REGOS NERVO DISKO AUTOMATINĖS FOTOPLANIMETRINĖS ANALIZĖS

LIETUVOS SVEIKATOS MOKSLŲ UNIVERSITETAS MEDICINOS AKADEMIJA

Dovilė Buteikienė

REGOS NERVO DISKO AUTOMATINĖS FOTOPLANIMETRINĖS ANALIZĖS

REIKŠMĖ PIRMINĖS ATVIRO KAMPO GLAUKOMOS

DIAGNOSTIKAI

Daktaro disertacija Biomedicinos mokslai,

medicina (06B)

Kaunas, 2012

Disertacija rengta 2007–2011 metais Kauno medicinos universiteto Biomedicininių tyrimų instituto (nuo 2011.08.01. Lietuvos sveikatos mokslų universiteto Medicinos akademijos Neuromokslų institutas) Oftalmologijos laboratorijoje.

Mokslinis vadovas

prof. habil. dr. Alvydas Paunksnis (Lietuvos sveikatos mokslų univer- sitetas, Medicinos akademija, biomedicinos mokslai, medicina – 06B) Konsultantas

doc. dr. Valerijus Barzdžiukas (Lietuvos sveikatos mokslų universitetas,

Medicinos akademija, biomedicinos mokslai, medicina – 06B)

TURINYS

SANTRUMPOS ... 6

ĮVADAS ... 7

1. DARBO TIKSLAS IR UŽDAVINIAI ... 10

2. DARBO MOKSLINIS NAUJUMAS ... 11

3. DARBO PRAKTINĖ REIKŠMĖ ... 12

4. LITERATŪROS APŽVALGA ... 13

4.1. IFPA pritaikymas RND SADV parametrizavimui ... 13

4.1.1. RND vaizdų planimetrijos tipai ir būdai ... 13

4.1.2. Sveikų akių RND fotoplanimetriniai parametrai ir jų sąsajos su OKT bei KSLO parametrizacijos rezultatais ... 14

4.1.3. RND fotoplanimetrinių parametrų pokyčiai esant akių hipertenzijai ir glaukomai ... 19

4.1.4. RND fotoplanimetrinių parametrų sąsajos su bendrais sveikatos ir oftalmologiniais rodikliais ... 20

4.2. RND SADV ypatybės, sąlygojančios AFPA kūrimą ... 22

4.2.1. SADV vaizdo gavimo būdai ir ypatybės ... 23

4.2.2. SADV apdorojimo reikšmė automatinėje RND analizėje ... 24

4.2.3. RND spalvotų SADV ypatybės, įtakojančios AFPA struktūrą .. 25

4.3. AFPA pritaikymas RND SADV parametrizacijai ... 26

4.3.1. RND lokalizuojančių AFPA grupės ... 27

4.3.1.1. RND savybėmis pagrįsti lokalizuojantys AFPA ... 27

4.3.1.2. Modeliu pagrįsti RND lokalizuojantys AFPA ... 29

4.3.2. RND lokalizuojančių ir segmentuojančių AFPA tipai ... 31

4.3.3. EKS lokalizuojantys ir segmentuojantys AFPA ... 34

4.3.4. RND lokalizacijos, nustatytos AFPA, tikslumo vertinimas ... 34

4.3.5. RND segmentacijos, nustatytos AFPA, tikslumo vertinimas .... 36

4.3.6. RND SADV parametrizacijos AFPA klinikinis pritaikymas ... 38

4.3.6.1. RND fotoplanimetrinių parametrų, nustatytų AFPA ir IFPA koreliacijos ... 38

4.3.6.2. Absoliučių RND fotoplanimetrinių parametrų, nustatytų AFPA ir IFPA, KSLO, OKT palyginimas ... 40

4.3.6.3. RND fotoplanimetrinių parametrų, nustatytų AFPA reikšmė glaukomos diagnostikoje ... 41

4.4. RND histomorfometrijos galimybės ... 42

4.4.1. RND histomorfometrijos medžiaga ... 42

4.4.2. RND histomorfometrijos tipai ... 42

4.4.3. RND histomorfometriniai parametrai ... 42

5. TYRIMO KONTINGENTAS IR METODIKA ... 44

5.1. Tyrimo kontingento charakteristika ... 44

5.1.1. Kontrolinės grupės suformavimas ir įtraukimo kriterijai ... 44

5.1.2. Atvejo grupės sudarymas ir įtraukimo kriterijai ... 45

5.2. Oftalmologinis ištyrimas ... 46

5.2.1. Anketiniai apklausos duomenys ... 46

5.2.2. Regėjimo aštrumo tyrimas ... 47

5.2.3. Refraktometrijos ir keratometrijos atlikimas ... 47

5.2.4. Biometriniai matavimai ... 47

5.2.5. Oftalmotonometrija ... 47

5.2.6. Priekinio akių segmento biomikroskopija ... 48

5.2.7. Akipločio tyrimai ... 48

5.3. RND tyrimai ... 49

5.3.1. RND SADV parametrizacija ... 49

5.3.1.1. RND SADV parametrizavimas IFPA ... 49

5.3.1.2. RND SADV parametrizavimas AFPA ... 51

5.3.2. RND parametrizacija lazeriniais metodais ... 56

5.3.2.1. RND tyrimas OKT ... 56

5.3.2.2. RND tyrimas KSLO ... 57

5.3.3. RND histomorfometrinė parametrizacija ... 59

5.4. Bendrų sveikatos rodiklių nustatimas ... 61

5.4.1. Kraujospūdžio ir širdies susitraukimų dažnio matavimai ... 61

5.4.2. Antropometriniai matavimai ... 61

5.5. Statistinė duomenų analizė ... 61

6. REZULTATAI ... 65

6.1. Tyrimo kontingento bendros sveikatos ir oftalmologinio tyrimo rezultatai ... 65

6.1.1. Tyrimo kontingento schema ... 65

6.1.2. Bendrų sveikatos rodiklių palyginimas tarp tyrimo grupių ... 65

6.1.3. Regėjimo aštrumo, refrakcijos ir keratometrijos duomenų palyginimas tarp tyrimo grupių ... 66

6.1.4. Biometrijos ir biomikroskopijos duomenų palyginimas tarp tyrimo grupių ... 68

6.1.5. Tyrimo grupių akipločių duomenys ... 69

6.2. RND SADV parametrizacijos AFPA lokalizavimo ir segmentavimo tikslumas ... 70

6.2.1. RND lokalizavimo tikslumas ... 70

6.2.2. RND bei EKS plotų segmentacijos tikslumas ... 71

6.2.3. Oftalmologinių parametrų įtaka RND SADV AFPA

segmentacijos tikslumui ... 72

6.3. RND parametrų, nustatytų SADV segmentuojant AFPA ,

sąsajos su IFPA, KSLO, OKT ir histomorfometrija ... 79

6.3.1. RND, EKS ir NRK plotų, nustatytų AFPA, koreliacijos su IFPA, KSLO ir OKT rezultatais bei vidurkių skirtumai tarp metodų ... 79

6.3.2. RND ir EKS diametrų, nustatytų AFPA, koreliacijos su IFPA ir OKT rezultatais bei vidurkių skirtumai tarp metodų ... 83

6.3.3. RND parametrų santykių, nustatytų AFPA, koreliacijos su IFPA, KSLO ir OKT rezultatais bei vidurkių skirtumai tarp metodų ... 87

6.3.4. RND histomorfometrijos ir AFPA bei IFPA, KSLO, OKT rezultatų sąsajos ... 92

6.4. RND SADV parametrizacijos AFPA diagnostiniai kriterijai ... 94

6.4.1. Kontrolinės grupės RND normos fotoplanimetriniai kriterijai ... 94

6.4.2. RND fotoplanimetriniai parametrai, reikšmingi PAKG diagnostikai ... 97

6.5. RND fotoplanimetrinių parametrų, nustatytų SADV parametrizuojant AFPA, sąsajos su bendrais sveikatos ir oftalmologiniais rodikliais ... 101

6.5.1. RND fotoplanimetrinių parametrų sąsajos su bendrais sveikatos rodikliais ... 101

6.5.2. RND fotoplanimetrinių parametrų sąsajos su oftalmologiniais rodikliais ... 102

6.5.3. Kontrolinės grupės RND fotoplanimetrinių parametrų tarpusavio priklausomybė ... 106

7. REZULTATŲ APTARIMAS ... 108

7.1. RND struktūrinių tyrimų aktualumas ... 108

7.2. RND SADV AFPA lokalizavimo ir segmentavimo tikslumas ... 109

7.3. RND parametrų, nustatytų SADV segmentuojant AFPA, sąsajos su IFPA, KSLO, OKT rezultatais ... 111

7.4. RND vienmomentinės histomorfometrijos ir AFPA bei IFPA, KSLO, OKT sąsajos ... 115

7.5. RND SADV parametrizacijos AFPA diagnostiniai kriterijai ... 116

7.6. RND fotoplanimetrinių parametrų, gautų SADV parametrizuojant AFPA, sąsajos su bendrais sveikatos ir oftalmologiniais rodikliais ... 116

IŠVADOS ... 120

BIBLIOGRAFIJOS SĄRAŠAS ... 123

PUBLIKACIJŲ SĄRAŠAS ... 136

PRIEDAS ... 137

SANTRUMPOS

AAI – akies ašies ilgis

AFPA – automatinis fotoplanimetrinis algoritmas C – lęšio žievinio sluoksnio drumstis

ccVLogMAR – geriausias koreguotas regėjimo aštrumas pagal LogMAR (angl. Logarithm of the minimum angle of resolution) CRS – centrinis ragenos storis

