CN102821674B - 在激光手术系统中整合有局部成像的梯度搜索 - Google Patents

Abstract

提供了基于在目标对象的选定位置处的感测或测量进行梯度搜索而无需在目标对象的整个场上执行全场感测或测量的技术和系统。提供了搜索方法，包括：相对于邻近第一位置的环确定区域边界的坐标；确定对应于所述第一位置的坐标的梯度方向；以及基于所述已确定的方向选择第二位置。可以实现一种搜索系统，该搜索系统包括：成像系统，其确定邻近第一位置的环上的对象的特征的坐标；以及耦接到所述成像系统的控制器，其确定对应于所述第一位置的坐标的梯度方向并且基于所述已确定的方向选择第二位置。

Description

在激光手术系统中整合有局部成像的梯度搜索

技术领域

本专利文献涉及用于包括眼科手术应用在内的各种应用的梯度搜索。

背景技术

存在有出于各种各样的目的来成像对象或对象各部分的许多方法，所述目的包括制造、诊断、质量控制、手术应用和许多其它应用。光学相干断层摄影（OCT）是创建三维图像并且提取材料的结构信息的许多方法中的一种。这通常通过在目标区域或表面上扫描光束并在随后分析散射和返回光的空间、光谱和时间特性而实现。可以通过沿着空间密度足够高的二维或三维网格图案扫描而获得详细的成像信息。

发明内容

然而对于许多应用，创建整个区域或表面的完整图像是不需要的或是不利的。这些应用中的一种是寻找被成像表面或区域的特定点的任务。这些特定点可以是被成像表面的极点、被成像对象的特征或该对象的边界点或边缘。该文献公开了基于在目标对象的选定位置处的感测或测量进行梯度搜索而不在目标对象的整个场上执行全场感测或测量的技术和系统。

眼科手术常常遇到可以相对于基准点（例如角膜的顶点）引导手术程序的情况。在白内障程序中，基准点可以是晶状体的前表面或后表面的顶点或它的硬核。例如可以通过首先用成像束由一系列平面B、径向或圆柱形OCT扫描来扫描目标区域而识别基准点。经扫描的数据可以被分析并被用于组成目标区域、表面或对象的完整三维图像。然后可以存储这些图像数据。随后，搜索算法可用于经存储的图像数据，以识别感兴趣的最大值或最小值。

然而，成像整个目标区域（尤其用高强度扫描以保证良好的分辨率）是不必要的浪费，原因是它存储的许多数据点最终未被使用。此外，获取这些大量数据是耗时的并导致处理缓慢。因此，在时间宝贵的应用中，这些应用是不利的。

为了改善这样的成像过程的效率，例如，用于外科成像的搜索方法可以包括以下步骤：相对于邻近第一位置的环确定区域边界的坐标；确定对应于所述第一位置的坐标的梯度方向；以及基于所述已确定的方向选择第二位置。

在实施例中，所述已确定的坐标是高度、深度、z坐标和沿着基准线的坐标中的一种。

在实施例中，所述环是闭环、平面中的环、预先确定的表面上的环、椭圆和圆中的一种。

在实施例中，所述第一位置是横向于轴线的平面中的位置、横向于所述已确定的坐标的平面中的位置、(x,y)平面中的位置、极坐标系中的位置、和预先确定的表面上的坐标中的一种。

在实施例中，所述坐标由光学相干断层摄影、深度测量技术、光学测量和优值函数的感测技术中的一种来确定。

在实施例中，所述确定梯度方向的步骤包括确定沿着所述环的所述坐标的最大值的方向和沿着所述环的所述坐标的最小值的方向中的至少一个，以及基于所述最大值的方向和所述最小值的方向中的至少一个确定所述梯度方向。

在实施例中，所述选择第二位置的步骤包括通过使所述第一位置移位一个增量向量来选择所述第二位置，所述增量向量的方向大致平行于所述梯度方向。

在实施例中，所述第一位置在所述梯度的幅度小于迭代终止值的情况下被保留。

在实施例中，所述相对于邻近第一位置的环确定区域边界的坐标的步骤包括识别围绕所述第一位置的射线，以及确定射线点处的坐标。

在实施例中，所述确定围绕所述环的坐标的梯度方向的步骤包括确定所述坐标沿着所述射线的变化率，选择所述变化率最大时所沿着的射线，以及识别选定射线的方向作为所述梯度方向，并且选择沿着选定射线的变化率作为所述梯度的幅度。

在实施例中，所述方法包括使所述第一位置移位一个振动向量，所述振动向量具有与所述梯度方向成非零角的方向或与所述梯度的幅度明显不同的幅度中的至少一个。

在实施例中，在无需在体积中、沿着平行线、在二维光栅中、在网格上和在表面上的光栅中的一种确定所述区域边界的坐标的情况下，执行所述搜索方法。

在实施例中，所述区域边界是角膜、晶状体和白内障中的一个的眼层，所述坐标是所述眼层的深度，并且所述搜索方法包括确定所述眼层的深度的极值。

在实施例中，所述搜索方法能够比10毫秒、100毫秒、1秒和10秒中的一个更快地确定所述眼层的极值。

在实施例中，一种搜索系统包括：成像系统，其确定邻近第一位置的环上的对象的特征的坐标；以及控制器，其耦接到所述成像系统以确定对应于所述第一位置的坐标的梯度方向并且基于已确定的方向选择第二位置。

