专利名称：针对光学相干层析x射线摄影技术的眼睛配准的方法
技术领域：
本发明涉及一种执行眼睛检查的方法，并且，具体而言，涉及一种利用光相干层析 X射线摄影技术(OCT)进行眼睛配准的方法。
背景技术：
光相干断层技术正逐渐成为无创人眼视网膜成像中的一种重要手段。使用OCR用 于前成像，对于检测和分析屈光问题、白内障、青光眼、以及其他问题而言，已经显示出了巨 大的前景。然而，眼睛运动使得后续图像的比较变得困难。因此，存在对OCT扫描图像随时间的准确比较的成像过程需要。
发明内容
根据本发明，根据本发明一些实施例的方法包括获得扫描模式扫描结果；根据 扫描结果形成图像；对图像进行配准；根据扫描模式扫描结果生成特征图；在特征图上识 别特征；并且记录特征的位置信息。在本发明的一些实施例中，对图像进行配准可以包括产生补丁图像，并且将所述 补丁图像与基线图像相匹配。在一些实施例中，对图像进行配准可以包括产生仿真扫描激 光检眼镜(SSLO)图像，并且将所述SSLO图像与先前获得的SSLO图像相匹配。参照下列附图，下面进一步描述这些和其他实施例。
图1示出了根据本发明的一些实施例可以使用的OCT扫描仪。图2A和2B示出了根据本发明的针对眼睛配准和特征识别的过程的一些实施例。图3示出了用于获得一系列OCT图像的扫描模式的示例。图4示出了在采样基线图像中采样补丁图像的配准。图5示出了用于获得OCT图像序列的扫描模式，该扫描模式包括可以用于配准的 特征扫描和补丁扫描。图6示出了根据本发明的一些实施例的产生特征图、在特征图中识别特征、以及 记录特征的位置信息的示意图。图7示出了在另一个采样基线图像中的另一个采样补丁图像的配准。图8示出了另一示例扫描模式，该扫描模式包括可以用来获得OCT图像序列的特 征扫描和补丁扫描。
图9示出了根据本发明的一些实施例的特征图的产生、特征图上的特征识别、以 及记录特征的位置信息的示意图。图10示出了用于获得OCT图像序列的扫描模式，该扫描模式包括原始特征扫描和 附加特征扫描，来所配准的特征图，而不使用基线图像和补丁图像。可能之处，具有相同或相似功能的元件有相同的命名。
具体实施例方式图1示出了根据本发明一些实施例的可以在眼睛检查中使用的OCT成像器100的 示例。OCT成像器100包括将光线提供给耦合器103的光源101，耦合器103通过采样臂将 光线引向XY扫描104，并且通过参考臂到光延迟器105。XY扫描器104对通过眼睛109的光 进行扫描，并且收集来自眼睛109的反射光。从眼睛109反射的光在XY扫描104中被捕获， 并且在耦合器103中与从光延迟器105反射的光相组合，以产生干涉信号。将干涉光线耦 合到检测器102中。OCT成像器100可以是时域OCT成像器，其中通过扫描光延时器105获 得深度(或A-扫描结果)，OCT成像器也可以是傅里叶域成像器，其中检测器102是捕获干 涉信号作为波长的函数的分光仪。在任何一种情况下，通过计算机108捕获OCT扫描结果。 利用沿着XY模式的扫描结果的收集，来产生OCT图像。在美国专利No. 7，480，058中描述了 OCT成像器的示例，其全部内容在此通过引用的方式并入本文。在美国申请No. 11/656,075 中公开了一种使用OCT成像器的眼睛检查的方法，在此通过引用的方式全部并入本文。除OCT成像器100之外，根据本发明的用于眼睛检查的装置可以包括摄像机106， 该摄像机可以是眼底摄像机。通过耦合器107将来自摄像机106的光线耦合到OCT成像器 100的采样臂中。耦合器107防止来自于摄像机106光进入耦合器103，而同时将从眼睛 109反射的光(源自于摄像机106)引回到摄像机106中。计算机108接收并分析来自于摄 像机106的图像和来自于OCT成像器100的图像。通过使用图像的组合，可以获得准确且 完整的神经头OCT图像。图像2A示出了根据本发明一些实施例的用于执行眼睛配准和分析的过程。在本 发明的一些实施例中，可以在计算机108中执行一种基于二维OD)或三维(3D)0CT图像执 行眼睛配准的自动方法和装置，以在监控器中或其他接口设备中进行显示。眼底摄像机106 的输出处获得不包括深度信息的2D眼底视频图像。