专利名称：适用于光学相干断层扫描技术的移动修正和图像增强的方法和装置的制作方法
适用于光学相干断层扫描技术的移动修正和图像增强的方
法和装置政府的支持本发明的全部或者部分获得NIH的支持，批准文件是R01-EY011289-24和R01-CA075289-13，并与空军的科研部门签订了合同FA9550-07-1-0101和FA9550-07-1-0014。因此，政府享有本发明的某些权利。相关申请本申请在此要求享有于2010年4月29日提交的第61/329，347号美国临时申请的利益。所述申请的全部教导通过引证并入本文。
背景技术：
光学相干断层扫描技术(OCT)通过测量回波的延时和反向散射体或者来自于目标身体的内部或者生物组织(例如，人类的眼睛)的背向反射的光线来获取横断面的图像和立体数据集。物体的相对移动和数据采集设备会导致所获得的图像的失真和误差。
发明内容
本发明的一个可以效仿的实施方案是一种处理数据集的方法。该方法包括在目标函数的数值的基础上进行计算出一个或更多的三维变换式，每一个变换式都与各自的三维数据集相关联，所述的三维数据集代表的是物体上至少部分重叠的区域，其中所述的计算包括对目标函数进行评估。在这一实施方案中，目标函数通过以下两种方式进行评估，即(a)计算出以下两者之间的相似度，(i)在处于变换状态下的两个或更多的三维数据集或者(ii)在处于变换状态下的两个或更多的经过预处理的三维数据集，和(b)对物体相对于成像仪器的移动进行估算。该方法可以进一步包括将至少一个三维变换式应用到其各自的三维数据集中，或者应用到与各个三维数据集相对应的衍生出的三维数据集中，以便获得至少一个移动修正的数据集。本发明的另外一个可以效仿的实施方案是一种系统，该系统适用于对数据集进行处理，该系统包括计算模块，在以目标函数的数值的基础上，该计算模块被配置用于计算出一个或更多的三维变换式，每一个变换式都与各自的三维数据集相关联，所述的三维数据集代表的是物体上至少部分重叠的区域，其中所述的计算包括对目标函数进行评估。在这一实施方案中，目标函数通过以下两种方式进行评估，即(a)计算出以下两者之间的相似度，(i)在处于变换状态下的两个或更多的三维数据集或者(ii)在处于变换状态下的两个或更多的经过预处理的三维数据集，和(b)对物体相对于成像仪器的移动进行估算。该系统可以进一步包括移动修正的模块，其被配置用于将至少一个三维变换式应用到与各个三维数据集相对应的其各自的三维数据集中，或者应用到衍生出的三维数据集中，以便获得至少一个移动修正的数据集。本发明的另外一个可以效仿的实施方案是一种非瞬变的计算机可读介质，在其中 具有指令序列，当通过处理器来执行时，在目标函数的数值的基础上，其可以导致处理器开始进行计算出一个或更多的三维变换式，每一个变换式都与各自的三维数据集相关联，所述的三维数据集代表的是物体上至少部分重叠的区域，其中所述的指令可以导致处理器开始计算出一个或更多的三维变换式，包括指令促使处理器对目标函数进行评估。在这一实施方案中，目标函数通过以下两种方式进行评估，即(a)计算出以下两者之间的相似度，(i)在处于变换状态下的两个或更多的三维数据集或者(ii)在处于变换状态下的两个或更多的经过预处理的三维数据集，和(b)对物体相对于成像仪器的移动进行估算。当通过处理器来执行时，该指令序列可以进一步导致处理器将至少一个三维变换式应用到与各自的三维数据集中，或者用于到衍生出的三维数据集中，以便获得至少一个移动修正的数据集。本发明的又一个可以效仿的实施方案是一种处理OCT数据集的方法，该方法包括获取两个或更多的三维OCT数据集，其代表的是物体上至少部分重叠的区域，其中至少一个数据集是通过一种扫描方式来获得的，该扫描方式与至少一个其他的数据集的扫描方式是互补的，并且通过目标函数为每一个数据集计算出三维的变换式。在这一实施方案中，目 标函数(a)有利于通过计算获得的处于变换状态下的三维数据集之间的相似度，和(b)不利于物体相对于成像仪器的移动。该方法进一步包括将至少一个三维变换式应用到其各自的数据集中，以便获得至少一个移动修正的数据集。
以下内容将会通过对本发明的可以效仿的各种实施方案进行更为详细的描述而变得易于理解，正如在对应的附图中所举例说明的那样，相似的特征指向各个附图中相同的部分。这些附图都不是严格按照比例进行绘制的，而是将重点放置在对本发明的各种实施方案进行解释说明上。附图1是光谱/傅里叶的眼科用的OCT装置的示意图。附图2是扫描光源/傅里叶的眼科用的OCT装置的示意图。附图3是对一维(A面)，二维(B面)和三维(C面)的光学相干断层扫描技术的数据集进行解释说明。附图4是对光栅扫描方式解释说明。附图5是对一维(A面)，二维(B面)和三维(C面)的光学相干断层扫描技术的数据集进行解释说明。附图6是对在获取图像的过程中采样失真进行的解释说明，面A显示的是扫描仪的坐标，面B显示的是对应物体在人眼的底片上呈现的采样位置。附图7A是人类视网膜中的视神经前端的三维OCT数据集的横断面图像。附图7B是一组人类视网膜中的视神经前端的三维OCT数据集的横断面图像，其显示出各层横断面的图像。附图7C是人类视网膜中的视神经前端的三维OCT数据集的复制图，其呈现的是立体的复制图。附图7D是人类视网膜中的视神经前端的三维OCT数据集的复制图。附图8是对在获取图像的过程中的横向移动的效果进行解释说明，面A显示的是在扫描仪的坐标上的失真的OCT的底部图像；面B显示的是在物体坐标上的叠加区域的重置图像。附图9是本文中所描述的可以效仿的实施方案的流程图。附图1OA是一张底片，其中由箭头指示出层叠的快速扫描方向。附图1OB是一组人类视网膜中的视神经前端的三维OCT数据集的横截面的图像。附图1OC是OCT的底片图像，其显示出横向移动的效果。附图1lA是一张底片，其中由箭头指示出层叠的快速扫描方向。
附图1lB是一组人类视网膜中的视神经前端的三维OCT数据集的横截面的图像。附图1lC是OCT的底片图像，其显示出横向移动的效果。附图12对登记和合并的原理进行解释说明。附图13是流程图，根据本发明中的可以效仿的实施方案对目标函数的评估进行解释说明。附图14是五张人眼底片的图片的集合，是用显示像素的分辨率的五个单位来测量获得的正面视图。附图15是对本发明中可以效仿的实施方案的登记和合并过程进行的解释说明。附图16是对3D移动修正进行的解释说明面A显示的是在x方向上的快速光栅扫描的第一个三维数据集；面8显示的是在y方向上的快速光栅扫描的第二个三维数据集；面C显示的是合并后的移动修正图像。附图17是对移动修正和数据间隙的填充进行的解释说明面A是第一个6x6mm的立体数据集的OCT的底片图像；面B是第二个6x6mm的立体数据集的OCT的底片图像；面C是合并后的移动修正和填充有立体数据集的数据间隙的OCT底片图像。附图18是对任意横断面的图像的提取和改进的信噪比进行的解释说明面A是第一 OCT横断面的图像，其是从第一个三维数据集中提取的；面B是第二 OCT横断面的图像，其是从第二个三维数据集中提取的；面(是OCT横断面的图像，其是从登记和合并后的三维数据集中提取的。附图19是对从6x6mm的3D-0CT体积中提取的实际的圆形扫描的解释说明面A是围绕视神经的前端区域的图像；面B是第一圆形横断面图像，其是从第一个三维体积中提取的；面C是第二圆形横断面图像，其是从第二个三维体积中提取的；面D是圆形的横断面图像，其是从登记和合并后的三维体积中提取的。附图20是宽视场(12x12mm)的三维数据集的OCT的底片图像。附图21是对遗失的数据进行间隙填充进行的解释说明，数据的遗失是由于在获取图像的过程中的闪变所导致的面A是第一个三维数据集的OCT的底片图像；面8是第二个三维数据集的OCT的底片图像；面C是第一和第二立体数据集在登记和合并之后形成的三维数据集的OCT底片图像。附图22是对本文中所描述的移动修正方法进行的解释说明面A从未经修正的三维数据集中提取的OCT横断面图像；面B是从由登记和合并了 6层重叠的三维数据集所形成的三维数据集中提取的OCT横断面图像。附图23是流程图，其根据本发明中可以效仿的实施方案对数据的提取，分段和定量分析进行解释说明。附图24是对相同的目标物体的不相交的数据集的获取和移动修正和合并以评估数据集之间的再现性进行的解释说明。面A是一套第一成对的三维数据集的立体复制图，第一成对的三维数据集是通过在X方向上的快速扫描和在Y方向上的快速扫描，和由此产生的第一登记和合并后的三维数据集(底部)的三维复制图来获得的。面B是一套第二成对的三维数据集的立体复制图，第二成对的三维数据集是通过在X方向上的快速扫描和在Y方向上的快速扫描，和由此产生的第二登记和合并后的三维数据集(底部)的三维复制图来获得的。面C是一套第三成对的三维数据集的立体复制图，第三成对的三维数据集是通过在X方向上的快速扫描和在Y方向上的快速扫描，和由此产生的第三登记和合并后的三维数据集(底部)的三维复制图来获得的。附图25是对从登记和合并的三维数据集中提取圆形的横断面的数据集进行的解释说明。面A是附图24的面A中的登记和合并的第一个三维数据集的复制图。面B是附图24的面B中的登记和合并的第二个三维数据集的复制图。面C是附图24的面C中的登记和合并的第三个三维数据集的复制图。面D是附图25A中的面的三维是的OCT的底片图像，其具有圆形重叠部分，指示出提取数据的位置，以便产生围绕在视神经前端周围的组织的第一圆形的OCT横断面图像。面E是附图25B中的面的三维数据的OCT底片图像，其具有圆形重叠部分，指示出提取数据的位置，以便产生围绕在视神经前端周围的组织的第二圆形的OCT横断面图像。面F是附图25C中的面的三维数据的OCT底片图像，其具有圆形重叠部分，指示出提取数据的位置，以便产生围绕在视神经前端周围的组织的第三圆形的OCT横断面图像。