D – dioptrija

DKS – diastolinis kraujo spaudimas EKS – ekskavacija

HD – disko horizontalus diametras

IFPA – interaktyvus fotoplanimetrinis algoritmas KMI – kūno masės indeksas

KSLO – konfokalinė skenuojanti lazerinė oftalmoskopija

LOCS III – tarptautinė klasifikacija, skirta lęšio drumsties įvertinimui balais (angl. Lens Opacities Classification System III) NO – lęšio branduolio drumstis

NRK – neuroretinalinis kraštas

OD – dešinė akis

OKT – optinė koherentinė tomografija

OS – kairė akis

OU – abi akys

P – lęšio užpakalinės pokapsulinės drumstys PAKG – pirminė atviro kampo glaukoma

PPR – plotų persidengimo rodiklis

R1 – didžiausias ragenos išorinio paviršiaus kreivumo spindulys R2 – mažiausias ragenos išorinio paviršiaus kreivumo spindulys RGB – spalvinė erdvė (R kanalas atspindi raudoną , G – žalią, B –

mėlyną taškų intensyvumus) RND – regos nervo diskas

SADV – skaitmeninis akių dugno vaizdas SE – sferinis ekvivalentas

SKS – sistolinis kraujo spaudimas

SSADV – spalvotas skaitmeninis akių dugno vaizdas V(SN) – vidurkis (standartinis nuokrypis)

VD – vertikalus diametras

VLogMAR – regėjimo aštrumas pagal LogMAR (angl. Logarithm of the

minimum angle of resolution)

ĮVADAS

Regos nervo disko (RND) vaizdas diagnozuojant glaukomą yra vertina- mas nuo 1851 metų, kai Hermann von Helmholtz išrado oftalmoskopą ir pirmą kartą gyvame organizme išvydo akių dugną [82, 105, 113, 136, 145].

Bėgant laikui akių dugno apžiūros priemonės tobulėjo [136]. Ankstyvoji akių dugno fotografija nuo 1887 metų progresavo iki šiuolaikinių stereosko- pinių skaitmeninių akių dugno vaidų [145]. 1950–1960 metais buvo pri- statyti tiesioginiai monokuliniai oftalmoskopai [105], o šiuolaikiniam akių dugno tyrimui naudojama binokulinė atvirkštinė oftalmoskopija [5, 82, 136].

Tačiau net ir šiuolaikinis stereoskopinis skaitmeninis ar binokulinis at- virkštinis oftalmoskopinis RND vaizdas vis dar vertinamas subjektyviai [15, 25, 41, 93, 150, 151]. Kasdieniniame darbe, remdamasis tik savo klinikine patirtimi, oftalmologas diferencijuoja normalų RND vaizdą nuo glauko- minio [15, 25, 128, 145].

Glaukoma yra specifinė optinė neuropatija, kuriai būdingi patologiniai akispūdžio svyravimai, charakteringi akipločio ir RND struktūriniai pokyčiai [13, 15, 37, 39, 41, 47, 92, 128, 138]. Pasaulio Sveikatos Orga- nizacijos duomenimis glaukomos paplitimas vyresnių kaip 40 metų amžiaus asmenų tarpe sudaro 1 proc., vyresnių kaip 50 metų – 2 proc., virš 60 metų amžiaus – 3 proc. [13]. Ji yra antra, po kataraktos, aklumo priežastis [15, 67, 90, 91, 92, 107, 151, 158], bet pirmauja negrįžtamo aklumo priežasčių tarpe [100,101]. Aklumo dėl glaukomos galima išvengti, diagnozavus ligą anks- tyvame laikotarpyje ir pradėjus atitinkamą gydymą [1, 13, 41, 84, 90, 91, 92].

Glaukomos diagnostika remiasi klasikine triada: padidėjusiu akispūdžiu, tipiniais akipločio defektais ir struktūriniais RND pokyčiais [13, 15, 41, 62, 92]. Tačiau nėra patognominio akispūdžio dydžio [13, 41, 77, 91], o glau- kominiai akipločio defektai nustatomi jau žuvus apie 40 proc. nervinių skaidulų [49, 63, 101]. Ankstyva ir objektyvi glaukomos diagnostika remiasi RND ir tinklainės nervinių skaidulų struktūros tyrimais [8, 88, 158].

Glaukominiams struktūriniams RND pokyčiams įvertinti naudojami kie- kybiniai disko parametrai, t. y. RND, ekskavacijos (EKS) diametrai, plotai, neuroretinalinio krašto (NRK) plotas ir forma, EKS bei NRK parametrų santykiai su RND parametrais [15, 20, 46, 55, 62, 90, 93, 128, 149].

Klinikinio sprendimo priėmimą komplikuoja didelė normalaus RND

vaizdo įvairovė populiacijoje [38, 46, 61], įvairūs glaukominio RND

pažeidimo deriniai, bei žymus vieno vaizdo kelių ir netgi vieno tyrėjo

pakartotinai nustatytų struktūrinių parametrų išsibarstimas [15, 23, 25, 68, 93, 145, 150].

RND struktūrinių pokyčių vertinimo objektyvizavimui buvo suskurti skaitmeninių akių dugno vaizdų (SADV) interaktyvūs fotoplanimetriniai algoritmai (IFPA) [26, 36, 133]. Naudojant šį metodą, programinės įrangos pagalba, tyrėjas kompiuterio monitoriuje SADV su pelės žymekliu pažymi RND ir EKS ribas, o programa automatiškai apskaičiuoja morfometrinius parametrus [17, 18, 36, 38, 46, 50, 71, 89, 133]. RND SADV IFPA yra objektyvesnis tyrimo metodas nei oftalmoskopinis ir akių dugno vaizdų klinikinis vertinimas [55]. Tačiau RND parametrizavimo rezultatai taip pat priklauso nuo oftalmologo patirties [16, 25, 36, 50, 53, 84, 93] ir pasižymi reikšmingu intertyrėjų ir intratyrėjų rezultatų svyravimu [16, 36, 50, 84, 93, 151].

Pastaruoju metu vis dažniau naudojami lazeriniai, „pusiau automa- tizuoti“, RND tyrimo metodai [20, 55, 93, 120]. Konfokalinė skenuojanti lazerinė oftalmoskopija (KSLO) skirta RND trimačių vaizdų gavimui ir kiekybinei analizei. Stereometriniai parametrai nustatomi, prieš tai interak- tyviu būdu topografiniuose vaizduose pažymėjus RND ribas kontūrine linija [15, 23, 24, 46, 93, 101, 127, 150], o EKS ribos nustatomos automatiškai, t. y. tūris, esantis žemiau atskaitos plokštumos [150]. Naudojant optinę ko- herentinę tomografija (OKT), gaunamos skersinės RND tomogramos, o algoritmas aptikdamas tinklainės nervinių skaidulų priekinį paviršių ir tinklainės pigmentinio epitelio/choriokapiliarų komplekso sluoksnį ties disko riba, RND ir ekskavacijos ribas (žemiau atskaitos plokštumos) bei parametrus nustato automatiškai [46, 80, 93, 110]. Tačiau dažnai pasitai- kantys išorinių disko ribų nustatymo netikslumai koreguojami interaktyviai [46,150]. Lazeriniai tyrimo metodai reproduktyvūs, RND parametrizavimo rezultatai mažiau priklausomi nuo oftalmologo klinikinės patirties [8, 133], tačiau yra brangūs ir ne visiems oftalmologams prieinami [38, 71, 92].

Visos aukščiau aprašytos technologijos yra tyrėjų pastangos objekty- vizuoti RND struktūros pokyčius, diferencijuojant normą nuo glaukomos [25, 26, 55, 145]. Bet visais minėtais atvejais RND kiekybiniai paramet- rizacijos rezultatai nėra objektyvūs, nes disko ribos yra žymimos inter- aktyviai ir subjektyviai [15, 23, 25, 36, 47].

RND struktūrinių pokyčių objektyvizavimas vis dar išlieka problema.

Oftalmologinių vaizdų analizė yra multidisciplininė sritis ir tik bendra-

darbiaujant mokslininkams, inžinieriams bei gydytojams gali vykti efekty-

vus naujų diagnostinių įrankių kūrimas [42]. Sparčiai progresuojant infor-

macinėm technologijom, atsirado naujų galimybių sukurti visiškai automa-

tizuotą, be interaktyvaus tyrėjo įsikišimo, efektyvią, ekonomišką, automa-

tinę RND parametrizavimo sistemą [20, 25, 42, 141, 140]. Ši problema taip

pat buvo sprendžiama vykdant Lietuvos VMSF finansuojamą projektą

„Informacinės klinikinių sprendimų palaikymo ir gyventojų sveikatinimo priemonės e. Sveikatos sistemai“. Komandinio darbo pasėkoje pirmame etape buvo sukurtas RND SADV IFPA. Tai yra RND parametrizacijos

„auksinis standartas“ su kuriuo lyginamos ir vertinamos naujų automatinių parametrizavimo sistemų tikslumas [97, 120, 138, 141, 149, 151, 150].

Antrame etape sukurtas automatinis fotoplanimetrinis algoritmas (AFPA), išsprendžiantis interaktyvią ir subjektyvią RND ir EKS ribų žymėjimo problemą.

Šio darbo tikslas įvertinti RND SADV AFPA parametrizavimo tikslumą,

naudojant dideles sveikų ir pirmine atviro kampo glaukoma (PAKG) ser-

gančių imtis, bei nustatyti fotoplanimetrinius klinikinius kriterijus PAKG

diagnostikai.

