图像。
[0033]0CT成像系统可包括用于产生成像光束的激光源和用于朝向成像探针递送成像光束的光缆。成像探针可插入眼睛中以便被定位成靠近目标点，如视网膜中的点。在一些实施方案中，成像探针甚至可以与视网膜接触，或者至少被定位成紧密接近视网膜。目标点可以是视网膜上的外科医生计划执行眼外科手术的点。成像探针可成像光束投射或聚焦到目标点上并且随后接收从对应于目标点的深度范围反射的返回的反射光束。
[0034]返回的成像光束可被递送回至0CT成像系统的检测器，在所述检测器中其可干扰通过分束器生成的参考光束以便产生干扰光束。处理通过检测器生成的干扰光束将与对应于目标点的深度范围有关的图像数据解码，所述图像数据全部被编码在返回的成像光束的相位中。这种处理可由轴向扫描器的扫描处理器如0CT成像系统的扫描处理器来执行。
[0035]在一些实施方案中，图像数据不仅可以是对应于目标组织的深度范围的反射强度，而且还可以是对应于目标组织的深度范围的散射幅度、吸收率、噪声、波动以及光学数据。图5示出成像数据的实例:在这个实施方案中，成像数据是在约1.6_的深度范围内测量的相对反射强度。0CT成像系统的这个实施方案具有高分辨率，并且因此测量在所述深度范围内的大量不同深度处的相对反射强度。0CT成像系统可具有几微米的分辨率，因此在一毫米的深度范围内，所述0CT成像系统可确定在几百甚至一千个深度或深度点处的反射强度。这种深度扫描或轴向扫描通常被称为A型扫描。在实施方案中，可在不使用荧光标记物的情况下执行测量图像数据。
[0036]步骤320可包括将图像数据从轴向扫描器传递到成像处理器。在一些实施方案中，这可包括传递在对应于视网膜上的目标点的大量不同深度处的反射率的数值集合，如图5中的图像数据。在一些实施方案中，这个成像处理器可不同于如下文相对于图6所描述的轴向扫描器的扫描处理器。在其他设计中，扫描处理器和成像处理器的功能可由计算机的相同处理器来执行。在这类设计中，步骤320不需要包括传递操作。
[0037]步骤320可包括根据图像数据通过成像处理器来确定图像信息。确定图像信息可包括鉴定两个或更多个图像特征，其中图像特征可以是峰值、谷值、最大值、最小值、中间点、转变点以及随深度变化的图像数据平稳段中的一个。
[0038]在图5中的实例中，成像处理器可使用搜索算法来确定相对反射强度的局部最大值。因为相对于图1所详细描述的一些视网膜层，它们的接触面和边界散射和反射光的能力强于其内部部分，所以可通过鉴定反射率的局部最大值来鉴定这些层边界的深度或位置。在一些视网膜层的情况下，整个层可散射或反射成像光的能力强于其邻近层。这些层不仅可以导致图像数据如反射率中的局部最大值，而且还可以导致图像数据中的平稳段或持续增加的区域。
[0039]图5示出视网膜110的边界可被鉴定为位于约0.6mm(600微米)和约0.85mm(850微米)的深度处的相对反射强度的局部最大值。在视网膜110的近侧区域中，可根据升高的反射率来鉴定NFL 112，并且在视网膜110的远侧区域中，可根据反射率的升高水平来鉴定 RPE 113。
[0040]考虑到图像数据的噪声性质，鉴定图像特征如最大值、最小值或平稳段可包括使用数学技术，如求平均、平滑化、线性回归技术、光谱分解技术、低通滤波器、拟合程序或等效物。
[0041]步骤320不仅可包括确定图像特征的存在，而且还可包括记录它们的深度。这个步骤之后可以是测量或确定两个所鉴定的图像特征之间的深度差。这个深度差可以是图像信息的一部分。视网膜110的两个外表面之间的深度差为视网膜110的厚度的量度。在图5的实例中，这个深度差d可被测量为约d = 0.85mm-0.6mm = 0.25mm(250微米)，如下文更详细地讨论。
[0042]因为这个过程包括比较不同图像特征的深度，所以成像处理器可结合成像存储电路来执行步骤320，图像数据和对应深度中的一些存储在所述成像存储电路中。
[0043]步骤330可包括鉴定组织病理或异常，所述鉴定组织病理或异常可包括基于图像信息确定组织病理的存在或确定组织病理的厚度，或者可包括上述两者。可根据图像信息来确定组织病理或异常，所述图像信息包括图像特征的深度差以及因此关于目标层(如视网膜层或整个视网膜)的厚度的信息。在其他实施方案中，可根据眼部层的异常深度来确定组织病理或异常。
