Vai ai contenuti. | Spostati sulla navigazione | Spostati sulla ricerca | Vai al menu | Contatti | Accessibilità

| Crea un account

Scarpa, Fabio (2008) Automatyc analysis of confocal images of the cornea. [Tesi di dottorato]

Full text disponibile come:

[img]
Anteprima
Documento PDF
3507Kb

Abstract (inglese)

This thesis deals with the automatic analysis of confocal images of the cornea, and with the automatic estimation of clinical parameters.

Corneal diseases and dystrophies (dry-eye, keratoconus, conjunctivitis, herpes keratitis, lattice dystrophy, etc.) affect vision in widely differing ways. Some cause severe visual impairment, while a few cause no vision problems and are discovered during an eye examination. Other dystrophies may cause repeated episodes of pain without leading to permanent loss of vision. Corneal structures are very sensitive to corneal pathologies: nerve fibers, keratocytes, endothelial cells change their morphology. Changes in the morphology of corneal structures are also related to age or prolonged contact lens wear, to surgical interventions on cornea, such as LASIK or PRK, or to transplantation.

In vivo confocal microscopy of the cornea allows to acquire in a rapid and non-invasive way images of the various corneal layers and structures. Analyzing these images has been shown to be quite important to provide clinical information on the cornea state of health. At present, all the analyses of corneal structures are based on manual or semi-automatic methods, and thus the derived clinical parameter values are subjective and error prone.

Thus, a reliable automatic tool for evaluating corneal pathologies is strongly needed. Every automatic method for analyzing the cornea must go through some well defined steps. First, it has to detect the main anatomical structures of the cornea: nerve fibers, keratocytes and endothelial cells. Then it has to quantitatively measure the identified structures. Finally, it has to estimate the parameters of clinical interest.

In this thesis a new algorithm to extract the nerve fibers will be described. Density and morphology of nerve fibers are correlated to corneal pathologies. Then a method for visualizing all corneal structures in the 3D volume will be presented. Keratocytes volumetric density is an important clinical parameter: an algorithm for the automatic recognition of keratocytes in the 3D volume and for the estimation of the volumetric density has been developed. Finally, an algorithm for the automatic endothelial cell contour detection and the estimation of cells density and morphology will be described.

The algorithms presented in this thesis make it possible to conceive a tool to be used for the automatic analyses of the cornea. It will allow to obtain a quantitative and reproducible description of the whole cornea and specific details of the individual structures. It shall provide a diagnostic tool to aid the clinical practice.

Abstract (italiano)

Questa tesi tratta dell’analisi automatica di immagini confocali della cornea, e della stima automatica di parametri clinici.

Malattie e distrofie della cornea (sindrome dell’occhio secco, cheratocono, congiuntiviti, cheratite erpetica, distrofia reticolare, ecc) pregiudicano la visione in molti modi. Alcune causano grave disabilità visiva, mentre poche altre non causano problemi di vista e sono scoperte nel corso di un esame degli occhi. Altre distrofie posso causare ripetuti episodi di dolore senza provocare la perdita permanente della vista. Le strutture della cornea sono molto sensibili alle patologie corneali: le fibre nervose, i cheratociti, le cellule endoteliali modificano la loro morfologia. Cambiamenti nella morfologia delle strutture della cornea sono anche legati all'età o all’uso prolungato di lenti a contatto, ad interventi chirurgici della cornea, come LASIK o PRK, o al trapianto.

La microscopia confocale della cornea permette di acquisire in vivo, in modo rapido e non invasivo, immagini dei vari strati della cornea e delle sue strutture. Analizzare queste immagini ha dimostrato essere molto importante per fornire informazioni cliniche sullo stato di salute della cornea. Allo stato attuale, tutte le analisi delle strutture corneali sono basate su metodi manuali o semi-automatici, e quindi i valori dei parametri clinici che ne derivano sono soggettivi e inclini all’errore.