1. DARBO TIKSLAS IR UŽDAVINIAI Darbo tikslas

Įvertinti regos nervo disko skaitmeninių akių dugno vaizdų paramet- rizavimo automatiniu fotoplanimetriniu algoritmu tikslumą ir nustatyti foto- planimetrinius klinikinius kriterijus pirminės atviro kampo glaukomos diag- nostikai.

Uždaviniai

1. Įvertinti automatinio fotoplanimetrinio algoritmo lokalizavimo ir seg- mentavimo tikslumą parametrizuojant regos nervo disko skaitmeninius akių dugno vaizdus ir gautus rezultatus palyginti tarp kontrolinės ir pirminės atviro kampo glaukomos grupių.

2. Nustatyti oftalmologinius parametrus, įtakojančius automatinio fotopla- nimetrinio algoritmo segmentavimo tikslumo rodiklius, neskirstant re- gos nervo disko skaitmeninių akių dugno vaizdų į grupes.

3. Įvertinti regos nervo disko fotoplanimetrinių parametrų, gautų paramet- rizuojant skaitmeninius akių dugno vaizdus automatiniu fotoplanimet- riniu algoritmu, koreliacijas su interaktyvaus fotoplanimetrinio algorit- mo, konfokalinės skenuojančios lazerinės oftalmoskopijos, optinės ko- herentinės tomografijos parametrais ir regos nervo disko parametriza- cijos rezultatus palyginti tarp metodų bei histomorfometrija.

4. Nustatyti kontrolinės grupės tiriamųjų regos nervo disko skaitmeninių akių dugno vaizdų parametrizacijos automatiniu fotoplanimetriniu algo- ritmu normos fotoplanimetrinius kriterijus ir palyginti su pirminės at- viro kampo glaukomos grupės rezultatais.

5. Nustatyti prognostiškai reikšmingus fotoplanimetrinius kriterijus pirmi- nės atviro kampo glaukomos diagnostikai, regos nervo disko skaitme- ninius akių dugno vaizdus parametrizuojant automatiniu fotoplanimet- riniu algoritmu.

6. Nustatyti regos nervo disko fotoplanimetrinių parametrų, gautų skait-

meninius akių dugno vaizdus parametrizuojant automatiniu fotoplani-

metriniu algoritmu, sąsajas su kontrolinės ir pirminės atviro kampo

glaukomos tiriamųjų bendrais sveikatos ir oftalmologiniais rodikliais.

2. DARBO MOKSLINIS NAUJUMAS

Sukurta regos nervo disko automatinio atpažinimo ir parametrizavimo sistema, kurią sudaro optinės akių dugno vaizdinimo technologijos ir regos nervo disko skaitmeninių akių dugno vaizdų automatinis fotoplanimetrinis algoritmas. Tyrimo autorė dalyvavo kuriant šią sistemą ir inicijavo klinikinį pritaikymą.

Įvertintas regos nervo disko skaitmeninių akių dugno vaizdų automatinio fotoplanimetrinio algoritmo tikslumas, atlikus didelės imties atvejo ir kont- rolės tyrimą. Nustatyti sveikų tiriamųjų normos ir pirmine atviro kampo glaukoma sergančių klinikiniai diagnostiniai fotoplanimetriniai kriterijai.

Regos nervo disko skaitmeninių akių dugno vaizdų automatinių atpa-

žinimo ir parametrizavimo sistemų klinikinis pritaikymas pasaulyje tik

pradedamas ir publikacijų šia tema, mūsų žiniomis, laisvai prieinamose ir

nemokamose duomenų bazėse yra tik keletas.

3. DARBO PRAKTINĖ REIKŠMĖ

Regos nervo disko skaitmeninių akių dugno vaizdų automatinis fotopla- nimetrinis algoritmas įgalina objektyviai, automatiškai parametrizuoti didelį kiekį vaizdų. Tai ypač svarbu diegiant mobilias, nebrangias akių dugno vaizdinimo technologijas (portatyvinės akių dugno kameros) pirminės sveikatos priežiūros grandyje. Šios srities specialistai taip pat atlieka akių sveikatos patikras, naudojasi telemedicinos tinklais, siunčia skaitmeninius akių dugnų vaizdus apdorojimui, parametrizavimui ir oftalmologų įverti- nimui. Tai ekonomiškas, nuotoliniu būdu valdomas glaukomos skriningo būdas.

Regos nervo disko skaitmeninių akių dugno vaizdų automatinis fotopla-

nimetrinis algoritmas gali būti įdiegtas į elektroninę pacientų kortelę ir tapti

įrankiu priimant klinikinį sprendimą diferencinėje glaukomos diagnostikoje.

4. LITERATŪROS APŽVALGA

4.1. IFPA pritaikymas RND SADV parametrizavimui

Regos nervo disko (RND) oftalmoskopinis ir akių dugno nuotraukų vertinimas išlieka standartiniu tyrimo metodu glaukomos diagnostikoje [38, 40, 93, 151, 110, 150]. Bet tai yra subjektyvus, nuo oftalmologo patirties priklausantis, RND vertinimo būdas [26, 36, 93, 98, 110, 133]. Todėl buvo suskurti interaktyvūs fotoplanimetriniai algoritmai, kurių pagalba RND parametrų vertinimas objektyvizuojamas [26, 36, 133].

4.1.1. RND vaizdų planimetrijos tipai ir būdai

RND planimetrija yra plokščių morfometrinių parametrų (disko, eks- kavacijos (EKS), neuroretinalinio krašto (NRK) plotų, diametrų) nustaty- mas dvimačiuose akių dugno vaizduose [36, 37, 38, 39, 46, 120].

RND vaizdų, gautų įprasta juostine akių dugno kamera, planimetrija atliekama skaidres ar fotografijas, dedant ant projektoriaus ar milimetrinio popieriaus. Disko ir EKS ribos apibrėžiamos rankiniu būdu, o po to at- liekama morfometrinė analizė [46, 53, 60, 120, 137]. Absoliučių RND parametrų dydžių mm ir mm ² nustatymui, akių dugno kameros ir akių didinimas koreguojamas naudojant Littmanno metodą (formulė t=pqs, t – RND dydis, p – akių dugno kameros didinimo koeficientas, q – faktorius, kuris priklauso nuo ragenos gaubtumo ir ametropijos, s – tyrėjo nustatytas RND dydis) [53, 60, 120, 137].

RND skaitmeninių akių dugno vaizdų (SADV) planimetrijai naudojamas interaktyvus fotoplanimetrinis algoritmas (IFPA) [46, 50]. Programinės įrangos pagalba, tyrėjas kompiuterio monitoriuje su pelės žymekliu pažymi RND ir EKS ribas SADV, o programa automatiškai apskaičiuoja mor- fometrinius parametrus [17, 18, 36, 38, 46, 50, 71, 89, 133]. RND išorinės ribos žymimos ties vidiniu peripapilinio skleralinio žiedo kraštu (Elschningo žiedas), o EKS ribos – ties jos kraštu, kur persilenkia kraujagyslės, bet ne remiantis blyškiąja zona [7, 18, 26, 36, 37, 38, 39, 53, 60, 71, 110, 120, 131, 137]. Svarbu diferencijuoti RND blyškiąją dalį ir EKS. Dažnai EKS, kuri geriausiai atskiriama pagal kraujagyslių puošto persilenkimą ties jos kraštais, sutampa su blyškiąja dalimi, kuri matoma kaip šviesiausia RND dalis be kraujagyslių. Progresuojant glaukominiams pakitimams, EKS išsiplečia, o blyškioji centrinė dalis išlieka nepakitusi [13].

Nhunh X. Nguyen su bendraautoriais palygino planimetriją popieriuje su

SADV IFPA ir reikšmingo skirtumo (patikimumo koeficientas Cronbachs

alpha=0,9) tarp RND parametrų, gautų abiem būdais nenustatė [94].

Kadangi šiame darbe nagrinėjami tik SADV interaktyvios ir automatinės parametrizacijos būdai, todėl literatūros šaltiniai, analizuojantys planimetriją popieriuje, toliau necituojami.

Literatūroje aprašomi įvairūs IFPA būdai, naudojami RND SADV pa- rametrizavimui. Tai gali būti komercinės programinės įrangos kartu su akių dugno kamera: Discam (Marcher Enterprises Ltd, Hereford, UK) [26, 133], ImageNet (Topcon, Medical Systems, Inc., Paramus, NJ) [8, 48, 106], Ro- denstock Optic Nerve Head Analyser (ONHA) [132]. Arba tiesiog atskiros komercinės kompiuterinės programos: DISC-DATA (Thot Informatique, Pr Bechtoile, Angers, France) [36,37,38,39,], Imaging System analysis [70], EyeScape software (v. 7.4, Synemed, Inc., Benicia, CASoft) [66].

Dažnai naudojamos individualios, mokslininkų grupių specialiai sukurtos kompiuterinės programos, skirtos RND SADV planimetrijai [7, 18, 44, 50, 69, 71, 87, 89, 80, 119].

4.1.2. Sveikų akių RND fotoplanimetriniai parametrai ir jų sąsajos su OKT bei KSLO parametrizacijos rezultatais

RND SADV parametrizuojant IFPA, tyrėjas interaktyviu būdu pažymi disko ir EKS ribas, o kompiuterinė programa numatytus fotoplanimetrinius parametrus apskaičiuoja automatiškai [7, 18, 44, 50, 71, 89]. Priklausomai nuo tyrimo tikslo, rezultatus galima suskirstyti į keturias grupes: RND (vertikalus diametras (VD), horizontalus diametras (HD), plotas), EKS (VD, HD, plotas) ir NRK (plotas, pločiai) parametrai bei jų santykiai [18, 44, 50, 89].