附图26A是从第一 XFAST输入的数据集(附图24A)中提取的视神经的前端周围的圆形OCT的横断面图像。附图26B是从第二 XFAST输入的数据集(附图24B)中提取的视神经的前端周围的圆形OCT的横断面图像。附图26C是从第三XFAST输入的数据集(附图24C)中提取的视神经的前端周围的圆形OCT的横断面图像。附图27A是从第一移动修正和合并后的数据集(附图25A)中提取的视神经前端的周围的圆形的OCT横断面图像。附图27B是从第二移动修正和合并后的数据集(附图25B)中提取的视神经前端的周围的圆形的OCT横断面图像。附图27C是从第三移动修正和合并后的数据集(附图25C)中提取的视神经前端的周围的圆形的OCT横断面图像。附图28是由本发明中可以效仿的实施方案所采用的普通坐标系的示意图。附图29是附图28中的普通坐标系的按顺序进行采样的示意图。附图30A是对所显示的可以效仿的互补式扫描进行的解释说明，其中的箭头指示出扫描的方向和扫描的方式是双向的光栅扫描。附图30B是对所显示的可以效仿的互补式扫描进行的解释说明，其中的箭头指示出扫描的方向和扫描的方式是单向的光栅扫描。附图30C对所显示的可以效仿的互补式扫描进行的解释说明，其中的箭头指示出扫描的方向，和一种扫描方式是矩形的，而另外一种扫描方式是正方形的。附图30D对所显示的可以效仿的互补式扫描进行的解释说明，其中的箭头指示出扫描的方向，和一种扫描方式要大于另外一种扫描方式。附图30E对所显示的可以效仿的互补式双向扫描进行的解释说明，其中的箭头指不出扫描的方向，和光栅扫描是非平行的。附图30F对所显示的可以效仿的互补式扫描进行的解释说明，其中的箭头指示出扫描的方向，和一种扫描方式是光栅扫描，而另外一种扫描方式是圆柱形的环形扫描。附图30G对所显示的可以效仿的互补式扫描进行的解释说明，其中的箭头指示出扫描的方向，和由两种光栅扫描和一种圆柱形的环形扫描所组成的复式扫描方式。附图31是具有两个重叠的成像区域的人类的视网膜的区域成像。附图32是流程图，其对通过本发明中的方法的目标函数来进行评估的本发明中 可以效仿的实施方案进行解释说明。附图33是流程图，其对通过采用本发明中的方法的图像合成程序的可以效仿的实施方案进行解释说明。附图34A是具有对偶扫描移动的两点式的扫描仪器的原理图，其可以用于实践本发明的方法。附图34B是一种可以效仿的两点式快速扫描方式，其具有在y方向上的快速扫描。附图34C是一种可以效仿的两点式快速扫描方式，其具有在X方向上的快速扫描。附图35A是具有独立的扫描移动的两点式扫描仪器的原理图，其可以用于实践本发明中的方法。附图35B是一种可以效仿的具有两个独立控制的光点的扫描方式，其可以在不同的快速扫描方向上同时获取两个光栅扫描数据集。
具体实施例方式光学相干断层扫描技术(OCT)通过测量回波的延时和反向散射体或者来自于目标身体的内部或者生物组织(例如，人类的眼睛)的背向反射的光线来获取横断面的图像和立体数据集。眼科用的OCT的成像仪器的各种实施例在附图1和附图2中有所显示。关于结构与深度之间的轴向扫描或者A-扫描的信息可以通过将光束弓I导到目标的身体或者组织上和测量反向散射体和背向反射光线的回波延时来进行测量而获得。附图3A显示的是一种轴向扫描信号的实施例。在附图3A中，轴向扫描测量出在z方向上的信号深度比的信息。横断面的图像或者B-扫描可以通过对穿过目标的身体或组织的光束进行横向扫描并进行连续的轴向扫描(A-扫描)测量来产生。附图3B显示的是二维OCT扫描图像的实施例，其具有在横向的X方向上的光束扫描，和具有在位置xl，x2等上进行的连续轴向扫描测量。这会产生一种二维阵列，该二维阵列代表的是在目标身体或者组织中的x-z平面上的反向散射或者背向反射。这种二维信息可以显示为不真实的色彩或者灰比图像。立体的(即，三维的)3D_0CT或者三维的OCT数据集可以通过在不同的横平面上执行连续的横向B-扫描来产生，用作光栅类型的扫描方式的实施例。附图3C显示的是从一系列的横向扫描中产生的3D-0CT立体数据集的实施例，所述的横向扫描是从沿着X方向(B-扫描)在y方向上的不同位置yl，y2等上执行的。这些实施例显示的是一种三维的数据集，其是通过以光栅扫描方式进行的一系列的横向扫描来获取的。附图4是对一种典型的具有慢方向和快方向的扫描方式进行的解释说明。然而，经过验证的是，现有很多种其他的扫描方式和方法来获取3D-0CT的立体数据。一般来说，三维的OCT数据集是通过在对目标物体进行射束扫描的同时记录A-扫描的数据来形成的。光束是根据由扫描方式所确定的轨迹来进行扫描的。扫描方式去顶光束在成像目标上的位置，在这些点上，可以连续记录A-扫描的数据。通常情况下，这会导致OCT数据集是由1D，2D，3D数据集中的各种像素或者三维像素所组成，正如在附图5A到5C中所示。附图5A是反向散射体的密度点，作为轴向位置的函数，而且其代表的是沿着z方向的一维的轴向数据。附图5B是具有轴向(Z)和横向(X)的二维数据集的示意图，其中每一个阵列在位置Xi都代表一次A-扫描。附图5C是具有轴向(Z)和两个横向(X和Y)的三维数据集的示意图。三维数据集的要素通常是指三维像素。 除此之外，OCT领域内的任何一名普通技术人员都会意识，一般来说，OCT数据集可以包含有多个数据通道，例如，振幅、强度、相位、偏振、分光镜信息和多普勒频移，以及其他的一些。三维数据集将从这些数据通道中获得的数据值与三维OCT设备或者仪器的坐标系中的各个位置连续起来。OCT的实施方案OCT可以通过各种不同的实施方案来执行，包括I)具有宽带光源和扫描光的基准延迟线的干涉仪(众所周知的是，时域监测)，2)具有宽带光源的干涉仪和用于信号监测的分光仪(众所周知的是，傅里叶/光谱域的0CT，光谱雷达，或者以其他名称命名的类似仪器)或者3)具有波段扫描光源的干涉仪(众所周知的是，扫描光源/傅里叶域的0CT，光学波段域的成像，或者以其他名称命名的类似仪器)。附图1显示的是一种可以效仿的光谱/傅里叶的OCT成像仪器100，该仪器包括电脑102。附图2显示的是一种可以效仿的扫描光源/傅里叶的OCT成像仪器200，该仪器包括电脑202。傅里叶域内的监控的实施方案具有极快的获取速度的优势，而且该实施方案尤其适用于3D-0CT的立体成像。OCT成像中的移动的效果虽然3D-0CT图像或者立体数据集是不能在单个的时间点上获得的，但是其可以是由以横向扫描方式执行的多次A-扫描的连续结果所组成，其中每一次的A-扫描都是在不同的时间连续获得的，在OCT扫描设备和目标物体之间的相对移动可能在单个的或者在多个的连续结果之间发生。附图6A和附图6B显示的是眼睛的视网膜的OCT成像的实施例，其中OCT的扫描方式(附图6A)受到眼睛运动的影响(附图6B)。附图6A显示的是三维数据集(具有固定的z值的XY-平面)的二维子集，在其上具有叠加，示意图代表的是通过扫描仪坐标系上的扫描仪获得的数据的点集合。附图6B是人类视网膜的OCT图像，在其上具有叠加，示意图代表的是通过目标物体的坐标系上的扫描仪获得的数据的点集合。正如从附图上可以看到的是，移动导致在目标物体上的OCT的光束位置形成了与通过OCT扫描设备上确定的理想的光束位置所不同的图像。这种移动对在x_y平面上的光束的横向位置造成影响。除此之外，这种移动也可以发生在轴向或者z的方向上。人眼中的OCT成像，眼科用的0CT，是OCT技术的主要的临床应用。在眼科用的OCT中，轴向移动可能会发生，这是心跳的结果，其或导致眼内压的波动。横向移动可能是产生于患者眼睛凝视方向上的改变，例如，眼球的轻微震动，飘动或者扫视(快速的移动)。移动也可能发生在X，Y和Z方向上，这是由于在获取数据期间，目标物体(患者)的发生的头部或者身体移动所导致的。