在实施例中，所述成像系统包括：扫描仪，其扫描成像束；以及图像采集子系统，其接收并预处理返回的成像束。

在实施例中，所述成像系统是光学相干断层摄影系统、深度测量系统、光学感测系统、和优值函数感测系统中的一种。

在实施例中，所述控制器被配置成确定沿着所述环的所述坐标的最大值的位置和沿着所述环的所述坐标的最小值的位置中的至少一个，并且通过相关所述第一位置、所述最大值的位置和所述最小值的位置中的任两个确定所述梯度方向。

在实施例中，所述控制器被配置成通过使所述第一位置移位一个增量向量来选择所述第二位置，所述增量向量的方向大致平行于所述梯度方向。

在实施例中，所述控制器被配置成在所述梯度的幅度小于迭代终止值的情况下保留所述第一位置。

在实施例中，所述成像系统是眼科相干断层摄影系统，所述被成像对象是角膜、晶状体和白内障中的一个的眼层，所述坐标是所述眼层的深度，并且所述控制器被配置成确定所述眼层的深度的极值。

在实施例中，所述搜索系统被配置成比10毫秒、100毫秒、1秒和10秒中的一个更快地确定所述眼层的极值。

在实施例中，一种用于外科成像的搜索方法包括以下步骤：执行邻近第一位置的被成像区域的优值函数的局部搜索；基于所述局部搜索确定优选方向；以及基于所述优选方向选择第二位置。

在实施例中，执行局部搜索的步骤包括由光学相干断层摄影、深度测量技术、光学感测技术和优值函数的感测技术中的一种进行外科成像。

在实施例中，执行局部搜索的步骤包括确定高度、深度、z坐标、沿着基准线的坐标、光密度和光散射强度中的一种。

在实施例中，执行局部搜索的步骤包括沿着闭环、平面中的环、预先确定的表面上的环、椭圆、圆、大致闭合表面、椭球和球中的一个确定所述优值函数。

在实施例中，执行局部搜索的步骤包括沿着局部射线确定所述优值函数。

在实施例中，确定优选方向的步骤包括确定所述优值函数的梯度方向。

在实施例中，确定所述梯度方向的步骤包括确定邻近所述第一位置的大致闭合表面或环上的所述优值函数的最大值的位置和邻近所述第一位置的大致闭合表面或环上的所述优值函数的最小值的位置中的至少一个，以及通过相关所述第一位置、所述最大值的位置和所述最小值的位置中的任两个确定所述梯度方向。

在实施例中，选择第二位置的步骤包括通过使所述第一位置移位一个增量向量来选择所述第二位置，所述增量向量的方向大致平行于所述梯度方向。

在实施例中，所述方法包括在所述梯度的幅度小于迭代终止值的情况下保留所述第一位置。

在实施例中，在无需在体积中、沿着平行线、在对准表面上、在二维光栅中和在三维光栅中的一种确定所述优值函数的情况下执行所述搜索方法。

在另一例中，描述了一种用于在目标对象上搜索函数的梯度的方法，所述方法包括：选择所述目标对象的第一位置；在所述第一位置执行感测或测量操作以获得所述函数的相应值；选择具有不同于所述第一位置的所述目标对象的多个第一环位置的第一环；以及在所述第一环的所述多个第一环位置执行感测或测量操作，而无需在其它位置执行感测或测量操作，由此获得所述函数在相应的多个第一环位置处的值。选择所述多个第一位置中具有针对所述函数的最大值或最小值的所述多个第一环位置中的一个第一环位置。使用所述第一位置和所述多个第一环位置中具有针对所述函数的最大值或最小值的选定的第一环位置、以及所述函数的相应值来确定所述第一位置和所述选定的第一环位置之间的第一梯度。接着，沿着所述第一梯度的方向选择所述目标对象的第二位置并且在所述第二位置执行感测或测量操作以获得所述函数的相应值。选择具有不同于所述第二位置的所述目标对象的多个第二环位置的第二环，并且在所述多个第二环位置执行感测或测量操作而无需在其它位置执行感测或测量操作，由此获得所述函数在相应的多个第二环位置处的值。选择所述多个第二位置中具有针对所述函数的最大值或最小值的所述多个第二环位置中的一个第二环位置，并且使用所述第二位置和所述多个第二环位置中具有针对所述函数的最大值或最小值的选定的第二环位置以及所述函数的相应值来确定所述第二位置和所述选定的第二环位置之间的第二梯度。

