用于眼像差测量系统和方法的干眼缓解与流程

1.本披露内容的一个或多个实施例总体上涉及眼像差测量，更具体地例如涉及用于改进临床或术中眼像差测量的系统和方法。


背景技术：

2.眼睛手术可以包括重塑眼睛的角膜和/或表面、插入和/或更换眼内装置和/或人造眼内透镜(iol)、和/或眼睛的有源光学部件的其他手术操纵。为了获得最佳的术后视觉结果，良好的术前临床评估和手术计划以及对手术计划执行的术中监测是至关重要的。
3.由眼像差计执行的眼像差测量典型地是用于在手术前表征眼睛、监测手术进展、以及评估手术成功的通用方法。常规的眼像差计经常存在与眼睛运动和/或像差计本身的未对准和光学像差相关联的各种测量误差，这可能导致手术计划不准确和患者的手术或视力结果次优。此外，常规的眼像差计经常结合测量和表征技术，这些技术可能将不准确性引入到眼睛的所得像差表征中，从而使眼睛的准确像差测量的恢复复杂化。
4.因此，本领域需要用于改进临床和/或术中眼像差测量的系统和方法，从而为患者带来优化的手术或视力结果。


技术实现要素：

5.披露了用于提供改进的眼像差测量的系统和方法的技术。根据一个或多个实施例，眼像差测量系统可以包括被配置为提供与由眼像差测量系统监测的光学目标相关联的波前传感器数据的波前传感器和被配置为与波前传感器通信的逻辑装置。逻辑装置可以被配置为至少部分地基于与眼像差测量系统相关联的像差计模型和/或眼睛模型来确定用于眼像差测量系统的复杂分析引擎，其中，像差计模型和眼睛模型是至少部分地基于由波前传感器提供的波前传感器数据。逻辑装置还可以被配置为至少部分地基于所确定的复杂分析引擎来生成用于眼像差测量系统的紧凑分析引擎
6.在其他实施例中，一种方法可以包括至少部分地基于与眼像差测量系统相关联的像差计模型和/或眼睛模型来确定用于眼像差测量系统的复杂分析引擎，其中，像差计模型和眼睛模型是至少部分地基于由眼像差测量系统的波前传感器提供的波前传感器数据；以及至少部分地基于所确定的复杂分析引擎来生成用于眼像差测量系统的紧凑分析引擎。
7.根据一些实施例，一种非暂时性机器可读介质可以包括多个机器可读指令，当被一个或多个处理器执行时，这些指令适于使一个或多个处理器执行方法。该方法可以包括至少部分地基于与眼像差测量系统相关联的像差计模型和/或眼睛模型来确定用于眼像差测量系统的复杂分析引擎，其中，像差计模型和眼睛模型是至少部分地基于由眼像差测量系统的波前传感器提供的波前传感器数据；以及至少部分地基于所确定的复杂分析引擎来生成用于眼像差测量系统的紧凑分析引擎。
8.在进一步的实施例中，眼像差测量系统可以包括被配置为提供与由眼像差测量系统监测的光学目标相关联的波前传感器数据的波前传感器和被配置为与波前传感器通信
的逻辑装置。逻辑装置可以被配置为接收至少包括由波前传感器提供的波前传感器数据的眼像差测量输出数据，至少部分地基于所接收的眼像差测量输出数据来确定对应于由眼像差测量系统监测的光学目标的相对位置和/或取向的估计的眼对准偏差，以及至少部分地基于估计的眼对准偏差来生成对应于所接收的眼像差测量输出数据的用户反馈。
9.在其他实施例中，方法可以包括从包括波前传感器的眼像差测量系统接收眼像差测量输出数据，其中，眼像差测量输出数据至少包括与由眼像差测量系统监测的光学目标相关联的波前传感器数据，至少部分地基于所接收的眼像差测量输出数据来确定对应于由眼像差测量系统监测的光学目标的相对位置和/或取向的估计的眼对准偏差，以及至少部分地基于估计的眼对准偏差来生成对应于所接收的眼像差测量输出数据的用户反馈。
10.根据一些实施例，一种非暂时性机器可读介质可以包括多个机器可读指令，当被一个或多个处理器执行时，这些指令适于使一个或多个处理器执行方法。方法可以包括从包括波前传感器的眼像差测量系统接收眼像差测量输出数据，其中，眼像差测量输出数据至少包括与由眼像差测量系统监测的光学目标相关联的波前传感器数据，至少部分地基于所接收的眼像差测量输出数据来确定对应于由眼像差测量系统监测的光学目标的相对位置和/或取向的估计的眼对准偏差，以及至少部分地基于估计的眼对准偏差来生成对应于所接收的眼像差测量输出数据的用户反馈。
11.在进一步的实施例中，眼像差测量系统可以包括被配置为提供与由眼像差测量系统监测的光学目标相关联的波前传感器数据的波前传感器和被配置为与波前传感器通信的逻辑装置。逻辑装置可以被配置为接收至少包括由波前传感器提供的波前传感器数据的眼像差测量输出数据，识别在所接收的眼像差测量输出数据中的成像伪影引起的奇异性，至少部分地基于所识别的奇异性和所接收的眼像差测量输出数据来确定校正的像差测量输出数据，并且至少部分地基于所校正的像差测量输出数据来生成对应于所接收的眼像差测量输出数据的用户反馈。
12.在其他实施例中，方法可以包括从包括波前传感器的眼像差测量系统接收眼像差测量输出数据，其中，眼像差测量输出数据至少包括与由眼像差测量系统监测的光学目标相关联的波前传感器数据，识别在所接收的眼像差测量输出数据中的成像伪影引起的奇异性，至少部分地基于所识别的奇异性和所接收的眼像差测量输出数据来确定校正的像差测量输出数据，并且至少部分地基于所校正的像差测量输出数据来生成对应于所接收的眼像差测量输出数据的用户反馈。
13.根据一些实施例，一种非暂时性机器可读介质可以包括多个机器可读指令，当被一个或多个处理器执行时，这些指令适于使一个或多个处理器执行方法。方法可以包括从包括波前传感器的眼像差测量系统接收眼像差测量输出数据，其中，眼像差测量输出数据至少包括与由眼像差测量系统监测的光学目标相关联的波前传感器数据，识别在所接收的眼像差测量输出数据中的成像伪影引起的奇异性，至少部分地基于所识别的奇异性和所接收的眼像差测量输出数据来确定校正的像差测量输出数据，并且至少部分地基于所校正的像差测量输出数据来生成对应于所接收的眼像差测量输出数据的用户反馈。
14.在进一步的实施例中，眼像差测量系统可以包括被配置为提供与由眼像差测量系统监测的光学目标相关联的波前传感器数据的波前传感器和被配置为与波前传感器通信的逻辑装置。逻辑装置可以被配置为接收至少包括由波前传感器提供的波前传感器数据的
眼像差测量输出数据，至少部分地基于所接收的眼像差测量输出数据来确定与光学目标相关联的泪膜水合状态，并且至少部分地基于所接收的像差测量输出数据和/或所确定的泪膜水合状态来生成对应于所确定的泪膜水合状态的用户反馈。
15.在其他实施例中，方法可以包括从包括波前传感器的眼像差测量系统接收眼像差测量输出数据，其中，眼像差测量输出数据至少包括与由眼像差测量系统监测的光学目标相关联的波前传感器数据，至少部分地基于所接收的眼像差测量输出数据来确定与光学目标相关联的泪膜水合状态，并且至少部分地基于所接收的像差测量输出数据和/或所确定的泪膜水合状态来生成对应于所确定的泪膜水合状态的用户反馈。
16.根据一些实施例，一种非暂时性机器可读介质可以包括多个机器可读指令，当被一个或多个处理器执行时，这些指令适于使一个或多个处理器执行方法。方法可以包括从包括波前传感器的眼像差测量系统接收眼像差测量输出数据，其中，眼像差测量输出数据至少包括与由眼像差测量系统监测的光学目标相关联的波前传感器数据，至少部分地基于所接收的眼像差测量输出数据来确定与光学目标相关联的泪膜水合状态，并且至少部分地基于所接收的像差测量输出数据和/或所确定的泪膜水合状态来生成对应于所确定的泪膜水合状态的用户反馈。
17.本发明的范围由权利要求限定，这些权利要求通过引用并入本部分。通过考虑以下对一个或多个实施例的详细描述，本领域技术人员可以更全面地理解本发明的实施例，并且可以实现本发明的附加优点。将参考将首先简要描述的附图的所附页。
附图说明
18.图1图示了根据本披露内容的实施例的眼像差测量系统的框图。
19.图2a至图2b图示了根据本披露内容的实施例的眼像差测量系统的像差测量表征目标的框图。
20.图3图示了根据本披露内容的实施例的眼像差测量系统的框图。
21.图4图示了根据本披露内容的实施例的表征眼像差测量系统的过程的流程图。
22.图5图示了根据本披露内容的实施例的操作眼像差测量系统的过程的流程图。
23.图6图示了根据本披露内容的实施例的多层神经网络的图。
24.图7a至图7c图示了根据本披露内容的实施例的用于在眼像差测量系统中减少成像伪影引起的误差的过程的程序图。
25.图8图示了根据本披露内容的实施例的操作眼像差测量系统的过程的流程图。
26.图9图示了根据本披露内容的实施例的监测用于眼像差测量系统的泪膜水合的过程的程序图。
27.图10图示了根据本披露内容的实施例的用于监测用于眼像差测量系统的泪膜水合的显示视图。
28.图11图示了根据本披露内容的实施例的操作眼像差测量系统的过程的流程图。
29.通过参考下面的具体实施方式，可以最好地理解本发明的实施例及其优点。应当理解，相同的附图标记用于识别在一个或多个图中图示的相同的元素。
具体实施方式
30.根据本披露内容的各种实施例，眼像差测量系统和方法提供了对患者的眼睛的像差的基本上实时的测量和监测，减少了常规系统中典型的系统和测量误差。例如，当患者的眼睛在眼像差测量或检查期间注视时，眼睛会自然漂移。这种注视漂移包括眼睛的翻眼、斜看、扭转，以及x、y和z位置的变化。这些对准偏差会导致在对眼睛的波前表征像差的计算中出现误差。如果这些对准偏差的平均值接近于零，则对检查图像流的各个帧的波前像差测量值进行平均就足以消除大部分由未对准引起的误差。当已知检查序列的对准偏差的平均值不接近零、或者无法确认对准偏差具有接近零的均值时，可以使用本文所述的各种策略来减少测量误差或噪声，包括平均波前传感器数据(例如，由泽尼克多项式展开表示)之一或其组合，其中对准偏差不超过预设阈值，使用(本文所述的)复杂分析方法来校正波前传感器数据中的基于未对准的误差，基于应用于一系列波前测量值的聚类分析和/或基于眼球跟踪仪数据来确定眼睛的注视状态(例如，针对每个波前测量值)。估计的对准偏差和/或其对波前测量值的影响可以被减小到眼对准偏差度量，并且作为具有对应图形的显示视图被提供给眼像差测量系统的用户，或者用于使眼像差测量系统忽略来自检查图像序列的图像或中止和/或重新开始检查。如此，实施例提供了基本上实时的监测反馈，同时提供比常规系统更可靠和准确的像差测量测量值，比如通过降低由于在检查图像序列期间眼睛运动而导致的在临床和术中眼像差测量检查中的可变性。