[0044]如相对于图1所讨论的，一些视网膜疾病伴随着视网膜厚度的异常增加。为了鉴定这类视网膜病理，成像处理器可使用所确定的视网膜厚度并且执行与其他相关厚度的比较。例如，轴向扫描器的操作可包括:使扫描探针沿着扫描线移动；将沿着所述线的视网膜厚度记录在存储电路中；通过成像处理器来比较沿所述线的厚度；以及如果在所述线的特定位置处或特定段中的厚度比其他位置处更厚或更薄，则发送信号。这种厚度异常可指示视网膜疾病。
[0045]可根据视网膜的远侧边界表面呈现出与下层支持层脉络膜115的近侧表面的深度不同的深度从而发送视网膜脱离的信号来鉴定其他视网膜疾病或病理。在其他视网膜疾病中，平均视网膜厚度可能不是那种不同形式的典型值，而是所述厚度可呈现出比通常的空间变化更大的值，从而指示所述视网膜异常不均匀。这些是图像信息可以不仅仅是层厚度的实例。
[0046]图5更详细地示出步骤310、步骤320和步骤330。图5示出根据方法300的一些实施方案的来自视网膜110的A型扫描500的局部视图。扫描500对应于图4中的标记为AA’的部分，所述部分位于约0.6mm的横向位置处。扫描500显示出步骤310的结果，即图像数据的测量值，在这种情况下是沿着轴向或Z方向在眼睛的深度段0-1.6_内的大量不同深度处的相对反射率强度的测量值。玻璃体腔140和脉络膜115仅在有限程度上反射并且因此在扫描500中呈现为反射率减小的区域。图像数据中出现对应于NFL 112和RPE113的两个峰值。NFL 112的近侧表面和RPE 113的远侧表面之间的空间是视网膜110，其厚度为510。
[0047]在步骤320中，成像处理器通过执行搜索图像数据的局部最大值或其他图像特征的算法来定位图像特征。所述算法的实例可包括求平均、平滑化、线性回归技术、光谱分解技术、低通滤波器、拟合程序或等效物。
[0048]在图5中，图像特征包括两个峰值和对应的深度。因此，成像处理器可确定视网膜110的近侧边界表面和远侧边界表面的位置。仍然在步骤320内，在一些实施方案中，成像处理器可确定两个图像特征的深度差，如两个边界表面的深度差。这个差是视网膜110的厚度510的可靠量度。
[0049]在步骤330中，知道视网膜边界的位置和视网膜厚度允许成像处理器来确定视网膜组织110在点A处的状态并且鉴定视网膜组织是否呈现病理或异常。接下来将讨论一些组织病理和步骤330中的对应的实施方案。
[0050]例如，在特定条件下，如在图2的黄斑皱褶204中，厚度510可大于特定标准或阈值。因此，在步骤330中，视网膜厚度超过正常值或在正常范围之外的图像信息确定可被解释为黄斑皱褶的证据。在其他情况下，增加的厚度510可指示视网膜110在点A处具有炎症。
[0051]在视网膜脱离如图2中的201-203的情况下，从A型扫描500收集的图像信息可显示在脱离的视网膜211-213下方存在过量物质221-223。因为过量物质221-223中的血液和流体可具有不同于脉络膜115的反射率，所以过量物质221-223在A型扫描500中可具有不同于玻璃体凝胶145和脉络膜115的谷值的反射率水平。
[0052]在图2的黄斑皱褶204中，在彼此相对接近的感兴趣点处获得的A型扫描的集合可显示出视网膜110的厚度510在不同的点之间大幅改变:组织病理的另一种类型的指示。
[0053]另一种类型的组织病理与图2的玻璃体后部脱离205相连。A型扫描500可提供ILM 111、视网膜前膜214和脱离的玻璃体皮质215存在的指示。此外，还可能存在异常组织216，所述异常组织216可以是视网膜的完全脱离的部分，或者在一些情况下可以是玻璃体凝胶145。
[0054]在所有这些实施方案中，A型扫描500中的图像数据可呈现图像特征，如局部最大值、升高的平稳段、尖锐的最小值或谷值。成像处理器可被配置来鉴定这些图像特征和对应的深度值中的任何一个和全部。最后，成像处理器可提取另外的特性，如可指示组织厚度或组织脱离的图像特征的深度差或距离。对图像特征、其深度以及深度差的鉴定共同地可以是在步骤320中通过成像处理器确定的图像信息的一部分。基于这些图像信息，在步骤330中，可通过成像处理器来确定组织病理。成像处理器可基于与存储图像信息与各种视网膜病理之间关联的查找表通信来评估组织病理。
[0055]在以上讨论的实施方案中，许多包括测量和分析单个A型扫描。然而，方法330鉴定组织病理的效率可通过将目标组织在特定表面点处的深度与所述目标组织的其他表面点处的深度进行比较而得以增加。为了提高这类多个成像过程的效率，方法300可包括使探针沿着扫描线在目标区域上进行扫描以及沿着所述扫描线在一组点处执行A型扫描。可通过扫描处理器将对应于一连串目标点的一组图像数据进行组合。