Visuelle Analyse zur Früherkennung einer diabetischen Neuropathie

Zusammenfassung

Die diabetische Neuropathie (DN) gehört zu den häufigsten Folgeerkrankungen des Diabetes mellitus. Dabei treten Schädigungen des sensiblen Nervensystems auf, die sich auch im subbasalen Nervenplexus der Kornea manifestieren. Mittels der konfokalen Laser-Scanning-Mikroskopie sind diese einer In-vivo-Visualisierung zugänglich. Dieser Beitrag untersucht Marker, die Alterationen dieser kornealen Nervenfasern beschreiben. Mittels statistischer Berechnungen und einer interaktiv-visuellen Analyse der Daten aus 2 klinischen Studien werden charakteristische Merkmale und Ausprägungen extrahiert, mit dem Ziel, DN-Patienten und gesunde Probanden zu trennen. Durch diese Klassifikation soll die Diagnose der diabetischen Neuropathie unterstützt werden. Ausgangspunkt für die visuelle Analyse sind verschiedene Darstellungen, die sowohl die Ergebnisse der statistischen Berechnungen als auch die erfassten Daten im multidimensionalen Zusammenhang zeigen. Auf alle Darstellungen kann der Nutzer interaktiv zugreifen, um sie gesondert anzuzeigen und auszuwerten. Durch diese visuelle Betrachtung soll die Klassifikation der Probanden genauer analysiert werden. Unklare Zuordnungen werden dabei einer separaten Klasse, der so bezeichneten „fuzzy group“ zugewiesen. Für diese Probanden ist eine weiterführende Diagnostik notwendig.

Abstract

Diabetic neuropathy is the most common long-term complication of diabetes mellitus. It comes along with significant nerve dysfunction, which is not reversible. Hence, it is essential to detect nerve fibre abnormalities as early as possible. In this paper, we investigate markers describing degradation of corneal nerves. We apply statistical computations and visual analysis to identify those variables of two clinical studies that separate DN patients from a control group. In this way, the diagnosis of DN patients is supported. The visual analysis is based on different representations visualizing both the statistical results and the gathered multi-variate data. The user can interactively manipulate the views, or select data that will be shown by further displays. In this way, the understanding of the data and its classification is supported. Ambiguous categorisations can be identified and grouped into a so-called “fuzzy group”. For this group, further investigations are needed to decide about diabetic neuropathy.

Schlüsselwörter

diabetische Neuropathie - Degeneration der Nervenfasern der Hornhaut - visuelle Analyse - Visualisierung von multivariaten Daten

Key words

diabetic neuropathy - degradation of corneal nerves - visual analysis - multi-variate data visualization

• Literatur

• 1 Efron N. The glenn a. fry award lecture 2010: Ophthalmic markers of diabetic neuropathy. Optometry and Vision Science 2011; 88: 661-683
• 2 Ziegler D, Papanas N, Zhivov A et al. Early detection of nerve fiber loss by corneal confocal microscopy and skin biopsy in recently diagnosed type 2 diabetes. Diabetes 2014; 63: 2454-2463
• 3 Allgeier S, Zhivov A, Eberle F et al. Image reconstruction of the subbasal nerve plexus with in vivo confocal microscopy. Invest Ophthal Vis Sci 2011; 52: 5022-5028
• 4 Winter K, Zhivov A, Guthoff RF et al. Characteristic quantities for the quantification of clsm images of the subbasal nerve plexus. Biomedizinische Technik (Biomedical Engineering) 2010; 55: 252-254
• 5 Zhivov A, Winter K, Hovakimyan M et al. Imaging and quantification of subbasal nerve plexus in healthy volunteers and diabetic patients with or without retinopathy. PLoS ONE 2013; 8: e52157
• 6 Meijer JW, van Sonderen E, Blaauwwiekel EE et al. Diabetic neuropathy examination: a hierarchical scoring system to diagnose distal polyneuropathy in diabetes. Diabet Care 2000; 23: 750-753
• 7 Keim DA, Mansmann F, Schneidewind J et al. Visual analytics: Scope and challenges. Visual Data Mining 2008; 76-90
• 8 John M, Tominski C, Schumann H. Visual and analytical extensions for the table lens. Proceedings of Visualization and Data Analysis. San Jose, CA, USA: VDA; 2008: 680907-1-680907-12
• 9 Rao R, Stuart KC. The table lens: Merging graphical and symbolic representations in an interactive focus + context visualization for tabular information. Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. Boston, MA, USA: CHI; 1994: 318-322
• 10 Saito T, Miyamura HN, Yamamoto M et al. Two-tone pseudo coloring: Compact visualization for one-dimensional data. Proceedings of the IEEE Symposium on Information Visualization. Minneapolis, MN, USA: InfoVis; 2005: 173-180