在附图、说明书和权利要求书中详细地描述了基于目标对象的选定位置处的感测或测量而进行梯度搜索的技术和系统的以上和其它方面。

附图说明

图1A例示了梯度搜索算法的原理。

图1B例示了用于成像的网格扫描图案。

图2例示了整合有局部成像方法100的梯度搜索的实施例。

图3A-B例示了与对应于第一位置的环关联的局部搜索步骤。

图4例示了梯度搜索算法的迭代方面。

图5A-B例示了基于射线的局部搜索步骤。

图6例示了基于优值函数100’的局部搜索的搜索算法。

图7例示了整合的搜索和成像系统200。

具体实施方式

寻找函数的极值的坐标的挑战出现在各种应用中，其中是二维或更多维空间中的位置向量，例如感兴趣的对象表面上的或对象体积中的位置向量。梯度或最陡下降或上升方法的基础在于如果函数有实值并且在位置的邻域中是可微分的，则在处的梯度向量F的方向上变化最快。所以，可以通过重复地更新对应于每次更新的梯度向量的方向上的初始位置而有效地找到最大值的位置。类似地，可以通过重复地更新与对应于每次更新的梯度向量相反的方向上的初始位置而有效地找到最小值的位置。

在最大值搜索算法的例子中，位置向量根据以下关系式从移动或更新到

${\stackrel{\→}{x}}_2={\stackrel{\→}{x}}_1+\mathrm{\γ}\stackrel{\→}{\▿}F\left({\stackrel{\→}{x}}_1\right)---\left(1\right)$

对于足够小的γ>0，所述更新增加函数的值：因此，沿着相应梯度向量重复更新位置是迭代过程，用以下迭代关系式产生位置的序列：

$\stackrel{\→}{x}(n+1)=\stackrel{\→}{x}\left(n\right)+\mathrm{\γ}\left(n\right)\stackrel{\→}{\▿}F\left(\stackrel{\→}{x}\left(n\right)\right)---\left(2\right)$

以上迭代关系式产生函数的增长值的相应序列：

$F\left(\stackrel{\→}{x}\left(1\right)\right)\≤F\left(\stackrel{\→}{x}\left(2\right)\right)...\≤F\left(\stackrel{\→}{x}\left(n\right)\right)---\left(3\right)$

这些值至少局部地收敛为的最大值。在通用公式中，可以随机地或基于一些现有的知识或基于最大值位置的猜想来选择起始坐标由γ(n)控制的步长可以是恒定的，或者是取决于根据一些合适的条件选择的n的变量。

类似的最小值搜索算法可以根据如下关系式来更新位置：

$\stackrel{\→}{x}(n+1)=\stackrel{\→}{x}\left(n\right)-\mathrm{\γ}\left(n\right)\stackrel{\→}{\▿}F\left(\stackrel{\→}{x}\left(n\right)\right)---\left(4\right)$

并且在其它方面类似地继续。

图1A例示了梯度搜索算法。在这里是二维位置(x,y)并且是标量函数。闭环是连接具有相同值的点的等值线或等高线。嵌套闭合等值线的集合封闭可以是最大值或最小值的极值E。

参考最大搜索算法，梯度搜索算法可以使用步向量或更新向量：该步向量或更新向量用平行于初始位置处的梯度向量的向量更新该初始位置(x1,y1)，导致更新的位置(x2,y2)，如方程（2）中所示。更新向量的长度由γ(n)控制。图1A示出了每个位置处的梯度向量的方向正交于穿过相同位置的等高线。

通过序列(x1,y1),(x2,y2),…(xn,yn)重复更新位置产生函数值增加的序列：

F(x1,y1)≤F(x2,y2)...≤F(xn,yn)        (5)

梯度搜索方法典型地监测函数值的序列。当函数值的增加降到低于阈值时，算法推测到达函数的最大值的邻近区。然后典型地停止算法并且该最后点的位置以及函数的相应最大值被报告作为算法的结果。

当函数的增加降到低于阈值时，一些算法可以包括通过减小γ(n)缩短更新向量的长度的步骤以避免超调或搜索进入非收敛循环。

能够以若干不同的方式应用和执行上述的梯度搜索算法。函数可以是各种各样的量，例如包括高度、深度、温度、光或电磁吸收、用于搜索的优值函数和各种应用中的标量函数。因此，位置可以是多维向量，包括二维或三维中的、相对或固定坐标系中的空间坐标。在用于优化优值函数的通用搜索中，位置可以是合适的状态向量。各种各样的函数的值可以由各种各样的合适方法获得，所述方法常常包括对象的目标表面上或目标体积内的感测或测量操作。用于获得函数的值的感测或测量操作的例子包括：由机械传感器或由光学成像测量目标对象表面的高度或深度、目标对象组织、体积或区域的厚度；测量折射性质、密度或其它光学性质；以及由温度传感器（例如直接接触式温度传感器）或由从远处操作的红外传感器测量温度分布。函数的感测值然后可以用于执行梯度搜索算法的剩余部分，如上所述。

许多梯度搜索技术执行全场感测或测量操作以获得对象的整个目标区域或体积的函数的值。作为例子，图1B示出了一些方法能够在经网格扫描的数据集上执行梯度搜索。能够在(x,y)网格上执行扫描、存储扫描数据并且随后对存储的扫描数据执行梯度搜索算法。图1B为了清楚显示了稀疏网格。在许多应用中，可以应用密得多的网格以达到期望的精度。