Per questi motivi, un affidabile strumento automatico per la valutazione delle patologie della cornea è fortemente raccomandato. Ogni metodo automatico per analizzare la cornea deve passare attraverso alcune fasi ben definite. In primo luogo, deve riuscire ad individuare le principali strutture anatomiche della cornea: fibre nervose, cheratociti e cellule endoteliali. Poi, deve misurare quantitativamente le strutture individuate. Infine, deve stimare i parametri di interesse clinico.

In questa tesi, un nuovo algoritmo per estrarre le fibre nervose verrà descritto. Densità e morfologia dei nervi sono correlate a patologie della cornea. Successivamente, sarà presentato un metodo per la visualizzazione di tutte le strutture della cornea nel volume 3D. La densità volumetrica dei cheratociti è un importante parametro clinico: un algoritmo per il riconoscimento automatico dei cheratociti nel volume 3D e per la stima della densità volumetrica è stato sviluppato. Infine, un algoritmo per il riconoscimento automatico dei bordi delle cellule endoteliali e la stima della densità e morfologia cellulare sarà descritto.

Gli algoritmi presentati in questa tesi rendono possibile pensare ad uno strumento da utilizzare per l'analisi automatica della cornea. Consentirà di ottenere una stima quantitativa e una descrizione riproducibile di tutta la cornea e dettagli quantitativi delle singole strutture. Potrà essere uno strumento diagnostico di aiuto alla pratica clinica.

Statistiche Download - Aggiungi a RefWorks
Tipo di EPrint:Tesi di dottorato
Relatore:Ruggeri, Alfredo
Dottorato (corsi e scuole):Ciclo 21 > Scuole per il 21simo ciclo > INGEGNERIA DELL'INFORMAZIONE > BIOINGEGNERIA
Data di deposito della tesi:26 Gennaio 2009
Anno di Pubblicazione:2008
Parole chiave (italiano / inglese):cornea; confocal microscopy; nerves tracing; endothelium; epithelium; stroma; cell contour detection;
Settori scientifico-disciplinari MIUR:Area 09 - Ingegneria industriale e dell'informazione > ING-INF/06 Bioingegneria elettronica e informatica
Struttura di riferimento:Dipartimenti > Dipartimento di Ingegneria dell'Informazione
Codice ID:1439
Depositato il:26 Gen 2009
Simple Metadata
Full Metadata
EndNote Format

Bibliografia

I riferimenti della bibliografia possono essere cercati con Cerca la citazione di AIRE, copiando il titolo dell'articolo (o del libro) e la rivista (se presente) nei campi appositi di "Cerca la Citazione di AIRE".
Le url contenute in alcuni riferimenti sono raggiungibili cliccando sul link alla fine della citazione (Vai!) e tramite Google (Ricerca con Google). Il risultato dipende dalla formattazione della citazione.

[1] Mastropasqua L, Nubile M, “Confocal Microscopy of the Cornea” SLACK Incorporated, 2002, pp 1-16. Cerca con Google

[2] Jalbert I, Stapleton F, Papas E, Sweeney DF, Coroneo M, “In vivo confocal microscopy of the human cornea” British Journal of Ophthalmology. 2003; vol 87: pp 225-236. Cerca con Google

[3] Erie JC, McLaren JW, Hodge DO, Bourne WM, “The effect of age on the corneal subbasal nerve plexus” Cornea. 2005; vol 24: pp 705–709. Cerca con Google

[4] Patel S, McLaren JW, Hodge DO, Bourne WM, “Confocal microscopy in vivo in corneas of long-term contact lens wearers” Investigative Ophthalmology & Visual Science. 2002; vol 43: 995–1003. Cerca con Google

[5] Moilanen JAO, Vesaluoma MH, Müller LM, Tervo TMT, “Long-term corneal morphology after PRK by in vivo confocal microscopy” Investigative Ophthalmology & Visual Science. 2003; vol 44: pp 1064–1069.. Cerca con Google

[6] Erie JC, McLaren JW, Hodge DO, Bourne WM, “Recovery of Corneal Subbasal Nerve Density after PRK and LASIK” American Journal of Ophthalmology. 2005; vol 140: pp 1059–1064. Cerca con Google