相反地，包括深度信息的OCT图像是通 过检测器102的输出，并且根据它们扫描模式来组合并排列，以根据具体评估作为2D面上 (enface)图像或3D体数据显示，。在一些实施例中，扫描数据可以存储在计算机108中以 用于后续分析。来自于眼底摄像机106的眼底图像也可以存储在计算机108中。在本发明 的一些实施例中，可以对后续图像处理技术的参数进行更鲁棒和有效地计算，以便于医生 做出更准确的诊断。图2A中示出的过程201是根据本发明的一些实施例的用于配准和分析图像的过 程。在步骤203中，如果还未获得基线图像，获得并保存基线图像。在步骤205中，获得扫描 模式图像。扫描模式图像可以包括特征扫描结果和补丁扫描结果。在步骤207中，根据补 丁扫描结果形成补丁图像。在步骤209中，相对于基线图像配准补丁图像。在步骤211中， 根据特征扫描结果中产生特征图。在步骤213中，在特征图中识别特征。在步骤215中，记 录来自于特征图的特征的位置信息。作为此过程的结果，无论是眼睛移动还是单独的血管或其他特征发生改变，在基线图像中可以精确定位补丁图像。然后相对于基线图像识别和 精确定位特征，以便监测特征位置和其他属性的改变。图2B中所示出的过程251示出了根据本发明的用于配准和分析图像的另一个过 程。如图2B所示，在步骤253中获得扫描模式图像。扫描模式图像包括原始特征扫描和附 加特征扫描。在步骤255中，相对于先前获得的扫描模式图像，配准扫描模式图像。在步骤 257中，根据扫描模式图像产生特征图。最后，在步骤259中，记录在特征图中所识别的特征 的位置信息。然后可以随时间以精确的模式跟踪所识别的特征的位置和坐标。在一些实施例中，可以与OCT图像同步拍摄来自于其他模式的图像，例如图1中眼 底摄像机106拍摄的2D眼底视频图像。根据本发明一些实施例获得的3D OCT图像可以在 扫描期间发生眼睛运动和血管位移的情况下，很好执行。如上所述，为了更精确估计眼睛组织结构来诊断眼睛疾病，可使用本发明的一些 实施例。面上图像，例如眼底图像，可通过OCT图像序列的组织反射率的求和来组成。然后， 配准和绘制眼睛组织结构的算法精确提供特征的位置和那些特征随时间特征改变的跟踪。 可以在视网膜中央凹(fovea)的眼睛病理(例如糖尿病视网膜病)的诊断中使用根据本发 明的一些实施例的眼睛配准方法。还可以将这些方法使用在视神经头的眼睛病理诊断中， 例如青光眼。如图2A中的步骤203所示，一些实施例使用如步骤209中执行配准所基于的基线 图像。可以保存基线图像并用于后续研究，例如，逐步分析。图3示出了基线扫描模式300 的示例，此基线扫描模式300可以用来获得OCT图像序列。在这种情况下，包括水平扫描 303和垂直扫描305的扫描模式300被布置为实质上覆盖感兴趣的眼睛特征，例如，视网膜 中央凹或视神经头。然后，根据扫描模式300产生基线图像，类似于通过对全部或部分的所扫描的OCT 图像的组织反射率求和来产生面上图像。图4示出了以这种形式形成的基线图像404。图 4示出了在采样基线图像404中采样补丁图像402的配准。从诸如基线扫描模式300之类 的基线扫描模式中生成基线图像404。从补丁扫描结果中产生补丁图像402。如图4所见， 可以增强并使用特征(例如在基线图像404中的视网膜血管)作为标志来帮助配准补丁图 像402。还可使用其他特征，例如视网膜厚度。图5示出了可以用于产生OTC图像序列的扫描模式500。扫描模式500包括由实 线表示的特征扫描502和由虚线表示的补丁扫描504。如图2A的过程201的步骤211所指 出，根据特征扫描502生成特征图。此外，如步骤207所指出，根据补丁扫描504产生诸如 补丁图像402之类的补丁图像，并且使用此补丁图像在步骤209中与基线图像404配准。可以将从内界膜(ILM)到视网膜色素上皮(RPE)所测量的视网膜厚度用作特征， 并且是一种有用的说明，因为在许多黄斑病的评价中它是一个很重要的考虑因素。伴随水 肿会增加视网膜厚度，这对视觉灵敏度有严重的影响。视网膜内液体的积聚将既会导致视 网膜厚度的增加，又会导致在OCT扫描中可检测到的视网膜组织散射属性的改变。