Lyginat RND HD, plotą, nustatytą IFPA su optine koherentine tomo- grafija (OKT), rezultatai prieštaringi. O RND VD, HD ir plotas, nustatyti IFPA, reikšmingai didesni nei konfokalinės skenuojančios lazerinės oftalmoskopijos (KSLO) atveju. RND plotą, nustatytą IFPA su OKT ir KSLO sieja reikšmingos stiprios tiesinės koreliacijos. Literatūros šaltiniuose nurodyti RND diametrų ir plotų vidurkiai, nustatyti sveikų akių SADV parametrizuojant IFPA bei sąsajos su OKT, KSLO parametrizacijos rezul- tatais pateikti 4.1.2.1 lentelėje.

Rupert R.A. Bourne su bendraautoriais Tanjong Pagar populiaciniame

tyrime nagrinėjo RND morfologinius parametrus (622 sveikų akių SADV

parametrizavo IFPA) ir nustatė, kad RND forma yra vertikaliai ovali, nes

RND VD vidurkis yra 9 proc. didesnis už HD [17].

4.1.2.1 lentelė. Sveikų tiriamųjų RND parametrai, nustatyti SADV parametrizuojant IFPA, ir jų sąsajos su OKT bei KSLO

RND fotoplanimet-

rinis parametras

IFPA parametriza- cijos rezultato

vidurkis

RND parametrų, nustatytų IFPA ir OKT

sąsajos

RND parametrų, nustatytų IFPA ir KSLO

sąsajos

RND VD mm

1,76–2,12

93 , 112 , 118 , 119 , 122

IFPA(1,85)>OKT(1,76) p<0,001 ¹¹⁸

IFPA(1,9)>KSLO(1,69) p<0.0001 ¹¹²

RND HD mm

1,63–1,79

93 , 112, 118

IFPA(1,66)>OKT(1,55) p<0,001 ¹¹⁸ ,

IFPA(1,76)>OKT(1,63) p<0,04 ⁹³

arba IFPA<OKT

p<0,001 ⁸⁰

IFPA(1,79)>KSLO(1,66) p<0.0001 ¹¹²

RND plotas mm ²

2,09–3,37

17,36 , 44,45,48, 94,110,118 , 119 ,

143,152 ,

mikrodiskai

<1,51 ir makrodiskai >

3,79 ¹⁴³

IFPA(2,4)>OKT(2,15) p<0,0001 ¹¹⁸ ,

IFPA(2,83)>OKT(2,37) p<0,0001 ^{110 , 125}

arba IFPA < OKT

p<0,001 ⁸⁰ ,

r=0,8 ^{47 , 125} ,

ICC=0,98 ¹²⁵

IFPA(2,18)>KSLO(2,05) p<0,001 ^27,36

r=0,7–0,8 p<0,0001 ^{48 , 117} ,

ICC=0,99 ¹¹⁷ RND – regos nervo diskas; VD – vertikalus diametras; HD – horizontalus diametras;

IFPA – interaktyvus fotoplanimetrinis algoritmus; OKT – optinė koherentinė tomografija;

KSLO – konfokalinė skenuojanti lazerinė oftalmoskopija; r – koreliacijos koeficientas;

ICC – interklasinis koreliacijos koeficientas.

Paul Healey su bendraautoriais dvynių tyrimo studijoje (viso ištirta 196 monozigotinių ir 248 dizigotinių porų) nustatė, kad RND ploto dydis gali būti genetiškai nulemtas ir paveldimas, o ploto vidurkiai tarp monozigotinių ir dizigotinių dvynių nesiskiria [44].

Christian Y. Mardin su bendraautoriais nustatė, kad RND su didele EKS plotas reikšmingai didesnis nei įprastų, atitinkamai 3,1±5,3 ir 2,2±4,2 mm ² [81].

EKS diametrai ir plotas, nustatyti IFPA, reikšmingai didesni nei OKT

atveju. EKS plotą (kaip ir RND plotą), nustatytą IFPA su OKT ir KSLO

sieja reikšmingos stiprios tiesinės koreliacijos. Literatūros šaltiniuose

nurodyti EKS diametrų ir plotų vidurkiai, nustatyti sveikų akių SADV

parametrizuojant IFPA bei sąsajos su OKT, KSLO parametrizacijos rezul- tatais pateikti 4.1.2.2 lentelėje.

4.1.2.2 lentelė. Sveikų tiriamųjų EKS parametrai, nustatyti SADV parametrizuojant IFPA, ir jų sąsajos su OKT bei KSLO

EKS fotoplanimetrinis

parametras

IFPA parametrizacijos

rezultato vidurkis

EKS parametrų, nustatytų IFPA ir OKT

sąsajos

EKS parametrų, nustatytų IFPA ir KSLO

sąsajos EKS VD

mm 0,72–0,76 ^118,119 IFPA>OKT

p<0,0001 ¹¹⁸

–

EKS HD

mm 0,74 ¹¹⁸ IFPA>OKT

p<0,0001 ¹¹⁸

–

EKS plotas mm ²

0,41–1,56

38 _, 44,45 _, 48,60, 94,118,131 _, 152 _,

IFPA(0,51)>OKT(0,47) p<0,0001 ¹¹⁸ ,

IFPA(1,56)>OKT(1,29) p<0,0001 ¹¹⁰ ,

r=0,83 ^{119 , 125} ,

ICC=0,95 ¹²⁵

r=0,81 ^{48 , 117} ,

ICC=0,99, p<0,000 ¹¹⁷

EKS – ekskavacija; VD – vertikalus diametras; HD – horizontalus diametras;

IFPA – interaktyvus fotoplanimetrinis algoritmas; OKT – optinė koherentinė tomografija;

KSLO – konfokalinė skenuojanti lazerinė oftalmoskopija; r – koreliacijos koeficientas;

ICC – interklasinis koreliacijos koeficientas.

Nustatyta, kad EKS ir RND VD bei EKS ir RND plotus sieja tiesioginė tiesinė priklausomybė, atitinkamai T=8,14, p<0,0001 [38, 39, 122] ir r=0,75–0,766, p<0,001 [17, 45, 152].

Paul Healey su bendraautoriais dvynių tyrimo studijoje (viso ištirta 196 monozigotinių ir 248 dizigotinių porų) nustatė, kad EKS ploto dydis, kaip ir RND plotas, gali būti genetiškai nulemtas ir paveldimas, o ploto vidurkiai tarp monozigotinių ir dizigotinių dvynių nesiskiria [44].

EKS ir RND diametrų, plotų santykiai, nustatyti IFPA reikšmingai

didesni nei OKT. Lyginant IFPA su KSLO, parametrizacijos rezultatai

prieštaringi. EKS ir RND plotų santykius, nustatytus IFPA su OKT ir KSLO

sieja reikšmingos koreliacijos. Literatūros šaltiniuose nurodyti EKS ir RND

diametrų bei plotų santykių vidurkiai, nustatyti sveikų akių SADV para-

metrizuojant IFPA bei sąsajos su OKT, KSLO parametrizacijos rezultatais

pateikti 4.1.2.3 lentelėje.

4.1.2.3 lentelė. Sveikų tiriamųjų EKS ir RND diametrų, plotų santykiai, nustatyti SADV parametrizuojant IFPA, ir jų sąsajos su OKT bei KSLO

RND fotoplanimetrinis

parametras

IFPA parametrizacijos

rezultato vidurkis

RND parametrų, nustatytų IFPA ir OKT

sąsajos

RND parametrų, nustatytų IFPA ir KSLO

sąsajos EKS ir RND VD

santykis

0,39–0,55

17, 26 , 47,122 IFPA>OKT p<0,05 ¹¹⁹

ICC = 0,74–0,92 ^117,

133

EKS ir RND HD

santykis 0,39–0,54 ^26,47,122 IFPA>OKT p<0,05 ¹¹⁹

ICC= 0,74 ¹³³

EKS ir RND plotų

santykis 0,21–0,73 ^{26 , 47,110}

115

IFPA>OKT p<0,05 ¹¹⁹ ,

r=0,8 ⁴⁷

IFPA<KSLO p<0,001 ^71,133

arba IFPA=KSLO

p=0,93 ⁸ ,

ICC=0,49–0,67 ^26,133 RND – regos nervo diskas; EKS – ekskavacija; VD – vertikalus diametras;

HD – horizontalus diametras; IFPA – interaktyvus fotoplanimetrinis algoritmas;

OKT – optinė koherentinė tomografija; KSLO – konfokalinė skenuojanti lazerinė oftalmoskopija; r – koreliacijos koeficientas; ICC – interklasinis koreliacijos koeficientas.

Taip pat nustatyta, kad EKS ir RND VD santykio vidurkis priklauso nuo RND VD (r=0,34, p<0,0001) [122] ir ploto [17].

NRK plotas, nustatytas IFPA yra reikšmingai didesnis nei OKT ir KSLO

atveju. Iš visų RND parametrų, NRK plotas tarp metodų koreliuoja

silpniausiai. Literatūros šaltiniuose nurodyti NRK ploto ir jo santykio su

RND plotu vidurkiai, nustatyti sveikų akių SADV parametrizuojant IFPA

bei sąsajos su OKT, KSLO parametrizacijos rezultatais pateikti 4.1.2.4

lentelėje.

