Refine
Has Fulltext
- yes (1)
Is part of the Bibliography
- yes (1) (remove)
Year of publication
- 2023 (1)
Document Type
- Doctoral Thesis (1)
Language
- German (1) (remove)
Keywords
- Autofluoreszenz (1) (remove)
Institute
Die Technik der strukturierten Beleuchtungsmikroskopie (structured illumination microscopy, SIM) ist eine etablierte ultrastrukturelle Aufnahmemethode, die der hochauflösenden Visualisierung intrazellulärer Strukturen dient. In der Ophthalmologie findet diese Art der Bildgebung bisher wenig Anwendung.
SIM ermöglicht die histologische Darstellung retinaler Strukturen, wie der Zellen des humanen retinalen Pigmentepithels (RPE). In den Zellen des RPE reichern sich Granula an, die für die Autofluoreszenz-Bildgebung von Bedeutung sind. Anhand der Morphologie und autofluoreszierenden Merkmale lassen sich grundsätzlich drei Granulatypen im RPE unterscheiden: Melanosomen (M), Melanolipofuszin (ML)- und Lipofuszin (L)-Granula. Die Anwendung der SIM ermöglicht die präzise Darstellung und Differenzierung dieser autofluoreszierenden Strukturen, sowie die Bestimmung ihrer Anzahl und Lokalisation.
Ziel der Arbeit ist die Darstellung der im humanen RPE lokalisierten Granula mithilfe der SIM. Anhand der unterschiedlichen Autofluoreszenz (AF) der Granula können diese innerhalb des RPE-Zellkörpers klassifiziert, sowie deren Anzahl und Dichte analysiert werden. Diese Analyse wird in Altersgruppen und Retinalokalisationen differenziert. Zudem sind direkte Vergleiche zwischen der Histologie (SIM, ex vivo) und klinischen Aufnahmen (Fundusautofluoreszenz, in vivo) kaum existent. Durch Ermittlung der Gesamt-AF pro Zelle in Korrelation zu der intrazellulären Granuladichte und -verteilung soll eine neue Interpretationsebene ermöglicht werden.
Diese Arbeit soll helfen anhand der gewonnenen Daten die Stoffwechselmechanismen der Retina und deren Einfluss auf die Fundusautofluoreszenz (FAF) besser verstehen zu können. Sie soll insbesondere dazu beitragen bestehende und neue klinische FAF-Bildgebungsverfahren zu validieren, die Diagnostik pathologischer Prozesse der Retina zu optimieren und sowohl eine möglichst frühe Erkennung als auch präzise Prognostik zu ermöglichen.
Zudem sollen die Daten eine belastbare Basis darstellen, um die mit einem hohen Zeitaufwand verbundene manuelle Zellanalyse einer geschulten künstlichen Intelligenz zu überlassen. Damit könnte der Analyseprozess von Gewebeproben immens beschleunigt werden und in seiner Effizienz maximiert werden.