图6示出了说明在图2A的步骤211中实现的特征图的产生在特征图中识别特征、 以及在如过程201的步骤211至215的记录特征的位置信息的示意图。如图6所示，示出 了水平视网膜厚度扫描结果602和垂直视网膜厚度扫描结果604。测量视网膜厚度的重要 定位就在视网膜中央凹中，如在厚度扫描结果602和604中的两个细化区域所示。该点的位置如特征图606的点C所示。这种类型的测量对跟踪由于糖尿病视网膜症引起黄斑水肿 患者特别有用，或者在白内障手术之后用于筛选和随访囊样黄斑水肿患者。另一方面，视网 膜厚度会随着萎缩或散射而缩减。为了说明目的，视网膜厚度图606是特征图的示例。还 可检测和使用特征图中除了视网膜厚度之外的其他特征。根据补丁扫描可产生如补丁图像402的补丁图像，类似于上述基线图像的产生。 使用2D插值技术，根据特征扫描502产生如特征图606之类的特征图。在图6中所示的特 征图606中，点A表示扫描模式500的目标中心，点B表示基线扫描模式300的目标中心， 以及点C表示特征位置，此点在图6中是特征扫描502中的如扫描结果602和604所示的 视网膜中央凹。配准通过在基线图像404中确定补丁图像402的位置，在特征图606中相对于点A 的位置点B。在诸如补丁图像402之类的补丁图像与诸如基线图像404之类的基线图像的 配准之前，如图4所示，处理补丁图像402的标志(例如血管或其他特征)和基线图像404 的标志，来校正由眼睛运动引起的这些特征的位移。例如，由于眼睛运动，在补丁图像402 和/或基线图像404中，血管会变得失真或不连续。然后在边缘跟踪操作之前，对每一个 图像应用细化(骨架化)算法，可获得并校正失真或不连续的位置处的位移量(Δχ，Ay)。 然后，在校正的基线图像中配准所校正的补丁图像。可以在执行配准中使用诸如匹配和自 动校正之类的图像处理方法，来将补丁图像的标志402与基线图像406的相应相同的标志 进行对准。在本发明的一些实施例中，高性能的计算机硬件和技术，例如硬件相关的流传输 SIMD(单指令多数据)流扩展(SSE)，用来提高执行补丁图像402与基线图像404的配准的 速度。在一些实施例中，可在外部的计算系统中完成数据的处理。如前所述，在许多黄斑病的评估中，在特征图中所找到的如特征图606之类的特 征是重要的。例如，经常以视网膜中央凹为中心的早期治疗糖尿病视网膜症研究(ETDRS) 图表通常用于糖尿病视网膜症的诊断。如图6的特征图606所示，可以通过沿着水平扫描 和垂直扫描的OCT图像检测厚度下降，来识别视网膜中央凹(点C)。然而，经常不能正确 地获得视网膜中央凹的位置信息，特别是针对有严重视网膜水肿的患者。可能需要通过有 经验的临床医生对位置信息进行调整。然而，一旦针对特殊患者进行了调整，如下面的步骤 所描述，所调整的位置信息可以与基线图像404—起被记录，并且在后续的扫描中使用。因 此，在本发明的一些实施例中，在存储数据之前，可以通过临床医生对位置信息进行调整。在识别了视网膜中央凹(点C)之后，可计算和记录其在基线图像404中的位置信 息。首先，在特征图606中很容易获得点B和点C之间的位置信息。然后，考虑到扫描分辨 率可能不同，通过简单的坐标变换，在基线图像404中可获得视网膜中央凹(特征图606中 的点C)。因此，当利用扫描模式(例如，图5中所示的扫描模式500)对患者进行另一检查 时，可使用配准方法来计算相对于在特征图606中可能的不同的点A(目标中心)的新点位 置B。因为在基线图像404中已经记录了视网膜中央凹的位置信息，因此可以再次通过简单 的坐标变换，在新产生的特征图606中容易地获得视网膜中心凹位置。针对视神经头的检查也可使用基线图像。一旦获得基线图像，对基线图像进行 保存，并用于进一步的研究，例如逐步分析。可以使用例如图3所示的扫描模式300的模 式来获得OCT图像序列，其中，扫描模式实质上覆盖了感兴趣的眼睛特征，例如，视神经盘 (optic disc)中心。然而，其他的扫描模式可以用于基线，特征和补丁扫描。