31.在本披露内容的附加实施例中，眼像差测量系统和方法提供了一种平台和技术来准确地表征系统像差并校正波前传感器数据，否则这些数据将被与患者的眼睛相关联的对准偏差劣化。例如，为了考虑由系统像差引起或在眼睛运动期间产生的可能误差，本文所述的眼像差测量系统可以采用两种独特的校准形式中的一种或多种形式来进行准确的高阶像差(hoa)分析：系统表征过程、以及复杂分析训练过程。
32.对于系统表征过程，眼像差测量系统可以用于测量由模型目标生成的一系列参考干涉图(例如，波前传感器数据的形式)，该模型目标被配置为向具有基本上零对准偏差的眼像差测量系统呈现基本上单一类型的可变像差(例如，散焦像差)。参考干涉图可以用于表征和/或量化特定眼像差测量系统的任何系统像差，这可以用于校正由该特定眼像差测量系统的波前传感器提供的波前传感器数据，比如通过在随后的分析之前去除系统像差。
33.对于复杂分析训练过程，眼像差测量系统可以用于捕获使用模型目标生成的波前测量值组，该模型目标被配置为向在模型目标的像差元素的翻眼、斜看、扭转以及x、y和z位置中具有可变对准偏差的眼像差测量系统呈现不同类型和变化强度的像差选择(例如，泽尼克展开系数高达6阶)。波前测量值组可以用于训练和/或改进由眼像差测量系统执行的复杂分析引擎，并且例如被配置为基于未校正的波前传感器数据来生成基本上准确的估计的对准偏差和/或校正的波前传感器数据、或未校正的波前传感器数据与如本文所述的眼球跟踪仪数据的组合。如此，实施例提供比常规系统更可靠和准确的像差测量测量值，比如通过由于减少由系统像差和离轴或偏斜眼像差测量测量值导致的误差而增加像差测量测量值的精度和准确度。而且，实施例通过增加可以被准确地补偿或校正并且因此包括在特定检查中(例如，在检查图像序列的给定图像中存在和/或检测到)的对准偏差的范围来提供更稳健(例如，可靠和快速)的像差测量系统。
34.在本披露内容的其他实施例中，眼像差测量系统和方法提供了校正波前传感器数
据的技术，否则这些数据将被与患者的眼睛相关联的成像伪影劣化。例如，为了考虑在眼睛表征过程期间由玻璃体气泡和/或其他图像伪影的成像引起的可能误差，本文所述的眼像差测量系统可以将波前传感器数据(例如，眼睛的干涉图的表示)分解为一种包括相位分量(例如，空间相位分量)的形式，该相位分量可以被加权以减少或消除波前传感器数据中导致误差的部分。
35.在本披露内容的其他实施例中，眼像差测量系统和方法提供在像差测量检查期间监测泪膜水合(例如，干眼)的技术，以帮助缓解脱水(例如，相对低的泪膜水合)对对应的波前传感器数据的不利影响。例如，本文所述的眼像差测量系统可以向临床医生或外科医生提供基本上实时的反馈，以例如省略被相对较差的泪膜水合劣化的波前传感器数据、提示患者眨眼、提示操作员或外科医生供应盐水、和/或提供如本文所述的其他干眼缓解技术。
36.图1图示了根据本披露内容的实施例的眼像差测量系统100的框图。在图1所示的实施例中，眼像差测量系统100可以被实现以提供对光学目标102(例如，患者的眼睛)基本上实时的(例如，30hz更新)监测，同时连续地补偿常见的表征误差，比如患者运动、系统光学像差、热变化、振动和/或其他表征误差，否则将劣化由眼像差测量系统100提供的眼像差测量。
37.如图1所示，眼像差测量系统100包括生成探测束111的信标110，该信标用于为眼像差测量系统100的波前传感器120和/或其他元件照亮光学目标102。眼像差测量系统100还可以包括各种其他传感器特定信标和/或光源，比如用于为眼球跟踪仪130照亮光学目标102的发光二极管(led)阵列132、以及用于生成oct探测束124以便为oct传感器122照亮光学目标102的oct信标123。分束器112-116用于向光学目标102提供探测束111并生成来源于光学目标102的相关联传感器束113、115、117(例如，探测束111、探测束124、以及由led阵列132生成、被光学目标102反射的光的一部分)。信标110、oct信标123、led阵列132、以及眼像差测量系统100的每个传感器元件可以由控制器140控制(例如，通过通信链路141-144)，并且控制器140也可以用作在信标110、oct信标123、led阵列132、和眼像差测量系统100的传感器元件与眼像差测量系统100的其他元件之间的接口，这些其他元件包括用户接口146、服务器150、分布式服务器154和如图所示的其他模块148(例如，通过可选的通信链路145、149和155访问)。
38.在典型的操作中，控制器140初始化波前传感器120、可选的oct传感器122、和可选的眼球跟踪仪130中的一个或多个，控制信标110、oct信标123、和/或led阵列132以照亮光学目标102，并且接收来自眼像差测量系统100的各种传感器元件的眼像差测量输出数据(例如，波前传感器数据、眼球跟踪仪数据、oct传感器数据)。如本文所述，控制器140可以处理眼像差测量输出数据本身(例如，以检测或校正对准偏差和/或从波前传感器数据中提取像差参数)或可以将眼像差测量输出数据提供给服务器150和/或分布式服务器系统154(例如，通过网络152)来进行处理。控制器140和/或服务器150可以被配置为在用户接口146处接收用户输入(例如，以控制眼像差测量系统100的操作)和/或生成用户反馈以经由用户接口146的显示器向用户显示，比如本文所述的眼像差测量输出数据和/或眼像差测量输出数据的特征的显示视图。控制器140、服务器150、和/或分布式服务器系统154可以被配置为存储、处理、和/或以其他方式操纵与眼像差测量系统100的操作和/或表征相关联的数据，例如，包括机器学习和/或训练复杂分析引擎(例如，基于神经网络的分类和/或回归引擎)以
表征眼像差测量系统100的系统像差、检测与光学目标102相关联的对准偏差、和/或校正如本文所述的波前传感器数据和/或相关联的像差分类系数。在各种实施例中，眼像差测量系统100可以被配置为提供对光学目标102的光学像差测量的基本上实时的监测和用户反馈(例如，30hz或更高频率更新)，同时连续地补偿如本文所述的常见的表征误差，这使眼像差测量系统100特别适用于临床和术中检查。
39.信标110可以通过激光源(例如，产生显著相干光)和/或超辐射发光二极管(例如，产生相对低的相干光的“sld”)来实现，它们可以由控制器140控制以产生主要用于波前传感器120的探测束111。oct信标123可以通过激光源和/或超辐射发光二极管(例如，产生相对低的相干光，其特别适用于oct传感器122)来实现，它们可以由控制器140控制以产生主要用于oct传感器122的oct探测束124。在各种实施例中，oct信标可以与oct传感器122集成，如图所示，可以与例如信标110集成，和/或可以被实现为它自己的独立信标，类似于信标110(例如，使用适当的分束器布置)。led阵列132可以通过成形或图案化的led阵列来实现，其可以由控制器140控制以照亮主要用于眼球跟踪仪130的目标102。分束器112-116可以通过多个光学部件(例如，薄膜分束器、镜像表面)中的任何一个来实现，这些光学部件被配置为将探测束111瞄准和/或穿过光学目标102并使探测束111的至少一部分和/或由光学目标102生成的源束(例如，探测束111或124和/或从led阵列132发射的光的反射部分)转向眼像差测量系统100的各种传感器元件以形成传感器束113-117(例如，传感器束)。光学目标102可以是例如患者眼睛，或者可以通过单程(探测束111关闭而光学目标102生成其自身的照明)或双程(例如，探测束111开启的正常操作)模型目标来实现，例如，如本文所述。
40.波前传感器120可以被实现为装置或装置架构中的任何一个或组合，其被配置为测量光学波前(比如通过探测束111从光学目标102的至少一个反射生成的传感器束117的光学波前)的像差，并且波前传感器120可以被配置为提供相关联的波前传感器数据。例如，波前传感器120可以被实现为夏克-哈特曼(shack-hartmann)波前传感器、相移纹影技术波前传感器、波前曲率传感器、金字塔波前传感器、共路径干涉仪、多边剪切干涉仪、ronchi测试仪、剪切干涉仪、和/或其他能够被配置用于眼科的波前传感器中的任何一个或组合。由波前传感器120提供的波前传感器数据可以以多种格式来表示，包括泽尼克系数，例如，傅立叶、余弦或哈特莱变换(hartley transform)，或在圆柱或笛卡尔坐标中的泰勒多项式(taylor polynomial)，或作为干涉图。
41.oct传感器122可以被实现为被配置为使用相对低的相干光和低相干干涉测量法来从光学散射介质(比如光学目标102)内捕获微米和/或亚微米分辨率的二维和三维图像的装置或装置架构中的任何一个或组合，并且被配置为提供相关联的oct传感器数据。例如，oct传感器122可以被实现为能够被配置用于眼科的oct传感器架构中的任何一个或组合。眼球跟踪仪130可以被实现为被配置为跟踪光学目标102的取向和/或位置和/或光学目标102的特征(例如，视网膜、瞳孔、虹膜、角膜、晶状体)的装置或装置架构中的任何一个或组合，包括常规的眼球跟踪仪或眼底相机，并且被配置为提供相关联的眼球跟踪仪数据。在一些实施例中，眼球跟踪仪130可以被配置为捕获与目标102相关联的一种或多种类型的浦肯野反射的图像。
42.控制器140可以被实现为可以适于执行、存储、和/或接收适当的指令的任何适当的逻辑装置(例如，处理装置、微控制器、处理器、专用集成电路(asic)、现场可编程门阵列
(fpga)、存储器存储装置、存储器读取器或其他装置或装置的组合)，这些指令是比如实现控制回路或过程以用于控制例如眼像差测量系统100和/或眼像差测量系统100的元件的各种操作的软件指令。这种软件指令还可以实现用于处理传感器信号、确定传感器信息、提供用户反馈(例如，通过用户接口146)、查询装置的操作参数、选择装置的操作参数、或执行本文所述的各种操作(例如，由眼像差测量系统100的各种装置的逻辑装置执行的操作)中的任一个的方法。
