Quality Control in the Corneal Bank with Artificial Intelligence: Comparison of a New Deep Learning-based Approach with Conventional Endothelial Cell Counting by the "Rhine-Tec Endothelial Analysis System".

Endothelial cell density (ECD) is a crucial parameter for the release of corneal grafts for transplantation. The Lions Eye Bank of Baden-Württemberg uses the "Rhine-Tec Endothelial Analysis System" for ECD quantification, which is based on a fixed counting frame method considering only a small sample of 15 to 40 endothelial cells. The measurement result therefore depends on the frame placement and manual correction of the cells counted within the frame. To increase the sample size and create higher objectivity, we developed a new method based on "deep learning" that automatically detects all visible endothelial cells in the image. This study aims to compare this new method with the conventional Rhine-Tec system. 9375 archived phase-contrast microscopic images of consecutive grafts from the Lions Eye Bank were evaluated with the deep learning method and compared with the corresponding archived analyses of the Rhine-Tec system. Means, Bland-Altman and correlation analyses were compared. Comparable results were obtained for both methods. The mean difference between the Rhine-Tec system and the deep learning method was only - 23 cells/mm Die Endothelzelldichte ist ein objektiver Parameter für die Freigabe von Hornhauttransplantaten zur Operation. In der Lions Hornhautbank Baden-Württemberg wird für diese Quantifizierung das „Rhine-Tec Endothelial Analysis System“ verwendet, das auf der Methode des festen Zählrahmens basiert und nur eine kleine Stichprobe von 15 bis 40 Endothelzellen berücksichtigt. Das Messergebnis hängt daher von der Platzierung des Zählrahmens und der manuellen Nachkorrektur der im Zählrahmen gewerteten Zellen ab. Um den Stichprobenumfang zu erhöhen und eine höhere Objektivität zu schaffen, haben wir auf Grundlage von „Deep Learning“ eine neue Methode entwickelt, die alle sichtbaren Endothelzellen im Bild vollautomatisch erkennt. Ziel dieser Studie ist der Vergleich dieser neuen Methode mit dem konventionellen Rhine-Tec-System. 9375 archivierte phasenkontrastmikroskopische Bildaufnahmen von konsekutiven Transplantaten aus der Lions Hornhautbank wurden mit der Deep-Learning-Methode evaluiert und mit den korrespondierenden archivierten Analysen des Rhine-Tec-Systems verglichen. Zum Vergleich der Mittelwerte wurden Bland-Altman- und Korrelationsanalysen durchgeführt. Es ergaben sich vergleichbare Ergebnisse beider Methoden. Die mittlere Differenz zwischen Rhine-Tec-System und der Deep-Learning-Methode betrug lediglich − 23 Zellen/mm

Informations de copyright

Thieme. All rights reserved.

Déclaration de conflit d'intérêts

Die Autorinnen/Autoren geben an, dass kein Interessenkonflikt besteht./The authors declare that there is no conflict of interest.