附图7A到附图7D显示的是轴向的眼球移动的影响结果，其可以看做是⑶-OCT立体数据集的形状失真。附图7A显示的是，由OCT设备在沿着X-方向上获得的横断面。附图7B显示的是，三维的XFAST数据集是如何从多个的X-方向上的横断面中构建的。附图7C显示的是，数据集的立方体的外部视图。这一视图显示出在沿着y的方向上存在轴向的移动。附图7D是所述的数据集的复制图。在附图7A到附图7D中解释说明的实施例显示的是通过在x的方向是通过快速扫描获得的立体的OCT数据集，使用的是附图6A和附图6B中所示的扫描方式。横断面的图像可以从3D-0CT的立体数据集中提取。一幅横断面的图像是从沿着X方向来提取的，对应的是快速扫描的方向，其具有最小的移动加工，并且能更为精确地代表视网膜的结构和形状。与之形成对比的是，沿着y方向提取的横断面的图像在轴向方向上具有显著的移动加工。虽然视网膜的图像的波形并不能代表视网膜的真实的轮廓，但是其是轴向移动的失真的加工。这一种情况的出现是由于沿着y方向的轴向的扫描是通过与在使用这种扫描方式进行的X方向上的扫描相比的更大的时间间隔来获得的。在这一实施例中，X方向是沿着快速扫描的方向，在相互靠近的A-扫描之间，其具有较低的时间差。这一方向被称之为快方向 或者快轴向。y方向是垂直方向，而且也可以称之为慢方向，原因在于，在相互靠近的A-扫描之间的时间差是较高的。一般来说，轴向移动能够协调3D-0CT立体数据集的完整性，这是通过在任何一个横断面的OCT图像中形成失真的外形和产生失真来完成的，所述的任何一个横断面的OCT图像是从沿着轴向按时间间隔开的扫描的方向上的立体数据集中提出出来。沿着轴向移动的方向，一般来说，在获取数据的过程中会发生横向移动。附图8A和附图SB显示的是，横向移动的结果。附图8A是人类的眼睛的图像，这是通过对3D-0CT的立体数据集中的像素进行轴向求和计算(沿着A-扫描进行求和计算)来获得的。这一图像被称之为在平面中的图像，OCT底片图像，或者三维像素的投影的总和。在轴向上对OCT的强度信号进行求和的过程实质上会采集到所有的反向散射或者背向反射的光线，并形成类似于给视网膜拍照片所形成的图像。附图8A中的在平面中的图像显示的是快速的横向眼球移动的结果，正如众所周知的扫视，即目标物体改变了凝视的方向。快速的横向移动在平面中的OCT图像的底片中是明显的，正如在附图8A中的箭头所指示的那样。这种情况的出现是由于OCT仪器的扫描坐标系所限定的OCT光束的预期横向位置与由目标物体或者视网膜的坐标系所限定的视网膜的实际位置之间的差异所导致的。这一结果在附图8B中得到显示，其中从3D-0CT立方数据集中获得的在平面中的OCT底片的图像的部分已经被登记在目标问题或者视网膜的坐标系中的实际的位置上。由扫视所产生的快速的横向的眼球移动可以导致OCT光束对视网膜的重叠区域部分进行扫描；或者可以导致OCT光束忽略视网膜中的某些区域，从而形成未经扫描的区域，或者数据集中的间隙。虽然这一实施例显示出了快速的间断的眼睛移动的结果，但是，人们都可以理解的是，仍然会存在较小的，慢的和连续的移动，例如，轻微的颤动或者漂移。所述的这些移动将会形成OCT立体数据集的失真和对应的在平面内的OCT底片的图像。这种失真也可能发生在轴向的方向以及横向的方向上。OCT仪器和将要进行成像的目标物体之间的相对移动可以出现在大范围的应用中，例如，外科手术中的OCT显微镜的使用，体内的OCT成像，活体成像，或者在手持的OCT成像仪器中使用。
因此，OCT仪器和将要进行成像的目标物体的身体或者组织之间的相对移动可以协调OCT图像或者3D-0CT的立体数据集的完整性，以致它们可以准确地表示出将要进行成像的目标物体的身体或者组织的真实的结构。这将简化对结构的定量测量或者形态测量以及函数测量的复验性，例如，通过OCT的多普勒方法进行的血流量的测量。移动加工也可以协调精确地完成在不同的时间点上的重复成像的测量的能力，并对随着时间的流逝所获得的数据进行对比。随着时间的流逝来准确地完成成像测量的能力对于大部分的涉及诊断或跟踪病程发展的OCT的临床应用是十分重要的。OCT成像中的移动修正所使用的现有技术为了对移动失真进行补偿，某些已经在用的OCT仪器采用主动跟踪的硬件。所述的这些仪器具有各不相同的跟踪硬件的子系统，这些子系统测量出将要进行成像的目标物体的组织的位置，并修改OCT光束的扫描方式，以致可以对目标物体的组织上所需要的位置进行扫描，即使是在目标物体发生移动之前。然而，跟踪硬件也增大了 OCT系统的成本和复杂性。除此之外，在某些情况下，使用跟踪硬件获取图像的时间也被不使用跟踪硬件来获取图像的时间要长很多。 用于移动修正的其他的方法还包括软件的应用，它们取决于并且以3D-0CT立体数据集与移动的自由参考图像之间的对比为基础，例如，将要进行成像的目标物体或者组织的照片。在眼科学中，照片指的是视网膜的照片的底片，而且它是一种标准的眼科诊断。由于照片是在一个单一的时间点上获得的，并产生目标物体的组织的在平面中的图像，其精确地表示出组织的横向结构特征。然而，适用于通过使用移动自由参考图像的3D-0CT立体数据集中对移动进行修正的软件仅限于使用参考图像中的2D图像的信息，而不是3D信息。这也限制了移动修正的精度。同样地，这些技术仅仅是不能用于修正3D-0CT的立体数据集中的横向移动。因此，需要对移动修正的3D-0CT数据的方法进行改进提高。所述方法并不需要更多的仪器硬件，并且可以对轴向的和横向的移动进行有效地修正。然而，存在着这样一种可能性，即在某些实施方案中使用额外的信息源。举例来说，为了减少移动修正和登记的计算时间，可以提供一种对移动进行的初步估。本文在此描述的是适用于在光学相干断层扫描技术(OCT)扫描过程中出现的移动加工进行补偿的方法和装置。可以效仿的各种实施方案提供了移动损坏的OCT立体数据集的精确的和可以再次生成的登记，形成数据集而无需移动加工，并且其可以准确地表示出将要进行成像的目标物体的真实结构。可以效仿的方法不需要使用移动自由的参考图像。多个移动修正的立体数据集可以合并在一起，以便获得与各个立体数据集相比的具有质量和信噪比都有所改进的立体数据集。各种实施方案在获取数据的过程中从移动中的补偿遗失的数据，而且在与没有移动修正和合并的情况相比时，其允许获取大型的数据集和较长的获取数据的时间。本文在此描述的是可以修正由于仪器和目标物体的身体或者组织之间的相对移动所导致的3D-0CT立体数据集中的移动失真的方法和装置。可以效仿的各种实施方案也可以登记和结合或者合并多个2D和3D-0CT数据集，以形成具有改进的图像质量和完整性的数据集。可以效仿的各种方法是通过在所获得的数据的子集中使用互补的扫描方式得到的第一获取的多个2D和3D-0CT的立体数据集来进行工作的。所获得的数据集的至少其中之一是3D-0CT的立体数据集。所获得的数据集中的每一个都具有移动加工。可以使用不同的互补扫描方式，它们是被设计用于通过沿着不同的方向或者轨迹来快速扫描目标物体的身体或者组织中更为精确的测量特征。可以效仿的各种方法包括相互储存各个2D和3D-0CT数据集，这是通过传输这些数据集来实现的，以致它们可以证实已经登记的数据集之间的相似度，并对暗含有登记变换的移动进行罚补。由此所获得的登记的3D-0CT立体数据集进行了移动修正，并能够精确地表示出将要进行成像的目标物体的真实结构。更进一步说，可以效仿的各种实施方案可以结合或者合并多个已经登记的OCT数据集，以便形成质量有所提高的数据集。结合或者合并之后的数据集具有改进的信噪比，降低的斑点噪音和改进的连续性结构特征。在数据集的图像质量中的上述改进和提高能够得到要求具有定量评估的各种应用中的结构特征的改良的分隔或者自动测量。正如之前所提到的内容，在扫描的数据集的获取期间的目标物体的组织的移动可以导致间隙的形成(附图8A和SB)，这是由于目标物体中未经扫描的区域所导致的。即使是在各个所获取的数据集是遗失的数据的情况下，登记和结合或者合并不同的数据集的可以效仿的各种方法也可以大致上完善数据集的形成。值得注意的是，移动的修正数据的合并是不需要的。经过移动修正但没有合并的数据集可以通过使用本文中所描述的方法来产 生，以便获得在数据的拓扑，结构，功能和形态信息方面的改进的精度。在大部分的应用中，3D-0CT立体数据集的大小，以及图形的获取时间，都受限于目标物体与OCT扫描仪之间的相对移动。