对全场经网格扫描数据执行梯度搜索可能在某些应用中具有缺陷和限制。例如，感测对象的整个目标区域或体积的函数的值会采集通常在后续梯度搜索中用不到的大量数据点。因此，这样的网格扫描会浪费处理时间。对于另一个例子，网格扫描方法会很慢，原因是采集不被使用的扫描数据耗费时间并且该缓慢过程会损害该方法对需要在短时间内寻找极值的时间敏感应用的可应用性。

能够以解决这些和其它技术问题和挑战的方式由整合的梯度搜索执行该文献中所描述的搜索技术，所述整合的梯度搜索仅在局部感测函数确定局部感测值的该小集合上的梯度并且基于已确定的梯度更新位置x。这类整合的技术具有内置智能以仅选择有限数量的位置来执行函数的值的感测或测量而无需执行在目标对象区域或体积的整个场上的全场感测或测量。选择有限数量的位置来执行感测或测量操作减小了处理时间并且通过仅捕捉和存储与梯度搜索相关的数据而高效地使用系统资源。该整合允许感测或测量操作的扫描仅在局部进行而无需在感兴趣的目标对象区域或体积的整个场中全局地执行。由于这些搜索算法仅涉及局部扫描，因此它们可以比在整个网格上扫描目标明显更快并且因此减小了扫描和计算工作量和时间。

这类实现对于不需要关于被成像对象的完整二维或三维网格扫描信息、而是涉及仅确定某些特征（例如对象的空间范围的极点或光吸收的最大值的位置或任何其它基准点）的成像应用而言是有用的。

该集成的梯度搜索方法的一些实施例能在眼科应用中实现，其中该集成的搜索方法可以有用于若干不同的功能：

1)各实现能被用于寻找眼内各组织的边界的空间极点。这些极点可被用作定位和引导手术程序的基准点。基准点例如可以包括角膜的顶点、或者晶状体或视网膜的前表面或后表面的顶点。可以从这些测量值导出其它特性，例如晶状体的厚度或眼睛的轴向长度。

2)各实现能被用于定位眼晶状体中的白内障的极点。白内障可以仅仅占据与核的最硬化区域关联的晶状体的一部分。

3)各实现能被用于寻找眼区域的极点以引导时间宝贵的手术程序。在眼科程序中患者常常在90-120秒之后失去保持他们的眼睛静止的能力。所以，快速搜索基准点以引导眼科手术对于及时完成眼科手术来说会很重要。

尽管下面主要在外科手术的情境中解释各实现，但是实施例也可以在上面列出的任何应用的情境中使用，所述应用还包括使用任何类型的成像过程（例如光学相干断层摄影或OCT）的任何诊断程序或制造过程。

图2示出了整合有局部成像的梯度搜索（GSILI）方法100的实施例。GSILI方法100首先在步骤110中相对于邻近第一位置的环确定区域边界的坐标。接着，方法100在步骤120中确定对应于第一位置的坐标的梯度方向。最后，在步骤130中基于已确定的方向选择第二位置。

在执行方法100的过程中，区域边界可以是被成像三维对象的表面所述边界。可以通过根据相应(x,y)位置表达表面的z坐标而被限定。在以上概述的语言中，该z坐标或高度是其极值被寻找的函数

$F\left(\stackrel{\→}{x}\right)=z(x,y).$

第一位置可以是横向于轴线的平面中的位置、横向于已确定的坐标的平面中的位置、(x，y)平面中的位置、极坐标系中的位置和预定表面上的位置。上述笛卡尔坐标系仅仅是一个例子，其中(x,y)坐标限定第一位置并且z坐标是已确定的坐标。

在步骤110中可以相对于第一位子选择第一环。第一环可以围绕第一位置居中，或者可以邻近第一位置。接着，可以在沿着第一环的一组位置感测或测量函数的值。下面关于搜索坐标的极值的算法描述了用于实现方法100的具体例子，所述坐标可以是高度、深度、z坐标和沿着基准线的坐标。可以为各种其它函数（包括光学性质、优值函数和标量函数）执行GSILI方法100。

在围绕第一位置的第一环上执行感测或测量操作之后，方法100的一些实现选择具有函数的最大值或最小值的第一环上的环位置。可以基于该选定环位置和第一位置处的函数的值确定第一梯度。沿着该第一梯度，可以在对象的目标区域或体积内选择第二位置，实际上“更新第一位置”。可以通过选择邻近第二位置的第二环完成该循环。

通过沿着第二环感测或测量函数的值开始新的循环。接下来，选择第二环上具有函数的最大值或最小值的环位置。可以基于该选定的环位置和第二位置处的函数的值确定第二梯度。沿着该第二梯度，可以选择对象的目标区域或体积内的第三位置并且将第二位置更新到该第三位置。重复以上过程的循环直到完成最大值或最小值的搜索。