43.此外，机器可读介质可以被提供用于存储用于加载到控制器140中并由该控制器执行的非暂时性指令。在这些和其他实施例中，控制器140可以在适当的情况下用其他部件来实现，比如易失性存储器、非易失性存储器、一个或多个接口、和/或用于与眼像差测量系统100的装置连接的各种模拟和/或数字部件。例如，控制器140可以适于例如随着时间的推移存储传感器信号、传感器信息、复杂分析参数、校准参数、校准点组、训练数据、参考数据、和/或其他操作参数，并且将这种存储的数据提供给眼像差测量系统100的其他元件。在一些实施例中，控制器140可以与用户接口146集成。
44.用户接口146可以被实现为显示器、触摸屏、键盘、鼠标、控制杆、旋钮、虚拟现实头戴式设备和/或任何能够接受用户输入和/或向用户提供反馈的其他装置中的一个或多个。在各种实施例中，用户接口146可以适于向眼像差测量系统100的其他装置(比如控制器140)提供用户输入。用户接口146还可以被实现为具有一个或多个逻辑装置，逻辑装置可以适于执行指令、比如软件指令，从而实现本文所述的各种过程和/或方法中的任何一个。例如，用户接口146可以适于形成通信链路、发送和/或接收通信(例如，传感器数据、控制信号、用户输入和/或其他信息)、确定一个或多个操作的参数、和/或执行本文所述的各种其他过程和/或方法。
45.在一些实施例中，用户接口146可以适于接受用户输入，例如，以形成通信链接(例如，到服务器150和/或分布式服务器系统154)、选择用于眼像差测量系统100的操作的特定参数、选择处理传感器数据的方法、调整铰接式模型目标的位置和/或取向、和/或以其他方式促进眼像差测量系统100和眼像差测量系统100内的装置的操作。一旦用户接口146接受了用户输入，用户输入就可以通过一个或多个通信链路被传输到系统100的其他装置。在一个实施例中，用户接口146可以适于显示各种传感器数据和/或其他参数的时间序列，作为包括这种数据和/或参数的图表或地图的显示的一部分。在一些实施例中，用户接口146可以适于接受用户输入，从而例如修改控制器140的控制回路或过程参数、或眼像差测量系统100的任何其他元件的控制回路或过程参数。
46.其他模块148可以包括传感器和/或装置中的任何一个或组合，传感器和/或装置被配置为方便眼像差测量系统100的操作。例如，其他模块148可以包括被配置为测量与眼像差测量系统100的一个或多个元件的操作相关联的一个或多个温度的温度传感器、被配置为测量眼像差测量系统100周围的环境湿度的湿度传感器、被配置为测量与眼像差测量系统100的操作相关联的振动幅度和/或存在的振动传感器、被配置为测量患者供应光学目标102的姿势、运动或其他表征的患者传感器、和/或其他能够提供有助于方便眼像差测量系统100的操作和/或校正眼像差测量系统100的操作中典型的常见系统误差的传感器数据的传感器。在附加实施例中，其他模块148可以包括附加照明与相机系统，类似于led阵列132和眼球跟踪仪130的组合，该照明与相机系统被配置为捕获与目标102相关联的一种或
多种类型的浦肯野反射的图像。
47.例如，服务器150可以类似于控制器140来实现，并且可以包括个人计算机或服务器计算机的各种元件，这些元件用于存储、处理和/或以其他方式操纵与一个或多个患者相关联的相对较大的数据组，例如，包括如本文所述的相对较大的训练数据组，以训练神经网络或实现其他类型的机器学习。例如，分布式服务器系统154可以被实现为控制器140和/或服务器150的多个实施例的分布式组合，并且可以包括联网和存储装置以及被配置为方便对相对较大的数据组(包括如本文所述的相对较大的训练数据组)进行存储、处理和/或其他操纵的能力，以训练神经网络或在分布式事物中实现其他类型的机器学习。网络152可以被实现为有线和/或无线网络、局域网、广域网、互联网、蜂窝网络、和/或根据其他网络协议和/或拓扑结构中的一个或多个。
48.图2a至图2b图示了根据本披露内容的实施例的用于眼像差测量系统100的像差测量表征目标202a-b的框图。在图2a所示的实施例中，像差测量表征目标202a可以被实现为单程模型目标，该单程模型目标被配置为表征与眼像差测量系统100相关联的光学像差。如图2a所示，像差测量表征目标/单程模型目标202a包括激光器或sld源260，其通过透镜系统262生成源束211并且沿着光学像差系统100的光轴被定向(例如，与离开分束器116的探测束111对准)。在各种实施例中，例如，源260可以被配置为生成具有可控聚散度焦度的发散球面波前、具有可控聚散度焦度的会聚球面波前、或具有零焦度的平面波。透镜系统262经由安装座265联接到线性运动致动器264，这允许透镜系统262沿其光轴移动以改变单程模型目标202a的散焦像差以生成多个参考干涉图和对应的波前传感器数据(例如，由波前传感器120提供)。例如，这种参考干涉图和/或对应的波前传感器数据可以被聚合并存储为图3的像差计模型360，并且用于校正如本文所述的与眼像差测量系统100相关联的系统像差。
49.在一些实施例中，透镜系统262可以被实现为美国国家标准与技术研究院(nist)的可跟踪透镜，并且线性运动致动器264可以被实现为相对高精度的致动器台，该致动器台被配置为将透镜系统262定位在与源260间隔开的一组位置处以生成具有已知和预定义散焦焦度(例如，散焦像差)的源束211，这些散焦焦度比如为-12至6屈光度或0至+-5屈光度，例如步长为5.0d或以更高分辨率的步长，根据由眼像差测量系统100监测的患者通常经历的散焦像差的范围。所得像差计模型360可以用于补偿各种系统像差，这些系统像差包括可归因于散粒噪声、热变化、和振动的系统像差。
50.如图2b所示，像差测量表征目标/双程模型目标202b包括可互换的眼像差模型270，该眼像差模型经由一个或多个安装座273被可释放地联接到六自由度(6dof)运动致动器272，其中6dof运动致动器272被配置为改变可互换的眼像差模型270的位置和/或取向以生成多个选定的(例如，已知的)对准偏差(例如，相对于眼像差测量系统100的光轴)和对应的多个波前传感器数据组。例如，这种对准偏差和对应的波前传感器数据可以被聚合并存储为图3的眼睛模型370，并且用于训练如本文所述的复杂分析引擎或紧凑分析引擎，以检测与眼目标102相关联的对准偏差并且校正对应的波前传感器数据。
51.在一些实施例中，可互换的眼像差模型270可以形成一组可互换的眼像差模型中的一个元素，每个模型形成有精确量的预定义眼像差(例如，由精确和预定义的泽尼克系数幅度表示，比如以微米为单位表示的泽尼克展开到6阶的幅度)。在一个实施例中，可以使用透明聚(甲基丙烯酸甲酯)(pmma)在隐形眼镜车床上切割这种可互换的眼像差模型。更一般
地，这种可互换的眼像差模型可以由具有可追溯性至nist的第3方轮廓仪来测量，用于与由眼像差测量系统100执行的测量值进行地面真值比较。在各种实施例中，6dof运动致动器272可以被配置为提供可互换的眼像差模型270沿着x、y和z轴的微米分辨率定位、和可互换的眼像差模型270关于θy(翻眼)、θx(斜看)和θz(扭转)方向的微弧度定向，如代表性坐标系280a-b所示。
52.在一般操作中，该组(例如，一组10个或更多换人)中的每个可互换的眼像差模型270可以依次被安装到6dof运动致动器272，并且控制器140可以被配置为控制6dof运动致动器272以将可互换的眼像差模型270定位或定向在由眼像差测量系统100监测的患者通常经历的对准偏差范围内的一组相对位置和/或取向(例如，相对于眼像差测量系统100的光轴)处。在一个实施例中，对准偏差组可以包括大约40,000个不同的对准偏差。在各种实施例中，将对准偏差组和(例如，由波前传感器120提供的)对应的波前传感器数据组组合可以形成受监督数据组(例如，眼睛模型370)，该受监督数据组可以用于确定如本文所述的复杂或紧凑的分析引擎。这种分析引擎可以用于补偿光学目标102的对准偏差，这些对准偏差也可以由眼球跟踪仪130来测量。更一般地，由像差测量表征目标202a-b执行的表征的组合可以用于补偿或校正由光学目标102的未对准引起的波前传感器数据中的系统像差和误差两者。
53.图3图示了根据本披露内容的实施例的眼像差测量系统300的框图。在图3所示的实施例中，眼像差测量系统300可以被配置为使用由眼像差测量系统100通过像差测量表征目标202a-b生成的表征数据来生成复杂分析引擎350和/或紧凑分析引擎340，这些引擎可以在眼像差测量系统100的操作期间被用于提供对光学目标102的光学像差测量的基本上实时的监测和用户反馈(例如，30hz或更高频率更新)，同时连续地补偿如本文所述的常见的表征误差。
54.如图3所示，眼像差测量系统300类似于眼像差测量系统100，但是具有关于在眼像差测量系统100或300的操作中使用的各种数据结构和可执行程序指令的附加细节。例如，控制器140被示出被实现为具有紧凑分析引擎340现，并且服务器150和分布式服务器系统154各自被示出为被实现为具有或存储像差计模型360、眼睛模型370、训练数据392、受监督学习引擎390、复杂分析/神经网络引擎350、和紧凑分析引擎340中的一个或多个。虚线通常指示特定元件的可选存储和/或实现，但是在各种实施例中，控制器140、服务器150和分布式服务器系统154中的每一个可以实现或存储任何所识别的元件和/或如本文所述的附加元件。
55.一般而言，像差计模型360可以通过聚合与单程模型目标202a的使用相关联的传感器数据来生成以表征眼像差测量系统100，眼睛模型370可以通过聚合与双程模型目标202b的使用相关联的传感器数据来生成以表征与光学目标102相关联的参数空间，训练数据392可以通过结合像差计模型360和/或眼睛模型370和/或通过生成和聚合模拟的训练数据组来生成，如本文关于图6的元素描述的。受监督学习引擎350可以被实现为静态学习引擎和/或根据被配置为使用训练数据392生成复杂分析引擎350的程序生成学习引擎(例如，遗传算法可更新学习引擎)。例如，复杂分析引擎350可以被实现为深度神经网络，和/或可以使用其他复杂分析方法论来实现，包括其他各种神经网络架构或复杂分析方法论，包括用于如本文所述的分类和/或回归的密集k最近邻(k-nn)数据库。紧凑分析引擎340可以被