这种相对移动的来源可以是被扫描的目标物体的移动，OCT设备本身的移动，例如，仪器不稳定时或者是一种手持式的OCT设备，或者可以是以上所述的各种移动来源的结合。移动可以导致图像的失真，以及由于目标物体上未经扫描的区域所形成的不完整的数据集。举例来说，在眼科学中，由于患者的眼球运动和眨眼的动作，获取数据集的时间通常限制为几秒钟的时间。各种实施方案可以实现移动修正和立体数据集的登记以及从多个所获取的数据集中产生大致完整的数据集。这些特征可以得到非常大的数据集，以及能够显著地增加获取可用数据的成像时间。大部分的临床应用需要大量的3D-0CT立体数据集的测量特征。在眼科学中，视网膜的神经纤维层的厚度，视网膜的厚度或者节细胞层的厚度的定量测量对于青光眼，绿内障的疾病程度的诊断是有用的，并且也有助于治疗。对于其他特征的定量测量，例如，损伤的结构和大小，包括例如，玻璃疣，视网膜下积液或者脉络膜的血管隔膜的损伤，都是重要的指标，以指示出与年龄相关的黄斑部的退化。定量测量的精度和可再现性受到3D-0CT立体数据集的精度和质量的限制。由于立体数据集相对于真实结构的失真意味着定量测量是在错误的位置上进行的，代表着目标物体的真实结构的3D-0CT立体数据集的精度是非常重要的。更进一步说，移动以及由此所导致的失真在不同的立体数据集中是各不相同的，降低了定量测量的可再现性。通过对真实的组织结构进行移动修正和精确的立体成像，和通过在移动之前获取完整的数据集，各种可以效仿的实施方案能够提高定量测量的精度和可再现性。除此之外，通过提高成像质量，性能和定量测量的精度都可以得到进一步的提高。大部分的临床应用需要在多个不同的时间点上进行成像，例如，在不同的时间内进行的不同的检验，其后是立体数据集的信息和不同的时间点的数量对比。这些应用包括跟踪疾病过程和进行治疗。除此之外，在小的动物模型中的成像也是一种重要的制药研究和药剂研发的方法。随着时间的流逝更为精确地跟踪微小的变化的能力可以提高这些研究的效率，这是通过减少所需动物的数量或者减少研究微小变化的所需的时间来获得精确的测量来实现的，其具有显著的统计性意义。可以效仿的各种实施方案可以在各个不同的时间点获得3D-0CT立体数据集，以便进行相互登记。在不同的时间点上的立体数据集的登记可以将立体数据集与数据集之间的变化的精确的定量测量进行精确对比。在这样的应用中，值得注意的是，不同时间点上的数据集可以相对于实际的组织结构进行登记，也可以相互进行登记。然而，从不同的时间点上获得的数据集不是必须要合并或者结合在一起的，但是可以用作对测量变化的定量测量技术的输入。所述的这些改变指示出病程或者相应的治疗。可以效仿的各种实施方案包括适用于对在光学相干断层扫描技术(OCT)中在获取信息的过程时目标物体或者仪器的移动所导致的移动加工进行补偿的方法和装置。可以效仿的各种实施方案也可以包括合并从多个体积扫描中得到的数据的各种方法和装置。本文中所描述的可以效仿的各种实施方案是以眼科用的OCT成像为背景内容的，但是，人们也意识到，所述的各种实施方案也可以适用于其他的应用。 一般来说，扫描成像设备，例如，0CT，并不能一次性地获得全部的数据。而是，通过连续地对目标物体进行采样，在不同的时间点上进行连续的轴向扫描或者A-扫描来获得数据。在对人的眼睛或者视网膜进行活体扫描时，眼球相对于仪器的移动在获取数据的过程中是常见的。由于这种移动的出现，目标物体的区域并不能实现均匀地采样(附图6A和附图6B)。其结果就是移动加工对所获取的数据的结构(附图7A到附图7D)和完整性(附图8A和附图8B)产生影响。各种实施方案可以是(i)通过大致相同的目标物体的区域的两个或更多的移动失真的获取信息来补偿这些移动加工，但是并不改变采样或者扫描方式，(ii)将修正后的数据合并到改进的数据质量和形态精度的增益数据中。附图9是一幅流程图，其对本发明中的方法900的可以效仿的实施方案进行了解释说明。方法900可以通过，例如，附图1中所示的设备100的电脑102，或者附图2中所示的设备200的电脑202来执行。方法900包括至少以下操作902 :获取图像；904 :处理数据；906 :估算移送；908 :产生数据集的登记(移动修正);以及910 :结合数据(合并)。本文中所描述的一种移动修正的有用的实施方案是利用输入体积的数据的空间相关性和/或时间结构来监测失真，并估算出目标物体和扫描仪之间的相对移动。之后，这一移动信息可以用于构建各个体积的无失真的视图或者数据集。然后，这种无失真的数据集或者体积可以结合或者合并为单一的体积，其既可以是无移动加工，又可以具有改进的图像质量。通过使用附图1OA和附图1lA中所示的三维数据集，附图12显示出两个数据集的移动修正和合并操作的概况。人们意识到，移动修正和合并可以产生不止两个数据集。获取图像为了对体积中发生的眼球移动进行评估和补偿，以及对各个数据集之间的间隙进行填充，可能会需要两个或更多的体积，其中至少两个体积的其中之一具有这样一种扫描方式，即该扫描方式被认为是与至少一种与另外一个立体数据集是相关联的扫描方式是互补的。在这一可以效仿的实施方案中，其要求数据使用的是光栅扫描，如果出现一种光栅扫描的快速扫描方向与另外的光栅扫描的快速扫描方向是接近的或者是形成90度角并使得快速扫描的方向实质上是垂直相交的情况，两种光栅扫描方式是互补的。实质上，这也就是指与90度角的绝对差值不会超过10度。附图1OA对扫描方式进行了解释说明，其中光栅扫描的快速扫描方向是在X的方向上，被称之为X快速扫描方式。附图1lA对一种互补的扫描方式进行解释说明，其中快速扫描的方向是在y方向上，被称之为Y快速扫描方式。在这一实施例中，体积的快速扫描方向在OCT设备的坐标系中实际上是相互垂直的。通过这种方式所获得的结果是，互补的垂直相交的体积受到移动的不同的影响，这会提高改进移动的修正。人们可以理解的是，快速扫描的方向不是必须与OCT设备的坐标系中的X和y方向是一致的，但是可以围绕OCT设备的坐标系的横平面进行任一角度的旋转。在这一特定的可以效仿的实施方案中，OCT设备中与每一个体积的扫描方式相关联的中央坐标系的A-扫描的采样位置的集合是相同，或者可以替换的是，位置上的相同的网格可以在绘图上进行方便地标示。采样位置的可以在绘图上方便地标示的实施例是两种垂直相交的光栅扫 描覆盖了扫描坐标系中的相同区域，但是扫描方式具有在快方向和慢方向上的不同数量的A-扫描。在临床诊断实践中所采用的扫描方式通常包括与慢方向相比的在快方向上的更多的A-扫描，从而平衡采样密度与收集时间和数据集的尺寸。当在快扫描方向和慢扫描方向上的A-扫描出现不同数量时，数据可以通过再次采样或者内插以作为过程中的中间步骤的方式来绘制到位置的通用网格中。举例来说，在与慢方向相比快方向上具有更多的A-扫描特定的情况下，OCT数据可以沿着快方向就行再次采样，以致在快方向上的采样点的数量变得与在慢方向上的采样点的数量一样多。对于任何一种给定的扫描方式而言，存在着每一个A-扫描与设备中央的坐标系，以及A-扫描的近似时间的成像结合。A-扫描的成像时间可以用作获取体积的起始点的参考，举例来说，或者其他时间参考点。可以效仿的实施方案使用的是现有技术，该现有技术中的A-扫描被收集。然而，时间信息不是必须由OCT设备本身来提供的，其可以通过扫描方式的计算来获得，而无需使得OCT设备能够明确支持A-扫描的时间记时功能。因此，人们可以理解，对于本文在此所描述的实践方法和设备来说，A-扫描的明确记时并不是必须具备的。在可以效仿的实施方案中，在至少两种扫描方式中获得的3D数据集是互补的。因此，采样位置中贯穿的序列在输入数据集的至少两个扫描方式之间是不同的。在此所描述的方法和装置使得扫描方式的使用与信息相关联，以改进移动修正。在附图1OB和附图1lB中所示的是输入数据集的实施例，其分别显示出在X方向上的扫描重点和在y方向上的扫描重点所获取的数据。这两种体积都显示的是实际的目标物体的结构和外形的失真视图，并在沿着各自的快轴上的轻度失真，和在沿着慢轴或方向上的相对严重的失真。可以观察到的移动特征与扫描方向的相互关系的发生是由于移动的失真影响在较短的时间内是较小的结果。对于两个互补的数据集(附图1OC和附图11C)而言，数据中的断续或间隙在OCT底片成像中是可以看到的。如果存在着可以导致需要对目标物体的相同区域或者对目标物体的全部失踪区域进行再次扫描的快速移动的情况，就有可能出现断续。其暗含的意思是，OCT数据是在整个处理过程的至少一个阶段中获得的。本文中描述的系统和方法也可以事先对所获得的OCT数据进行处理。