在以上过程中，环与位置的结合使用提供选择用于梯度搜索的下一个位置的局部智能。感测或测量操作被沿着环局部而不是在对象的整个目标区域或体积内的网格上的所有位置全局地执行。因此，局部感测或测量操作和根据局部梯度的位置的更新在梯度搜索期间被整合并交织。现在将在下面更详细地描述这些步骤和它们的各种实现。

GSILI方法100可以搜索被成像对象的边界的极点。一个眼科的例子是一个眼分段（例如角膜）的顶点。另一个例子是晶状体的核的硬化中心的顶点。

图3A例示了在步骤110中可以在邻近起始点(x1,y1)的环112-1上确定坐标，例如被成像对象的边界的z坐标。在一例中，环112-1可以围绕起始点(x1,y1)居中。在其它例中，起始点(x1,y1)可以与环成预定关系地偏离环112-1的中心，甚至位于环外。环112-1可以是闭环、平面中的环、预定表面上的环、椭圆、和圆。在一些情况下，沿着环112-1可以存在有一个或多个间断。

在步骤110的一些实施例中可以不连续地、而仅确定沿着环112的一组点处的坐标值。这些点能密集地定位或者沿着环以一定距离分开。

在步骤110中可以由光学相干断层摄影（OCT）、深度测量技术、和优值函数感测技术确定。

在一例中，可以沿着环112-1由扫描仪扫描成像束的焦斑。该环可以位于(x,y)平面中，以点(x1,y1)为中心。可以通过由图像采集系统感测从边界返回的成像束来确定所述坐标，例如被成像对象的边界的z=z(xl，y1)深度。当沿着环122-1扫描成像束的焦斑时，可以大致连续地或在一组点(xl，yl)处感测z深度坐标。

例如可以由在表面的两侧上在测量上不同的光散射区分表面z=z(x,y)。任何光学成像技术可以用于确定所述坐标、测量反射率、散射、透射率或吸收率。所述测量可以利用电磁光谱的任何部分，包括红外和紫外部分。

可以通过选择起始点(x1,y1)开始GSILI方法100的总体应用。可以随机地或通过使用一些预先定义的信息（例如以前成像的结果、来自常识的事实或有根据的推测）选择起始位置。

图3B例示了步骤110的可能结果：由极角或方位角φ参数化的沿着环确定的坐标的值。有时这一类型的扫描被称为创建圆形B扫描。

在步骤120中可以通过调用一个位置处的梯度方向大致上是该位置处的坐标的最大变化的方向来确定梯度方向。因此，可以通过确定沿着环的坐标的最大值z_max和它相对于环中心的方向（由相应方位角或极角φ_max表征）以及沿着环的坐标的最小值z_min和它相对于环的中心的方向（由相应方位角或极角φ_min表征）中的至少一个确定梯度的方向。从这些值可以基于最大值和最小值的方向中的至少一个确定梯度方向。该梯度方向可以由不同的方法识别，例如：

(i)最大值的方向，其由以(x1,y1)为原点并且指向方位角φ_max的方向的向量表征；或由

(ii)最小值的方向，其由平行于方位角φ_min的方向、指向(x1,y1)的向量表征；或由

(iii)直接连接对应于φ_max和φ_min的沿着环的点。

在半径为r的环上测量的以上三种情况(i)-(iii)中的梯度的幅度可以近似为：

$\left(i\right)\left|\stackrel{\→}{\▿}z(x1,y1)\right|\≈(z_{\max }-z(x1,y1)/r);$ 或

$\left(\mathrm{ii}\right)\left|\stackrel{\→}{\▿}z(x1,y1)\right|\≈(z(x1,y1)-z_{\min })/r);$ 或

$\left(\mathrm{iii}\right)\left|\stackrel{\→}{\▿}z(x1,y1)\right|\≈(z_{\max }-z_{\min })/2r).$

由于梯度是数值求导或至少离散数据的有限微分，因此典型地它会具有不期望的不良精度，或换句话说，具有高噪声。为了解决该问题，可以通过平均或曲线拟合沿着环的极角φ而减小极角φ_max和φ_min的值中的数值噪声。可以通过将梯度方向接受为以上三种可能性中的任一种并且然后在离第一位置(x1,y1)距离rn的各点处沿着该梯度方向执行附加扫描步骤而减小梯度幅度中的数值噪声。相距rn的各点可以在连接(x1,y1)处的第一位置和对应于z_max或由某个其它准则选择的环上的点的射线上相等地间隔。将连接(x1,y1)处的第一位置和环上对应于z_max的点的射线上的新扫描z值标记为z_max(r1),z_max(r2)，...z_max(rn)并且将连接(x1,y1)和环上对应于z_min的点的射线上的新扫描z值标记为z_min(r1’),z_min(r2’)，...z_min(rn’)，可以由各种实现获得梯度的幅度的近似：

$\left(i^{\′}\right)\left|\stackrel{\→}{\▿}z(x1,y1)\right|\left(n\right)\≈(z_{\max }\left(\mathrm{rn}\right)-z(x1,y1)/\mathrm{rn});$ 或