4.1.2.4 lentelė. Sveikų tiriamųjų NRK plotas ir jo santykis su RND plotu, nustatyti SADV parametrizuojant IFPA, ir jų sąsajos su OKT bei KSLO

RND fotoplanimetrinis

parametras

IFPA parametrizacijos

rezultato vidurkis

RND parametrų, nustatytų IFPA ir OKT

sąsajos

RND parametrų, nustatytų IFPA ir KSLO

sąsajos

NRK plotas mm ² 1,26–2,8 ^{7,8 , 17 , 36 , 44 ,}

45,48 _, 94 _, 110 _, 122,152

IFPA>OKT p<0,001 ¹¹⁰ ,

r=0,69 ⁴⁷ , r=0,4 ¹²⁵

IFPA>KSLO p<0,01 ^{8,36 , 52} ,

r=0,42 ⁴⁸ NRK ir RND plotų

santykis 0,17 ¹⁶ – –

NRK – neuroretinalinis kraštas; IFPA – interaktyvus fotoplanimetrinis algoritmas;

OKT – optinė koherentinė tomografija; KSLO – konfokalinė skenuojanti lazerinė oftalmoskopija; r – koreliacijos koeficientas; ICC – interklasinis koreliacijos koeficientas

NRK ir RND plotų vidurkius sieja reikšminga tiesinė priklausomybė ar ryšys (r=0,62–0,68, p<0,001 [7,17,152], t=6,27, p<0,0000 [37, 39, 45]).

RND plotui padidėjus 1mm ² , NRK plotas padidėja 0,5 mm ² [7]. Taip pat nustatyta, kad didėjant RND plotui, NRK plotas didėja kartu su miopinės refrakcijos progresavimu (r=0,24, p<0,001) [152].

Paul Healey su bendraautoriais dvynių tyrimo studijoje (viso ištirta 196 monozigotinių ir 248 dizigotinių porų) nustatė, kad NRK plotas gali būti genetiškai nulemtas ir paveldimas, o vidurkiai tarp monozigotinių ir dizi- gotinių dvynių nesiskiria, bet jo dydį daugiau nei RND ir EKS plotą įtakoja aplinka [44].

Hemamalini Arvind su bendraautoriais, remiantis populiacinio Chennai Glaukoma tyrimo duomenimis (IFPA parametrizuoti 623 sveikų dešinių akių SADV), nustatė, kad NRK plotis didžiausias apatiniame kvadrante, mažiausias temporaliniame. Apatiniame kvadrante 0,61±0,11 mm, vir- šutiniame 0,53+0,11mm, nazaliniame 0,55±0,11 mm ir temporaliniame 0,44±0,12 mm [7].

Jost B. Jonas su bendraautoriais nustatė, kad apatinio NRK pločio san- tykis su temporaliniu yra reikšmingai didesnis nei viršutinio su temporaliniu (atitinkamai 1,67±0,53 ir 1,56±0,49, p<0,0001) [54].

Rupert R. A. Bourne su bendraautoriais, remiantis populiacinio Tanjong Pagar tyrimo duomenimis (IFPA parametrizuoti 622 sveikų akių SADV), nustatė, kad NRK plotas temporaliniame sektoriuje taip pat yra pats mažiausias (p<0,001), bet apatiniame temporaliniame sektoriuje mažesnis (0,36 (0,12–0,77) mm ² , p=0,02), nei viršutiniame temporaliniame (0,36 (0,16–0,77) mm ² ) [17].

Alexander E. Pogrebniak su bendraautoriais (sveikų vaikų 49 SADV su

didele RND EKS vertino dinamikoje, naudodami IFPA) nustatė, kad nepakitusi ISNT (lot. inferior, superior, nasal, temporal) taisyklė (NRK apatiniame sektoriuje storesnis nei viršutiniame, nazaliniame ir tempora- liniame) būdinga RND su maža EKS, o esant didelei EKS ši taisyklė nepasitvirtino [106].

Literatūros šaltinių duomenimis, RND absoliutūs parametrai, nustatyti IFPA ir OKT bei KSLO reikšmingai skiriasi, tačiau yra siejami reikšmingų stiprių tiesinių koreliacijų. Taip pat nustatyta reikšminga tiesioginė tiesinė priklausomybė tarp EKS ir RND VD, EKS ir RND plotų bei NRK ir RND plotų. O RND parametrai gali būti paveldimi.

4.1.3. RND fotoplanimetrinių parametrų pokyčiai esant akių hipertenzijai ir glaukomai

Liang Xu su bendraautoriais populiaciniame Beijing eye tyrime (ištirta 781 sveikų akių ir 84 su akių hipertenzija SADV) nustatė, kad RND ploto vidurkis tarp sveikų ir akių hipertenzijos grupių reikšmingai nesiskyrė (p=0,05, 95 proc. CI (0,21–0)) [152]. Karl-Urlich Bartz-Schmidt su bendra- autoriais (ištyrę 10 sveikų akių, 6 glaukoma sergančių ir 4 su glaukomos įtarimu SADV) padarė išvadą, kad kuo mažesnis disko plotas, tuo sunkiau aptikti glaukominį pažeidimą [11].

Liang Xu aukščiau minėtame populiaciniame Beijing eye tyrime taip pat nustatė, kad EKS ploto vidurkis reikšmingai (p<0,001; 95 proc. CI((–0,54)–

(–0,29)) didesnis akių hipertenzijos nei sveikų grupėje, atitinkamai 1,02 (0,58) mm ² ir 0,68 (0,34) mm ² ) [152].

Nustatyta, kad sveikų akių NRK plotas per metus vidutiniškai sumažėja 0,28–0,39 proc. [39, 70], esant akių hipertenzijai be glaukominių RND pokyčių – 0,54 proc., o esant hipertenzijai su glaukominiais RND pokyčiais – 0,95 proc. [70] ir yra reikšmingai mažesnis (p<0,001) nei sveikų grupėje [81]. O NRK plotas, nustatytas IFPA būdu reikšmingai koreliuoja su kiekybiniais akipločio parametrais ir yra tikslesnis požymis nei EKS ir RND santykiais diferencijuojant glaukomą [134].

Jost B. Jonas su bendraautoriais nustatė, kad apatinio NRK pločio santykis su temporaliniu yra reikšmingai didesnis nei viršutinio (atitinkamai 1,67±0,53 ir 1,56±0,49, p<0,0001), o esant glaukomos įtarimui, šie santy- kiai patikimai mažesni (p<0,005) [54].

Tai pat Jost B. Jonas ir Vido M. Budde nustatė, kad nazalinis NRK

sektorius nėra svarbus fotoplanimetrinis parametras glaukomos diagnos-

tikai. Didžiausias svoris atskiriant sveikus nuo sergančių glaukoma pagal

eiliškumą tenka apatiniam + viršutiniam temporaliniams sektoriams,

apatiniam + viršutiniam temporaliniams sektoriams + temporaliniam, apa- tiniam temporaliniam [51].

Remiantis literatūros šaltiniais darome išvadą, kad sveikų ir su akių hypertenzija bei sergančių glaukoma RND SADV parametrizuojant IFPA RND plotas reikšmingai nesiskiria, bet nustatomi reikšmingi skirtumai tarp grupių EKS ir NRK atveju.

Tačiau pasigedome didelių imčių atvejo ir kontrolės tyrimų, kuriuose tuo pačiu metu būtų atlikta išsami visų RND fotoplanimetrinių parametrų (RND, EKS diametrų, plotų, jų santykių, NRK ploto ir santykio su RND plotu), nustatytų IFPA analizė ir jų sąsajos su OKT bei KSLO.

4.1.4. RND fotoplanimetrinių parametrų sąsajos su bendrais sveikatos ir oftalmologiniais rodikliais

Literatūros šaltiniuose pateikiamos sveikų akių RND fotoplanimetrinių parametrų sąsajos su bendrais sveikatos ir oftalmologiniais rodikliais prieš- taringos (4.1.4.1 ir 4.1.4.2 lentelės).

RND SADV IFPA yra objektyvesnis tyrimo metodas nei oftalmosko- pinis ir akių dugno vaizdų klinikinis vertinimas [55]. Tačiau šis metodas užima daug laiko [46, 93], RND parametrizavimo rezultatai priklauso nuo oftalmologo patirties [16, 25, 36, 50, 53, 84, 93] ir pasižymi reikšmingu intertyrėjų ir intratyrėjų rezultatų išsibarstimu [16, 36, 50, 84, 93].

Tačiau literatūros šaltiniuose, analizuojančiuose automatinę vaizdų seg-

mentaciją, RND SADV IFPA yra standartas, dar vadinamas „auksiniu

standartu“ su kuriuo lyginamas RND SADV automatinio fotoplanimetrinio

algoritmo (AFPA) lokalizavimo [97, 138, 141, 149, 150, 151] ir segmen-

tavimo [50, 90, 91, 103, 144, 158] tikslumas.

4.1.4.1 lentelė. RND fotoplanimetrinių parametrų ir bendrų sveikatos rodiklių sąsajos

RND fotoplanimetriniai

parametrai

Bendri sveikatos rodikliai

Amžius Lytis Ūgis

RND HD mm

Nuo amžiaus nepriklauso

38, 39 – –

RND plotas mm ²

Nuo amžiaus priklauso r=0,115, p=0,004 ^{17 , 18}

arba

Nuo amžiaus nepriklauso

39 , 44 , 45 , 143

Vyrų (2,2) > moterų (2,0) p<0,001 ¹⁷

arba Nepriklauso ^{45 , 143}

r=0,197, p<0,001 ¹⁸

EKS VD

mm Nuo amžiaus priklauso T=2,04, p=0,045 ^{, 38, 39}

Vyrų > moterų P<0,004 ¹¹⁹

arba Nepriklauso ³⁸

–

EKS HD

mm – Vyrų > moterų

p<0,004 ¹¹⁹ –

EKS plotas mm ²

Nuo amžiaus nepriklauso

44, 45 Nepriklauso ⁴⁵ –

EKS ir RND VD santykis

Nuo amžiaus priklauso r=0,154, p<0,001 ¹⁷ ,

Amžiaus tarpsnyje 30–70 metų padidėja 0,1 ³⁹

Vyrų > moterų

p<0,004 ¹¹⁹ –

NRK plotas mm ²

Nuo amžiaus priklauso r=0,11, p<0,006 ⁷ ,

r=–0,041, p=0,308 ¹⁷ ,

t=−2,58p=0,01 ^{37 , 39} ,

Nuo amžiaus nepriklauso r=–0,07 p=0,06 ^{18,44,45 , 89,152}

Vyrų (2, 33) > moterų (2,26) p=0,038 ⁷ ,

Vyrų (1,45) > moterų (1,36) p<0,001 ¹⁷

arba

Nepriklauso ^{37 , 39 , 45, 152}

r=0,1 p<0,016 ⁷

r=0,217 p<0,001 ¹⁸

NRK ir RND plotų santykis

Nuo amžiaus nepriklauso r=–0,07, p=0,06 ^{18 , 44 , 45, 89,}

152 – –

RND – regos nervo diskas; EKS – ekskavacija; NRK – neuroretinalinis kraštas;

VD – vertikalus diametras; HD – horizontalus diametras; r – koreliacijos koeficientas.

