Automatic intraocular lens segmentation and detection in optical coherence tomography images

We present a new algorithm for automatic segmentation and detection of an accommodative intraocular lens implanted in a biomechanical eye model. We extracted lens curvature and position. The algorithm contains denoising and fan correction by a multi-level calibration routine. The segmentation is realized by an adapted canny edge detection algorithm followed by a detection of lens surface with an automatic region of interest search to suppress non-optical surfaces like the lens haptic. The optical distortion of lens back surface is corrected by inverse raytracing. Lens geometry was extracted by a spherical fit. We implemented and demonstrated a powerful algorithm for automatic segmentation, detection and surface analysis of intraocular lenses in vitro. The achieved accuracy is within the expected range determined by previous studies. Future improvements will include the transfer to clinical anterior segment OCT devices.

ZusammenfassungWir stellen die Entwicklung eines neuen Algorithmus zur automatischen Segmentierung und Detektion von in einem biomechanischen Augenmodell implantierten, akkommodativen Intraokularlinsen vor, bei welchem Linsenkrümmung und -position bestimmt wurden. Der Algorithmus enthält ein Entrauschen und eine Korrektur der durch das Messsystem eingeführten Verzerrung, welche durch eine mehrstufige Kalibrierung umgesetzt wurde. Die Segmentierung wird durch ein modifiziertes Verfahren zur Kantendetektion nach Canny realisiert, welchem eine Detektion der Linsenoberfläche mittels automatischer “Region of Interest”-Suche folgt. Letztere blendet beispielsweise Haptikreste der Linse aus. Die optische Verzerrung der Linsenrückfläche wird durch inverse Strahldurchrechnung korrigiert und die Linsengeometrie über sphärische Approximation ermittelt. Wir konnten einen leistungsfähigen Algorithmus zur automatischen Segmentierung, Detektion und Oberflächenanalyse von Intraokularlinsen in vitro implementieren und demonstrieren. Die erreichte Genauigkeit liegt in einem Bereich, der aufgrund von vorausgehenden Studien erwartet wurde. Zukünftig soll der Algorithmus auch auf Daten von klinischen Vorderkammer-OCTs angewendet werden.