实现为复杂分析引擎350的紧凑形式，比如更适合于由控制器140执行的相对低资源但高性能的形式，并且如此可以被实现为深度神经网络和/或其他复杂分析方法论。在特定实施例中，紧凑分析引擎340可以被实现为具有比复杂分析引擎350更少的隐藏层和/或神经元/层的神经网络。
56.图4图示了根据本披露内容的实施例的表征眼像差测量系统100和/或300的过程400的流程图。应当理解，过程400的任何步骤、子步骤、子过程或框可以以不同于图4所示实施例的顺序或布置来执行。例如，在其他实施例中，一个或多个框可以从过程中省略或添加到过程中。此外，框输入、框输出、各种传感器信号、传感器信息、校准参数、和/或其他操作参数可以在移动到对应过程的后续部分之前被存储到一个或多个存储器中。虽然过程400是参考参考图1至图3所述的系统、过程、控制回路和图像来描述的，但过程400可以通过不同于那些系统、过程、控制回路和图像并且包括例如电子装置、传感器、组件、移动结构和/或移动结构属性的不同选择的其他系统来执行。
57.在框402中，生成与眼像差测量系统相关联的像差计模型。例如，控制器140、服务器150、和/或分布式服务器系统154可以被配置为控制单程模型目标202a(被布置为由眼像差测量系统100监测的光学目标102)的源260，以通过透镜系统262生成源束211以照亮眼像差测量系统100的波前传感器120和/或其他元件。例如，控制器140可以被配置为根据多个选定的散焦焦度来改变单程模型目标202a的散焦像差，以生成由波前传感器120提供的多个波前传感器数据组。控制器140、服务器150、和/或分布式服务器系统154可以被配置为至少部分地基于由波前传感器120提供的多个波前传感器数据组来确定与眼像差测量系统100相关联的系统像差。系统像差和/或相关联的波前传感器数据组可以被存储(例如，在服务器150和/或分布式服务器系统154上)作为像差计模型360。
58.在框404中，生成与眼像差测量系统相关联的眼睛模型。例如，控制器140、服务器150、和/或分布式服务器系统154可以被配置为控制眼像差测量系统100的信标110以生成探测束111以照亮双程模型目标202b(被布置为由眼像差测量系统100监测的光学目标102)，这样依次照亮(例如，经由探测束111的反射)眼像差测量系统100的波前传感器120、眼球跟踪仪130、oct传感器122、和/或其他元件中的一个或多个元件。例如，控制器140可以被配置为根据多个选定的对准偏差来改变双程模型目标202b的可互换眼像差模型270相对于眼像差测量系统100的光轴111的位置和/或取向，以生成由波前传感器120提供的对应的多个波前传感器数据组。多个选定的对准偏差和/或对应的多个波前传感器数据组可以被存储(例如，在服务器150和/或分布式服务器系统154上)作为眼睛模型370。类似的技术可以用于将来自眼球跟踪仪130的眼球跟踪仪数据和来自oct传感器122的oct传感器数据合并到眼睛模型370中。
59.在框406中，确定复杂分析引擎。例如，控制器140、服务器150、和/或分布式服务器系统154可以被配置为至少部分地基于在框402中生成的像差计模型360和/或在框404中生成的眼睛模型370来确定复杂分析引擎350。在一些实施例中，控制器140、服务器150、和/或分布式服务器系统154可以被配置为形成深度神经网络600，该深度神经网络包括输入层620、输出层640和联接在输入层620与输出层640之间的至少一个隐藏层630-639，每个层都包括多个神经元。控制器140、服务器150、和/或分布式服务器系统154可以被配置为经由受监督学习引擎390来训练与神经网络600的输入、输出和隐藏层的每个神经元相关联的至少
一个可训练加权矩阵w，使用眼睛模型370的对准偏差作为地面真值输出数据和使用眼睛模型370的对应波前传感器数据组作为如本文所述的训练输入数据。所得深度神经网络可以被存储并用作复杂分析引擎350。在其他实施例中，控制器140、服务器150、和/或分布式服务器系统154可以被配置为至少部分地基于与在像差计模型360中的眼像差测量系统相关联的系统像差生成对应于眼睛模型370的多个选定对准偏差的多个校正的波前传感器数据组，然后形成神经网络600并使用受监督学习引擎390训练神经网络600的一个或多个复杂分析参数以确定如本文所述的复杂分析引擎350。
60.在框408中，生成紧凑分析引擎。例如，控制器140、服务器150、和/或分布式服务器系统154可以被配置为形成紧凑神经网络600(包括输入层620、输出层640和联接在输入层620与输出层640之间的单个隐藏层630)，并且至少部分地基于与多个复杂分析引擎350的隐藏层630-639相关联的一个或多个复杂分析参数来生成与紧凑神经网络600的输入、输出和/或隐藏层的每个神经元相关联的加权矩阵w。在生成时，紧凑分析引擎340可以被存储或以其他方式与控制器140集成或由该控制器实现，该控制器可以使用紧凑分析引擎340来生成对如本文所述的光学目标102的眼对准偏差、眼像差和/或其他特征的基本上实时的(例如，30帧/秒)用户反馈(例如，包括各种图形的显示视图)和可靠且准确的监测。
61.图5图示了根据本披露内容的实施例的操作眼像差测量系统100和/或300的过程500的流程图。应当理解，过程500的任何步骤、子步骤、子过程或框可以以不同于图5所示实施例的顺序或布置来执行。例如，在其他实施例中，一个或多个框可以从过程中省略或添加到过程中。此外，框输入、框输出、各种传感器信号、传感器信息、校准参数、和/或其他操作参数可以在移动到对应过程的后续部分之前被存储到一个或多个存储器中。虽然过程500是参考参考图1至图3所述的系统、过程、控制回路和图像来描述的，但过程500可以通过不同于那些系统、过程、控制回路和图像并且包括例如电子装置、传感器、组件、移动结构和/或移动结构属性的不同选择的其他系统来执行。
62.在框502中，接收眼像差输出。例如，控制器140、服务器150、和/或分布式服务器系统154可以被配置为接收至少包括由波前传感器120提供的波前传感器数据的眼像差测量输出数据。更一般地，眼像差测量输出数据可以包括如本文所述的由波前传感器120提供的波前传感器数据、由oct传感器122提供的oct传感器数据、由眼球跟踪仪130提供的眼球跟踪仪数据、和/或由眼像差测量系统100提供的其他输出数据中的任何一个或多个。
63.在框504中，确定估计的眼对准偏差。例如，控制器140、服务器150、和/或分布式服务器系统154可以被配置为至少部分地基于在框502中接收的眼像差测量输出数据来确定对应于由眼像差测量系统100监测的光学目标102(例如，患者的眼睛)的相对位置和/或取向的估计的眼对准偏差。在一些实施例中，控制器140、服务器150、和/或分布式服务器系统154可以被配置为至少部分地基于在框502中接收的眼球跟踪仪传感器数据来确定估计的眼对准偏差。在其他实施例中，在框502中接收的波前传感器数据包括波前传感器测量值的时间序列，并且控制器140、服务器150、和/或分布式服务器系统154可以被配置为通过针对每个波前传感器测量值确定对应于波前传感器测量值的波前估计眼对准偏差来确定估计的眼对准偏差。
64.例如，在一个实施例中，控制器140、服务器150、和/或分布式服务器系统154可以被配置为通过以下方式来确定估计的眼对准偏差：通过针对每个波前传感器测量值确定光
学目标102的对应的估计相对位置和/或取向(例如，光学目标102的估计的眼对准)、至少部分地基于一个或多个预设或自适应簇阈值来识别光学目标的估计相对位置和/或取向的一个或多个簇、至少部分地基于一个或多个识别的簇中最大一个簇的质心来确定注视对准、以及至少部分地基于在注视对准与对应于波前传感器测量值的光学目标的估计相对位置和/或取向之间的差异(例如，在注视对准与对应于波前传感器测量值的时间序列的光学目标102的估计眼对准之间的差异)来为每个波前传感器测量值确定估计的眼对准偏差。在相关实施例中，其中眼像差测量系统100包括眼球跟踪仪130、控制器140、服务器150、和/或分布式服务器系统154，该眼球跟踪仪、控制器、服务器和/或分布式服务器系统可以被配置为通过以下方式来确定估计的眼对准偏差：通过至少部分地基于注视阈值参数和对应于波前传感器测量值的眼球跟踪仪传感器数据来针对每个波前传感器测量值确定光学目标的对应的注视状态并且省略波前传感器测量值的子组，然后至少部分地基于所确定的对应的注视状态来确定光学目标102的对应的估计相对位置和/或取向。例如，这种技术可以消除在光学目标102被检测为(如通过眼球跟踪仪130检测的)未固定时获取的波前传感器测量值。
65.在框506中，确定校正的眼像差测量输出数据。例如，控制器140、服务器150、和/或分布式服务器系统154可以被配置为至少部分地基于在框504中确定的估计的眼对准偏差和/或在框502中接收的波前传感器数据来确定校正的眼像差测量输出数据。在一些实施例中，其中波前传感器数据包括波前传感器测量值的时间序列，控制器140、服务器150、和/或分布式服务器系统154可以被配置为通过以下方式来确定校正的眼像差测量输出数据：通过针对每个波前传感器测量值确定与波前传感器测量值相关联的估计的眼对准偏差，并且至少部分地基于具有等于或小于预设最大允许偏差的相关联估计的眼对准偏差的每个波前传感器测量值来生成平均波前传感器测量值作为校正的波前传感器测量值。这种预设最大允许偏差可以由眼像差测量系统100的制造商和/或用户选择或设定。