4.1.4.2 lentelė. RND fotoplanimetrinių parametrų ir oftalmologinių rodiklių sąsajos

RND fotoplani metriniai paramet-

rai

Oftalmologiniai parametrai

AAI Refrakcija yda

Ragenos išorinio paviršiaus gaubtumas

Tn CRS

RND plotas

mm ²

r=0,236 p<0,001,

AAI padidėjus 1mm, RND

plotas padidėja 3,7

proc. ¹⁸

r=0,107, p=0,01 ¹⁸ , kuo didesnė miopinė yda,

tuo didesnis RND plotas

143 ,

Nepriklauso

44, 45

r=0,353 p<0,00 ¹⁸

r =–0,04 p=0,324 ^{18 , 95}

r =–0,041, p=0,31 ¹⁸

EKS VD

mm – Nepriklauso

38 Nepriklauso

38 Nepriklauso

38 –

EKS plotas

mm ²

– Nepriklauso

44,45 – – –

NRK plotas

mm ²

r=0,252, p<0,001 ¹⁸ Nepriklauso

7

Nepriklauso r=0,002, p = 0,965 ^{7, 18,}

37 , 39 , 44, 45

r=0,262, p<0,001 ¹⁸ Nepriklauso

37 , 39

r =–0,119, p=0,003 ¹⁸ Nepriklauso ^7,

39

Nepriklauso r=0,053 p=0,8 ^{7, 18}

NRK ir RND plotų santykis

Nepriklauso

7

Nepriklauso r=0,002 p = 0,965 ^{7 , 18 ,}

37 , 39 , 44, 45

Nepriklauso

37 _, 39 Nepriklauso ^7,

39

Nepriklauso r=0,053 p=0,18 ^{7, 18} RND – regos nervo diskas; EKS – ekskavacija; NRK – neuroretinalinis kraštas; VD – vertikalus diametras; r – koreliacijos koeficientas; AAI – akies ašies ilgis milimetrais; Tn – akispūdis Schotz’o tonometru (mmHg); CRS – centrinis ragenos storis mikronais.

4.2. RND SADV ypatybės, sąlygojančios AFPA kūrimą

Per pastarąjį dešimtmetį aukštos skiriamosios gebos spalvoti skaitme-

niniai akių dugno vaizdai (SSADV) tapo įprasta priemone tinklainės vaizdų

dokumentacijai, nes yra lengvai užfiksuojami ir atspindi natūralų spalvotą

tinklainės vaizdą [151]. Skaitmeninių duomenų išsaugojimas, paieška ir

perdavimas tinklais, atliekamas neprarandant vaizdo kokybės [104, 146].

Sparčiai vystantis informacinėms technologijoms, atsirado galimybė RND SADV parametrizuoti automatiniu būdu, be interaktyvaus tyrėjo da- lyvavimo [20, 25, 42, 84, 111].

SADV specifinė sandara ir ypatybės lemia automatinio fotoplanimetrinio algoritmo konstravimo ir veikimo principus [104].

4.2.1. SADV gavimo būdai ir ypatybės

Pirmas SADV automatinės analizės žingsnis yra vaizdų gavimas. Šiuo tikslu naudojamos siauro ar plataus vyzdžio skaitmeninės kameros, kurių veikimo principas yra kaip ir įprastų kamerų, tik vietoj juostelės yra naudojamas vaizdo jutiklis (angl. image sensor). Vaizdo jutikliai yra skirstomi į dvi technologines grupes: kai gautas taškas skaitmeniniame vaizde tiesiogiai atitinka jutiklio elemento užfiksuotą krūvį (angl. charge- coupled device (CCD)) ir kai kiekvienas vaizdo jutiklio elementas pats verčia gautą krūvį į įtampą, t. y. metalo oksido puslaidininkiai (angl. metal oxide semiconductor active pixel sensor (CMOS-APS)). Jutikliuose esantys šviesai jautrūs diodai šviesos signalus (fotonus) paverčia elektros krūviu (elektronais). Vėliau krūviai, priklausomai nuo technologinės grupės, yra konvertuojami į įtampą tam tikrame jutiklio taške, ko pasėkoje gauname skaitmeninį taškinį (angl. digital pixelated image) vaizdą [104].

Gautas skaitmeninis vaizdas yra diskretus, t. y. sudarytas iš atskirų ele- mentų, kuriems gali būti pritaikomi įvairūs matematiniai algoritmai.

Pilkuosiuose vaizduose atskiras taškas (angl. pixel) yra tam tikro inten- syvumo ir gali įgyti reikšmę nuo 0 (juoda) iki 255 (balta). Kadangi vaizdas susideda iš įvairaus intensyvumo (pilkumo) reikšmių masyvo, jį galima aprašyti funkcija f, kur kiekvieną šios funkcijos reikšmę nusako koordinates (x, y). Taigi pilkosios skalės skaitmeninis vaizdas gali būti aprašytas kaip dvimatė funkcija f (x, y), kur x ir y yra taško koordinates, o funkcijos f reikš- mė taške (x, y) yra taško šviesis. Šis principas yra tinkamas ir spalvotiems vaizdams formuoti, tik čia, kiekvieno vaizdo jutiklio elementą sudaro diodai, jautrūs skirtingam bangos ilgiui. Būtent diodai, jautrūs bangos ilgiams, kurie atitinka raudoną, žalią ir mėlyną spalvas. Taigi šiuo atveju, SSADV yra sudarytas iš trijų kanalų – R – raudonos, G – žalios, B – mėlynos spalvų intensyvumų. Spalvotam RGB vaizdui perteikti reikalingas trimatis vaizdo taškų masyvas, kuriame R kanalas atspindi raudonų, G – žalių, B – mėlynų taškų intensyvumus.

Toks matematinis SADV aprašymas sudaro pagrindą automatiniam

vaizdų apdorojimui ir analizei [104].

4.2.2. SADV apdorojimo reikšmė automatinėje RND analizėje

Antras SADV automatinės analizės žingsnis susideda iš vaizdo kontrasto pagerinimo, kokybės atkūrimo ir segmentacijos, t. y. automatinio RND loka- lizavimo ir išorinių ribų atpažinimo [4, 46, 77, 92, 104, 116]. Skaitmeninio vaizdo apdorojimas pagerina kontrastą ir padeda pasiekti geresnių auto- matino segmentavimo rezultatų [4, 15, 25, 72].

Vaizdo kontrasto pagerinimui naudojami automatiniai algoritmai, kurie pagrįsti histogramos (t. y. šviesumo pasiskirstimo grafikas) intensyvumo apdorojimu. Yra pastebėta, kad SSADV G kanalas yra kontrastingiausias, todėl ir yra dažniausiai apdorojamas matematiniais algoritmais, ruošiantis automatiniam RND segmentavimui [4, 15, 25, 92, 103, 104, 116].

Vaizdo kokybės atkūrimui (pagerinimui) yra naudojami filtrai ir sąsūkos operacijos (t. y. matematinis metodas iš dviejų̨ signalų suformuojantis tre- čią), gebančios pašalinti įvairius fotografinius triukšmus. Paprastai tokiems uždaviniams spręsti taikomi Gauso (vaizdo filtravimo būdas, suteikiantis išliejimo efektą̨, primenantį nesufokusuotos kameros vaizdą̨), Laplaso (ge- rina vaizdo kokybę visomis kryptimis vienodai) filtrai, Fourier transfor- macijos (glodinimas arba kraštų išlyginimas) [1, 25, 72, 97, 104, 150].

Vaizdo segmentacija yra automatinis, be interaktyvaus tyrėjo daly- vavimo, dominančios srities, pavyzdžiui RND, išskyrimas ir ribų atpa- žinimas. Šiam tikslui naudojami slenksčiu pagrįsti algoritmai: ribų apti- kimas, filtrai, morfologinės operacijos [92, 103, 104, 111].

Remiantis eksperimento metu nustatytu slenksčiu, vaizdo taškai, pagal jų intensyvumą, suskirstomi į dvi grupes t. y. į baltus ir juodus. Ribų apti- kimui naudojami algoritmai, analizuojantys taškų intensyvumo kitimo gradientą (dažniausiai naudojami Sobel, Canny operatoriai) [15, 23, 141, 158]. Didžiausia gradiento reikšmė ir apibūdina struktūros krašto aptikimą.

Šių algoritmų pagalba gali būti atliekama ir automatinė RND lokalizacija bei segmentacija.

Sąsūkos operacijoms atlikti yra naudojami filtrai (angl. kernel). Filtras yra sudarytas iš taškų matricos, kuri nusako operacijos funkciją ir kokie analizuojamojo vaizdo taškai kaimynai bus apdorojami.

