Describes an automated method to locate and outline blood vessels in images of the ocular fundus. Such a tool should prove useful to eye care specialists for purposes of patient screening, treatment evaluation, and clinical study. The authors' method differs from previously known methods in that it uses local and global vessel features cooperatively to segment the vessel network. The authors evaluate their method using hand-labeled ground truth segmentations of 20 images. A plot of the operating characteristic shows that the authors' method reduces false positives by as much as 15 times over basic thresholding of a matched filter response (MFR), at up to a 75% true positive rate. For a baseline, they also compared the ground truth against a second hand-labeling, yielding a 90% true positive and a 4% false positive detection rate, on average. These numbers suggest there is still room for a 15% true positive rate improvement, with the same false positive rate, over the authors' method. They are making all their images and hand labelings publicly available for interested researchers to use in evaluating related methods.

Blood vessels usually have poor local contrast, and the application of existing edge detection algorithms yield results which are not satisfactory. An operator for feature extraction based on the optical and spatial properties of objects to be recognized is introduced. The gray-level profile of the cross section of a blood vessel is approximated by a Gaussian-shaped curve. The concept of matched filter detection of signals is used to detect piecewise linear segments of blood vessels in these images. Twelve different templates that are used to search for vessel segments along all possible directions are constructed. Various issues related to the implementation of these matched filters are discussed. The results are compared to those obtained with other methods.< >

We describe an automated method to locate the optic nerve in images of the ocular fundus. Our method uses a novel algorithm we call fuzzy convergence to determine the origination of the blood vessel network. We evaluate our method using 31 images of healthy retinas and 50 images of diseased retinas, containing such diverse symptoms as tortuous vessels, choroidal neovascularization, and hemorrhages that completely obscure the actual nerve. On this difficult data set, our method achieved 89% correct detection. We also compare our method against three simpler methods, demonstrating the performance improvement. All our images and data are freely available for other researchers to use in evaluating related methods.

The ability of deep learning architectures to identify glaucomatous optic neuropathy (GON) in fundus photographs was evaluated. A large database of fundus photographs (n = 14,822) from a racially and ethnically diverse group of individuals (over 33% of African descent) was evaluated by expert reviewers and classified as GON or healthy. Several deep learning architectures and the impact of transfer learning were evaluated. The best performing model achieved an overall area under receiver operating characteristic (AUC) of 0.91 in distinguishing GON eyes from healthy eyes. It also achieved an AUC of 0.97 for identifying GON eyes with moderate-to-severe functional loss and 0.89 for GON eyes with mild functional loss. A sensitivity of 88% at a set 95% specificity was achieved in detecting moderate-to-severe GON. In all cases, transfer improved performance and reduced training time. Model visualizations indicate that these deep learning models relied on, in part, anatomical features in the inferior and superior regions of the optic disc, areas commonly used by clinicians to diagnose GON. The results suggest that deep learning-based assessment of fundus images could be useful in clinical decision support systems and in the automation of large-scale glaucoma detection and screening programs.

To report two cases of catastrophic retinal vascular occlusion and crystalline retinopathy due to presumed oxalosis and hyperphosphatemia.

Importance High concordance in diabetic retinopathy (DR) outcomes between 7-field (7F) and ultra-widefield (UWF) images would allow for combining longitudinal assessments based on the 2 modalities both in clinical studies and clinical care. Objective To compare 7F and UWF imaging with regard to DR severity and the associations of DR severity with risk factors, such as hemoglobin A 1c , age, diabetes duration, and sex. Design, Setting, and Participants This cross-sectional study describes the outcomes of the randomized clinical Diabetes Control and Complications Trial (DCCT) and its subsequent observational study, the Epidemiology of Diabetes Interventions and Complications (EDIC) study. Of the 1441 participants with type 1 diabetes in the DCCT, 1375 were enrolled in the EDIC study. Of the 1171 participants who were active between March 2019 and December 2021, 200° UWF color imaging and 7F fundus photographs were obtained for 785 participants once at the same visit. Central graders assessed 7F-UWF with a 7F template masking the retinal periphery and the full UWF image (UWF-global). Data were analyzed from January 2022 to March 2023. Exposures Hemoglobin A 1c was assessed quarterly during the DCCT and annually during the EDIC study using high-performance liquid chromatography. Main Outcomes and Measures Retinopathy was determined independently for all imaging as mild, moderate, or severe nonproliferative DR (SNPDR) using the Early Treatment Diabetic Retinopathy Study (ETDRS) grading scale for the 7F images and the global ETDRS grading scale for the UWF images. Panretinal and focal photocoagulation were self-reported or based on scarring location and pattern observed during grading. Proliferative DR (PDR) was defined by observed neovascularization or evidence of panretinal photocoagulation. Results Among the 785 participants included in this study, 420 (53%) were male and 365 (47%) were female. The mean (SD) age was 61 (7) years. DR grading between UWF-7F and 7F imaging was correlated for all outcomes, including for severe outcomes, such as SNPDR (κ, 0.73; concordance, 96%), PDR (κ, 0.74; concordance, 97%), scatter photocoagulation (κ, 0.97; concordance, 99%), and focal photocoagulation (κ, 0.71; concordance, 98%). Most DR severity scores were within 1 step (1410 of 1529 [92%]), and 3% (51 of 1529) were more than 2 steps apart (κ, 0.45; 95% CI, 0.42-0.49; weighted κ, 0.63; 95% CI, 0.60-0.67) on the ETDRS severity scale. DR severity assessed within the UWF-global area was higher compared to 7F (median [IQR] UWF-global score, 3 [2-3] vs median 7F level score, 2.0 [1-3]; P &amp;lt; .001), although the 2 modalities were correlated (1225 of 1508 [81%] 1-step agreement; weighted κ, 0.41). Conclusions and Relevance Standard ETDRS 7F and UWF evaluations of DR were comparable for ETDRS severity levels as previously reported by Diabetic Retinopathy Clinical Research Retina Network reports. In addition, these evaluations of DR were comparable for DCCT/EDIT study outcomes and major study conclusions, suggesting that use of UWF imaging is not likely to introduce relevant measurement biases in future longitudinal studies. Trial Registration ClinicalTrials.gov Identifiers: NCT00360815