Evolution of methods to analyze of retinal images and their significance in hypertension and atherosclerosis

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The article reviews current published data on methods to analyze retinal microvasculature images and the importance of these technologies for diagnosis of retinal conditions in patients with hypertension and atherosclerosis. Formerly popular programs (Retinal Analysis and Integrative Vessel Analysis), used to calculate central retinal artery and vein equivalents, gave way to more sophisticated software such as Singapore I Vessel Assessment and ALTAIR, which also performed geometric analysis of the vasculature (endpoints, bifurcations, branch angles, etc.) in addition to measuring diameters of retinal vessels. Not only hardware detection of the vasculature in the image becomes more complicated, but also microcirculation analysis algorithms. Russian analogs, OphtoRule and N.S. Semenova’s calculation method, showed good reproducibility, but they have a limited sample and set of study variables, including retinal vessel diameters and their ratios. Over 100,000 people have been enrolled in population-based and clinical retinal studies, thus the issue of harmonizing databases of various programs is more urgent than ever. Further evolution of automated programs for analysis of retinal vessels and assessment of the clinical significance of parameters for stratification of risk of cardiovascular events and mortality will allow using software analysis of retinal vessels for scientific researches and to improve treatment of patients with cardiovascular diseases in clinical practice.

About the authors

Artem O. Direev

S. Fyodorov Eye Microsurgery Federal State Institution; Institute of Cytology and Genetics, Siberian Branch of Russian Academy of Sciences

Author for correspondence.
Email: dr.direev@gmail.com
ORCID iD: 0000-0003-3801-6844
SPIN-code: 5666-5871

Novosibirsk Branch, Research Institute of Internal and Preventive Medicine, MD, Cand. Sci. (Medicine)

Russian Federation, Novosibirsk; Novosibirsk

Sofia K. Malyutina

Institute of Cytology and Genetics, Siberian Branch of Russian Academy of Sciences

Email: smalyutina@hotmail.com
ORCID iD: 0000-0001-6539-0466
SPIN-code: 6780-9141

Research Institute of Internal and Preventive Medicine, MD, Dr. Sci. (Medicine), Professor

