Klin Monatsbl Augenheilkd 2017; 234(12): 1463-1471
DOI: 10.1055/s-0043-121705
Experimentelle Studie
Georg Thieme Verlag KG Stuttgart · New York

Visuelle Analyse von retinalen OCT-Daten

Visual Analysis of Retinal OCT Data
Martin Röhlig
1  Institut für Informatik, Universität Rostock, Rostock
,
Anselm Jünemann
2  Augenklinik, Universitätsmedizin Rostock, Rostock
,
Dagmar-Christiane Fischer
3  Kinder- und Jugendklinik, Universitätsmedizin, Rostock
,
Ruby Kala Prakasam
2  Augenklinik, Universitätsmedizin Rostock, Rostock
,
Oliver Stachs
2  Augenklinik, Universitätsmedizin Rostock, Rostock
,
Heidrun Schumann
1  Institut für Informatik, Universität Rostock, Rostock
› Institutsangaben
Weitere Informationen

Publikationsverlauf

eingereicht 13. September 2017

akzeptiert 17. Oktober 2017

Publikationsdatum:
16. November 2017 (eFirst)

Zusammenfassung

Die optische Kohärenztomografie (OCT) als bildgebendes In-vivo-Verfahren eröffnet völlig neue Möglichkeiten bei der Diagnose von Netzhaut- und Sehnervenerkrankungen. Im Rahmen einer Patientenuntersuchung entstehen hochaufgelöste Volumendatensätze, die kleinste Veränderungen der Netzhaut, wie sie in einem sehr frühen Krankheitsstadium auftreten, erfassen können. Allerdings erschwert die Komplexität des Datenmaterials auch die Auswertung. Deshalb werden die Daten üblicherweise zunächst auf ein handhabbares Maß reduziert, wobei meist automatische, stark vereinfachende Methoden eingesetzt werden. Dies macht es schwer, wenn nicht sogar unmöglich, minimale strukturelle, gegebenenfalls auch lokale Veränderungen der Netzhaut zu extrahieren, um eine entsprechende Diagnose zu stellen. Unser Ziel ist es, die bisherigen etablierten Verfahren um visuell-interaktive Analysemethoden zu ergänzen. Damit soll sowohl eine patientenspezifische Selektion relevanter Daten als auch die Erkennung minimaler Netzhautveränderungen unterstützt werden. Je nach Fragestellung visualisieren wir die OCT-Daten aus unterschiedlichen Perspektiven. Anhand dieser Bilder kann gezielt eine individualisierte Datenselektion durchgeführt werden. Die relevanten Datenbereiche lassen sich dann im Kontext der gesamten Datenmenge hervorheben oder in separaten sogenannten Views anzeigen. So wird es möglich, relevante Substrukturen im Detail zu analysieren und mit Vergleichsdaten zu korrelieren. Insbesondere für Kohortenvergleiche und Vergleiche zwischen Individuen und einer Kontrollgruppe ergeben sich dadurch neue klinische und experimentelle Möglichkeiten. Wir belegen dies beispielhaft anhand einer Studie mit pädiatrischen Patienten mit Diabetes mellitus Typ 1 (T1DM). Unsere Ergebnisse zeigen, dass durch die Einbindung von visuell-interaktiven Analysemethoden entscheidende Fortschritte hinsichtlich einer patientenspezifischen Diagnostik sowie zur Beurteilung von klinischen Studien möglich werden.

Abstract

Optical coherence tomography (OCT) enables noninvasive high-resolution 3D imaging of the human retina, and thus plays a fundamental role in ophthalmology. Via OCT examination, even subtle retinal changes can be captured, which occur in very early stages of different diseases (e.g., glaucoma, diabetes mellitus, or age-related macular degeneration). Yet, analyzing the resulting data is challenging. Conventionally, OCT data are strongly aggregated via automated methods. While this reduces the amount of information to be analyzed, it also makes it difficult, if not impossible, to identify small and localized retinal changes. This might lead to wrong diagnoses, since these methods do not account for patient-specific characteristics. We address this problem by providing new and efficient visual-interactive methods. Particularly, we introduce dedicated visualizations that show different aspects of the data. In addition, we support patient-specific selections of relevant data regions. Selected regions are emphasized, or separately visualized to inspect retinal substructures in detail. By visually comparing the regions to reference data, even very small retinal changes can be detected. We demonstrate the utility of our approach by applying it to data of a study with pediatric patients suffering from diabetes mellitus type 1. Our results show that visual-interactive methods indeed help to analyze subtle retinal changes and, thus, support the diagnosis of diseases in an early stage.