图7示出了包括视神经盘中心705在内的采样基线图像703中的补丁图像701的 配准。根据如图8所示的基线扫描模式801产生基线图像703。根据如图8所示的补丁扫 描模式803产生补丁图像701。图8示出了扫描模式800，可使用此扫描模式获得OCT图像序列，其中扫描模式实 质上覆盖了神经头区域705。扫描模式801(实线表示)可以用于形成基线图像703。此外， 可使用扫描模式801来获得特征扫描。扫描模式803(虚线表示)是补丁扫描。如上面所 讨论，使用特征扫描来产生特征图，而使用补丁扫描来产生补丁图像，补丁图像用来相对于 基线图像703的配准。如图8所示，扫描模式801是径向扫描。同样，与面上图像相类似，可以产生基线图像703，并且通过对所扫描的全部或部 分的组织反射率进行求和来组成基线图像703。可以增强诸如视网膜血管之类的特征，并使 用此特征作为标志来帮助配准。在本发明中，图9示出了说明了产生特征图、在特征图中识别特征、以及记录特征 的位置信息的步骤的示意图。如上面所述，可使用从ILM到视网膜神经纤维层(RNFL)所测 量的视网膜厚度作为用于配准的特征。视网膜厚度可以是重要的特征，因为RNFL厚度变薄 可以是神经变性疾病(例如青光眼)的强有力的指示。测量视网膜变薄的重要位置直接与 视神经盘中心相关，图9所示的特征图900中的点C表示该视神经盘中心。如特征图900 中所示的特定示例所示，从视神经盘中心半径1. 725mm区域中的变薄会对视觉精确度有很 严重的影响。在如图9所示的特征图中，圆形扫描903所示的半径分别是1.25mm、1.40mm、 1. 55mm、1. 70mm、1. 85mm以及2. 00mm。将特征图也隔离成区域，包括ST :上颞(Superior Temporal)、IU 聂页上(Temporal Upper)、TL 聂页下(Temporal Lower)、IT Inferior Temporal 下颞、IN 下鼻(Inferior Nasal)、NL 鼻下(Nasal Lower)、NU 鼻上(Nasal Upper)、以及SN:上鼻(Superior Nasal)区域。通过更亮或更暗的阴影可以示出厚度。在 一些情况下，可以对特征图900进行彩色编码，以示出厚度。这种类型测量方法对跟踪青光 眼患者非常有用。例如，在图9中，从视神经盘中心半径1.725范围内的平均厚度值由16 个分段的数据表示，例如STl = 85、ST2 = 99、-SNl = 94。根据这些测量值，临床医生不 但能够获得全局的细化信息，而且能够获得局部的细化的信息(最恶化的区域)。因而，视 神经盘中心的确定以及其精度变得极其重要，特别是针对过程分析。如上所述，图8示出了扫描模式800来获得OCT图像序列，扫描模式800包括特征 扫描801 (实线)，以产生用于诊断的特征图，以及补丁扫描803 (虚线)，以产生用来配准基 线图像703的补丁图像。也可以从扫描801获得基线图像703。如上所述，可以类似于基线图像产生补丁图像701。典型地，使用2D插值技术，根 据图8中的特征扫描801产生特征图900。在特征图900中，点A表示扫描模式801的扫描 中心，点B表示获得基线图像703的基线扫描模式的扫描中心，点C表示特征位置，在该示 例中，点C是视神经盘中心。配准方法在图9中相对于A点位置B点。在如图7所示补丁图像701与基线图像 705的配准之前，处理补丁图像701的标志(例如血管)和基线图像703，来校正由眼睛运 动引起的位移。例如，由于眼睛的运动，在补丁图像701和/或基线图像703中的血管会变 失真或不连续。在边缘跟踪操作之前对每一个图像应用细化(骨架化)算法，可以获得失真或不连续的位置处的位移量(Δχ，Ay)，并用于校正扭曲。然后，校正的补丁和校正的基 线图像用于配准。图像处理技术，例如图像对准和自动校正，可以用于将补丁图像701与基 线图像703匹配。如前所述，高性能的计算技术，例如硬件相关的流传输SIMD (单指令多数 据)扩展(SSE)，可以用于提高执行速度，或者随后在外部的系统中评价图像。如前面所述，在许多黄斑病的评估中，特征图900中的特征是重要的。例如，针对 青光眼的诊断，常常使用RNFL3. 45mm剖面图。此图以半径等于1. 