Vollautomatische Erkennung der Intraocular Lens Rotation nach Katarakt-OPs
Wissenschaftliches Projekt in Zusammenarbeit mit Ärzten des AKH-Wiens
Bei der Durchführung einer Kataraktoperation wird die natürliche Linse durch eine künstliche ersetzt, wodurch die Möglichkeit besteht, eine Hornhautverkrümmung mithilfe torischer Intraokularlinsen zu korrigieren. Die Wirksamkeit dieser Linsen hängt von ihrer präzisen Ausrichtung ab. Allerdings kann sich die torische Intraokularlinse in den Wochen/Monaten nach der Operation drehen. Diese postoperative Rotation verringert die Korrekturwirkung der torischen Intraokularlinse erheblich.
Derzeitige Methoden zur Beurteilung der Rotation sind manuell, zeitaufwendig und oft ungenau. Im Zuge des Projekts entwickelt und evaluiert zwei automatisierte Methoden zur Beurteilung der Rotation — eine auf Computer Vision basierende sowie eine Deep-Learning-basierte Methode — mit dem Ziel, die Rotation der Linse präzise zu bestimmen. Die Methoden wurden anhand eines Datensatzes von Bildern von 130 Patienten getestet und ihre Genauigkeit mit manuellen Messungen von Ärzten verglichen. Die Deep-Learning-basierte Methode erreichte eine Vorhersagegenauigkeit von durchschnittlich 2 Grad für einen großen Teil der der Bilder. Diese Methode basiert auf einem standardisierten ResNet18-Modell, das zusätzlich explizit extrahierte Merkmale nutzt.
IntoData hat bei diesem Projekt geholfen, schnell und einfach verschiedene Ausprägungen des trainierten Modells zu analysieren. Das erleichterte die Erkennung und Einordnung von Spezialfällen unter den Patienten, die in der Bildqualität abweichen und damit das Ergebnis potentiell verzerren.
Die Arbeit ist auf ReposiTUm veröffentlicht und wird bald als Conference-Paper im Zuge der ACDSA 2025 veröffentlicht.