Matematinės – morfologinės operacijos tokios kaip uždarymas, atida-

rymas, plėtimasis, traukimasis yra plačiai naudojamos skaitmeninio vaizdo

objektų (formų) analizei [77, 92, 103, 141]. Morfologinė uždarymo ope-

racija yra plėtimasis (plėtimosi operacija išrenka didžiausią vaizdo taško

intensyvumo reikšmę tarp tų vaizdo taškų, kuriuos dengia naudojamas filt-

ras, dar kitaip vadinamas struktūriniu elementu), po kurio seka traukimasis

(traukimosi operacija yra analogiška plėtimosi operacijai tik čia priklau-

somai nuo naudojamo filtro išrenkama mažiausia vaizdo taško intensyvumo

reikšmė) [103, 141, 158]. Morfologinės operacijos priklauso nuo naudojamo filtro (struktūrinio elemento) formos, todėl įmanoma apdorojant skaitme- ninius vaizdus išsaugoti ir norimos formos struktūras. Tai reiškia, kad jei struktūrinis elementas, naudojamas morfologinėse operacijose, bus disko formos, tai vaizde išliks tik šią formą atitinkantys objektai. Dėl šios prie- žasties uždarymo operacija užpildo kraujagyslių tinklo dengiamus RND ir EKS plotus, išlygina išorines struktūrų ribas [141]. Analogiškai uždarymui, atidarymo operacija yra traukimasis po kurio seka plėtimasis [141]. Ši operacija iš vaizdo pašalina atsitiktinius šviesius taškus [92, 104, 116, 141].

Morfologinės operacijos gali būti pritaikomos kiekvienam RGB kanalui atskirai. Norint efektyviai pašalinti kraujagyslių tinklą iš oftalmologinių vaizdų, struktūrinio elemento diametras neturi būti mažesnis nei didžiausias kraujagyslės skersmuo [141]. Literatūros šaltiniuose struktūrinio elemento dydis svyruoja nuo 10 iki 40 vaizdo taškų [92, 103, 111, 116, 158]. Minėti absoliutūs dydžiai taip pat priklauso nuo kameros didinimo koeficiento ir vaizdo taško dydžio milimetrais.

4.2.3. RND spalvotų SADV ypatybės, įtakojančios AFPA struktūrą RND spalvotuose SADV atrodo kaip intensyviai gelsvas, ovalios ar apvalios formos plotas [32, 50, 74, 90, 103, 104, 111, 116, 149, 158].

Literatūros šaltinių duomenimis, užimantis nuo 40 iki 80 vaizdo taškų [2, 75, 116] arba nuo 1/8 iki 1/6 vaizdo diametro [72, 111, 153, 158] ir yra tinklainės kraujagyslių pluošto patekimo į tinklainę ir išėjimo vieta, bei regos nervo pradžia [9, 23, 32, 50, 72, 97, 98, 103, 111, 116, 138, 141, 149].

RND AFPA konstravimas remiasi minėtais požymiais [111, 158] ir apra- šytais SADV apdorojimo būdais [104].

RND automatinės analizės pradiniame etape sumažinamas SADV mat- menų dydis, nes tai padeda sutrumpinti skaičiavimų laiką [97, 141]. Po to dažniausiai atliekamas SSADV apdorojimas [23, 77, 92, 97, 111, 104, 146], kuris padeda pasiekti geresnių automatinio segmentavimo rezultatų [4].

SSADV išskaidomas į raudoną, žalią ir mėlyną kanalus (RGB matricos) [4, 9, 25, 97, 104, 146]. Naudojant matematines morfologines operacijas [92, 103, 104, 111, 141], pašalinamas tinklainės kraujagyslių pluoštas, skaidantis RND į keletą fragmentų [72, 103], nes daugelis automatinės segmentacijos metodų paremti homogeniniu RND intensyvumo kitimo gradientu.

Naudojant AFPA, atliekama automatinė RND lokalizacija ir ar segmentacija

(4.2.3.1 pav., remiantis [15, 25, 92, 138, 139, 140, 144, 149]).

4.2.3.1 pav. RND SSADV automatinio parametrizavimo AFPA schema RND automatinę parametrizavimo sistemą sudaro SADV gavimas ir apdorojimas. O apdorojimas yra vaizdo kontrasto pagerinimas, kokybės atkūrimas ir segmentacija. Šio tyrimo atveju segmentacija yra automatinis RND lokalizavimas ir išorinių ribų atpažinimas naudojant AFPA. Sekan- čiame skyriuje pateikiame RND lokalizuojančių ir segmentuojančių AFPA apžvalgą.

4.3. AFPA pritaikymas RND SADV parametrizacijai

Literatūros šaltiniuose pažymima, kad AFPA turi atlikti 2 uždavinius:

SADV automatiniu būdu, be interaktyvaus tyrėjo dalyvavimo, lokalizuoti RND ir jį segmentuoti (apibrėžti išorines ribas) [72]. Todėl pagal atliekamus uždavinius, AFPA klasifikuojami į 2 grupes:

1) tik lokalizuoja RND, t. y. aptinka jo vietą SADV,

2) lokalizuoja ir segmentuoja RND, t.y. aptinka jo vietą ir apibrėžia išo- rines ribas [98, 146, 149].

Pradinis RND SSADV

SSADV matmenų sumažinimas ê

ê

SSADV išskaidymas į RGB kanalus ê

Pradinis SADV apdirbimas Struktūrinio

elemento parinkimas

í

ê

î

Kraujagyslių pašalinimas naudojant matematinės morfologinės operacijos

Slenksčio nustatymas

ê

RND automatinė lokalizacija ir/ar segmentacija

RND fotoplanimetrinių parametrų nustatymas ê

4.3.1. RND lokalizuojančių AFPA grupės

AFPA, tik lokalizuojantys RND SADV, remiasi dviem pagrindinėm ypatybėm: specifinė ovali ar apvali RND forma, išsiskirianti didesniu ryš- kumu, nei jį supanti tinklainė ir kraujagyslių pluošto patekimu į akių dugną per RND centrą [23, 32, 97, 111].

Vieni autoriai šiuos algoritmus klasifikuojami į 3 grupes: vaizdo seg- mentacija, dinaminiai kontūrai ir geometriniai modeliai [141]. Kiti klasi- fikuoja į 2 stambesnes grupes: savybėmis (angl. property-based) ir modeliu (angl. model-based) pagrįstus metodus [79, 146, 155].

4.3.1.1. RND savybėmis pagrįsti lokalizuojantys AFPA

Savybėmis pagrįstų, tik lokalizuojančių AFPA konstrukciją sąlygoja unikalūs RND požymiai SSADV [144, 155, 158]. Normaliuose vaizduose diskas yra šviesiausia sritis, palyginus su jį supančia tinklaine ir AFPA lokalizuoja didžiausią intensyviausių taškų grupę. Tai paprasti, greiti ir pa- kankamai tikslūs RND lokalizuojantys AFPA esant normaliam SADV.

Tačiau šie metodai veikia klaidingai, jei kraujagyslių pluoštas užstoja diską, yra stebima tinklainės patologija, t. y. kieti eksudatai, drūzos, amžinė makulos degeneracija [3, 74, 96, 79, 104, 116, 138, 139, 146, 153, 155], yra fotografinis triukšmas ar netolygus akių dugno apšvietimas [141].

Savybėmis pagrįsti pirmieji RND lokalizavimo AFPA rėmėsi papras- čiausiu būdu – nustatydavo didžiausią intensyviausių taškų grupę [65, 74, 103, 138].

Marshall Park su bendraautoriais remiasi morfologinėmis RND savybė- mis (t. y. apvalus plotas SADV su plačiu lokaliu intensyvumo kitimu [144]) ir taiko slenkstinius algoritmus, nustatančius ovalius objektus ir apskritimus [111, 144, 158]. Tokie algoritmai veikia klaidingai, jei yra gretutinė tink- lainės patologija su panašiomis į RND fotografinėmis savybėmis (kieti eksudatai, drūzos, amžinė makulos degeneracija) [65, 74, 104, 116, 144].

Radim Chrastek ir kiti RND lokalizacijos nustatymui naudoja disko ploto dydžio šabloną, kurio pagalba identifikuoja zoną, kurioje intensyvumo kiti- mas yra didžiausias [50, 103, 149, 158].

Šiai grupei taip pat priklauso Hough transformacija (angl. Hough trans- form). Apskaičiuojamas vaizdo objektų ribų gradientas ir pritaikomas ge- riausiai RND ribą atitinkantis apskritimas [23, 104, 111, 116, 138, 149].

Metodas netikslus, esant netipiniai RND formai ar nepakankamam vaizdo

kontrastui [104, 116]. Užima daug laiko [111, 116] (4.3.1.1.1 pav.).

a– Hough transformacija b – keli aproksimuojantys c – geriausiai tinkantis apskritimai apskritimas

4.3.1.1.1 pav. Hough transformacijos naudojimas automatiniam RND lokalizavimui [138]

Fuzzy c – mean (FCM) – šis algoritmas suklasifikuoja vaizdo taškus į 2–

4 grupes. Susidariusios taškų grupės masės centras apibrėžiamas kaip RND centras [90]. Kitu atveju disko plotas, EKS plotas ir diską supanti tinklainė atitinkamai sugrupuojami į 3 taškų atstovų grupes. EKS plotas yra apskai- čiuojamas kaip vidurkis tarp antros grupės taškų intensyvumo maksimumo ir trečios grupės taškų intensyvumo minimumo. Tokiu būdu gautas vidurkis yra naudojimas kaip slenkstis, atsižvelgiant į kurį iš disko ploto nustatomas EKS plotas. Plotas didesnis už slenkstį yra priskiriamas EKS [9].