$\left(i{i}^{\′}\right)\left|\stackrel{\→}{\▿}z(x1,y1)\right|\left(n\right)\≈(z(x1,y1)-z_{\min }\left({\mathrm{rn}}^{\′}\right))/r{n}^{\′});$ 或

$\left({\mathrm{iii}}^{\′}\right)\left|\stackrel{\→}{\▿}z(x1,y1)\right|\left(n\right)\≈(z_{\max }\left(\mathrm{rn}\right)-z_{\min }\left({\mathrm{rn}}^{\′}\right))/(\mathrm{rn}+{\mathrm{rn}}^{\′}).$

然后可以通过对N个这类离散微分进行平均来继续这三种实现中的任一种：

$\left({\mathrm{iv}}^{\&prime;}\right)<\left|\stackrel{\&RightArrow;}{\&dtri;}z(x1,y1)\right|>=\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}\left|\stackrel{\&RightArrow;}{\&dtri;}z(x1,y1)\right|\left(n\right),$

由此获得具有改善的精度和减小的噪声的梯度幅度。一些方法可以组合以上实现。这些平均方法可以确定对于增加的N具有增加的精度的梯度幅度。也可以使用其它降噪方法。

返回图3A，在步骤130中可以通过使第一位置（在所示情况下为起始位置(x1,y1)）沿着梯度方向移位一个增量向量114-1来选择第二位置。该增量向量114-1的幅度可以与梯度的幅度成比例，例如幅度乘以步长控制参数γ。

在一些实现中，其中增量或更新向量的方向可能不完全平行于梯度，但是可以与它相关。增量向量可以与梯度向量成一个预先确定的角度，或者它可以从梯度的方向偏离一个随机角度。

图4例示了可以重复地执行步骤110-130，递增朝着最后位置(xf，yf)前进的位置(xn,yn)，假设在所述最后位置坐标z具有它的最大值：z(xf，yf)=z(Max)。应当注意z_max表示沿着各独立搜索环的对应于特定位置的坐标的最大值，而z(Max)则表示正在搜索的表面z=z(x,y)的总体最大值。

所述增量向量114-n的幅度（也被称为步长）可以与梯度向量的幅度成比例。比例常数γ可以对于所有步骤是相同的，或者它可以逐步骤地变化：γ＝γ(n)。其它参数（例如环的半径r）也可以由方法100的用户或由控制计算机选择，并且可以保持相同或可以逐步骤地变化。可以选择方法100的这些参数以便实现方法100的快速收敛。参数选择可以取决于梯度的陡度、表面和环的复杂性、期望精度、测量噪声和其它考虑。

该GSILI方法100可以在梯度的幅度小于迭代终止值时终止。在一些情况下可以逐渐减小增量向量的幅度以避免超调或进入振荡或周期循环。实践中，当z坐标的增加变为小于第一值时，然后当继续该方法时可以将γ减小到γ1＜γ值。可以重复该逐渐减小步骤以增加精度。

图5A-B例示了步骤110的另一个实施例。

图5A示出了也可以在沿着从第一位置发出并且终止于环112-1上或附近的各条射线确定坐标z的意义上“相对于环”确定坐标z。获取梯度是数值求导并且会产生可能具有低精度的有噪声结果。该噪声可以导致对梯度的方向和幅度的不精确确定。上面的平均实现(i’)-(iv’)在梯度的幅度上减小了噪声，但是仍然仅仅使用关于方向的两个点。因此方法100仅仅以有限的精度确定梯度方向。

图5B示出了该实现方式可以包括以下步骤：

(a)识别若干射线方向1，...M（为了清楚仅仅显示了射线1,2和M）；

(b)确定r₁1,r₁2,...r₁n和r₁1’,r₁2’，...r₁n’处的第一射线上的各点一直到r_M1,r_M2,...r_Mn和r_M1’,r_M2’，...r_Mn’处的第M条射线上的各点的z坐标的值，其中n可以具有达到N的值并且n’可以具有达到N’的值；

(c)由平均方法(i’)-(iv’)中的任一种确定沿着M条射线的变化率；

(d)选择变化率最大时所沿着的射线；以及

(e)将选定射线的方向识别为梯度方向，并且将沿着选定射线的变化率识别为梯度的幅度。

在这些实现方式中射线点的数量N可以在1到100之间，在一些情况下在1到10之间，并且射线的数量M可以在1到100之间，在一些情况下在1到10之间。

对于相对平滑和可微分表面，GSILI方法100收敛到被成像区域的边界的局部极值。然而，有可能被搜索边界具有一个以上极值，它们中的仅仅一个是全局或总极值。然而，GSILI方法100可以很好地陷入局部最小值中的任何一个中。同时，GSILI方法100的一些实现涉及确定边界的全局极值，并且因此陷入局部最小值中的搜索具有挑战。

