Glaucoma, a leading cause of blindness worldwide, results in gradual vision loss if untreated due to retinal ganglion cell degeneration. Optical coherence tomography (OCT) machine measures retinal nerve fiber layers and the optic nerve head (ONH), with Považay et al. introducing the Pigment Epithelium – Inner limit of the retina Minimal Distance Averaged Over 2π Radians (PIMD-2π) for quantifying nerve fiber cross-sections. PIMD, defined as the distance between the Optic nerve head Pigment epithelium Central Limit (OPCL) and the Inner limit of the Retina Closest Point (IRCP), shows promise for earlier glaucoma detection compared to visual field assessments. The objective of this research is to enhance the Auto-PIMD program for calculating PIMD lengths in OCT images, aiding healthcare professionals in diagnosing glaucoma. Originally based on the 2D U-Net framework, this study proposes a replacement of the deep learning model framework and introduces a novel experimental procedure aimed at refining the accuracy of OPCLs calculation. Leveraging the nnU-Net model, commonly employed for semantic segmentation in medical imaging, the computational process entails segmenting vitreous masks and OPCLs. Utilizing a dataset of 78 OCT images provided by Uppsala University, experiments were conducted in both cylindrical domain (using 2D U-Net and nnU-Net cylindrical architecture) and Cartesian domain (nnU-Net Cartesian architecture). Qualitative and graphical analysis of the obtained OPCLs coordinate points demonstrates the nnU-Net frameworks' ability to yield points close to true voxel values(mean Euclidean distance of nnU-Net cylindrical architecture: 1.665; mean Euclidean distance of nnU-Net Cartesian architecture: 2.4495), contrasting with the higher uncertainties of the 2D U-Net architecture(mean Euclidean distance: 10.6827). Moreover, the nnU-Net Cartesian architecture eliminates human bias stemming from manual ONH center selection for cylindrical coordinate expansion. Examination of PIMD length calculations reveals all three methods effectively distinguishing between glaucoma patients and healthy subjects, with the nnU-Net-based methods displaying greater stability. This study contributes to refining OPCLs coordinate point accuracy and underscores the potential of the Auto-PIMD program in glaucoma diagnosis.

Glaukom, som är en av de främsta orsakerna till blindhet i världen, leder till gradvis synförlust om det inte behandlas på grund av degeneration av ganglieceller i näthinnan. Med optisk koherenstomografi (OCT) mäts nervfiberlagren i näthinnan och synnervshuvudet (ONH), och Považay et al. introducerade Pigmentepitel - Näthinnans inre gräns Minimal Distance Averaged Over 2π Radians (PIMD-2π) för att kvantifiera tvärsnitt av nervfibrer. PIMD, definierat som avståndet mellan den centrala gränsen (OPCL) för optikusnervhuvudets pigmentepitel och den inre gränsen för näthinnans närmaste punkt (IRCP), visar lovande resultat för tidigare upptäckt av glaukom jämfört med synfältsbedömningar. Syftet med denna forskning är att förbättra Auto-PIMD-programmet för beräkning av PIMD-längder i OCT-bilder, vilket hjälper vårdpersonal att diagnostisera glaukom. Denna studie, som ursprungligen baserades på 2D U-Net-ramverket, föreslår en ersättning av ramverket för djupinlärningsmodellen och introducerar ett nytt experimentellt förfarande som syftar till att förfina noggrannheten i OPCL-beräkningen. Med hjälp av nnU-Net-modellen, som ofta används för semantisk segmentering inom medicinsk bildbehandling, innebär beräkningsprocessen segmentering av glaskroppsmasker och OPCL. Med hjälp av ett dataset med 78 OCT-bilder från Uppsala universitet genomfördes experiment i både cylindrical domän (med 2D U-Net och nnU-Net cylindrical arkitektur) och kartesisk domän (nnU-Net kartesisk arkitektur). Kvalitativ och grafisk analys av de erhållna OPCL-koordinatpunkterna visar att nnU-Net-ramverken kan ge punkter som ligger nära sanna värden(genomsnittligt euklidiskt avstånd för nnU-Nets polära arkitektur: 1,665; genomsnittligt euklidiskt avstånd för nnU-Net kartesisk arkitektur: 2,4495), i motsats till de högre osäkerheterna i 2D U-Net-arkitekturen(genomsnittligt euklidiskt avstånd: 10,6827). Dessutom eliminerar den kartesiska arkitekturen i nnU-Net mänsklig partiskhet som härrör från manuellt val av ONH-centrum för polär koordinatexpansion. Granskning av PIMD-längdsberäkningar visar att alla tre metoderna effektivt skiljer mellan glaukompatienter och friska försökspersoner, där de nnU-Net-baserade metoderna uppvisar större stabilitet. Denna studie bidrar till att förbättra noggrannheten i OPCL:s koordinatpunkter och understryker potentialen i Auto-PIMD-programmet vid glaukomdiagnos.