Die optische Kohärenztomographie (OCT) ist ein nichtinvasives Bildgebungsverfahren, das auf Licht geringer Kohärenzlänge basiert. Die OCT funktioniert auf dem Prinzip der Ultraschallbildgebung, wobei anstatt Schallwellen Licht verwendet wird. Dabei werden mittels Interferometrie Laufzeitunterschiede zwischen dem zurückgestreuten Licht des Probenstrahls und dem Licht des Referenzstrahls gemessen, wodurch dreidimensionale Volumenaufnahmen in Mikrometerauflösung möglich sind.

Deep-Learning-Methoden für ein verbessertes Monitoring der altersbedingten Makuladegeneration in zeitlich-räumlichen 4D-OCT-Bildfolgen

Im diesem Projekt werden Deep Learning basierte Lernmethoden für ein verbessertes Monitoring der altersbedingten Makuladegeneration (AMD) entwickelt. Das Projekt wird in Kooperation mit der Klinik für Ophthalmologie des Universitätsklinikums Schleswig-Holstein in Kiel und dem Institut für Biomedizinische Optik der Universität zu Lübeck bearbeitet.

Die altersbedingte Makuladegeneration (AMD) ist die häufigste Erblindungsursache im Alter über 60 Lebensjahren in der westlichen Welt. Bei der feuchten, exsudativen Form der AMD kommt es zu einer Ödembildung unter der Netzhaut. Aufgrund einer Sauerstoffunterversorgung der Photorezeptoren werden Botenstoffe wie z.B. der Vascular Endothelial Growth Factor (VEGF) gebildet, der zu einer choroidalen Neovaskularisation führt. Die neu gebildeten Gefäße sind sehr fragil, wodurch sie in der Makula unerwünschte Einblutungen verursachen. Um dem unkontrollierten Blutgefäßwachstum entgegenzuwirken, lassen sich VEGF-Antikörper in den Glaskörperraum injizieren. Der Therapieeffekt hält jedoch nur wenige Wochen an, so dass eine Reiinjektion nach diesem Zeitraum erforderlich ist. Für eine verbesserte Diagnostik und Therapie der AMD werden im Rahmen des Projekts neue Deep-Learning-Methoden für die computergestützte Analyse und Erkennung von Biomarkern (Abb. 1) in räumlich-zeitlichen 4D-OCT-Bilddaten entwickelt, implementiert und validiert. Die entwickelten Methoden sollen die Biomarker in den OCT-Bilddaten erkennen und klassifizieren, so dass ein Rezidiv frühzeitig erkannt werden kann.