另外，如果成像返回具有较低精度的z坐标，则相应噪声可能创建许多浅显最小值，再次能够陷入搜索算法100，例如类似于科学应用中的玻璃态问题。

为了克服这两种类型的陷入，可以使用为优化方法开发的已知变型作为GSILI方法100的实现的补充。一些优化方法通过应用不受局部梯度控制的偶然随机跳跃来避免搜索陷入局部最小值。

这些随机跳跃实现可以使位置(xn,yn)移位或更新一个振动向量，该振动向量的方向不平行于梯度的方向。振动向量的幅度可以被选择为足够大以将搜索移动到局部最小值的吸引域之外。在其它实施例中，振动向量的方向可以与梯度的方向相关，但是振动向量的幅度可以明显地不同于梯度的幅度。

返回GSILI方法100的总体优值，可以执行搜索方法100而不执行图1B的网格扫描，或者换句话说，无需在体积中、沿着平行线、在二维光栅或网格中和在表面上的光栅中的一种确定区域边界的坐标。由于该原因，可以宝贵的短时间内执行GSILI方法100。

在眼科应用中，一区域的被成像边界可以是角膜、晶状体和白内障中的一个的眼层；坐标可以是眼层的深度；并且搜索方法100可以涉及确定眼层的极值。

由于GSILI方法100执行局部搜索而不是网格扫描整个目标区域，因此可以明显更快地被执行。在以上眼科实现中，搜索方法100能够比10毫秒、100毫秒、1秒和10秒中的一个更快地确定眼层的极值。已知眼科患者常常难以保持控制他们的眼睛超过90-120秒，并且已知整个手术程序本身的时间限制，低于10秒的搜索方法的总时间可以允许将眼层上的基准点原位识别为手术的引入相。如果可以低于1秒执行搜索方法，则可以在眼科程序期间重复地被执行，以提供关于其进展的反馈。如果可以低于100毫秒执行搜索方法，则基准点的有限分辨率近实时成像是可能的，并且如果低于10毫秒执行该方法，则基准点的良好分辨率近实时成像是可能的。

图6例示了可能在手术情境中的搜索方法的又一个实施例100’，该搜索方法包括：

在步骤110’中执行邻近第一位置的被成像区域的优值函数的局部搜索；在步骤120’中基于局部搜索确定优选方向；以及在步骤130中基于优选方向选择第二位置。

在图6中，步骤110’中的局部搜索可以包括由光学相干断层摄影、深度测量技术、光学感测技术、和优值函数感测技术中的一种进行成像。

优值函数可以是任何空间坐标、高度、深度、表面z坐标、在例如红外或紫外部分的电磁光谱的任何部分中的任何光学性质（例如散射强度、反射率、透射率、吸收率）和任何机械性质。在其它实现中，优值函数可以是感测量的组合，例如光反射率和紫外散射强度的积或加权和。大量复合优值函数是可能的，以组合各种性能参数。

如果优值函数具有在目标层上的可检测变化，则可以成像这些优值函数中的任意优值函数。一个例子是在核的扫描期间当到达白内障区域时光散射强度呈现快速增加。

局部搜索步骤110’可以包括邻近第一位置在二维或三维中搜索。相应地，可以沿着闭环、平面中的环、预定表面上的环、椭圆、圆、大致闭合表面、椭球和球以及沿着局部射线来确定所述优值函数。

在步骤120’中，优选方向可以被确定为优值函数的梯度方向。

类似于图2中的方法100，图6中的梯度方向可以包括确定围绕第一位置的大致闭合表面或环上的优值函数的最大值的位置和围绕第一位置的大致闭合表面或环上的优值函数的最小值的位置中的至少一个，接着通过相关第一位置、最大值的位置和最小值的位置中的任两个来确定所述梯度方向。以上方法中的任何方法都能被应用于确定梯度，包括各种平均方法。

一旦确定梯度的方向和幅度，在步骤130’中，选择第二位置的步骤可以包括通过使第一位置移位一个增量向量选择第二位置，其中该增量向量的方向可以大致平行于梯度的方向。

在重复地执行步骤110’-130’之后，当梯度的幅度变为小于迭代终止值时可以停止搜索方法100’，因为这标志着方法100’到达被搜索极值的紧邻区。

由于方法100’仅执行局部搜索，因此它不涉及在体积中、沿着平行线、在对准表面上和在二维或三维光栅或网格中确定被成像区域的优值函数。

图7例示了整合的搜索成像（ISI）系统200。ISI系统200能够执行方法100或100’。ISI系统200可以包括扫描仪210以及图像采集和预处理单元220，两者是成像系统230的一部分。扫描仪210被配置成在被成像区域中扫描激光成像束。图像采集和预处理单元220可以接收并预处理返回的成像束。在实现中，成像系统230可以以各种形式被配置，例如光学相干断层摄影系统、深度测量系统或优值函数的感测系统。