数据的预处理在获得初始体积之后，可以对数据进行若干可选用的预处理步骤。预先处理可能会产生计算时间，以及提高移动修正结果的质量。通常情况是，只有被体积所覆盖的部分区域包含由相关的结构信息。举例来说，在大部分的情况下，只有整个轴范围的子区域含有将要成像的目标物体的组织的图像数据，而且在该区域之外的地方看不到具有鉴别性特征的组织结构，原因就在于目标物体仅仅是覆盖了 OCT设备的轴范围的子集部分。因此，移动修正上的负载的区域位于子区域之中，其中含有目标物体的信息。位于负载的区域之外的部分，目标物体的信息可以是裸露在轴向的方向上的，这样是为了减少数据的尺寸和计算时间或者计算复杂性。 为了提高计算速度和减少记忆储存的要求，数据也可以通过在轴向上向下对体积进行取样的方式来减少。在可以效仿的实施方案中，向下取样是通过使用高斯消去法来进行的。然而，人们可以理解的是，也可以采用其他的方法来进行向下取样。向下取样可以重复进行若干次。在横向上的分辨率并不会受到该步骤的影响。经过验证的是，该步骤是可以选用的，而且也可以在需要非常精确的轴向分辨率的应用中省略。OCT图像中出现的斑点噪音会降低图像的相似度测量的精度。因此，有效的噪音抑制可以获得质量更好的结果。为了避免在出现急速的眼球移动的体积位置上的降噪加工，可以在每一个B-扫描中分别使用中值滤波，而不是使用3D技术。典型的是，在可以效仿的实施方案中，可以使用3或5个二次方的中值窗口。人们可以理解的是，也可以使用不同的降低噪音的方法，例如，ID或者3D的中值滤波，或者1D，2D或者3D各向异性的分散或者其他方法。同样地，也可以执行图像数据的强度的正态化。在可以效仿的实施方案中，可以采用均方差的正态化，其产生具有零平均值和变量的其中之一的数据。然而，经过证实的是，其他的正态化的方法也是可以使用的，而且可以在振幅、强度或者数据的其他数量特征上执行正态化。这种操作可以在整个体积中执行。可以选择的是，数据可以在每一个A-扫描基础上进行正态化，如果体积的亮度上出现不均匀的变化，那么其将是十分有用的。在OCT仪器的轴距的敏感度发生显著变化时，这种情况就会出现。同样地，如果出现OCT数据集的渐晕加工，那么就会出现明亮度、信号强度或者数据值的变化，其会在视网膜成像的过程中出现，当OCT光束至少部分被虹膜或者在眼睛的瞳孔周围的组织所阻碍时。同样也可以进行以已知的敏感度vs.深度校核为基础的A-扫描数据值的收集。其暗指的是，OCT数据可以在加工处理的过程中的至少一个步骤中进行任意的预处理。本文在此所描述的系统和方法也可以在预先处理的数据和处理这数据的过程中使用。移动评估可以效仿的各种实施方案通过使用登记程序对扫描程序中的目标物体和OCT系统之间的相对移动进行评估。目标函数被进行最优化(根据方程式进行最大化或者最小化)。目标函数要考量两个或更多的输入数据集的体积之间的相似度。输入数据的空间-时间结构也是需要考量的。登记程序为每一个产生多种变换式或者变位场。在每一个变位场中的每一个矢量都是与目标物体的坐标系2D栅格中的位置或者目标物体的空间或者通用的移动修正空间相关的。在该部分的内容中，2D栅格意味着当栅格点本身具有三维坐标系时，栅格点就会形成平面。因此，在栅格中仅仅是存在两个自由度。栅格点的位置与OCT设备的坐标系中的采样位置的常见集合是相互对应的，并在移动的修正空间中绘制出来。每一个变换式或者变位场都是由这种2D的目标物体空间的栅格中的三维矢量组成的，分别由x，y和z的位移来表示。对于每一个体积和目标物体的空间栅格点来说，对应的位移矢量被用作对相关数据集中的数据进行采样的补偿，其被限定在OCT设备的坐标系中相对于OCT设备的坐标系的位置上，与目标物体的空间栅格点相对应，以便产生以内插值替换的A-扫描的相等值。正是由于该原因，如果为该位移找到适当的值，变位场就可以与图形的再次采集技术结合使用，以便绘制出与OCT数据集相关联的图表，所述OCT数据集来自于未经修正的OCT设备的坐标系与通用的，移动修正的目标物体的坐标系。因此，在所获得的OCT数据集中出现的修正移动的目的可以通过发现每一个相关联的变位场中所述的合适的 数值来实现。目标函数及其最优化为了计算出变换式(变位场到失真的数据体积)，产生代表着登记目的的目标函数，并通过数值计算技术进行最优化。目标函数本身采用的是变位场的估计值的子集，其中的每一个都是惟一地与一个所获取的数据集相关联的，作为参数和产生输出的单一的实值，正如附图13所示。附图13是一幅流程图，该流程图显示的是对本发明中的方法所采用的可以效仿的功能函数进行评估的程序1300。在步骤1302a，1304a，1306a中，变换式1，数据集I和扫描方式I分别作为输入。在步骤1308a中，变换式I被施加到数据集I中以便获得经过变换的数据I。在步骤1302b，1304b和1306b中，变换式2，数据集2和扫描方式2分别作为输入。在步骤1308b中，变换式2被施加到数据集2中以便获得经过变换的数据2。在步骤1312中，变换式1，数据集I和扫描方式I分别与变换式2，数据集2和扫描方式2进行对比，从而补偿目标物体和扫描仪器之间的被评估的移动。在步骤1314中，经过变换的数据I和经过变换的数据2进行对比，从而证实两个经过变换的数据集之间的相关性。在步骤1316中，目标函数通过对补偿和相关性的移动评估的相关的强度来进行估计。程序1300还可以包括额外的步骤，在N的变换式C，在N的数据集c和在N的扫描方式c中操作。由于没有总损失，该实施方案限定较低的目标函数值在最优化的环境中是较好的。因此，最优化的程序是由发现变位场的适当集合所组成的，变位场的适当集合会导致目标函数的值，而较小的值指示出变位场的更为适当的集合。目标函数具有两个目标(1)证实经过变换的数值之间的高的相关性和(2)对由于变位场或者变换式所形成的移动进行补偿。所获取的每一个数据集都是可能由多条数据通道组成，限定在OCT设备的中心坐标系的数据点的离散栅格中，正如附图5所示。当变位场被应用到来自于原始的或者经过处理的OCT数据集的数据值上时，变换式的补偿通常不会形成坐标，在此来自于输入数据集的数据将会从精确排列在其自身的离散栅格位置上，而在栅格的位置之间进行绘制。正是由于这一原因，可以使用图像的内插值技术来在与栅格位置相关的数值之间进行内插，从而使得任意位置可以从数据中采样出来。可以效仿的实施方案采用的是三次埃尔米特样条插值。这种插值方案的执行仍旧是经济划算的，这就可以进行平稳的一阶导数的计算，其对于将要在后面执行的非线性的最优化来说是有利的。经过验证的是，在计算速度和应用的性能要求的基础上，也是可以采用其他的内插值技术的。当结构数据是来自于输入或者经过预处理的数值时，例如，强度的数据，数据被绘制到常用的使用了具有适当的数值的变位场移动修正物体空间中，这一结果性的绘制而成的各个数据集很有可能是相互彼此类似的。从另外一个方面说，如果变位场没有进行适当的计算，有可能出现的情况就是，多个数据集之间的所绘制的结构性数据具有较少的相似度。因此，目标函数的一部分将会支持经过变换的结构立体数据的集合之间的高的相似度。经过变换的和用于测试相似度的数据可以直接来自于输入的数据集。在这样一种情况下，即一个或更多的处理步骤被应用到输入的数据集中，从而产生经过预处理的数据集，变换式的应用和类似的评估也可以在经过预处理的数据集中执行。体积数据通过绘制结构性数据的数值来进行变换，结构性数据的数值与所获取的数据集相关联，所获取的数据集使用的是各自的变位场，其被输入到目标函数中。对于每一个栅格位置而言，经过绘制的A-扫 描数据之间的逐渐增加的较高的相似度渐渐降低的数值被进行计算，并累加到全部的栅格位置上。在可以效仿的实施方案中，平方和的差值(SSD)方法被用于计算这些数值。在仅仅获得两个数值的情况下，这两个数值之间的类似绘制的数据被减去并直接进行平方，以便形成相似度的指示。在获得不仅仅是两个数值的情况下，可以产生绘制的数值之间的成对数据集，对每一对数据集进行SSD计算，而且在所有的数据对中进行数值累加。对成对数据进行选取，以致出现由成对数据形成的连接的图形结构，从而所有的体积都至少是连接在一起的。这意味着当从任何一个体积开始时，任何其他的体积都可以通过穿越体积之间的成对数据来获得。一般来说，相对移动发生在获取数据期间，在目标物体上的位置扫描不同于没有出现移动的情况，而且取决于包含在其中的特定的移动。然而，相对移动的速度和加速度都是有限的，而且位置也是根据随时间变化的速度的结合情况来确定的。正是由于这样的原因，在扫描仪和目标物体之间的位置变化的所预期的幅值是与时间总量相关联的，时间总量通过所获取的不同的数据样本。各种实施方案结合了关于扫描方式的信息以便提高移动修正。