66.在其他实施例中，控制器140、服务器150、和/或分布式服务器系统154可以被配置为通过以下方式来确定校正的眼像差测量输出数据：通过针对每个波前传感器测量值确定与波前传感器测量值相关联的估计的眼对准偏差、至少部分地基于波前传感器测量值和/或相关联的估计的眼对准偏差针对具有等于或小于预设最大允许偏差的相关联估计的眼对准偏差的每个波前传感器测量值确定校正的波前传感器测量值、以及至少部分地基于校正的波前传感器测量来生成平均波前传感器测量值。例如，控制器140、服务器150、和/或分布式服务器系统154可以被配置为通过以下方式来确定校正的波前传感器测量值：通过将眼像差测量系统100的复杂分析引擎350或紧凑分析引擎340应用于每个波前传感器测量值以生成如本文所述的对应的波前估计眼对准偏差和/或校正的波前传感器测量值。
67.在框508中，生成用户反馈。例如，控制器140、服务器150、和/或分布式服务器系统154可以被配置为至少部分地基于在框504中确定的估计的眼对准偏差来生成对应于在框502中接收的眼像差测量输出数据的用户反馈。在一些实施例中，控制器140、服务器150、和/或分布式服务器系统154可以被配置为通过以下方式来生成用户反馈：通过至少部分地基于估计的眼对准偏差来确定眼对准偏差度量、并且经由眼像差测量系统100的用户接口146报告眼对准偏差度量。在其他实施例中，控制器140、服务器150、和/或分布式服务器系统154可以被配置为至少部分地基于在框504中确定的估计的眼对准偏差和/或在框506中确定的校正的眼像差测量输出数据来生成用户反馈。在各种实施例中，这种用户反馈可以
包括至少部分地基于在框504中确定的估计的眼对准偏差的眼对准偏差度量的基本上实时的显示视图、至少部分地基于在框504中确定的校正的眼像差测量输出数据的眼像差地图的基本上实时的显示视图、和/或指示至少一个估计的眼对准偏差大于如本文所述的预设最大允许偏差的听觉和/或视觉警报。
68.因此，本披露内容的实施例可以提供如本文所述的对光学目标102的眼对准偏差、眼像差和/或其他特征的基本上实时的(例如，30帧/秒)用户反馈(例如，包括各种图形的显示视图)和可靠且准确的监测。这种实施例可以用于辅助各种类型的临床和术中眼科检查并帮助提供改进的手术结果。
69.图6图示了根据本披露内容的实施例的多层或“深度”神经网络(dnn)600的图。在一些实施例中，神经网络600可以表示用于实现结合系统100和/或300描述的一个或多个模型和/或分析引擎中的每一个的神经网络。神经网络600使用输入层620来处理输入数据610。在各种实施例中，如本文所述，输入数据610可以对应于提供给一个或多个模型和/或分析引擎以生成和/或训练该一个或多个模型和/或分析模型的像差测量输出数据和/或训练数据。在一些实施例中，输入层620可以包括多个神经元或节点，这些神经元或节点用于通过缩放、偏置、过滤、范围限制和/或以其他方式调节输入数据610以供神经网络600的其余部分处理来调节输入数据610。在其他实施例中，输入层620可以被配置为回波输入数据610(例如，其中输入数据610已经被适当地缩放、偏置、过滤、范围限制和/或以其他方式调节)。输入层620中的每个神经元生成提供给隐藏层630中的神经元/节点的输出。隐藏层630包括处理来自输入层620的输出的多个神经元/节点。在一些实施例中，隐藏层630中的每个神经元生成输出，这些输出然后被传播通过一个或多个附加的隐藏层(以隐藏层639结束)。隐藏层639包括处理来自前一隐藏层的输出的多个神经元/节点。在图6所示的实施例中，隐藏层639的输出被送到输出层640。在各种实施例中，输出层640包括一个或多个神经元/节点，神经元/节点可以用于通过缩放、偏置、过滤、范围限制和/或以其他方式调节来自隐藏层639的输出以形成输出数据650来调节来自隐藏层639的输出。在替代实施例中，神经网络600可以根据不同的神经网络或其他处理架构来实现，包括仅具有一个隐藏层的神经网络、具有循环层的神经网络、和/或其他各种神经网络架构或复杂的分析方法论，包括用于分类和/或回归的k最近邻(k-nn)数据库。
70.在一些实施例中，输入层620、隐藏层630-639、和/或输出层640中的每一个包括一个或多个神经元。在一个实施例中，输入层620、隐藏层630-639和/或输出层640中的每一个可以包括相同数量或不同数量的神经元。在特定实施例中，神经网络600可以包括总共大约6个层，每层中具有多达2-4千个神经元。在各种实施例中，这种组成神经元中的每一个神经元可以被配置为接收其输入x的组合(例如，使用可训练加权矩阵/向量w生成的加权和)、接收可选的可训练偏置b、以及应用激活函数f以生成输出a，比如根据等式a＝f(wx+b)。例如，激活函数f可以被实现为修正线性单元激活函数，或者具有上限和/或下限的激活函数、log-sigmoid函数、双曲正切函数的任何一个或组合和/或根据其他激活函数形式。这种网络中的每个神经元可以被配置为根据如本文所述的相同或不同的激活函数和/或不同类型的激活函数来操作。在特定实施例中，对应于回归应用，仅输出层640的神经元可以被配置为应用这种线性激活函数来生成它们各自的输出。
71.在各种实施例中，神经网络600可以使用监督学习(例如，被实现为受监督学习引
擎390)来训练，比如通过系统地向神经网络600提供选定的训练数据(例如，训练数据392)组，其中每组训练数据包括一组输入训练数据和一组对应的地面真值(例如，预期的)输出数据(例如，像差计模型360和眼睛模型370的组合)，然后确定和/或以其他方式比较在所得输出数据650(例如，由神经网络600提供的训练输出数据)与地面真值输出数据(例如，“训练误差”)之间的差异。在一些实施例中，训练误差可以被反馈到神经网络600以调整神经网络600的各种可训练权重、偏差和/或其他复杂分析参数。在一些实施例中，这种训练误差可以使用一种或多种反向传播技术(包括例如随机梯度下降技术和/或其他反向传播技术)作为反馈被提供给神经网络网络600。在一个或多个实施例中，相对较大的一群组选定的训练数据组可以被多次呈现给神经网络600，直到总损失函数(例如，基于每组训练数据的差异的均方误差)收敛达到或低于预设最大允许损失阈值。
72.在附加的实施例中，受监督学习引擎390可以被配置为包括半监督学习、弱受监督学习、主动学习、结构化预测和/或其他通用机器学习技术，以帮助训练如本文所述的神经网络600的复杂分析参数(例如，并且生成复杂分析引擎350)。例如，受监督学习引擎390可以被配置为生成模拟训练数据组，每组包括模拟输入训练数据和对应的模拟地面真值输出数据组，并且至少部分地基于模拟训练数据组来执行受监督学习。模拟的输入训练数据和地面真值数据组中的每一个可以通过以下方式来生成：通过修改输入训练数据(例如，调整与模拟双程模型目标相关联的像差参数和/或对准偏差)和内插非模拟地面真值数据以生成对应的模拟地面真值数据。在各种实施例中，受监督学习引擎390可以被配置为模拟一个或数百万个模拟训练数据组，每组至少略微偏离对应于眼睛模型370的训练数据组，并且根据一个或数百万个这种模拟训练数据组来训练神经网络600。
73.在各种实施例中，眼像差测量系统100和/或300可以被配置为基于相位的眼像差测量系统。在这种实施例中，这种基于相位的眼像差测量系统的处理步骤之一产生包裹相位阵列作为由波前传感器120提供的波前传感器数据的表示的一部分。典型地，例如，包裹相位阵列具有被限制在[-π到π]或[0到2π]的范围内的实数值作为使用反正切函数从复数计算相位的自然结果。然后这些包裹相位值被“展开”以揭示相位值的真实范围，这些相位值通常与一阶波前像差导数成正比并且可以用于确定波前像差特征的波前像差值。
[0074]
为了生成准确的最终波前像差值组(例如，泽尼克多项式系数)，所得展开相位阵列应该是大致连续的(例如，对应于连续函数)。然而，由于各种原因，比如由玻璃气泡引起的图像伪影(在由波前传感器捕获的初始干涉图中)，典型的展开相位阵列可以包括各种“奇异性”或不连续性并且不是连续的，这会导致在最终计算出的像差拟合中存在误差。通常，这种像差拟合通常是泽尼克多项式展开，但是其他函数像差特征也是可能的。由于泽尼克多项式系数与在缩放、展开相位阵列中的波前传感器数据的拟合方式，局部奇异性误差(例如，展开相位不连续的点)会导致整个最终像差表征结果的误差。可以应用某种类型的修复来尝试恢复真实相位，但是这种修复过程经常是不令人满意的，因为“修复”的数据点不能准确反映真实的波前传感器数据并且可能引入附加的误差。本文披露的实施例不尝试这种类型的修复，而是将加权正规方程的线性系统应用于由展开相位阵列表示的波前传感器数据，因为泽尼克多项式系数以最小二乘误差意义拟合数据。线性方程系统中各行的权重被选择为减少或消除每个奇异性的影响。
[0075]
在一个实施例中，权重可以如下选择：令d是从展开相位阵列中的点到所识别的奇
异性的最近距离。该点的权重是：0，如果距离d小于或等于阈值do；1，如果距离d大于或等于阈值dl；以及[(d-do)/(d1-d0)]^p，如果距离d在do与dl之间。换句话说，每个点的权重是：0，针对距任何所识别的奇异性的距离小于或等于阈值距离d0的元素；1，针对距所有识别的奇异性的距离大于或等于阈值距离d1的元素；以及最近距离、阈值和缩放参数p的函数，针对距所识别的奇异性的距离在两个阈值距离之间的所有元素。公式化：
[0076][0077]
超参数do、dl和p可以取决于应用进行优化，但是优选值是：do＝p*0.05、dl＝p*0.1、和p＝2，其中值p是被表征/重建的瞳孔直径。在各种实施例中，这种加权拟合降低了由在波前传感器数据中的奇异性引起的基于相位的眼像差测量检查的可变性，而没有引入新误差的风险，如本文所述，这继而提高了所得眼像差测量输出数据(例如，眼睛中的像差的表征)的精度和准确度。
[0078]