成像系统230能够确定对象的特征或区域边界的坐标。成像过程可以基于感测在边界处呈现出可检测变化的任何光学或机械性质。

提供控制器240以控制扫描仪210以及图像采集和预处理系统220。这些子系统之间的通信可以是双向的。控制器240可以引导成像系统230：

(i)确定邻近第一位置的环中的坐标；

(ii)确定对应于第一位置的坐标的梯度的方向；以及

(iii)基于已确定的方向选择第二位置。

控制器240可以被配置成确定沿着环的坐标的最大值的位置和沿着环的坐标的最小值的位置中的至少一个，并且通过相关第一位置、最大值的位置和最小值的位置中的任两个确定梯度方向。

控制器240还可以通过使第一位置移位一个增量向量选择第二位置，其中该增量向量的方向可以大致平行于梯度的方向。

控制器240也可以被配置成当梯度的幅度变为小于迭代终止值时停止搜索。

在眼科实现中，成像系统230可以是眼科相干断层摄影系统；区域的被成像边界可以是角膜、晶状体或白内障的眼层，并且坐标可以是眼层的深度。扫描仪210可以沿着表面（例如(x,y)平面）中的环移动成像束的焦斑。图像采集系统220可以例如由传感器或传感器的阵列感测成像束的返回部分以确定被成像边界的坐标，例如它的z深度。在这些实现中，控制器240可以被配置成确定眼层的极值。

在这类眼科应用中，ISI系统200可以比10毫秒、100毫秒、1秒和10秒中的一个更快地确定眼层的极值。这些值的每一个与唯一功能性关联，如先前所述。

如先前重复地所述，尽管关于手术程序描述了方法100和100’的实现的一些方面，但是这些方法同样适用于当不需要成像整个表面或边界、仅识别它们的极值或边界或一些其它特征的任何情况。因而，方法100和100’可以应用于任何材料加工、诊断、质量控制和制造应用。

尽管该文献包含许多细节，但是这些不应当被理解为对本发明的范围或可以要求权利的内容的限制，而应当被理解为本发明的特定实施例特有的特征的描述。在不同实施例的背景下在该文献中描述的某些特征也可以在单一实施例中组合实现。相反地，在单一实施例的背景下描述的各种特征也可以在多个实施例中独立地或以任何合适的子组合实现。而且，尽管特征可以在上面被描述为在某些实施例中起作用并且甚至最初照此要求权利，但是来自权利要求的组合的一个或多个特征可以在一些情况下从该组合去除，并且权利要求的组合可以涉及子组合或子组合的变化。

已公开了图像引导激光手术方法、装置和系统的许多实现方式。然而，可以基于所描述的内容进行所述实现方式和其它实现方式的变化和加强。

Claims (9)

1.一种用于在目标对象上搜索函数梯度的方法，包括：

选择所述目标对象的第一位置；

在所述第一位置处执行感测或测量操作以获得所述函数的相应值；

选择具有不同于所述第一位置的所述目标对象的多个第一环位置的第一环；

在所述第一环的所述多个第一环位置处执行感测或测量操作而无需在其它位置执行感测或测量操作，由此获得所述函数在相应的多个第一环位置处的值；

选择所述多个第一环位置中具有针对所述函数的最大值或最小值的所述多个第一环位置中的一个第一环位置；

使用所述第一位置和所述多个第一环位置中具有针对所述函数的最大值或最小值的选定的第一环位置、以及所述函数的相应值来确定所述第一位置和所述选定的第一环位置之间的第一梯度；

沿着所述第一梯度的方向选择所述目标对象的第二位置；

在所述第二位置处执行感测或测量操作以获得所述函数的相应值；

选择具有不同于所述第二位置的所述目标对象的多个第二环位置的第二环；

在所述多个第二环位置处执行感测或测量操作而无需在其它位置执行感测或测量操作，由此获得所述函数在相应的多个第二环位置处的值；

选择所述多个第二环位置中具有针对所述函数的最大值或最小值的所述多个第二环位置中的一个第二环位置；以及

使用所述第二位置和所述多个第二环位置中具有针对所述函数的最大值或最小值的选定的第二环位置以及所述函数的相应值来确定所述第二位置和所述选定的第二环位置之间的第二梯度。

2.根据权利要求1所述的方法，其中所述第一环是围绕所述第一位置的闭环。

3.根据权利要求1所述的方法，其中所述第一环是闭环并且所述第一位置在所述第一环之外。

4.根据权利要求1所述的方法，其中所述第一环具有一个或多个间断。

5.根据权利要求1所述的方法，其中在所述目标对象的位置处获得所述函数的相应值的感测或测量操作包括光学成像所述目标对象的位置以获得关于所述函数的相应值的信息。

6.根据权利要求5所述的方法，其中所述目标对象是患者的目标组织并且所述函数是所述目标组织的高度、深度或厚度相对于位置的函数。

7.根据权利要求5所述的方法，其中在所述目标对象的位置处获得所述函数的相应值的感测或测量操作包括测量所述目标对象的位置处的温度。

8.根据权利要求5所述的方法，其中在所述目标对象的位置处获得所述函数的相应值的感测或测量操作包括测量所述目标对象的位置处的光折射性质。

9.根据权利要求5所述的方法，其中在所述目标对象的位置处获得所述函数的相应值的感测或测量操作包括测量所述目标对象的位置处的密度。