725mm的视神经盘中心为 中心。如图9所示，可以通过沿着由扫描801产生的圆形扫描以及径向扫描的OCT图像检 测视神经盘边缘，来识别视神经盘中心(点C)。然而，通常不能正确获得视神经盘中心的位 置信息，特别是对有严重的黄斑病的患者。有经验的临床医生可能会校正位置信息，并且将 这些校正与基线图像703记录在一起。在识别了视神经盘中心点(点C)之后，可以计算和记录此点在基线图像703中的 位置信息。首先，在特征图900中，可很容易获得点B与点C之间的位置信息。然后，考虑 到扫描分辨率可能不同，通过简单的坐标变换，可以获得基线图像703中的视神经盘中心 位置。因此，当利用诸如图8的扫描模式800之类的扫描模式对患者进行另一检查时，所公 开的配准方法在特征图900中相对于可能不同的点A(目标中心)计算新点位置B。因为在 基线图像703中已经记录了视神经盘中心的位置信息，所以在新产生的特征图中的视神经 盘中心位置同样可以通过简单的坐标变换来容易地获得。在上面的实施例中，补丁图像可以与对应于特征图的区域交叠或者可以不交叠。 在一些实施例中，如图2B的过程251所示，不使用补丁图像或基线图像。取而代之，使用附 加特征扫描来增加扫描密度，使得可以相对于根据特征扫描形成的图像可靠地执行配准。 换句话来说，可使用所有的扫描用来产生特征图。图10示出了在过程251中可以使用的、用于获得OCT图像序列的扫描模式1000。 扫描模式1000包括与实线相对应的原始特征扫描1003和与虚线相对应的附加特征扫描 1005。可以使用特征扫描1003和附加特征扫描1005来产生配准的特征图，例如在图9和 图6中示出的那些特征图，而无需使用基线图像或补丁图像。附加特征扫描1005可以用于 配准。附加扫描在覆盖了特征图的区域内，并且因此所有扫描图像对特征图的产生做出贡 献。在全部的特征扫描1000的基础上，类似于面上图像，可以通过对所扫描的OCT图 像的全部或部分组织反射率求和，来产生2D或3D图像，仿真激光扫描检眼镜(SSLO)图像。 可增强并诸如视网膜血管之类的特征，并将该特征用作用于配准的标志。所产生的图像类 似于如图7所示的基线图像703。此外，可以创建基于特征扫描1000的特征图900。在特征图900中相对于点A定 位点B的配准方法类似于图9所描述的方法，除了点B目前与先前获得的特征图的目标点 相对应以外。在两个SSLO图像的配准之前，处理两个SSLO图像的标志(例如血管)，来校 正其由于眼睛运动引起的位移。然后，所校正的SSLO图像用于配准。可以使用诸如对准和 自动校正之类的图像处理技术来对准两个SSLO图像。高性能的计算技术，例如硬件相关流 传输SIMD (单指令多数据)扩展(SSE)，可以用于提高执行速度。如上所述，在许多黄斑病评估中，特征图中的特征是很重要的。例如，通常用 RNFL3. 45毫米的剖面图来诊断青光眼。该剖面图以视神经盘中心为中心。如图9所示，可以通过检测沿着圆形扫描与径向扫描的OCT图像的盘边缘，来识别视神经盘中心(点C)。 然而，通常不能正确的获取视神经盘中心的位置信息，尤其对严重的黄斑病患者。有经验的 临床医生可能需要调整位置信息，并且如下一步描述，与基线图像一起来记录位置信息。在识别出视神经盘中心(点C)后，可以计算和记录其在基线图像中的位置信息。 首先，可以容易的获取到特征图像900中B点与C点之间的相对位置信息。然后，由于扫描 分辨率可能不同，可以通过简单的坐标变换来获取基线图像中的视神经盘中心位置。因此， 当利用例如图10中的扫描1000的扫描模式来对患者进行另一检查时，所公开的配准方法 计算特征图中相对于可能不同的点A(目标中心)的新点位置B。因为已经记录了基线图像 中视神经盘中心的位置信息，同样可以通过坐标转换，在新生成的特征图中容易地获得视 神经盘中心位置。来自基线扫描的基线图像、来自补丁扫描的补丁图像、或者来自特征扫描的特征 图像的形成可以包括大量图像增强技术。这样的技术包括图像增强、平滑、以及运动检测和 校正。此外，如在将补丁图像与背景图配准或将特征图像与先前获得的特征图配准是所执 行的一样，也可以进行一个图像与另一个图像的匹配。