图7a图示了根据本披露内容的实施例的用于在眼像差测量系统中减少成像伪影引起的误差的过程700的程序图。在图7a所示的实施例中，呈人眼的干涉图710形式的初始波前传感器数据(例如，包括多个大致同心的条纹线/图案712)可以被分解(例如，步骤702)为一组至少包括包裹相位分量/阵列724(φi)的包裹相位波前传感器数据720。包裹相位波前传感器数据720可以包括附加的分量(例如，幅度/缩放阵列722(ρi))，使得包裹相位波前传感器数据720形成干涉图710的离散表示，该离散表示可以类似于干涉图710的离散空间傅立叶变换。包裹相位波前传感器数据720可以通过以下方式被转换(例如，步骤704)为至少包括展开相位阵列734(φi')的展开相位波前传感器数据730：通过识别在幅度约为2π(或其倍数)和/或出现在包裹相位阵列724(φi)的人工数值边界(例如，+-π或0和2π)附近的包裹相位阵列724(φi)中的不连续性(例如，在相邻元素之间)，并且将包裹相位阵列724(φi)的元素加上2π或从中减去2π以消除不连续性并形成展开相位阵列734(φi')。
[0079]
一旦确定展开相位波前传感器数据730，就可以在展开相位波前传感器数据730中识别归因于图像伪影(例如，与作为干涉图710的一部分成像的玻璃体气泡714有关)的奇异性或不连续性，比如通过识别具有大于(例如，由眼像差测量系统100和/或300的用户或制造商提供的)预定奇异性阈值的幅度的展开相位阵列734(φi')中的任何剩余不连续性。这种预定奇异性阈值可以被选择为考虑干涉图710中的各种类型的图像噪声和/或在展开相位阵列734(φi')中相邻元素之间的预期斜率。
[0080]
一旦这种不连续性被识别(例如，识别为展开相位阵列734(φi')的元素)，展开相位波前传感器数据730的任何元素与这种不连续性之间的距离可以被确定，并且比如通过使用如本文所述的wi(1)的加权正规方程的线性系统，可以确定展开相位波前传感器数据730的每个元素的拟合权重。在一些实施例中，可以计算仅最近的奇异性(例如，作为d的值)的这种权重，或者可以计算每个检测到的奇异性的这种权重，并且所得的权重组被组合(例如，通过乘法)以确定展开相位波前传感器数据730的那个元素的拟合权重。像差表征拟合740(例如，像差测量输出数据)可以基于拟合函数(例如，选定的像差表征函数，比如选定阶的泽尼克多项式展开)、所确定的权重wi和展开相位波前传感器数据730来确定(步骤706)，
并且眼像差地图750可以被生成(步骤708)以可视化像差表征拟合740并识别偏离理想眼睛的被检查眼睛的空间区域752-754。
[0081]
在各种实施例中，干涉图710和/或眼像差地图750可以形成在用户接口146的显示器上呈现并显示给用户的显示视图(例如，显示视图718和/或758)的至少一部分，作为关于眼像差测量系统100和/或300的操作的用户反馈。在一般操作中，干涉图710的直径716和眼像差地图750的直径756可以被配置为大致表示或对应于被检查眼睛的瞳孔直径。
[0082]
图7b图示了根据本披露内容的实施例的在眼像差测量系统中减少成像伪影引起的误差的过程700b的程序图，类似于图7a的过程700。在图7b所示的实施例中，呈干涉图/条纹图案710b形式的初始波前传感器数据可以被分解(例如，步骤702b和703b-1和703b-2)为一组包裹相位波前传感器数据724b和726b，该数据至少包括包裹相位分量/阵列(例如，类似于图7a中的包裹相位分量/阵列724(φi))。特别地，干涉图710b可以被傅立叶变换(例如，步骤702b)以产生变换后的波前传感器数据720b，该数据可以包括具有对应的空间结构邻域723b-1、723b-2的多个空间峰值。在一些实施例中，空间结构邻域723b-1、723b-2可以被选择为在变换波前传感器数据720b内的圆形邻域，这些邻域的半径被选择为包括与例如如图所示的一个或多个选定的像差表征函数阶(例如，泽尼克多项式展开阶)相关的非重叠空间结构。在一些实施例中，每个空间结构邻域723b-1、723b-2可以被单独处理以确定如图所示的对应的包裹相位波前传感器数据724b和726b组。在图7b所示的特定实施例中，空间结构邻域723b-1被处理成第一包裹相位dw/dx阵列并且空间结构邻域723b-1被处理成第二包裹相位dw/dy阵列。
[0083]
展开相位波前传感器数据724b和726b可以被转换(例如，步骤704b-1和704b-2)为展开相位波前传感器数据734b、736b，该数据包括至少一个展开相位阵列(例如，类似于图7中的包裹相分量/阵列734(φi'))。一旦确定展开相位波前传感器数据734b、736b，就可以在展开相位波前传感器数据734b、736b中识别奇异性或不连续性764(例如，归因于干涉图710b的图像伪影)以生成处理后的展开相位波前传感器数据744b、746b。一旦这种不连续性764被识别(例如，作为对应展开相位阵列的元素)，展开相位波前传感器数据734b、736b的任何元素与这种不连续性之间的距离可以被确定，并且可以比如通过如本文所述的wi的等式(1)确定展开相位波前传感器数据734b、736b的每个元素的拟合权重。特别地，例如，处理后的展开相位波前传感器数据744b、746b包括指示处理后的展开相位波前传感器数据744b、746b中的奇异性的较暗线764和关于指示不同于1的局部权重的不连续性764的晕圈766。
[0084]
像差表征拟合(例如，像差测量输出数据)可以基于拟合函数(例如，选定的像差表征函数，比如选定阶或阶范围的泽尼克多项式展开)、所确定的权重wi和处理后的展开相位波前传感器数据744b、746b(例如，处理后的第一包裹相位dw/dx阵列和第二包裹相位dw/dy阵列的形式)来确定，并且眼像差地图750b可以被生成(步骤706b/708b)以可视化像差表征拟合并识别偏离理想眼睛的被检查眼睛的各种空间区域(例如，被示出为根据选定的调色板的颜色地图梯度)。在图7b中提供了在没有根据等式(2)加权的情况下直接从展开相位波前传感器数据734b、736b导出(步骤709b)的未校正的眼像差地图790b(例如，示出了显着不同的空间梯度和像差分布)以用于进行比较。
[0085]
在各种实施例中，干涉图710b和/或眼像差地图750b可以形成在用户接口146的显
示器上呈现并显示给用户的显示视图(例如，显示视图718b和/或758b)的至少一部分，作为关于眼像差测量系统100和/或300的操作的用户反馈，与中间步骤的显示视图的任何一个或组合一起或分开，比如如图所示的显示视图728b、729b、738b、739b和/或798b。在一般操作中，干涉图710b的直径716b和眼像差地图750b的直径756b可以被配置为大致表示或对应于被检查眼睛的瞳孔直径。
[0086]
图7c图示了根据本披露内容的实施例的在眼像差测量系统中减少成像伪影引起的误差的过程700c的程序图，包括图7a的过程700和/或图7b的过程700b的多个部分。特别地，过程700c图示了在步骤705b-1和705b-2中使用的技术的空间放大版本，以根据不连续性764来确定和应用权重到展开相位波前传感器数据734b、736b。例如，展开相位波前传感器数据734c被示出为包括展开相位波前传感器数据734c的不连续轮廓764c和距元素/点744-1、744-2、744-3(例如，用于拟合泽尼克多项式展开的点)最近的不连续点766c。图7c中还图示了圆740c-0(该圆包含/区分距不连续轮廓764c的最近不连续点766c的距离小于或等于阈值距离/半径d0的所有点)和圆740c-1(该圆不包含/区分距不连续轮廓764c的最近不连续点766c的距离大于或等于阈值距离d1的所有点)。线746c可以在最近不连续点766c处垂直于不连续轮廓764c并且穿过展开相位波前传感器数据734c的元素/点744-1、744-2、744-3。因此，根据本文的等式(1)，元素744-1的权重将是0(例如，对应于不连续性764)，元素744-2的权重将是在0与1之间(例如，对应于晕圈766)，并且元素744-3的权重将是1(例如，展开相位波前传感器数据736b的剩余部分)。
[0087]
在各种实施例中，过程700c可以形成在用户接口146的显示器上呈现并显示给用户的显示视图(例如，显示视图738c)的至少一部分，作为关于眼像差测量系统100和/或300的操作的用户反馈，与本文所述的其他显示视图的任何一个或组合一起或分开。在一般操作中，直径716c可以被配置为大致表示或对应于被检查眼睛的瞳孔直径。
[0088]
图8图示了根据本披露内容的实施例的操作眼像差测量系统100和/或300的过程800的流程图，减少了成像伪影引起的误差。应当理解，过程800的任何步骤、子步骤、子过程或框可以以不同于图8所示实施例的顺序或布置来执行。例如，在其他实施例中，一个或多个框可以从过程中省略或添加到过程中。此外，框输入、框输出、各种传感器信号、传感器信息、校准参数、和/或其他操作参数可以在移动到对应过程的后续部分之前被存储到一个或多个存储器中。虽然过程800是参考参考图1至图7所述的系统、过程、控制回路和图像来描述的，但过程800可以通过不同于那些系统、过程、控制回路和图像并且包括例如电子装置、传感器、组件、移动结构和/或移动结构属性的不同选择的其他系统来执行。
[0089]
在框802中，接收眼像差输出。例如，控制器140、服务器150、和/或分布式服务器系统154可以被配置为接收至少包括由波前传感器120提供的波前传感器数据的眼像差测量输出数据。更一般地，眼像差测量输出数据可以包括如本文所述的由波前传感器120提供的波前传感器数据、由oct传感器122提供的oct传感器数据、由眼球跟踪仪130提供的眼球跟踪仪数据、和/或由眼像差测量系统100提供的其他输出数据中的任何一个或多个。例如，由波前传感器120提供的波前传感器数据可以包括被检查眼睛的干涉图710，和/或可以包括包裹相位波前传感器数据720或展开相位波前传感器数据730，这例如取决于波前传感器120的能力和/或配置。
[0090]
在框804中，分解眼像差测量输出数据。例如，控制器140、服务器150、和/或分布式
服务器系统154可以被配置为比如通过生成如本文所述的干涉图710的离散傅立叶变换将在框802中接收的波前传感器数据分解成至少包裹相位分量/阵列724。例如，在波前传感器120直接提供包裹相位波前传感器数据720的实施例中，框804可以被省略或合并到框802中。
