Automatic segmentation of retinal vessels and measurement of Doppler flow velocity in Optical Coherence Tomography data

Abstract

Die Analyse des retinalen Gefäßnetzwerks ist zur Diagnose sowie Studie von Krankheiten bedeutend, die auf Veränderungen der Gefäßstruktur sowie des retinalen Blutflusses basieren, und zu Blindheit führen können. Typische Beispiele dieser Krankheiten sind die diabetische Retinopathie, die Altersbedingte Makuladegeneration oder das Glaukom (die drei Hauptursachen für Erblindung in den USA). Die optische Kohärenztomographie (OCT) ist ein nicht-invasives, bildgebendes Verfahren zur dreidimensionalen in-vivo Betrachtung der retinalen Schichten sowie des Adernnetzwerks im menschlichen Auge. Jedoch ist es aufgrund des Rauschanteils sowie des unterschiedlichen Erscheinungsbildes der Adern schwierig, insbesondere feine Kapillargefäße zu analysieren.<br />Ziel dieser Arbeit ist die automatische Detektion retinaler Blutgefäße in OCT Daten. Basierend auf einer groben Gefäßdetektion werden Kandidatenpunkte ermittelt, und deren Wechselbeziehungen von einem probabilistischen Kernel reflektiert. Aufgrund des Rauschens in den OCT Daten ist es zur robusten Segmentierung der Gefäße vom Hintergrund notwendig, die Information längerer Gefäßsegmente in den Detektionsprozess miteinzubeziehen. Dies wird erreicht, indem die Kandidatenpunkte in eine Diffusion Map eingebettet werden, welche sowohl die lokale Struktur als auch räumliche Beziehungen der Punkte zueinander berücksichtigt. Die Positionen der Punkte in dem entstehenden Raum ermöglichen eine effektive Unterscheidung zwischen Gefäßen und Hintergrund. Der zweite Teil dieser Arbeit ist eine Methode zur Messung der Blutflussgeschwindigkeit mit Doppler Daten. Da diese Geschwindigkeitsinformation entlang des Aufnahme-Lichtstrahls gegeben ist, jedoch nichts über die tatsächliche Flussgeschwindigkeit innerhalb der Gefäße aussagt, wird mithilfe der Gefäßmittelachsen eine Korrektur vorgenommen.<br />Experimentelle Ergebnisse zeigen eine deutliche Verbesserung der Gefäßdetektion verglichen mit bestehenden Methoden. Die resultierende Blutflussgeschwindigkeit bietet eine genauere Schätzung der retinalen Blutzirkulation als die ursprünglich gemessene Geschwindigkeit, wodurch eine Untersuchung der tatsächlichen Blutflussgeschwindigkeit innerhalb retinaler Gefäße möglich ist.<br />

The analysis of the vascular network in the retina is crucial for the diagnosis and study of diseases that result in a change of the vascular pattern and the retinal blood flow, and can even lead to blindness. Examples of diseases with such symptoms are diabetic retinopathy, age-related macular degeneration and glaucoma, which are the three leading causes of blindness in the USA. Optical Coherence Tomography (OCT) is a non-invasive imaging method used for the three-dimensional in-vivo observation of the human eye's retinal layers.<br />OCT allows for an observation of fine retinal vascular networks.<br />However, in particular the fine capillary vessels are difficult to analyze, due to noise and ambiguous appearance in the data.<br />The aim of this work is to detect retinal vessels in these OCT data.<br />Based on an initial coarse vessel detection, a set of candidate points is retrieved, and a probabilistic kernel reflects the mutual relations of these vessel candidate points. Due to the noise in the OCT data it is necessary to integrate the information of larger vessel segments in the detection process to achieve a robust segmentation. This is done by embedding the initial candidate positions in a diffusion map that captures the local structure and mutual spatial relations of the vessel points. The positions in this map can be used to efficiently distinguish between vessels and background noise. The second contribution of this thesis is a method to measure the blood flow velocity inside the detected vessels by including Doppler information that is gained during the acquisition of the OCT data. Since this given velocity information is only captured along the signal beam direction, and thus does not reveal the actual blood flow speed inside the vessels, a correction has to be performed according to the detected centerlines of the vessels.<br />Experimental results show a substantial improvement compared to existing vessel detection methods. In addition, the resulting blood flow speed is a more accurate estimation of the blood support and circulation inside the vessels than the measured speed without knowledge about vessel direction; thus, it enables an investigation of the actual blood flow speed inside the retinal vessels.