Computer-Assisted Detection of Retinal Nerve Fiber Layer Defect on Fundus Photography with the Average Curvature of Polarimetric Image

Abstract

목적 주어진 안저영상에 망막신경섬유층의 결손이 존재하는지, 존재한다면 어디에 위치하는지 찾아내는 새로운 소프트웨어를 제안하고자 한다. 방법 주어진 안저영상를 회전시키고 대비 증강을 위해 정규화를 실시하였다. 이미지 관심영역을(ROI) 시신경판을 둘러싼 환형의 영역으로 설정하였고(내부직경: 시신경 직경의 2배, 외부직경: 시신경 직경의 3배), 이 중 이측 절반을 극갈림 영상으로 변환하였다. Frangi 필터를 사용하여 극갈림 영상에서 혈관을 제거한 후, 신호밝기의 미분값 및 평균곡률을 일정 구간마다 계산하였고 각 국소 영역마다 그 최대값을 획득하였다. 각 국소영역의 최대 평균곡률이 역치값보다 클 경우 망막신경섬유층 결손으로 결정되었다. 개방각녹내장 환자 100명과 연령 및 성별을 짝짓기한 정상 대조군 100명이 포함되었다. 양안 모두 연구에 적합한 경우 임의로 한 눈만 선택하였다. 양 군간의 최대 곡률을 비교하였고, 수신자 동작 특성 분석을 시행하여 알고리즘의 정확성을 검증하고 적절한 절단값을 결정하였다. 결과 양 군 간에 나이와(p=0.456) 성별은(p=0.396) 유의한 차이가 없었다. 녹내장 군에서 험프리시야계상 평균편위는(mean deviation) -4.90 ± 5.40 dB 이었다. 최대 곡률은 두 군 간에 유의한 차이가 있었다(대조군: 14.37 ± 5.13, 환자군: 20.67 ± 10.56, p<0.001). 수신자 동작 특성 분석에서 곡선하 면적은 0.711 이었다(95% 신뢰구간

0.639 - 0.782). 민감도 70.0%, 특이도 62.0% 일 때 양성 우도가 1.84로 최대화하였다. 특이도를 최저 한계값인 50.0%로 설정할 때 민감도 74.8%였고 양성 우도는 1.50 이었다. 결론 제안된 소프트웨어는 조기 망막신경섬유층 결손의 진단에 유용하게 사용될 수 있다.

Purpose To develop novel software to determine whether there is a retinal nerve fiber layer (RNFL) defect in a given fundus image and, if there is, where it presents.

Methods The given fundus photography was rotated to non-extorted image. The intensity profile was normalized to enhance the contrast, and then the region of interest (ROI) was set as the circumferential area surrounding the optic disc (internal diameter: 2 disc diameters [DD], external diameter: 3 DD). The temporal half of ROI was converted to a polarimetric image. After removing the blood vessels using Frangi filter, the differential gradients and the average curvatures were calculated sector-by-sector and the local maximum values were obtained. If the local maximum curvature was greater than the cut-off value, the sector was considered to be an RNFL defect. The images of 100 normal healthy controls and 100 open-angle glaucoma patients were enrolled as age- and sex-matched samples. When both of a subjectꞌs eyes were eligible, the image of one eye was randomly selected. Maximum curvatures were compared and a receiver operating characteristic (ROC) analysis was performed to determine the validity of the algorithm and to set up the optimum cut-off value.

Results There were no significant differences in age or gender (p=0.456, p=0.396, respectively) between the two groups. In the glaucoma group, the mean deviation was -4.90 ± 5.40 dB. There was, however, a significant difference of maximum curvature (14.37 ± 5.13 in control group, 20.67 ± 10.56 in glaucoma group, p<0.001). The area under ROC curve was 0.711 (95% CI

0.639 - 0.782). The positive likelihood ratio was maximized to 1.84 with a sensitivity of 70.0% and a specificity of 62.0%. When a specificity was set to 50.0% which was minimum acceptable value, the positive likelihood ratio was determined to 1.50 with a sensitivity of 74.8%.

Conclusions The proposed software can be an effective tool for automated detection of RNFL defect.