可以进行假设的是，在仪器和目标物体之间的相对移动具有有限的范围、速度、力口速度和频率。相对位置是及时地构成相对速度所必须的，而且还有自然规律对在某一时帧中的相对位置的变化进行限制。移动评估的第二个目标是确定评估的变换式被发现了，是以与被考虑到的数据获取过程的相继方面所关联的空间-时间结构的方式来发现的。因此，移动被及时地进行平整。在可以效仿的实施方案的情况下，移动可以表示为变位场相对于时间结构信息的衍生物。可以效仿的各种实施方案为功能函数增加了所谓的归整器，从而包括对形成的移动进行补偿的获取程序中的现有技术。这种归整器计算出所有的栅格点的总和，以及变位场矢量的衍生物的L2标准的平方的总数值，变位场矢量是与每一个变位场的时间相关的。可以使用有限差或者其他的方法来对衍生物进行近似计算。用于处理横断面和轴向移动相异性的因素是通过内插获得的，其在进行所述的L2标准平方之前对时间导数的轴向尺度进行规划。人们可以理解的是，本文在此所描述的方法和系统也可以采用也会对所形成的移动进行补偿的其他归整器的方程式。为了获得好的移动修正的结果，两个事先规划好的目标，即，结构的相似度和平稳移动目标，将不会被分别进行考虑。优选的是，包括这两个目标之间的平衡。一种方法是从两种关系红构建目标函数，两种关系中的每一个都代表着一个目标，然后将两个目标(目标，或者测量)相加。在进行相加之前，积极因素可以应用到两个目标的其中之一上，从而提供相对加权。这样因素可以调整用于最佳的性能，而且一般来说是以输入体积的确定的集合和其他的设置为基础的。然而，在实践中，作为结果的移动修正的质量在归整器的加权因素的宽的范围之内是非常稳定的。为了发现移动评估，目标函数必须相对于体积的变位场进行最优化。可以效仿的各种实施方案采样线性搜索，其是以类似牛顿的非线性的优化器为基础的，例如，有限的储存的Broyden-Fletcher-Goldfarb-Shannon技术。然而,经过证实的是,大部分的其他最优化技术都是可以采用的。人们也能理解的是，最优化本身可以在任何时间终止，举例来说，执行时间的完成，或者是由于当前的估计值被认为是足够好的或者是接近最优的。也可以 使用其他的终止标准来实践本文在此所描述的方法和设备。一般来说，这种和其他类型的非线性的优化器仅仅是趋于同起始点周围区域的局部优化的。为了找到接近总体优化并减少计算时间的解决方案，采用了多分辨率的方法。目标函数的复杂性被降低了若干次，通过每一个多分辨率的方程式，可以称之为级。在实践中，通常使用5级多分辨率就足够了，但是，这取决于输入的数据集的实际参数和特征。从一级评估都更为复杂的级别上的绘制到变位场上的变换式被公式化。出于进行计算的目的，与每一个体积相关的变位场的数据都被处理为3通道的2D图像，一个通道是用于位移矢量的每一个维度，在目标物体的坐标系中的通用栅格中。之后，可以使用标准图像的内插技术来产生较高的分辨率以代表这一场域。起初最优化的问题是最为复杂的。降低复杂性是通过对数据集本身进行再次采样来完成的，并把时间结构信息与少量的栅格点关联起来。图像数据中的逐渐减少的数据导致所谓的分辨率金字塔，正如附图14所示。最优化首先在粗糙的金字塔上执行，直到达到最优化为止，或者某些重复已经执行完毕为止，或者没有发现更好的参数为止。然后，解决方案绘制到下一级中，由于使用了向上采样的方式，其变得更为复杂。来自于完整级别的结果为下一个多分辨率的最优化步骤形成初始化。最优化程序继续进行新的级别和初始换。一旦程序结束，结果就绘制到下一个适当的多分辨率的级别中。程序被重复进行，直到最初的分辨率的最优化程序已经完成为止。完整的最优化程序的结果是一组变位场，其中之一是用于每一个体积的，其也可以是为体积进行所考虑的移动评估。形成登记的(移动修正)数据集在对变换式或者变位场进行评估之后，一个或更多的移动修正数据集被构建起来。移动修正的数据是通过将对应的计算获得的位移应用到一个或更对的输入数据集的数据通道中形成的，例如，强度、多普勒频移或者其预处理形式，这取决于特定的应用。并非是明确需要构建登记的数据集，而是根据要求，数据也可以通过将变换式应用到数据集上的方式来部分构建。
这些移动修正后的数据集可以随意地用在将要在下文中所描述的数据合并的步骤中。并非是必须的情况是，合并数据集和移动修正后的数据集也可以在它们本身中使用，而无需进行合并，尽管合并在提高图像质量方面具有优势。数据组合(合并)之前的移动补偿为每一个获得的体积计算出变位场。变位场在获取数据期间塑造出目标的移动。每一个变位场对于相关联的失真数据集的应用都会产生在共用空间中的移动补偿数据集。之后，某些可以效仿的实施方案将这些独立的数据集集合在一起从而形成较高的质量。在登记的体积中的数据样本的相对质量在这一过程中都是被考虑到的。附图15显示出本发明的可以效仿的合并过程的原理示意图，其使用的是两个体积登记的实施例。需要特别说明的是，附图15是一幅通过扫描获得的人眼的OCT图像的叠加图印，扫描采用的是相交的慢和快方向，扫描XFAST和扫描YFAST。之后，每一种扫描都进行登记(即， 图像的解析特征被标注在绝对坐标上，独立于目标物体的位置的扫描设备)，形成登记的扫描XREG和YREG。最后，正如本文所描述的那样把登记的扫描合并在一起。从移动评估来看，输入的数值进行转换，以便产生登记的数值。之后，这些数值通过它们之间的三维像素的加权总和结合在一起。虽然某些实施方案使用了这一技术，人们也已经意识到，其他的用于数据的结合或者合并的技术也是可行的。由于仪器和目标物体之间的相对移动，以及在获取数据期间的按照顺序进行的采样的缘故，目标物体是在变化的范围内进行采样的。目标物体的区域范围可以是经过若干次扫描的(重复采样)，或者根本就没有进行扫描(无采样)的。这一情况在附图8B中有所解释说明。在没有采样的区域中，移动补偿期间出现的间隙都是从输入的数据中的邻近的A-扫描进行了内插值，当把数据绘制到通用的目标物体的空间中时。因此，这些强度数值并不能代表真实的获取数据，但是信息是来自于附近区域的。然而，如果多个数值被结合或者合并在一起的话，未经采样的未经扫描的区域都会显著地减少，这是哟与来自其他体积的数据在单个体积中的未经扫描的区域中的大部分上是更有可能被使用到的。有可能的情况是，通过直接平均的方式来把移动补偿的数值结合在一起，S卩，把将要被合并的N体积的加权设定为1/N。然而，被绘制到目标物体的空间栅格的某一位置上以填充在输入的体积上的对应的孔上的三维像素随后就会具有与A-扫描相对比的含有真实的目标数据的相同贡献。这一方法可能会导致图像质量的局部弱化。一种检查出数据中的孔(空洞)的方法是寻找在初始体积中的区域，其是从最终登记的体积的产生过程中的其他不止体积中采样获得的。这种测量被称之为采样密度，其与在登记的体积中的每一个A-扫描是相同的。相对高的采样密度是一种指标，其指示出输A的体积中的区域被用于对登记的体积中的间隙进行填充。如果在登记的体积中的三维像素是能够过完整采样或者在输入的体积区域之外的部分采样来产生的话，样本质量的二个指标是通过评估来确定的。这种测量被称之为采样效力。一种用于计算采样密度的评估的方法是首先形成2D图像，该2D图像具有可以是对应的体积的x/y尺寸的若干倍(例如，4倍)的尺寸，以便将图像的所有像素初始化到非常小的正值。图像的较大尺寸被用于达到亚像素的某一准确度，举例来说，因子4将会提供准确度的2个额外单位。该图像代表的是初始体积的二维的面积区域，初始体积对应于A-扫描的二维栅格。通过额外地绘制核心的方式来完成评估，举例来说，高斯截短曲线，以为每一个样本形成这样的图像，该图像可以用于产生登记的结果。绘制本身是通过将核心确定在采样的中心位置上，并把核心的数值加入到密度评估图像的数值中。如果核心是部分位于图像之外的话，仍旧将数据增加到最近的边缘像素上，这是为了把体积的采样路径的行为进行镜像。为了在加权计算中使用这些评估图像，它们必须被绘制到通用的目标物体的空间中。这是通过将变位场的横断面部分施加到所述的图像数值上(类似于三维的情况)来完成的，但是不必使用轴向(Z)的位移信息。这样的过程导致形成二维图像的集合，一个适用于将要被合并的体积，其对采样密度进行评估并存在于通用的目标物体的坐标系的二维栅格中。采样效力的数值可以对应于每一个三维像素来形成，其是将要通过是否核对数据的绘制过程来合并的，数据的绘制过程产生所述的三维像素的采样体积的数据，其是从在OCT设备的坐标系中收集到的数据的区域中绘制的。在这样的情况下，采样效力被赋以数值I来作为采样效力。