Russian Federation, Novosibirsk

References

  1. Ho H, Cheung CY, Sabanayagam C, et al. Retinopathy signs improved prediction and reclassification of cardiovascular disease risk in diabetes: a prospective cohort study. Sci Rep. 2017;7(1):41492. doi: 10.1038/srep41492
  2. Liew G, Wang JJ, Mitchell P, Wong TY. Retinal vascular imaging: a new tool in microvascular disease research. Circ Cardiovasc Imaging. 2008;1(2):156–161. doi: 10.1161/CIRCIMAGING.108.784876
  3. Triantafyllou A, Anyfanti P, Gavriilaki E, et al. Association between retinal vessel caliber and arterial stiffness in a population comprised of normotensive to early-stage hypertensive individuals. Am J Hypertens. 2014;27(12):1472–1478. doi: 10.1093/ajh/hpu074
  4. Hanff TC, Sharrett AR, Mosley TH, et al. Retinal microvascular abnormalities predict progression of brain microvascular disease: an atherosclerosis risk in communities magnetic resonance imaging study. Stroke. 2014;45(4):1012–1017. doi: 10.1161/strokeaha.113.004166
  5. Cheung CY-L, Ikram MK, Sabanayagam C, Wong TY. Retinal microvasculature as a model to study the manifestations of hypertension. Hypertension. 2012;60(5):1094–1103. doi: 10.1161/HYPERTENSIONAHA.111.189142
  6. Feihl F, Liaudet L, Waeber B. The macrocirculation and microcirculation of hypertension. Curr Hypertens Rep. 2009;11(3):182–189. doi: 10.1007/s11906-009-0033-6
  7. Meazza R, Scardino C, Grosso Di Palma L, et al. Target organ damage in hypertensive patients: correlation between retinal arteriovenular ratio and left ventricular geometric patterns. J Hum Hypertens. 2014;28(4):274–278. doi: 10.1038/jhh.2013.69
  8. Wong TY, Duncan BB, Golden SH, et al. Associations between the metabolic syndrome and retinal microvascular signs: the atherosclerosis risk in communities study. Investig Ophthalmol Vis Sci. 2004;45(9):2949–2954. doi: 10.1167/iovs.04-0069
  9. De Ciuceis C, Rosei CA, Malerba P, et al. Prognostic significance of the wall to lumen ratio of retinal arterioles evaluated by adaptive optics. Eur J Intern Med. 2024;122:86–92. doi: 10.1016/j.ejim.2023.10.035
  10. Tapp RJ, Owen CG, Barman SA, et al. Associations of retinal microvascular diameters and tortuosity with blood pressure and arterial stiffness: United Kingdom Biobank. Hypertension. 2019;74(6):1383–1390. doi: 10.1161/HYPERTENSIONAHA.119.13752
  11. Kan H, Stevens J, Heiss G, et al. Dietary fiber intake and retinal vascular caliber in the Atherosclerosis Risk in Communities Study. Am J Clin Nutrit. 2007;86(6):1626–1632. doi: 10.1093/ajcn/86.5.1626
  12. Sun C, Wang JJ, Islam FM, et al. Hypertension genes and retinal vascular calibre: the Cardiovascular Health Study. J Hum Hypertens. 2009;23:578–584. doi: 10.1038/jhh.2008.168
  13. Ikram MK, de Jong FJ, Vingerling JR, et al. Are retinal arteriolar or venular diameters associated with markers for cardiovascular disorders? The Rotterdam Study. Investig Ophthalmol Vis Sci. 2004;45(7):2129–2134. doi: 10.1167/iovs.03-1390
  14. Sun C, Liew G, Wang JJ, et al. Retinal vascular caliber, blood pressure, and cardiovascular risk factors in an Asian population: the Singapore Malay Eye Study. Investig Ophthalmol Vis Sci. 2008;49(5):1784–1790. doi: 10.1167/iovs.07-1450
  15. Jeganathan VSE, Sabanayagam C, Tai ES, et al. Effect of blood pressure on the retinal vasculature in a multi-ethnic Asian population. Hypertens Res. 2009;32:975–982. doi: 10.1038/hr.2009.130
  16. Danielescu C, Dabija MG, Nedelcu AH, et al. Automated retinal vessel analysis based on fundus photographs as a predictor for non-ophthalmic diseases — evolution and perspectives. J Pers Med. 2024;14(1):45. doi: 10.3390/jpm14010045
  17. Frank RN. Diabetic retinopathy and systemic factors. Middle East Afr J Ophthalmol. 2015;22(2):151. doi: 10.4103/0974-9233.154388
  18. Orlov NV, Coletta C, van Asten F, et al. Age-related changes of the retinal microvasculature. PLoS One. 2019;14(5):e0215916. doi: 10.1371/journal.pone.0215916
  19. Chamoso P, Rodríguez S, de la Prieta F, Bajo J. Classification of retinal vessels using a collaborative agent-based architecture. Ai Commun. 2018;31(5):427–444. doi: 10.3233/AIC-180772
  20. Chamoso P, Rodríguez S, De La Prieta F, et al. Software agents in retinal vessels classification. In: Criado Pacheco N, Carrascosa C, Osman N, Julián Inglada V, editors. Multi-Agent systems and agreement technologies: 14th European Conference, EUMAS2016, and 4th International Conference, AT; 2016, Dec 15–16; Valencia, Spain. Springer, Cham; 2017. P. 509–523. doi: 10.1007/978-3-319-59294-7_41
