Methods to extract and quantify retinal blood vessels and optic nerve head from optical coherence tomography data in neurological disorders

Abstract

The eye’s retina is considered to be part of the central nervous system with similar structure and cellular composition like the brain. Thus, it has gained an important role in identifying structural changes that provide useful diagnostic information in many neurological disorders. Over the last decade, innovative advances in optical imaging technology have allowed us to identify these changes in the retinal architecture. Especially optical coherence tomography (OCT) has become a powerful imaging modality in ophthalmology and vision science. OCT non-invasively acquires in micrometer-resolution, three- dimensional (3D), cross-sectional images of biological tissues in vivo, producing in-depth views of the retina. With the 3D data sets, we can use 3D modeling and detection tools to allow more intuitive visualization and quantification of the structure in the data set, similar to the 3D tools created for magnetic resonance imaging or computed tomographic scans. However, current OCT technology being mainly applied in the analysis and quantification of ophthalmological diseases lacks tailored image analysis methods for many changes caused by neurological disorders. The focus of this thesis lies on the development of segmentation and analysis methods to quantify two major components of the retina in confocal scanning laser ophthalmoscopy (cSLO data - 2D image) and in OCT data (3D OCT volume data), the retinal blood vessels, and the optic nerve head (ONH). The difficulty in developing robust and accurate methods for detecting these structures consists in the heterogeneous aspect of the data, coming from the natural anatomical diversity of the subjects, artifacts during data acquisition, especially in patients rather than in data from healthy control, and most importantly from certain structural changes that occur in the data during the disease course. We present four approaches for extracting features from the retinal vasculature and for the ONH in multiple sclerosis (with its subtypes), neuromyelitis optica spectrum disorder and idiopathic intracranial hypertension. The first two approaches focus on the detection of the vasculature in SLO images. We propose a new 2D model of the vessel profile that accounts for the central reflex seen in this particular image type in order to quantify the vessel inner and outer boundary. Furthermore, we developed new filter response measures for vessel enhancement based on Morlet wavelet, the Hessian tensor, and an optimal oriented flux approach, and tested their capability of correctly detecting the vessel inner and outer boundary, curvature especially in junction regions. In the case of the ONH, we present a robust approach to detect a reference surface for the volume computation in atrophic and swelled ONH. Moreover, we present a novel algorithm for the detection of the ONH center directly in the 3D OCT volume. The basic idea of this method is to use the information from the computed reference surface to reduce the computation to a sub-volume (a reduced volume) in the ONH region. Furthermore, we address several challenges present in our data: motion artifacts due to eye/head movements by using a modified thin plate spline fitting that is able to model the natural curvature of the retina, artifacts arising from the shadows created by the presence of blood vessel by incorporating contextual textural features in a 3D grow-cut setting. We evaluate our methods in various clinical settings. To demonstrate the effectiveness of our novel methods, we applied them to various patient and healthy control datasets.

In der Retina, die dem zentralen Nervensystem zugeordnet wird, finden sich viele Zellarten und Strukturen, die auch im Gehirn vorkommen. Daher spielt die Erkennung struktureller Veränderungen der Retina eine wichtige Rolle in der Diagnose vieler neurologischer Erkrankungen. In den letzten Jahren haben innovative optische Verfahren die Bildgebung am Auge optimiert und ermöglichen die Erkennung solcher retinaler Veränderungen. Besonders die optische Kohärenztomographie hat sich als nützliches Bildgebungswerkzeug vor allem in der Augenheilkunde etabliert. OCT ist ein nicht-invasives Verfahren, welches in-vivo Aufnahmen von biologischem Gewebe und damit dreidimensionale (3D) Tiefenscans der Retina ermöglicht. Auf einen solchen 3D OCT Scan können 3D Modellierung und Detektionsmechanismen anwendet werden, um eine für den Anwender intuitivere Visualisierung und Quantifizierung der Strukturen zu erstellen, ähnlich wie 3D Verfahren für die Auswertung von Magnetresonanztomographie oder Computertomographieaufnahmen. Derzeit wird OCT jedoch vor allem in der Diagnose und Quantifizierung ophthalmologischer Erkrankungen der Netzhaut genutzt, die Geräte bieten nur begrenzte Analyseverfahren, die sich für die Beurteilung der Veränderungen durch neurologische Erkrankungen eignen. Daher liegt der Fokus dieser Arbeit in der Entwicklung von neuen Segmentations und Analyse- verfahren für die Quantifizierung zweier Bestandteile der Retina: Die retinalen Blutgefäße auf zweidimensionalen Konfokalen Scanning Laser Ophthalmoskopaufnahmen (cSLO), und den Sehnervenkopf (Optic nerve head, ONH) aus 3D OCT Volumenaufnahmen. Die Schwierigkeit in der Entwicklung robuster und akkurater Methoden für die Erkennung dieser Strukturen liegt in der Heterogenität der Daten, welche durch die natürliche anatomische Vielfalt, Artefakte während der Aufnahme, besonders bei Patienten im Vergleich zu gesunden Kontrollen, und vor allem wegen bestimmter struktureller Veränderungen im Krankheitsverlauf entsteht. Wir präsentieren vier Ansätze für die Extrahierung von Eigenschaften der retinalen Vaskularisierung und des ONH in Multipler Sklerose, Neuromyelitis Optica Spektrum-erkrankungen und idiopatisch erhöhtem Hirndruck. Die ersten beiden Ansätze konzentrieren sich auf die Erkennung der Blutgefäße im SLO Bild. Wir stellen ein neues 2D Model des Gefäßprofils vor, welches den auf diesen Aufnahmen sichtbaren Zentralreflex der Gefäße miteinbezieht, um so den inneren und äußeren Gefäßdurchmesser zu quantifizieren. Darüber hinaus haben wir neue Filter für die Hervorhebung der Blutgefäße, basierend auf Morlet-Wavelet, dem Hesse-Tensor und einem gerichteter Fluss-Ansatz, entwickelt und ihre Eignung für die korrekte Erkennung von inneren und äußeren Gefäßrändern und Krümmung der Blutgefäße, auch in Verzweigungen, geprüft. Für den ONH präsentieren wir einen robusten Ansatz für die Berechnung einer Referenz-oberfläche zur Volumenberechnung bei Schwellung und Atrophie. Zudem präsentieren wir einen neuen Algorithmus für die Erkennung des ONH Zentrums direkt im 3D Volumen. Die Grundidee der Methode ist die Nutzung von Informationen, die aus der Referenzoberfläche gewonnen wurden, um die Berechnung auf ein Sub-volumen um den ONH zu reduzieren. Darüber hinaus konnten wir mehrere Artefakte, die in unseren Daten zu finden waren, korrigieren: Bewegungsartefakte wegen Augen- und/oder Kopfbewegungen durch Nutzung eines modifizierten Thin Plate Spline Fittings, welches in der Lage ist die natürliche Krümmung der Retina zu modellieren, und durch Blutgefäße entstandene Schattenartefakte durch Texturanalyse mit einem Grow-cut Algorithmus. Um die Effektivität unserer neuen Methoden zu zeigen, wurden sie in Studien mit verschiedenen Patientengruppen sowie gesunden Kontrollen angewendet.