[7] Niederer RL, Perumal D, Sherwin T, McGhee CNJ, “Corneal innervation and cellular changes after corneal transplantation: an in vivo confocal microscopy study” Investigative Ophthalmology & Visual Science. 2007; vol 48: pp 621–626. Cerca con Google

[8] Benitez del Castillo MJ, Wasfy MAS, Fernandez C, Garcia-Sanchez J, “An in vivo confocal masked study on corneal epithelium and subbasal serves in patients with dry eye” Investigative Ophthalmology & Visual Science. 2004; vol 45: pp 3030–3035. Cerca con Google

[9] Tuominen ISJ, Konttinen YT, Vesaluoma MH, Moilanen JAO, Helintö M, Tervo TMT,. “Corneal innervation and morphology in primary Sjögren’s syndrome” Investigative Ophthalmology & Visual Science. 2003; vol 44: pp 2545-2549. Cerca con Google

[10] Patel DV, McGhee CNJ, “Mapping the Corneal Sub-basal Nerve Plexus in Keratoconus by In Vivo Laser Scanning Confocal Microscopy” Investigative Ophthalmology & Visual Science. 2006; vol 47: pp 1348–1351. Cerca con Google

[11] Simo Mannion L, Tromans C, O’Donnel C, “An evaluation of corneal nerve morphology and function on moderate keratoconus” Contact Lens Anterior Eye, 2005; vol 28: pp 185–192. Cerca con Google

[12] Rosenberg ME, Tervo TMT, Müller LJ, Moilanen JAO, Vesaluoma MH, “In vivo confocal microscopy after herpes keratitis” Cornea. 2002; vol 21: pp 265–269. Cerca con Google

[13] Kallinikos P, Berhanu M, O’Donnel C, Boulton A, Efron N, Malik R, “Corneal nerve tortuosity in diabetic patients with neuropathy” Investigative Ophthalmology & Visual Science. 2004; vol 45: pp 418–422. Cerca con Google

[14] Li J, Jester JV, Cavanagh HD, Black TD, Petroll WM, “On line 3-dimensional confocal imaging in vivo” Investigative Ophthalmology & Visual Science. 2000; vol 41: pp. 2945–2953. Cerca con Google

[15] Stachs O, Zhivov A, Kraak R, Stave J, Guthoff,R, ”In vivo threedimensional confocal laser scanning microscopy of the epithelial nerve structure in the human cornea” Graefes Arch Clin Exp Ophtalmol, 2006. Cerca con Google

[16] Guthoff RF, Wienss H, Hahnel C, Wree A, “Epithelial innervations of human cornea: a three-dimensional study using confocal laser scanning fluorescene microscopy” Cornea, July 2005, vol. 24, nr 5, pp. 608–613. Cerca con Google

[17] Berlau J, Becker HH, Stave J, Oriwol C, Guthoff RF, “Depth and age-dependent distribution of keratocytes in healthy human corneas” Journal of Cataract & Refractive Surgery 2002, vol 28: pp 611-616. Cerca con Google

[18] Patel SW, McLaren JW, Hodge DO, Bourne WM “Confocal microscopy in vivo in corneas of long-term contact lens wareers” Investigative Ophthalmology & Visual Science. 2002; vol 43; nr 4: pp 689-695. Cerca con Google

[19] Ku JYF, Niederer R, Patel DV,Sherwin T, McGhee CNJ, “Laser Scanning In Vivo Confocal Analysis of Keratocyte Density in Keratoconus” Ophthalmology 2008; vol 115, nr 5, pp 845-850. Cerca con Google

[20] Erie JC, McLaren JW, Hodge DO, Bourne WM “Long-term corneal keratocyte deficits after photorefractive keratectomy and laser in situ keratomileusis” American Ophthalmological Society. 2005; vol 103: pp 56-68. Cerca con Google