  21. Yip W, Tham YC, Hsu W, et al. Comparison of common retinal vessel caliber measurement software and a conversion algorithm. Transl Vis Sci Technol. 2016;5(5):11–11. doi: 10.1167/tvst.5.5.11
  22. Perez-Rovira A, MacGillivray T, Trucco E, et al. VAMPIRE: Vessel assessment and measurement platform for images of the retina. In: 2011 Annual International Conference of the IEEE Engineering in Medicine and Biology Society. 2011. P. 3391–3394. doi: 10.1109/IEMBS.2011.6090918
  23. McGrory S, Taylor AM, Pellegrini E, et al. Towards standardization of quantitative retinal vascular parameters: comparison of SIVA and VAMPIRE measurements in the Lothian Birth Cohort 1936. Transl Vis Sci Technol. 2018;7(2):12–12. doi: 10.1167/tvst.7.2.12
  24. Malyutina SK, Direev AO, Munz IV, et al. Relationship of retinal vascular caliber with age and cardiometabolic diseases in the population over 50 years of age. Russian Annals of Ophthalmology. 2022;138(5):1421. doi: 10.17116/oftalma202213805114 EDN: ECQQCA
  25. Bikbov MM, Fajzrachmanov RR. The software for eye fundus diseases. Cataract and Refractive Surgery. 2012;12(2):63–65. EDN: PCPJDF
  26. Semenova NS, Akopyan VS, Filonenko IV. Retinal vessels caliber assessment in patients with arterial hypertension. Ophthalmology in Russia. 2012;9(1):58–62. doi: 10.18008/1816-5095-2012-1-58-62 EDN: PBCLSH
  27. Zhu Z, Shi D, Peng G, et al. Retinal age gap as a predictive biomarker for mortality risk. Br J Ophthalmol. 2023;107(4):547–554. doi: 10.1101/2020.12.24.20248817
  28. Chalam KV, Sambhav K. Optical coherence tomography angiography in retinal diseases. J Ophthalmic Vis Res. 2016;11(1):84–92. doi: 10.4103/2008-322X.180709
  29. Hua D, Xu Y, Zhang X, et al. Retinal microvascular changes in hypertensive patients with different levels of blood pressure control and without hypertensive retinopathy. Curr Eye Res. 2021;46(1):107–114. doi: 10.1080/02713683.2020.1775260
  30. Lim HB, Lee MW, Park JH, et al. Changes in ganglion cell-inner plexiform layer thickness and retinal microvasculature in hypertension: a optical coherence tomography angiography study. Am J Ophthalmol. 2019;199:167–176. doi: 10.1016/j.ajo.2018.11.016
  31. Hua D, Xu Y, Zeng X, et al. Use of optical coherence tomography angiography for assessment of microvascular changes in the macula and optic nerve head in hypertensive patients without hypertensive retinopathy. Microvasc Res. 2020;129:103969. doi: 10.1016/j.mvr.2019.103969
  32. Donati S, Maresca AM, Cattaneo J, et al. Optical coherence tomography angiography and arterial hypertension: a role in identifying subclinical microvascular damage? Eur J Ophthalmol. 2021;31(1):158–165. doi: 10.1177/1120672119880390
  33. Sun C, Ladores C, Hong J, et al. Systemic hypertension associated retinal microvascular changes can be detected with optical coherence tomography angiography. Sci Rep. 2020;10(1):9580. doi: 10.1038/s41598-020-66736-w
  34. Peng Q, Hu Y, Huang M, et al. Retinal neurovascular impairment in patients with essential hypertension: an optical coherence tomography angiography study. Investig Ophthalmol Vis Sci. 2020;61(8):42–42. doi: 10.1167/iovs.61.8.42
  35. Xu Q, Sun H, Huang X, Qu Y. Retinal microvascular metrics in untreated essential hypertensives using optical coherence tomography angiography. Graefes Arch Clin Exp Ophthalmol. 2021;259:395–403. doi: 10.1007/s00417-020-04714-8
  36. Chua J, Le T-T, Tan B, et al. Choriocapillaris microvasculature dysfunction in systemic hypertension. Sci Rep. 2021;11(1):4603. doi: 10.1038/s41598-021-84136-6
  37. Litjens G, Kooi T, Bejnordi BE, et al. A survey on deep learning in medical image analysis. Med Image Anal. 2017;42:60–88. doi: 10.1016/j.media.2017.07.005
  38. Cheung CY, Xu D, Cheng C-Y, et al. A deep-learning system for the assessment of cardiovascular disease risk via the measurement of retinal-vessel calibre. Nat Biomed Eng. 2021;5(6):498–508. doi: 10.1038/s41551-020-00626-4
  39. Nusinovici S, Rim TH, Yu M, et al. Retinal photograph-based deep learning predicts biological age, and stratifies morbidity and mortality risk. Age and ageing. 2022;51(4):afac065. doi: 10.1093/ageing/afac065

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2025 Eco-Vector

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».