可以效仿的实施方案结合根据评估后的采样密度和采样效力所获得的数值，以避免之前提到的局部质量出现弱化的问题。从采样密度和采样效力中产生的加权对在最后合并的数据集中的每一个数据集的每一个三维像素的影响进行控制。举例来说，加权可以通过以下方式被赋以每一个登记的体积的每一个给定的数据的三维像素将初始加权赋值到三维像素中，这是通过对相关联的采样效力进行区分来实现的，通过数量I加上相关联的采样密度，所述的数量自乘，例如，8。功率参数受到调节，并取决于数值范围和采样密度和采样效力的数值的分布情况。这一步骤之后是对加权进行分级刻度的归一化步骤，其与将要被结合的数据值的集合相关联，乘以能够确保所述的加权等式I的总和的公用因子。除此之外，比平均值低很多的加权可以随意地与零点和剩余的加权的再次归一点相对齐。这样过程导致出现这样的情况，即在采用密度与其他的采样密度相比时相对低的情况下，力口权是相对较高的。如果采样效力是相对高的时候，加权本身也可以是相对较高的。这一方案导致数据样本的较低的影响，其仅仅是被绘制到移动修正的目标物体空间的特定的位置上，以便对初始获得的体积的采样间隙进行填充，从而提高合并输出的质量。在对所有体积的三维像素的加权总和计算完成之后，最终的可选用的后处理步骤可以在合并后的移动修正的数据集中的临界值和范围变换中执行。对移动修正的原理的一般说明以下内容对移动修正的一般原理进行描述说明。这些步骤显示出并不是需要连续执行的，而且当有可能时，可以并列进行。附图12显示的是可以效仿的方法的高阶流程图。首先，获取至少两个OCT数据集。这两个数据集的至少其中之一将进行在横断面上的区域的密度扫描。之后，数据进行一个或更多的可选用的预处理步骤，其可以用于提高可以效仿的方法的执行力和执行速度。之后，经过预处理的数据被应用到实际的移动评估步骤中，其为每一个输入的数据集找到变换式，数据集通过在获取数据集的过程中的移动所导致的失真进行修正，同样地将数据集变换到通用的空间中以便修正移动。一旦找到这些变换式，一个或更多的变换式就都可以应用到相同的数据通道中，正如在评估过程中所使用的情况那样，或者应用到相同数据集的不同的数据通道中，这是为了产生一个或更多的移动修正的数据集。最后，这些移动修正数据集都可以结合为单一的集合，该集合既可以是不具有移动加工的，也能够具有提高的数据质量。数据集的获取可以效仿的各种实施方案是相对于2D和3D-0CT的立体数据集来进行描述的，但是，人们可以了解的是，其可以应用到其他的成像形式中，其他的成像形式是以通过获取不同的时间内的组织或者样本材料上的不同位置的图像信息的扫描式数据获取程序为特征的。多维的OCT数据集是由数据样本所组成的，所述的数据样本是根据特定的扫描方式来获取的。可以通过使用三维的仪器扫描坐标系来对数据集的获取过程进行描述。坐标系可以通过起始点和三个正交的基本矢量来进行限定。前两个基本矢量穿过OCT设备的横断面。第三个基本矢量与前两个基本矢量是相互垂直的，并且在轴向上定点(附图3)。在两个横断面方向中的每一个上的OCT光束的扫描范围都是铜鼓扫描轨道或者扫描方式来限定的，并且确定将要成像的每一个目标物体或者组织的横断面的区域。OCT仪器设备的轴向或者纵向的测量范围确定了将要被成像的目标物体的深度范围。由多维OCT数据集所组成的每一个样本的位置可以相对于所述基础进行精确地确定。位置是通过三维的坐标矢量来限定的，其详细描述了所述的数据样本在扫描空间中的位置。相对于起始或者近似时差的绝对时间与所俘获的最后的数据样本也是众所周知的，这是由于计时的信息与用于控制光束定位的扫描装置的轨道相关联。如果数据样本和获取特定图像的起始点之间的相对时间信息是已知的话，绝对计时的信息，即，特定图像的第一成像样本的总的经过时间，也会同样可以构建的。使用这一信息，所获取的图像数据可以通过获取数据的起始时间和数组集合，安排好的元素列表来进行完整描述。集合的大小等于俘获用于成像的数据样本的总数量。附图28显示的是单个数据样本和坐标系之间的关系的概括式的示意图。每一个数组S = <xs, ys, zs, ts, data〉是由样本本身的数据内容所组成的，当对位置进行采样时，三维坐标系与OCT扫描坐标系上的位置和时间数值ts相关。附图29显示的是对多个位置进行顺序采样以便形成数据集的实施例在此，多个 数据样本sl，s2到sn都被收集在一起。由于实施例显示的是按照顺序进行的采样，因此，与数据样本相关的时间是从一个数据样本到下一个数据样本依次增加的。在OCT设备实质上瞬间(如同傅里叶域内的OCT的情况)获取各个A-扫描的情况下，每一个A-扫描都可以在相同的时间内穿过获取的多个数据样本的不同的轴向深度。实质上瞬间在此是指每一个A-扫描是在小于I毫秒的时间内获得的。沿着每一个A-扫描的轴向的样本都可以在仪器的坐标系每相同的横断面上获得。A-扫描的数据样本的轴向坐标在空间方向上是在仪器坐标系的z方向上的。各种不同的实施方案假设是主要与这样的系统结合在一起的，即，该系统可以瞬间获取各个A-扫描。然而，在常见的数据集中的数据样本并未具有这种相互之间的特定关系。被证实的情况是，光学折射效应可能会导致OCT光束的方向的改变，以致轴向并不是要必须与z轴相对齐的。这些情况都可以通过对OCT图像的数据集进行预处理来解决，以便对折射进行补，而且同样获得可以效仿的各种实施方案的支持。更进一步说，描述图像的获取的模型也可以应用到这样的装置中，该装置可以使用第一个成像光束来一次性同时收集多个数据样本或者A-扫描。在这种情况下，相关联的时间数值也将是与同时记录数据样本的时间数值相同。多个成像光束的使用能够提高获取数据的速度，而且在多个光束被分别进行扫描的情况下，能够改善数据集的时间结构之间的关系，其将有利于提高等级性能。互补式扫描方式的概念可以通过把仪器坐标系中的每一个数据样本的3D位置处理为函数或者相关的时间来进行解释说明。这意味着每一个时间都与一个或更多的采样位置相关联。在时间进行的过程中，类似于斜率的概念可以被限定，其是每一个数据样本在时间内指向下一个对应的数据样本的矢量。对应地，在这样内容中，这意味着样本可以与相同的成像光束一并记录和/或可以位于A-扫描基础系统中的相同的轴向扫描上。作为结果的矢量场对于特定的扫描方式而言是独一无二的。如果这些矢量场是不相同的或者是不相关的话，那么两种扫描方式将是互补的。互补式扫描方式的基本实施例是光栅扫描方式，其具有相互垂直的快轴(从附图1OA到附图1OC和附图1lA到附图11C)。一般来说，如果所使用的扫描方式的集合明显包含有互补的方式，那么移动修正就能够进行最好地工作。除了仪器的扫描仪坐标系之外，也可以限定在将要进行成像的目标物体或者组织上的坐标系。如果没有出现相关移动呢，那么仪器的坐标和目标物体的坐标就会具有相对于彼此的固定关系，而且3D-0CT立体数据集能够准确地表示出在目标物体或者组织的结 构特征。然而，在获取数据集的过程中，目标物体或者组织的移动，以及仪器的移动都可能对数据集的失真做出贡献，这是由于在目标物体或者组织上的OCT光束的真实位置是通过目标物体的坐标系进行描述的，其与通过仪器的扫描仪的坐标系来描述的OCT光束的理想位置是不相同的。附图1OA到附图1OC显示的是光栅扫描方式的实施例，该光栅扫描方式是在OCT设备在轴向上获取瞬间扫描的标准情况下使用的。在光栅扫描的方式中，轴向扫描的数据是顺序获得的，这是通过沿着给定的横向方向(附图1OA或者附图1OB中的X方向)进行的对OCT光束的快速扫描，以及重复进行在沿着垂直方向(附图1OA或者附图1OB中的y方向)的逐渐增加的扫描位移的快速的横向扫描来完成的。通过回扫，光束被再次定位到每一个顺序相连的快速扫描的起始点上，对下一个横断面的扫描的初始位置的光束的快速扫描，在附图4中有所显示。在这一实施例中，轴向扫描的OCT数据不是在回扫的期间获得的。光栅扫描可以被认为是获得了横截面的图像的集合，B-扫描在附图1OB中有所显示。更为常见的情况是，在不同的平面位置上的B-扫描的集合或者与来自于形成3D-0CT立体数据集的目标物体或者组织的横向区域的轴向扫描的数据集是相等的。光栅扫描方式获得了轴向扫描数据，其是位于沿着覆盖目标物体的横向区域的正方形或者矩形的栅格的点间隔中的。在OCT仪器的轴向扫描的获取率和OCT光束扫描的速度的基础上，轴向扫描在X和y横向方向上可以具有不同的轴向扫描间隔。移动修正的登记和合并的可以效仿的各种不同的实施方案使用轴向扫描位置，其在X和y横向方向上是相等间隔的。这是由于执行沿着y方向进行的快速扫描的互补式扫描方式将会带有轴向扫描的数据，其具有如在沿着X的方向上进行的快速扫描的扫描方式相一致的间隔。附图30A到附图30G显不的是OCT光束扫描方式和互补式光栅扫描的实施例。