[21] Ivarsen A, Laurberg T, Møller-Pedersen T, “Role of Keratocyte Loss on Corneal Wound Repair after LASIK” Investigative Ophthalmology & Visual Science. 2004; vol 45; nr 10: pp 3499-3506. Cerca con Google

[22] Bourne WM, “Cellular changes in transplanted human corneas” Cornea, 2001; vol 20; nr 6: pp 560-569. Cerca con Google

[23] Patel SV, McLaren JW, Hodge DO, Bourne1 WM “Normal Human Keratocyte Density and Corneal Thickness Measurement by Using Confocal Microscopy In Vivo” Investigative Ophthalmology & Visual Science. 2001; vol 42; nr 2: pp 333-339. Cerca con Google

[24] Hahnel C, Somodi S, Weiss DG, Guthoff RF, “The keratocyte network of human cornea: a three-dimensional study using confocal laser scanning fluorescene microscopy” Cornea, 2000, vol. 19, nr 2, pp. 185–193. Cerca con Google

[25] Nassiri N, Rahnavardi M, Rahmani L, ”A comparison of corneal endothelial cell changes after 1-site and 2-site phacotrabeculectomy” Cornea, Sep 2008, vol. 27, nr 8, pp. 889-894. Cerca con Google

[26] Alsuhaibani AH, Al-Rajhi AA, Al-Motowa SM, Wagoner MD, “Corneal endothelial cell density and morphology after acute hydrops in keratoconus” Cornea, Jun 2008, vol. 27, nr 5, pp. 535-538. Cerca con Google

[27] Lehto I, Ruusuvaara P, Setälä K, “Corneal endothelium in pigmentary glaucoma and pigment dispersion syndrome” Acta Ophthalmologica (Copenh), Dec 1990, vol. 68, nr 6, pp. 703-709. Cerca con Google

[28] Grisan E, Pesce A, Giani A, Foracchia M, Ruggeri A, “A new tracking system for the robust extraction of retinal vessel structure” Proc. 26th Annual International Conference of IEEE-EMBS, New York, 2004, pp. 1620–1623. Cerca con Google

[29] Foracchia M, Grisan E, Ruggeri A. “Luminosity and contrast normalization in retinal images” Medical Image Analysis. 2005; vol 9: pp 179–190. Cerca con Google

[30] Grisan E, “Automatic Analysis of Retinal Images: Retinopathy Detection and Grading”, PhD Thesis, 2005. Cerca con Google

[31] Bezdek JC, “Pattern recognition with fuzzy objective function algorithms” Plenum. New York, 1981. Cerca con Google

[32] Giani A, Grisan E, DeLuca M, Ruggeri A, “Detecting false vessel recognitions in retinal fundus analysis” Proc. 26th Annual International Conference of IEEE-EMBS, New York, 2004, pp. 4449–4452. Cerca con Google

[33] Gonzalez RC, Woods RE, “Digital Image Processing” 2nd ed. Upper Saddle River, NJ: Prentice Hall, 2002. Cerca con Google

[34] www.bioimlab.dei.unipd.it Vai! Cerca con Google

[35] Bland JM, Altman DG, “Statistical methods for assessing agreement between two methods of clinical measurement” Lancet. 1986; vol 1: pp. 307-310. Cerca con Google

[36] Ruggeri A, Scarpa F, Grisan E, McLaren JW, Erie JC, Bourne WM, "Evaluation of automatic corneal nerve tracing in normal and refractive surgery subjects" Investigative Ophthalmology & Visual Science. Fort Lauderdale, 2007. Cerca con Google

[37] Dani P, Chaudhuri S, “Automated assembling of images: image montage preparation,” Pattern Recognition, 1995, vol. 28, nr 3, pp. 431–445. Cerca con Google

[38] Scarpa F, Fiorin D, Ruggeri A, " In Vivo Three-Dimensional Reconstruction of the Cornea from Confocal Microscopy Images" Proc. 25th Annual International Conference of IEEE EMBS, Lyon, 2007; pp. 747–750. Cerca con Google

