre o total da retina vasculatura17. Tem sido relatado que a imagem da retina ultra-larga campo pode alcançar um desempenho satisfatório em segmentação de navio e estimativa de largura128. Além disso, a invenção da OCT-angiografia também permite que não-tintura-com base em mapeamento da rede capilar da retina, que pode fornecer mais informações sobre alterações microvasculares relacionadas à demência. Tendo em conta os métodos de análise de imagem, mais pesquisa é necessária para explorar outros processamento de imagem de estado-da-arte e métodos quantitativos, tais como estimativa de topologia árvore129, para analisar as imagens capturadas por essas modalidades de imagem romance.

Figure 13
Figura 13: imagem da retina é uma ferramenta potencialmente valiosa para estudar alterações vasculares e neuronais associadas com demência. Tem sido proposto que a demência é associada com lesão neuronal e doença de pequenos vasos no cérebro. Como a retina, sendo uma extensão do sistema nervoso central, partes proeminentes semelhanças com o cérebro, essas alterações patológicas podem ser refletidas na retina como danos neuronais e vasculares da retina. Usando este protocolo, as alterações da retina neuronais podem ser quantificadas como mudanças em espessuras RNFL e GC-IPL usando a tomografia de coerência óptica (OCT), enquanto as alterações vasculares da retina podem ser quantificadas como alterações no navio calibres e rede vascular parâmetros usando fotografia de fundo e um programa de análise assistida por computador. Estudar as associações entre as alterações da retina e a demência pode fornecer novos insights sobre a patologia da demência e, potencialmente, ajuda no diagnóstico e avaliação de riscos. Clique aqui para ver uma versão maior desta figura.

Este protocolo descreve um método não-invasivo, quantitativo e semi-automático para estudar demência usando técnicas de imagem da retina (Figura 13). Considerando a acessibilidade de retina e suas associações robustas com o cérebro, a retina de imagem pode fornecer novos insights sobre demência e, potencialmente, ajuda na avaliação de risco e diagnóstico de demência. No entanto, as associações relatadas nesta fase permanecem controversas e mais estudos são necessários para avaliar o potencial utilitário de imagem da retina. Também deve ser notado que uma avaliação clínica completa continua a ser essencial para a avaliação de demência.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Gostaríamos de expressar nossa gratidão para a escola de computação, Universidade Nacional de Cingapura para suporte técnico.

Acknowledgments

Sobre laços financeiros potenciais, o autor Tien Y. Wong é um co-inventor do programa Cingapura I navio avaliação (Shiva) usado neste artigo.

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