[0091]
在框806中，识别眼像差测量输出数据中的奇异性。例如，控制器140、服务器150、和/或分布式服务器系统154可以被配置为识别在对应于在框802中接收的眼像差测量输出数据的展开相位波前传感器数据中的成像伪影引起的奇异性。在一些实施例中，控制器140，服务器150和/或分布式服务器系统154可以被配置为至少部分地基于包裹相位波前传感器数据720的包裹相位阵列724来确定展开相位阵列734和/或展开相位波前传感器数据730并识别如本文所述的展开相位阵列734中的成像伪影引起的不连续性。在各种实施例中，控制器140、服务器150、和/或分布式服务器系统154可以被配置为通过以下方式来识别奇异性：例如通过识别在具有大于预定奇异性阈值的幅度的包裹相位波前传感器数据730的展开相位分量734中的不连续性，或对离散数据使用其他不连续性检测技术，包括例如样条拟合和元素偏移技术和/或数值导数和阈值技术。
[0092]
在框808中，确定校正的眼像差测量输出数据。例如，控制器140、服务器150、和/或分布式服务器系统154可以被配置为至少部分地基于在框804中分解和/或在框802中接收的包裹相位波前传感器数据的包裹相位分量/阵列724和/或在框806中识别的接收的眼像差测量输出数据中的奇异性来确定校正的眼像差测量输出数据。在一些实施例中，控制器140、服务器150、和/或分布式服务器系统154可以被配置为确定展开相位波前传感器数据730的每个元素的拟合权重并且通过至少部分地基于如本文所述的拟合权重和展开相位波前传感器数据730确定像差测量拟合来确定校正的眼像差测量输出数据。
[0093]
在一些实施例中，控制器140、服务器150、和/或分布式服务器系统154可以被配置为基于如本文所述的wi的等式(1)确定展开相位波前传感器数据730的每个元素的拟合权重，其中等式(1)中使用的参数的值至少部分地基于被检查眼睛的瞳孔直径，使得拟合权重本身是至少部分地基于瞳孔直径。在相关实施例中，控制器140、服务器150、和/或分布式服务器系统154可以被配置为附加地采用本文所述的任何方法来确定校正的眼像差测量输出数据，以补偿如本文关于过程400和500以及图4至图6所述的系统像差和/或眼对准偏差。
[0094]
在框810中，生成用户反馈。例如，控制器140、服务器150、和/或分布式服务器系统154可以被配置为生成对应于在框802中接收的眼像差测量输出数据的用户反馈，比如干涉图710的显示视图，和/或生成对应于在框808中确定的校正的眼像差测量输出数据的用户反馈，比如眼像差地图750的显示视图。在各种实施例中，控制器140、服务器150、和/或分布式服务器系统154可以被配置为使用本文结合图4至图6所述的任何过程来生成用户反馈。在各种实施例中，这种用户反馈可以包括在框802中接收的波前传感器数据的基本上实时的显示视图、在框804中确定的分解的眼像差测量输出数据、在框806中识别的奇异性、在框808中确定的校正的眼像差测量输出数据、和/或对应的眼像差地图750。
[0095]
因此，本披露内容的实施例可以提供如本文所述的对光学目标102的眼像差和/或其他特征的基本上实时的(例如，30帧/秒)用户反馈(例如，包括各种图形的显示视图)和可靠且准确的监测。这种实施例可以用于辅助各种类型的临床和术中眼科检查并帮助提供改进的手术结果。
[0096]
随着泪膜水合在检查/手术过程中劣化，像差测量在准确性和可重复性方面可能受到越来越大的负面影响。这可能是由于外科医生在术中测量期间缺乏基本的盐水溶液或患者在临床检查期间缺乏定期眨眼而发生的。在各种实施例中，眼像差测量系统100和/或300可以被配置为在测量的预览和采集阶段期间监测至少一个、典型地两个可用的成像资源，以量化水合的下降，例如并且提供如本文所述的各种相关的缓解措施。
[0097]
这种成像资源中的第一成像资源包括眼像差测量系统的任何成像系统，该成像系统可以用于生成已知和可重复结构从被检查眼睛的表面反射的浦肯野图像。例如，眼像差测量系统100和/或300的眼球跟踪仪130、专用浦肯野成像系统(例如，其他模块148)、和/或其他成像系统可以被配置为生成和/或捕获由led阵列132从目标102的外表面(例如，人眼的角膜的外表面)反射而生成的一个或多个led反射的第一浦肯野反射(p1)图像。在一些实施例中，led反射的这种第一浦肯野反射图像可以通过阈值化成二元形态表示来处理，该二元形态表示提供用于例如每个反射的led的像素连通性和/或等效直径和/或面积的分析。这种反射表征参数可以在一系列图像或视频帧上量化和监测，以大致实时确定成像的泪膜水合状态。
[0098]
这种成像资源中的第二成像资源包括波前传感器120，该波前传感器可以被配置为生成与被检查眼睛相关联的波前传感器数据。如本文所述，这种波前传感器数据可以包括条纹线/图案的干涉图，并且与那些干涉图相关联的talbot moir
é
条纹对比度典型地随着水合的损失而降低。这种泪膜水合劣化可以在干涉图的傅立叶变换域内被量化。例如，傅立叶域内的主频率峰附近的邻域的幅度和形状(例如，图7b的空间结构邻域723b-1、723b-2)可以表示波前的导数。当泪膜脱水时，这种邻域可以直接受到影响，并且相关联的泪膜水合状态可以使用如本文所述的各种幅度和尺寸图像分析方法来量化和监测。
[0099]
在各种实施例中，焦点和talbot moir
é
相机(例如，眼球跟踪仪130和波前传感器120)可以同步；因此，单独的图像/视频流的图像分析可以重合。例如，可以监测傅立叶峰值的幅度以及led反射的质量(例如，反射表征参数)，以向医生/技术人员提供关于泪膜水合状态的基本上实时的反馈。例如，在术中或临床检查期间，可以将即时泪膜水合状态传达给临床医生(例如，通过一个或多个显示视图)。在检查结束时，可以生成更全面的泪膜水合地图和/或图表，示出作为时间的函数的相对干燥区域的演变。
[0100]
图9图示了根据本披露内容的实施例的用于监测眼像差测量系统的泪膜水合的过程900的程序图。在图9所示的实施例中，呈人眼的第一干涉图910(例如，包括多个大致同心的条纹线/图案912)形式的波前传感器数据可以在第一时间t1被获取/捕获，包括与一个或多个监测区域914相关联的波前传感器数据，包括特定监测区域915。在一些实施例中，监测区域914的形状、图案和/或分布可以大致对应于如本文所述的led阵列132中的各个led从目标102的反射。在其他实施例中，监测区域914可以被选择为覆盖目标102的表面的至少一半或四分之三或全部，并且监测区域可以彼此重叠或可以不彼此重叠。在预定时间段之后，呈同一眼睛的第二干涉图920形式的波前传感器数据可以在第二时间t2被获取/捕获，其中干涉图920的条纹线/图案922与干涉图910的条纹线/图案912相比具有相对降低的对比度。一个或多个监测区域914的傅立叶变换可以被确定(步骤904)并绘制为图表935，例如，以示出目标102的基于波前传感器数据的绝对和/或相对泪膜水合状态。
[0101]
例如，在一个实施例中，图表935示出了对应于监测区域915的呈图像数据形式的
波前传感器数据的傅立叶变换，其中变换轮廓932对应于在时间t1捕获的图像数据的傅立叶变换，并且其中变换轮廓933对应于在时间t2捕获的图像数据的傅立叶变换。变换轮廓的各种变换特征可以指示目标102的绝对或相对泪膜水合状态，比如变换轮廓932、933的峰值幅度、半高全宽、面积和/或其他变换特征，其每一个都可以被监测和/或存储。在替代性实施例中，图表935可以是二维空间图，例如类似于图7b的显示视图728b中所示的二维空间图，并且空间峰值和对应的空间结构邻域723b-1、723b-2的变换特征可以被监测和存储。
[0102]
在大约相同的时间段内，呈人眼的第一浦肯野反射(p1)图像950(例如，包括已知结构的一个或多个反射)形式的浦肯野图像数据可以在大约第一时间t1被采集/捕获，包括与led阵列132的led的一个或多个反射952(例如，包括特定反射955)相关联的浦肯野图像数据。在一些实施例中，led阵列132中的各个led的形状、图案和/或分布可以被选择为覆盖目标102的表面的至少一半或四分之三或全部，和/或匹配监测区域914，并且这种受监测的结构反射通常可能不彼此重叠。在预定时间段之后，呈同一眼睛的人眼的第二浦肯野(p1)图像960形式的浦肯野图像数据可以在第二时间t2被获取/捕获，其中浦肯野(p1)图像960的反射962与浦肯野(p1)图像950的反射952相比具有相对较差的像素连通性和/或相对较小或与背景无法区分。这种反射表征参数对应于反射952和962中的每一个(和/或反射表征参数的平均值、中值和/或其他统计组合和/或测量值)可以被确定并绘制为图表975，例如，以示出目标102的基于浦肯野图像数据的绝对和/或相对泪膜水合状态。
[0103]
例如，在一个实施例中，图表975示出了对应于反射/监测区域955的浦肯野图像数据的反射表征参数，其中反射表征参数值972对应于如在时间t1捕获的反射955的估计直径，并且其中反射表征参数值973对应于如在时间t2捕获的反射955的估计直径。各种反射表征参数可以指示目标102的绝对或相对泪膜水合状态，比如反射952、962的像素连通性、估计直径、估计面积和/或其他反射表征参数，其每一个都可以被监测和/或存储。
[0104]
在各种实施例中，干涉图910、920、浦肯野(p1)图像950、960和/或图表935、975可以形成在用户接口146的显示器上呈现并显示给用户的显示视图(例如，显示视图918、928、938、958、968和/或778)的至少一部分，作为关于眼像差测量系统100和/或300的操作的用户反馈，如图所示。而且，图9的过程900可以用于生成图像、图表、泪膜水合状态和/或相关联的显示视图的时间序列，在时间序列中具有多于两个组成图像和/或状态，包括这种图像和/或状态的流。在一般操作中，干涉图910的直径916和浦肯野(p1)图像950的直径956可以被配置为大致表示或对应于被检查眼睛的瞳孔直径。
[0105]