Gradiento kitimu paremtas genetinis algoritmas – RND centras nustato- mas remiantis taškų grupavimu į daugiau kaip 100 taškų grupes. Šis būdas imituoja genetinius procesus biologiniuose organizmuose. Algoritmas analizuoja populiaciją iš atskirų individų, iš kurių kiekvienas turi tinkamų požymių problemos sprendimui. Individai pagal požymių tinkamumą su- skirstomi į lygius. Geriausi individai atrenkami ir jiems suteikiama gali- mybė tarpusavyje turėti palikuonių, kurių požymiai turėtų būti tinkamesni.

Tokiu selekcijos būdu, atrenkami geriausi individai, formuojantys tinka- miausią požymių grupę iškeltai problemai spręsti. SADV, kurio dydis 512×512 taškų, RND plotas yra apie 65–100 taškų. Pradiniame etape ir nustatomas toks RND kontūro dydis (pradinė populiacija). Kontūro tinka- mumas lyginamas su optimaliu kontūru. Selekcija vyksta atmetant kontūrus, kurių tinkamumas yra mažesnis, nei nustatytas tiriamojoje populiacijoje.

Tinkamiausias kontūras lyginamas su tinkamiausiu kaimyniniu kontūru ir suformuojamas naujas tikslesnis RND kontūras [20, 21, 98, 99, 111]

(4.3.1.1.2 pav.).

a – pradinė „kolonija“ b – „palikuonys“ c – nustatytos ribos

4.3.1.1.2 pav. Gradiento kitimu paremto genetinio algoritmo naudojimas automatiniam RND lokalizavimui [21]

Pagrindinių komponenčių analizė (PCA) yra plačiai naudojama veidų atpažinime [74, 104]. Naudojant grupę testinių vaizdų, gaunami reikšmingi, klasifikavimui tinkami požymiai [15, 25, 74, 98, 104, 111, 139, 151]. Iš kelių testinių vaizdų išskiriami tikriniai vektoriai (reikšmingi požymiai), tarp jų patalpinamas tiriamasis RND vaizdas ir apskaičiuojamas atstumas tarp tiriamo vaizdo ir testinių vaizdų projekcijų [74, 103, 104]. RND centru tampa minimalus atstumas tarp originalaus (tiriamo vaizdo) ir tiriamųjų vaizdų projekcijų [73, 74, 103, 104, 116, 146, 153]. Šis metodas tikslesnis už slenkstinį, tačiau užima daugiau laiko, jo rezultatai priklauso nuo testinių vaizdų kokybės [2, 74].

4.3.1.2. Modeliu pagrįsti RND lokalizuojantys AFPA

Modeliu pagrįsti RND lokalizuojantys AFPA remiasi tinklainės krauja- gyslių pluošto patekimo į ir išėjimo iš tinklainės per disko centrą analize [23, 79, 146]. Aplamai dauguma šiuo metu naudojamų RND lokalizacijos ir segmentacijos AFPA technikų prasideda nuo kraujagyslių segmentacijos [79].

Tinklainės kraujagyslių medžio struktūra visuose SADV atitinka vienodą parabolinį šabloną (parabolė yra atvira kreivė, gaunama kūgį perpjovus plokštuma, lygiagrečia liečiamam paviršiui). Standartiniam kraujagyslių tinklo šablonui apibūdinti, sukurtas geometrinis parametrinis pagrindinių kraujagyslių modelis, susidedantis iš dviejų vienoje viršūnėje susikertančių parabolių. Visos tinklainės kraujagyslės konverguoja į šį susikirtimo tašką ir jis yra apibrėžiamas kaip RND centras [32, 98, 104, 111, 144, 158]. Šio modelio parametrai nustatomi iš duomenų rinkinio, kuris atspindi krauja- gyslių išsidėstymą, panaudojant mažiausių kvadratų metodą [32, 111, 158].

Geometrinis parametrinis pagrindinių kraujagyslių modelis ypač efektyvus,

kai akių dugne stebimi kiti apvalūs ar ovalūs, ryškūs, šviesūs dariniai (kieti eksudatai, amžinės makulos degeneracijos plotai) [32, 97, 116, 140].

Literatūros šaltiniuose dažniausiai minimas Marco Foracchia su bendra- autoriais, kurie identifikuoja pagrindines tinklainės kraujagysles naudodami geometrinį parametrinį modelį, paremtą visų tinklainės kraujagyslių kon- vergavimu į vieną tašką, t. y. RND centrą [32, 98, 111, 138, 139, 144, 149, 158] (4.3.1.2.1 pav).

4.3.1.2.1 pav. Automatinis RND lokalizavimo algoritmas, pagrįstas geometriniu pagrindinių tinklainės kraujagyslių modeliu –

2 parabolės su bendra viršūne [32]

Tipinei kraujagyslių struktūrai ir konvergencijai į RND centrą aprašyti gali būti naudojamas fuzzy konvergencijos algoritmas, kuris suranda la- biausiai tikėtiną kraujagyslių tinklo konvergencijos tašką, atitinkantį RND centrą [9, 72, 96, 104, 111, 158].

Adam Hoover ir Michael Goldbaum kraujagyslių pluošto konvergavimo taškui nustatyti naudojo fuzzy konvergenciją [32, 72, 96, 104, 111, 158].

Alan D. Fleming ir kiti naudojo elipsinę (elipsė yra plokščia uždara kreivė, gaunama kūgį kirtus plokštuma, kuri nėra statmena kūgio ašiai) stambiųjų kraujagyslių formą, apytikriai RND vietai nustatyti [111, 158]. Xiu Ying ir kiti naudojo fraktalinį metodą, kuris remiasi kraujagyslių sudedamųjų dalių konvergencija [111, 158]. Fraktalas yra geometrinis darinys, kurio atskiri fragmentai yra panašūs arba identiški visumai arba sau patiems. Plačiai naudojama biologijoje, analizuojant besišakojančius objektus erdvėje, pvz.

medžių, snaigių išsišakojimas [104]. Tinklainės kraujagyslių tinklas pasi-

žymi stipriomis fraktalinėmis savybėmis, šis metodas tinkamas RND

atskyrimui nuo kietų eksudatų ar kitų patologinių židinių [111, 153].

Pritaikyti filtrai (angl. matched filter). Naudojant duomenų rinkinį, kurį sudaro normalūs SADV, apskaičiuojamas standartinis RND šablonas. Pasta- rąjį pritaikius tiriamam SADV, nustatoma preliminari RND vieta, kuri vėliau gali būti patikslinama naudojant morfologines operacijas ir aktyvius kontūrus [111, 158]. Šablono sudarymui taip pat gali būti naudojamas ir tinklainės kraujagyslių tinklas [97, 111, 154, 158].

Atitinkamas (priderintas) kraujagyslių krypties filtras. Tinklainės krauja- gyslės segmetuojamos naudojant Gauso filtrą, po to gaunamas segmentuotų kraujagyslių struktūros žemėlapis. Segmentuotos kraujagyslės išretinamos, filtruojamos ir galiausiai nustatomos RND koordinatės [98, 111, 144, 149, 154, 158].

Šablono pritaikymas. Metodas pagrįstas piramidine dekompozicija ir Hausdorff atstumu [3, 96, 98, 99, 111, 138, 139, 146, 153, 155]. SADV G kanalas padengiamas tinkleliu ir suskirstomas į ląsteles, intensyviausios ląstelės tampa ribų kandidatais, šioms ląstelėms pritaikoma ribų nustatymo operacija, po to šioms zonoms taikomas šabloninis apvalių struktūrų atpažinimas. Atpažinimo kokybė vertinama Hausdorff atstumu. RND cent- ras yra labiausiai tikusio apvalaus šablono centre [96]. Šis metodas netiks- lus, jei akių dugne stebimi kiti, apvalūs, šviesūs plotai, forma panašūs į RND [153].

Teisinga RND lokalizacija pagerina segmentacijos tikslumą [149] ir yra pirmas žingsnis prieš išorinių ribų apibrėžimą [78, 149, 158].

4.3.2. RND lokalizuojančių ir segmentuojančių AFPA tipai

Automatinis RND lokalizavimas ir segmentavimas SADV literatūros šaltiniuose mažai nagrinėjamas. Didesnis dėmesys yra skirtas eksudatų, drūzų automatinei lokalizacijai ir segmentacijai [141]. RND segmentaciją, t. y. išorinių ribų apibrėžimą, apsunkina nehomogeninis disko vaizdas dėl jį dengiančio kraujagyslių pluošto, išorinių ribų neaiškumo [141, 149].

Aktyvūs kontūrai, literatūros šaltiniuose dar vadinami gyvatėmis (angl.

snake) [91, 75, 103, 139, 148], yra kreivės, apibrėžiančios ribas ir galinčios kisti (judėti) atsižvelgiant į vaizdo gradiento kitimą objekto išorėje ir viduje.

Pagrindinė šio metodo idėja – vaizdo objekto krašto gradiento kitimas konvertuojamas į energiją, tokiu būdu RND plotas apgaubiamas kreive, atsižvelgiant į energijos stiprumą (kuo energija didesnė tuo labiau kontūras prispaudžiamas prie objekto) [103, 138, 141]. Išorinė ribos paieška atlie- kama nuo disko centro radialine kryptimi link disko krašto [3, 90, 148].

Apskaičiavus išorines ir vidines energijas, pritaikoma kreivė, atitinkanti

objekto ribas [139]. Aktyvūs kontūrai gali būti neparametriniai kintančios

formos modeliai (angl. free-form deformable models, snakes) ir paramet-