Supine Positioning for Graft Attachment After Descemet Membrane Endothelial Keratoplasty: A Randomized Controlled Trial

Kladny, Anne-Marie S.; Glatz, Andreas; Lieberum, Judith-Lisa; Zander, Daniel B.; Siegel, Helena; Jiang, Jana; Brandi-Dohrn, Franziska; Maier, Philip C.; Lapp, Thabo; Lang, Stefan J.; Heinzelmann-Mink, Sonja; Böhringer, Daniel; Reinhard, Thomas; Wacker, Katrin

doi:10.1016/j.ajo.2023.11.021

Cited by 1 publication

(2 citation statements)

References 22 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Using the neural network, we were able to investigate the influence of supine head position on graft attachment in a randomized controlled trial (ClinicalTrials.gov, NCT05399095) [22]. In this study, 86 participants were randomized to one day (follow-up) or five days (intervention) of supine head positioning and were examined using AS OCT two weeks after DMEK.…”

Section: Identifying Risk Factors For Graft Detachmentmentioning

confidence: 99%

See 1 more Smart Citation

3D-Kartierung der DMEK-Abhebungsfläche aus OCT-Scans des vorderen Augensegmentes mit klinischen Anwendungen

Kladny,

Glatz,

Böhringer

et al. 2024

Klin Monbl Augenheilkd

Self Cite

View full text Add to dashboard Cite

ZusammenfassungDie häufigste Komplikation nach Descemet-Membran-Endothel-Keratoplastik (DMEK) ist die Transplantatabhebung. Ausmaß und Vergleich der Abhebung sind mittels Spaltlampenmikroskopie jedoch nur eingeschränkt beurteilbar. Eine präzise Quantifizierung und Möglichkeit zur longitudinalen Beurteilung bietet eine 3-D-Höhenkarte mittels Segmentierung und Zusammenführung der VAA-OCT-Aufnahmen durch ein neuronales Netzwerk. Ziel dieses Artikels ist es, einen Überblick über die neu etablierte 3-D-Kartierung der DMEK-Abhebungsfläche und ihre bisherigen Anwendungsgebiete zu geben. Die 3-D-Kartierung konnte bereits genutzt werden, um den Verlauf der natürlichen Transplantatanlage, den Einfluss möglicher Risikofaktoren wie der postoperativen Lagerung oder den Langzeiteffekt der Transplantatabhebung zu beurteilen. Die Deep-Learning-basierte Abhebungskarte zeichnet sich durch ihre Genauigkeit, die standardisierte Bestimmung von Abhebungsfläche und -volumen auch bei größeren Datensätzen, und die intuitive, schnelle und verlässliche Auswertbarkeit aus.

show abstract

Section: Identifying Risk Factors For Graft Detachmentmentioning

confidence: 99%

“…Welchen Einfluss die Rückenlagerung auf die Transplantatanlage hat, konnten wir mithilfe des neuronalen Netzwerkes in einer randomisierten, kontrollierten Studie untersuchen (ClinicalTrials.gov, NCT05399095; [22]…”

Section: Ermittlung Von Risikofaktoren Der Transplantatabhebungunclassified