也可以在如图1所示的计算机108 上进行这些图像处理技术，以在作为计算机108的一部分的显示器上向操作员显示。备选 地，也可以将图1中所示的扫描仪100的数据下载到另一台计算机，用于最终数据分析。在本发明的一些实施例中，可以通过分析扫描仪形成的图像来自动识别特征。例 如，可以通过位置厚度图中的最小值来检测作为特征的视网膜中央凹厚度图代表视网膜 IML层到IPL层或RPE层之间的距离。作为另一个示例，也可以通过在包含视神经盘的图像 中定位视神经盘边缘和计算视神经盘边缘的几何中心来识别视神经盘中心。例如，可以在 连同OCT扫描一起获得的面上图像中确定视神经盘边缘。本发明的一些实施例已经公开如上。应理解这些实施例仅是本发明的示例，不能 限制本发明。不脱离本发明精神的前提下，还可以对部件和元件其做大量的重新排列与修 改。因此，本发明仅限制于所附权利要求。
权利要求
1.一种眼睛配准的方法，包括 获得扫描模式扫描结果； 根据所述扫描结果形成图像； 对图像进行配准；根据所述扫描模式扫描结果产生特征图； 在特征图上识别特征；以及 记录特征的位置信息。
2.根据权利要求1所述的方法，其中，根据所述扫描结果形成图像包括形成补丁图像。
3.根据权利要求2所述的方法，其中，对图像进行配准包括将补丁图像与基线图像的 相应分部相匹配。
4.根据权利要求3所述的方法，还包括 获得基线模式扫描结果；根据所述基线模式扫描结果产生基线图像。
5.根据权利要求1所述的方法，其中，对图像进行配准包括相对于先前获得的扫描模 式扫描结果进行配准。
6.根据权利要求1所述的方法，其中，获得扫描模式扫描结果包括获得特征扫描结果 和补丁扫描结果。
7.根据权利要求6所述的方法，其中，产生特征图包括根据特征扫描结果形成图像。
8.根据权利要求1所述的方法，其中，获得扫描模式扫描结果包括获得特征扫描结果 和附加特征扫描结果。
9.根据权利要求8所述的方法，其中，产生特征图包括根据特征扫描结果形成图像， 并且对扫描模式图像进行配准包括将根据附加特征扫描结果形成而形成的图像与先前获 取的特征扫描图像进行配准。
10.根据权利要求1所述的方法，其中，特征图表示从视网膜ILM到RPE层、或从视网膜 ILM到RNFL层的厚度测量的特征。
11.根据权利要求1所述的方法，其中，对图像进行配准包括2D面上和3DOCT图像处 理步骤。
12.根据权利要求11所述的方法，其中，2D面上和3DOCT图像处理步骤包括图像增强。
13.根据权利要求11所述的方法，其中，2D面上和3DOCT图像处理步骤包括平滑。
14.根据权利要求11所述的方法，其中，2D面上和3DOCT图像处理步骤包括运动检测。
15.根据权利要求11所述的方法，其中，2D面上和3DOCT图像处理步骤包括图像匹配。
16.根据权利要求11所述的方法，其中，2D面上和3DOCT图像处理步骤包括细化和边 @足艮S宗。
17.根据权利要求1所述的方法，其中，识别特征包括在表示视网膜ILM层到IPL层 或RPE层之间的距离的厚度图中定位最小值。
18.根据权利要求1所述的方法，其中，识别特征包括定位视神经盘边界，并且通过确 定视神经盘边界的几何中心来确定视神经盘中心。
19.根据权利要求18所述的方法，其中，根据与扫描的OCT图像一起形成的面上图像，获得视神经盘边界。
20.根据权利要求1所述的方法，其中，处理扫描模式扫描结果，来产生仿真扫描激光 检眼镜(SSLO)图像，并且，对图像进行配准包括对SSLO图像进行配准。
21.根据权利要求20所述的方法，其中，对SSLO图像进行配准包括相对于另一先前 产生的SSLO图像，对SSLO图像进行配准。
全文摘要
公开了一种在眼睛配准和检查中使用的方法，本方法的一些实施例包括获得扫描模式扫描结果；根据扫描结果形成图像；配准图像；根据扫描模式扫描结果产生特征图；在特征图上识别特征；并且记录特征的位置信息。
文档编号A61B3/12GK102056533SQ200980121844
公开日2011年5月11日 申请日期2009年4月14日 优先权日2008年4月14日
发明者章本魁, 邓元木, 陆淑慎, 魏励志 申请人:光视有限公司