[39] Otsu N, "A threshold selection method from gray-level histograms", IEEE Transactions on Systems, Man and Cybernetics.1979; vol 9, pp. 62–66. Cerca con Google

[40] Ruggeri A, Scarpa F, "Automatic estimation of keratocyte density in confocal microscopy of the cornea" Investigative Ophthalmology & Visual Science. Fort Lauderdale, 2008. Cerca con Google

[41] Robb RA, “Visualization in biomedical computing”, Parallel Computing, 1999; vol 25, pp 2067-2110. Cerca con Google

[42] Kundur D, Hatzinakos D, “Blind image deconvolution,”, IEEE Signal Processing Magazine, May 1996; pp 43-46. Cerca con Google

[43] Xu C, Prince JR, “Gradient vector flow: a new external force for snakes” IEEE Proc. Conference on Computer Vision and Pattern Recognition, 1997; pp 66-71. Cerca con Google

[44] Corkidi G, Marquez J, Usisima R, Toledo R, Valdez J, Graue E, “Automated in vivo and online morphometry of human endothelium” Medical & Biological Engineering & Computing, 1993; vol. 31, nr. 4, pp. 421–426. Cerca con Google

[45] Sanchez-Marin FJ, “Automatic segmentation of contours of corneal cells,” Computers in biology and medicine, 1999; vol. 29, pp. 243–258. Cerca con Google

[46] Foracchia M, Ruggeri A, “Cell contour detection in corneal endothelium In-Vivo microscopy” Proc. Chicago 2000 – World Congress on Medical Physics and Biomedical Engineering, 2000; pp 1033-1035. Cerca con Google

[47] Gain P, Thuret G, Kodjikian L, Gavet Y, Turc PH, Theillere C, Acquart S, Le Petit JC, Maugery J, Compos L, “Automated tri-image analysis of stored corneal endothelium” British Journal of Ophthalmology, 2002; vol. 86, pp. 801–808. Cerca con Google

[48] Oblak E, Doughty MJ, Oblak L, “A semi-automated assessment of cell size and shape in monolayers, with optional adjustment for the cell–cell border width—application to human corneal endothelium” Tissue & Cell, 2002; vol 34, nr 4, pp 283–295. Cerca con Google

[49] Foracchia M, Ruggeri A, “Corneal endothelium analysis by means of bayesian shape modeling” Proc. 25th Annual International Conference of IEEE EMBS, 2003; pp. 794–797. Cerca con Google

[50] Hasegawa A, Itoh K, Ichioka Y, “Generalization of shift invariant neural networks image processing of corneal endothelium” Neural Networks, 1996; vol 9, nr 2, pp 345-356. Cerca con Google

[51] Zhang W, Hasegawa A, Itoh K, Ichioka Y “Image processing of human comeal endothelium based on a learning network” Applied Optics, 1991; vol 30, nr 29, pp 4211-4217. Cerca con Google

[52] Chang CI, Du Y, Wang J, Guo SM, Thouin PD “Survey and comparative analysis of entropy and relative entropy thresholding techniques”, Proc. Vision, Image and Signal Processing, 2006; vol 153, nr 6, pp 837-850. Cerca con Google

[53] Prydal JI, Franc F, Dilly PN, Kerr Muir MG, Corbett MC, Marshall J, ”Keratocyte density and size in conscious humans by digital image analysis of confocal imagse” Eye, 1998; vol 12, pp 337-342. Cerca con Google

[54] Patel SV, McLaren JW, Camp JJ, Nelson LR, Bourne WM, “Automated quantification of keratocyte density by using confocal microscopy in vivo” Investigative Ophthalmology & Visual Science, 1999; vol 40; nr 2, pp 320-326. Cerca con Google

[55] McLaren JW, Patel SV, Nau CB, Bourne WM, “Automated assessment of keratocyte density in clinical confocal microscopy of the corneal stroma” Journal of Microscopy, 2008; vol 229, pp 21-31. Cerca con Google

Download statistics

Solo per lo Staff dell Archivio: Modifica questo record