Zusammenfassung
Hintergrund Ein Hornhauttransplantat aus Organkultur darf i. d. R. nur verwendet werden, wenn
präoperativ eine Endothelzelldichte von mindestens 2000 Zellen pro mm2 nachgewiesen ist. Die Messung der Endothelzelldichte ist dadurch erschwert, dass
in der Phasenkontrastmikroskopie die Zellgrenzen der Endothelzellen nicht immer gut
sichtbar sind und die zählbare Fläche durch quellungsbedingte Descemet-Falten limitiert
ist. Bislang ist daher keine automatische Methode zur Endothelzelldichtebestimmung
in Hornhauttransplantaten verfügbar. Das neuronale Netzwerk U-Net hat sich in der
vollautomatischen Analyse von spiegelmikroskopischen Aufnahmen des Hornhautendothels
bewährt. Ziel dieser Studie war die Anwendung des U-Net in der Qualitätssicherung
von Hornhauttransplantaten.
Material und Methoden Das U-Net wurde zunächst anhand von 100 manuell markierten Befundungsbildern von
Hornhäuten aus der Lions-Hornhautbank Baden-Württemberg trainiert. Für die Prüfung
der Messgenauigkeit des U-Net wurden 100 weitere Befundungsbilder von der o. g. Hornhautbank
zur Verfügung gestellt. Diese wurden jeweils von a) einer erfahrenen Befunderin und
b) einem weniger erfahrenen Augenarzt manuell gezählt. Die identischen Bilder wurden
vollautomatisch über das trainierte U-Net ausgezählt und dieses Ergebnis mit beiden
manuellen Analysen mittels Pearson-Korrelation verglichen.
Ergebnisse Der Korrelationskoeffizient zwischen dem U-Net und der erfahren Untersucherin als
„Goldstandard“ betrug 0,90. Der Korrelationskoeffizient des weniger erfahrenen Augenarztes
mit dem Goldstandard betrug nur 0,81. Beide Korrelationen erwiesen sich als statistisch
hochsignifikant (p < 0,0001).
Schlussfolgerung Die enge Korrelation des U-Net mit dem „Goldstandard“ deutet darauf hin, dass mit
dem U-Net, die medizintechnische Zulassung vorausgesetzt, eine effektive Unterstützung
in der Qualitätsbeurteilung von Hornhauttransplantaten in der Hornhautbank möglich
ist. Dies hätte Vorteile für die Objektivität und die Arbeitseffizienz.
Abstract
Background Human corneal grafts from organ culture need to have more than 2000 endothelial cells/mm2 to be suitable for transplantation. Measurement of the endothelial cell density is
complicated by invisible cell borders in phase contrast microscopy, as well as by
limited areas for counting due to folds in the Descemet membrane of the swollen corneal
grafts. To date, no automated counting method for measuring the endothelial cell density
exists. The neuronal network U-Net has already proven itself in automated segmentation
of specular microscopy images of human corneal endothelium. The aim of this study
was the application of the U-Net in the quality control of human corneal grafts.
Material and Methods Training of the U-Net was performed using 100 manually tagged endothelial cell images
of corneal grafts from the Lions eye bank in Baden-Württemberg. Another 100 images
were obtained for testing the precision of measurements of the U-Net. These were adjudged
manually by a) an experienced investigator and b) a less experienced ophthalmologist.
The endothelial cells in identical images were then counted automatically by the trained
U-Net. Comparison with the manually counted results was drawn by Pearson correlation.
Results The correlation coefficient between the U-Net and the experienced investigator as
gold standard was 0.9. The correlation coefficient between the less experienced ophthalmologist
and the gold standard was only 0.81. Both correlations were statistically highly significant
(p < 0.0001).
Discussion The strong correlation between the U-Net and the gold standard points out that, given
medical approval, effective assistance for eye banks is possible in quality control
by automated counting. This could improve objectivity and efficiency of work flow.
Schlüsselwörter
Hornhauttransplantation - Hornhautbank - Endothel - neuronales Netzwerk - Deep Learning
Key words
corneal transplantation - eye banking - corneal endothelium - neuronal network - deep
learning