图10图示了根据本披露内容的实施例的用于监测眼像差测量系统的泪膜水合的显示视图100(例如，包括一个或多个显示视图1018和/或1028)。在图10所示的实施例中，显示视图1018包括具有一个或多个脱水部分指示符1012的泪膜水合地图1010。在一些实施例中，泪膜水合地图1010可以根据调色板和/或灰度梯度来呈现，该调色板和/或灰度梯度被配置为指示被检查眼睛的绝对和/或相对泪膜水合。例如，绝对量度可以是基于理想眼睛泪膜水合，比如在一系列典型的眨眼之后典型存在的已知泪膜厚度。例如，相对量度可以是基于在检查开始(例如，t1)时或当患者指示他们的眼睛感觉适当的水合时测量的初始泪膜水合，并且所有随后的泪膜水合测量值可以相对于该初始测量值来确定。在各种实施例中，脱水部分指示符1012可以是图形叠加，图形叠加被配置为识别目标102和/或泪膜水合地图1010的部分，例如，这些部分的泪膜水合低于绝对量度、或在经过特定时间(例如，t2-t1)之
后低于预期，比如基于具有典型脱水率的理想眼睛模型。
[0106]
在显示视图1018中还图示了选择框1014。在一些实施例中，例如，用户接口146可以被配置为接受识别选择框1014的边界的用户输入，并且眼像差系统100可以被配置为生成显示视图1028，该显示视图包括水合时间演变图表1024，该水合时间演变图表被配置为图示了与由选择框1014界定的泪膜水合地图1010的区域相关联的泪膜水合的时间演变。例如，在图10所示的实施例中，水合时间演变图表1024包括水合演变轮廓1022，该水合演变轮廓指示由选择框1014界定的泪膜水合地图1010的部分的绝对或相对水合，其中点1026指示当前时间或特定检查序列的结束。在没有选择框1014的实施例中，水合时间演变图表1024可以对应于整个泪膜水合地图1010的平均值、均值或其他统计量度。在各种实施例中，选择框1014可以具有不同的形状，例如，或可以对应于如本文所述的脱水部分指示符1012中的一个或多个的选择。
[0107]
图11图示了根据本披露内容的实施例的操作具有泪膜水合监测的眼像差测量系统100和/或300的过程1100的流程图。应当理解，过程1100的任何步骤、子步骤、子过程或框可以以不同于图11所示实施例的顺序或布置来执行。例如，在其他实施例中，一个或多个框可以从过程中省略或添加到过程中。此外，框输入、框输出、各种传感器信号、传感器信息、校准参数、和/或其他操作参数可以在移动到对应过程的后续部分之前被存储到一个或多个存储器中。虽然过程1100是参考参考图1-10所述的系统、过程、控制回路和图像来描述的，但过程1100可以通过不同于那些系统、过程、控制回路和图像并且包括例如电子装置、传感器、组件、移动结构和/或移动结构属性的不同选择的其他系统来执行。
[0108]
在框1102中，接收眼像差输出。例如，控制器140、服务器150、和/或分布式服务器系统154可以被配置为接收眼像差测量输出数据，该眼像差测量输出数据至少包括由波前传感器120提供的波前传感器数据和/或由眼像差测量系统100的成像系统(例如，眼球跟踪仪130、其他模块148)提供的浦肯野图像数据。更一般地，眼像差测量输出数据可以包括如本文所述的由波前传感器120提供的波前传感器数据、由oct传感器122提供的oct传感器数据、由眼球跟踪仪130提供的眼球跟踪仪数据、和/或由眼像差测量系统100提供的其他输出数据中的任何一个或多个。由波前传感器120提供的波前传感器数据可以包括例如被检查眼睛的干涉图910，并且由眼像差测量系统100的成像系统提供的浦肯野图像数据可以例如包括被检查眼睛的第一浦肯野反射(p1)图像950。
[0109]
在框1104中，确定基于浦肯野图像数据的泪膜水合状态。例如，控制器140、服务器150、和/或分布式服务器系统154可以被配置为至少部分地基于在框1102中接收的浦肯野图像数据来确定对应于目标102的泪膜水合状态。在一些实施例中，控制器140、服务器150、和/或分布式服务器系统154可以被配置为通过以下方式来确定泪膜水合状态：通过至少部分地基于捕获的p1图像950来确定基于阈值的二元第一浦肯野反射(p1)图像(例如，p1图像的二元形态学表示，其中反射像素＝1并且非反射像素＝0)，然后至少部分地基于基于阈值的二元p1图像来确定对应于目标102的泪膜水合状态的一个或多个反射表征参数(例如，反射像素连通性、估计直径、估计面积)。确定这种基于阈值的二元p1图像可以包括针对p1图像950的每个像素确定像素的像素强度或亮度、为强度或亮度等于或高于阈值强度或亮度的像素分配为1的像素值、以及为强度或亮度低于阈值强度或亮度的像素分配为0的像素值。在一些实施例中，例如，阈值可以是预先确定的(例如，通过用户选择)，或者可以是自适
应的(例如，基于p1图像950中像素的强度和/或亮度的平均值、中值或其他统计量度)。
[0110]
在框1106中，确定基于波前传感器数据的泪膜水合状态。例如，控制器140、服务器150、和/或分布式服务器系统154可以被配置为至少部分地基于在框1102中接收的波前传感器数据来确定对应于目标102的泪膜水合状态。在一些实施例中，控制器140、服务器150、和/或分布式服务器系统154可以被配置为通过以下方式来确定泪膜水合状态：通过确定与波前传感器数据的监测区域相关联的波前传感器数据的傅立叶变换，并且至少部分地基于波前传感器数据的傅立叶变换来确定一个或多个变换特征。在各种实施例中，例如，变换特征可以包括一个或多个条纹对比度度量，比如峰值幅度、邻域直径和/或面积，和/或如本文所述的一个或多个轮廓特征，比如变换轮廓的峰值幅度、半高全宽、面积和/或其他表征。
[0111]
在框1108中，确定同步泪膜水合状态。例如，控制器140、服务器150、和/或分布式服务器系统154可以被配置为至少部分地基于在框1104和1106中确定的泪膜水合状态来确定对应于目标102的同步泪膜水合状态。在一些实施例中，控制器140、服务器150、和/或分布式服务器系统154可以被配置为通过以下方式来确定同步泪膜水合状态：通过控制波前传感器120和眼球跟踪仪130(例如，或系统100的另一个成像传感器)以在大约相同的时间(例如，t1、t2)和/或根据大约相同的速率(例如，捕获次数/秒)对目标102成像。在各种实施例中，控制器140、服务器150、和/或分布式服务器系统154可以被配置为通过以下方式来确定同步泪膜水合状态：通过将基于浦肯野图像数据的泪膜水合状态与基于波前传感器数据的泪膜水合状态组合、通过确定基于浦肯野图像数据的泪膜水合状态与基于波前传感器数据的泪膜水合状态的平均值、中值和/或其他统计组合。
[0112]
在框1110中，生成用户反馈。例如，控制器140、服务器150、和/或分布式服务器系统154可以被配置为至少部分地基于在框1102中接收的所确定的泪膜水合状态和/或眼像差测量输出数据中的任何一个或组合来生成对应于在框1104、1106和/或1108中确定的泪膜水合状态的用户反馈，比如干涉图910、第一浦肯野反射(p1)图像950、和/或所确定的泪膜水合状态的时间演变或序列的图表或地图的显示视图，比如泪膜水合地图1010和/或泪膜水合图表1024的显示视图。在各种实施例中，控制器140、服务器150、和/或分布式服务器系统154可以被配置为使用本文关于图4至图8所述的任何过程来生成用户反馈。
[0113]
在附加的实施例中，例如，控制器140、服务器150、和/或分布式服务器系统154可以被配置为至少部分地基于在框1104、1106和/或1008中确定的泪膜水合状态和/或基于或结合在框1110中生成的用户反馈来执行各种操作。例如，控制器140、服务器150、和/或分布式服务器系统154可以被配置为检测在框1104、1106和/或1008中确定的一个或多个泪膜水合状态，例如，脱水部分指示符1012、泪膜水合地图1010、和/或水合时间演变图表1024指示了泪膜水合水平低于最小像差测量水合阈值，并且省略了与低于最小像差测量水合阈值的泪膜水合水平相关联的检查序列的波前传感器数据和/或像差测量测量值。在其他实施例中，像差测量系统100和/或300可以被配置为例如当目标102的任何部分被检测为低于最小像差测量水合阈值时或当目标102的预设百分比(例如10％)被检测为低于最小像差测量水合阈值时，提示(例如，通过可见或声音用户反馈)患者眨眼或提示操作员提供盐水。在进一步的实施例中，像差测量系统100和/或300可以被配置为当目标102的任何部分或目标102的预设百分比被检测为低于最小像差测量水合阈值时，将空气(例如，使患者眨眼)或盐水(湿润目标102)投射到目标102上。
[0114]
因此，本披露内容的实施例可以提供如本文所述的对光学目标102的眼像差和/或影响这种眼像差表征的其他特征的基本上实时的(例如，30帧/秒)用户反馈(例如，包括各种图形的显示视图)和可靠且准确的监测。这种实施例可以用于辅助各种类型的临床和术中眼科检查并帮助提供改进的手术结果。
[0115]
在适用的情况下，可以使用硬件、软件或硬件与软件的组合来实现由本披露内容提供的各种实施例。同样，在适用的情况下，在不脱离本披露内容的精神的情况下，本文中阐述的各种硬件部件和/或软件部件可以被组合成包括软件、硬件和/或两者的复合部件。在适用的情况下，在不脱离本披露内容的精神的情况下，本文阐述的各种硬件部件和/或软件部件可以被分成包括软件、硬件或两者的子部件。此外，在适用的情况下，可设想的是，软件部件可以被实现为硬件部件，反之亦然。
[0116]
根据本披露内容的软件，比如非暂时性指令、程序代码和/或数据，可以被存储在一个或多个非暂时性机器可读介质上。还可设想的是，本文所识别的软件可以使用一个或多个通用或专用计算机和/或联网的和/或其他方式的计算机系统来实现。在适用的情况下，本文所述的各个步骤的顺序可以被改变、组合成复合步骤和/或被分成子步骤以提供本文所述的特征。
[0117]
上文描述的实施例是展示性的并且不限制本发明。还应理解的是，根据本发明的原理的许多修改和变化是可能的。因此，本发明的范围仅由以下权利要求限定。