دوره 31، شماره 247: هفته اول مهرماه 1392:1185-1193

بررسی عدم تقارن ضخامت لایه‌ی فیبر عصبی و ضخامت کل شبکیه در چشم راست و چپ افراد سالم با استفاده از ویژگی‌های استخراج‌شده از دستگاه OCT

طاهره محمودی, راحله کافیه, حسین ربانی, علیرضا مهری دهنوی, محمدرضا اخلاقی, خاطره اربابیان, محمد احمدی

چکیده


مقدمه: تشخیص زودهنگام بیماری‌ها به دلایلی مانند رضایت‌بخش نبودن حساسیت دستگاه‌های تصویربرداری و متغیر بودن شاخص‌ها در بین افراد مشکل می‌باشد. آنالیز عدم تقارن ضخامت لایه‌ی فیبر عصبی شبکیه و ضخامت کل شبکیه در ناحیه‌ی ماکولا می‌تواند معیار مناسبی جهت تشخیص زودهنگام در اختیار پزشکان قرار دهد. در این مطالعه ضخامت فیبر عصبی شبکیه و کل شبکیه اندازه‌گیری شد.

روش‌ها: در این مطالعه داده‌های مربوط به 50 نفر با ویژگی‌های تعیین‌شده برای چشم سالم، با استفاده از دستگاه 3D - OCT 1000 مدل تاپکن اخذ گردید. مراحل کار به ترتیب بخش‌بندی داده‌های OCT (Ocular coherence tomography)، استفاده از عملگر مقیاس، پیدا کردن اتوماتیک نقطه‌ی وسط ماکولا (Fovea)، تقسیم ناحیه‌ی اطراف ماکولا به 9 بخش متمایز، محاسبه‌ی میانگین و واریانس ضخامت در هر بخش و سرانجام محاسبه‌ی حد آستانه‌ی عدم تقارن ضخامت لایه‌ی فیبر عصبی و ضخامت کل شبکیه بود.

یافته‌ها: ضخامت لایه‌ی فیبر عصبی شبکیه فقط در ناحیه‌ی Fovea بین چشم چپ و راست عدم تقارن طبیعی دارد (05/0 > P). حد آستانه‌ی تغییرات طبیعی در لایه‌ی فیبر عصبی شبکیه در 9 ناحیه به ترتیب 99/0 ± 16/1، 57/1 ± 43/2، 08/2 ± 96/3، 09/1 ± 11/1، 66/1 ± 83/2، 39/1 ± 09/3، 97/1 ± 91/4، 25/1 ±  82/0، 63/1 ± 31/3 میکرومتر بود. ضخامت کل شبکیه هیچ گونه عدم تقارن طبیعی بین چشم راست و چپ نداشت (05/0 < P). حد آستانه‌ی تغییرات نرمال در کل شبکیه در 9 ناحیه به ترتیب 75/2 ± 84/9، 74/2 ± 60/3، 23/3 ± 82/4، 76/1 ± 33/3، 69/3 ± 51/6، 30/1 ± 23/3، 62/2 ± 96/5، 42/1 ± 79/2، 57/2 ± 72/6 میکرومتر بود.

نتیجه‌گیری: با استفاده از آنالیز عدم تقارن می‌توان معیار مناسبی جهت تشخیص زودهنگام بیماری‌ها به دست آورد.


واژگان کلیدی


Ocular coherence tomography؛ شبکیه؛ آنالیز عدم تقارن

تمام متن:

PDF

مراجع


Masland RH. The fundamental plan of the retina. Nat Neurosci 2001; 4(9): 877-86.

Kingman S. Glaucoma is second leading cause of blindness globally. Bull World Health Organ 2004; 82(11): 887-8.

Merimee TJ. Diabetic retinopathy. A synthesis of perspectives. N Engl J Med 1990; 322(14): 978-83.

Huang D, Swanson EA, Lin CP, Schuman JS, Stinson WG, Chang W, et al. Optical coherence tomography. Science 1991; 254(5035): 1178-81.

Asrani S, Rosdahl JA, Allingham RR. Novel software strategy for glaucoma diagnosis: asymmetry analysis of retinal thickness. Arch Ophthalmol 2011; 129(9): 1205-11.

Qi H, Head JF. Asymmetry Analysis using automatic segmentation and classification for breast cancer detection in thermograms. Proceedings of the 23rd Annual International Conference of the IEEE Engineering in Medicine and Biology Society; 2001 Oct 25-

;.Istanbul, Turkey.

Haller S, Borgwardt SJ, Schindler C, Aston J, Radue EW, Riecher-Rossler A. Can cortical thickness asymmetry analysis contribute to detection of at-risk mental state and first-episode psychosis? A pilot study. Radiology 2009; 250(1): 212-21.

Park JJ, Oh DR, Hong SP, Lee KW. Asymmetry analysis of the retinal nerve fiber layer thickness in normal eyes using optical coherence tomography. Korean J Ophthalmol 2005; 19(4): 281-7.

Budenz DL. Symmetry between the right and left eyes of the normal retinal nerve fiber layer measured with optical coherence tomography (an AOS thesis). Trans Am Ophthalmol Soc 2008; 106: 252-75.

Kafieh R, Rabbani H, Abramoff MD, Sonka M. Intra-retinal layer segmentation of 3D optical coherence tomography using coarse grained diffusion map. Med Image Anal 2013; 17(8):

-28.

Qu G, Zhang D, Yan P. Information measure for performance of image fusion. Electronics Letters 2002; 38(7): 313-5.

Jalili J, Rabbani H, Akhlaghi M, Kafieh R. Forming projection images from each layer of retina using diffusion may based OCT segmentation. Proceedings of the 11th International Conference Information Science, Signal Processing and their Applications (ISSPA); 2012 Jul 2-5; Montreal, QC; 2012.

Sinthanayothin C, Boyce JF, Cook HL, Williamson TH. Automated localisation of the optic disc, fovea, and retinal blood vessels from digital colour fundus images. Br J Ophthalmol 1999; 83(8): 902-10.

Chaudhuri S, Chatterjee S, Katz N, Nelson M, Goldbaum M. Detection of blood vessels in retinal images using two-dimensional matched filters. IEEE Trans Med Imaging 1989; 8(3): 263-9.

Mujat M, Chan R, Cense B, Park B, Joo C, Akkin T, et al. Retinal nerve fiber layer thickness map determined from optical coherence tomography images. Opt Express 2005; 13(23): 9480-91.

Boyer KL, Herzog A, Roberts C. Automatic recovery of the optic nervehead geometry in optical coherence tomography. IEEE Trans Med Imaging 2006; 25(5): 553-70.

Chew EY, Klein ML, Ferris FL, III, Remaley NA, Murphy RP, Chantry K, et al. Association of elevated serum lipid levels with retinal hard exudate in diabetic retinopathy. Early Treatment Diabetic Retinopathy Study (ETDRS) Report 22. Arch Ophthalmol 1996; 114(9): 1079-84.




Creative Commons Attribution-NonCommercial 4.0

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 Unported License which allows users to read, copy, distribute and make derivative works for non-commercial purposes from the material, as long as the author of the original work is cited properly.