一种标准的光栅扫描方式及其互补方式在附图30A的图案(显示出XFast和YFast)中有所显示。如果需要非常高速的扫描时，就可以使用双向的光栅扫描方式(附图30B和附图30E)。双向的光栅不需要使用扫描的回扫来作为标准的光栅(附图30A)，而且对在正向和相反的扫描方向上具有实质上相等的矢量的光束进行扫描。正如在本文中所使用的那样，速度的“实质上相等的”两个数值之间的差异小于10%。双向光栅要求在正向和反向扫描上都具有数据，从而使得轴向扫描的数据的数量是最优化的，其可以在给定过的测量时间内获得。双向光栅扫描要求轴向扫描数据可以具有在垂直于扫描的方向上的变化的间隔。对于在附图30E的左边的图形中所示的在X方向上的快速扫描的实施例来说，轴向扫描的间隔在y方向上具有小的变化。附图30C，D，F和G显示出OCT光束扫描方式的其他实施例，包括对目标物体或者组织上的矩形横向区域进行扫描，对圆柱形的环形面进行扫描，或者对较大的区域和互补式的较小区域进行扫描，所述较小区域包含在较大的区域中或者部分与较大的区域相重叠。附图30D显示的是大的正方形和矩形区域的实施例，其在X方向上进行了快速扫描，和互补的扫描方式是由较窄的区域构成的，较窄的区域在y方向上进行快速扫描。互补式的扫描方式对最初的扫描方式的整个y范围进行扫描，除了 X范围的子集合之外。这样 的扫描方式可以在以下的情况中使用，即没有充足的时间来允许扫描两个互补的图案，这些图案实质上覆盖相同的区域。这种扫描方式也可以在以下的情况中使用，即来自于相等区域中的数据还不具有足够的质量来允许整个立体数据集可以适用到为登记中。在这种情况下，对应与附图30D中的区域的数据的子集可以被抽取出来和加以使用。已经得到证实的是，在附图30A到附图30G中所示的扫描图案代表的是实施例，而且大部分的其他扫描方式都是可行的。同样也是被证实的是，不止一种互补式的扫描方式可以在给定的扫描方式中使用。在可以效仿的各种实施方案中，多个3D-0CT立体数据集是通过使用互补式的扫描方式来获取的。然而，也有可能的一种情况是，通过类似或者互补的扫描方式在相同的时间间隔中使用具有多个OCT扫描光束的OCT仪器来获得多个3D-0CT立体数据集。具有多束扫描光束的OCT仪器可以实现高速的数据获取，这是由于多个轴向扫描数据是在相同的时间内从目标物体或者组织中的不同位置上获得的。对于在临床成像中的应用而言，例如，眼科学，保护暴露的组织的安全限制了允许突然的光学暴露在给定位置上的可能性，并从而限制最大的数据获取速度，这是由于权衡信噪比的缘故。多个光束的使用可以获得较高的数据速度。除此之外，图像的获取也是可以通过使用多个光束来实现的，有可能实现从互补式扫描方式中同时获取数据。这样的方法可以有利于提高移动修正、登记和合并的性能。本文在此所描述的这些实施方案将在后面的部分中进行更为详细的描述。在3D-0CT立体数据集中的每一个轴向扫描相关的时间信息是一种重要的参数，这是由于其可以用作对移动修正和登记的输入。在OCT仪器和目标物体或者组织之间的相对移动被限定在某一振幅、速度、加速度或者频率的范围之内。这些所允许的系统规定参数被用于在移动修正的过程中的与立体数据集的相似度的测量结合使用。以下内容假设每一个数据集的一般情况，所述数据集是由在成像仪器的坐标系的3D位置和相关时间以及实际数据所组成的数组的集合构成的。如果某种描述指的是瞬间A-扫描的基础数据集的更为特定的情况，那么事实就是明确地提及。数据的预处理数据集的预处理可以使包括若干步骤的，这是为了将输入的数据变换为一种更为适当的可以应用到移动修正中的形式。在以下的部分中，将要对这些步骤进行描述。在特定的执行方案中，这些步骤的任何子集都可以进行预处理操作。也有这样的可能，即这些步骤可以并排执行。将要在下文中描述的这些步骤不是必须要以说明书中给定的顺序来执行的。数据诜取预处理中的一个阶段是选择对将要到来的数据集中的适用于移动修正的，尤其是适用于对变换阶段中评估的相似度的某一部分进行选取。所使用的数据将包含有这样的信息，即当数据样本是在不同的时间步骤的相同位置上获得的时候，该数据是类似的，如果数据样本是在目标物体的坐标系中的不同的位置上进行记录的时候，该数据是不相类似的。除此之外，随着更进一步的预处理程序的进行，所选取的数据将会更好地适用于处理过程。其细节内容取决于数据集中的真实数据之间的相似度是如何在特定的实施方案中表现的。OCT数据可以表示为干涉数据，其是傅里叶监测的输出，作为场幅度数据、复数场数据、线性的强度数据、测井强度数据或者其他的数据。为了对在深度上出现显著的光学弱化现象的目标物体或者组织进行成像的应用，OCT数据通常在测井强度或者其他的压缩形 式中是可视的，从而扩大图像的可视动态范围。也有可能从OCT测量值中获得数据的其他形式，例如，多普勒流动、功率多普勒、产生极性的灵敏度、双折射或者非均匀的偏振度、光谱数据和其他的数据形式。对于可以效仿的各个实施方案而言，选取用于处理的数据的一种典型类型就是OCT的强度数据。强度数据可以是线性刻度的，或者经过变换为对数或者其他的压缩比例。除此之外，数据可以具有更进一步的标准OCT处理步骤，例如，限定临界密度以减低噪音，或者改变刻度以占据表达式的整个动态范围。也有这样的可能性，即使用不止一种类型的输入数据来作为按照顺序进行的处理步骤的基础。举例来说，测井强度数据可以用于执行移动修正和登记，而关于移动修正的变换的信息可以用于移动修正和登记的其他数据，这些数据是从OCT测量中获得的，例如，多普勒流动、功率多普勒、产生极性的灵敏度、双折射、非均匀的偏振度或者光谱数据，其他的数据。降低噪咅一般来说，输入的OCT数据具有背景噪音以及斑点噪音。根据随后的移动修正和登记的处理程序的步骤，有可能执行图象的处理程序的步骤，该步骤可以降低立体数据集中的噪音的水平。降低噪音可以通过分别对每一个A-扫描进行处理来完成，对多个A-扫描的集合进行处理是相对于时间和空间的，或者处理是以数据集中的空间接近度为基础的，作为仪器坐标系的参考。在强度数据中操作的降低噪音的一个实施例是具有适当的窗口尺寸的1D，2D，3D中的中值滤波。然而，也可以使用其他的更为宽泛的去除噪音的技术。数据集的重新调节为了达到高速处理和解决执行时间的问题，有利的是，在一个或更多的方向上对数据集进行重新调节。在常见的数据集中，重新调节意味着增加或者减少数组的数量，以致根据仪器坐标系中的一个或多个维度进行的数据样本的间隔发生改变。一个实施例是降低每一个数据集的横向或者轴向的分辨率。将要在随后的步骤中进行处理的数据的数量也因此而减少。另外一个实施例发生在这样一种情况下，即，输入的数据集之间的轴向方向上的像素之间的间隔是不同的。数据可以通过增加或者减少一个或更多的进行再次采样的数据集的轴向分辨率来进行准备，以致对于全部的数据集来说，轴向间隔都是相等的。如果由扫描坐标系中的采样点的间隔所提供的输入数据集的图像的像素分辨率是不相等的情况，那么，相同的程序可以在横向方向上执行。对于光栅类型的扫描来说，在横向方向上的重新调整优选的是在沿着轴的方向上执行的，在该轴的方向上采样点之间的时间差是最小的。特征计算可以执行特征计算，而不是使用为移动评估而直接进行的预处理期间选用的数据通道。这一步骤的目的在于可以提高结合有所使用的相似度测量的移动修正步骤的性能。另外的一个优势在于，输出数据的维度可以相对于输入的维度进行减少，而将数据与目标物体上的不同位置区别开的信息将被保留。由于理想的相关信息被放弃，这将既可以减少在移动评估中必要计算，又可以提高移动评估的结果。数据的归一化为了将数据集中的数据内容带入到限定的范围内，并校正以适用于在数据范围内 的总差值，可以应用归一化的操作。一个实施例就是在使用强度数据时的明亮度的差值。这样的差值可以是由在标准的OCT图像处理过程中所使用的不同参数所导致的，或者是由为了按照顺序获取数据的OCT设备与被扫描的目标物体之间的距离差所导致的。这种结果是由被称之为敏感度的因素所导致，敏感度典型的是从OCT成像系统中复印出来的，在轴向扫描深度的基础上，其能够降低平均信号的幅度。例如，渐晕，这样的效果也可以导致明亮度的差异，这取决于相对于光束的数据样本的横向位置。数据归一化的一个实施例是每一个数据集的强度分布进行归一化，从而获得平均强度，或者在归一化之后获得其他的结构数据值，其进行归零，而且强度的变量是I。可以通过同样的方法来把全部的数据集进行归一化操作的一种相同的归一化将可以对全部的数据集的强度分布进行相同的操作。最后，基于归一化的平均值和变化值都可以在每一个A-扫描中分别执行。这样以来，明亮度变化的结果也是可以进行有效地补偿。数据样本的选取当多个数据集被用作可以效仿的实施方案中的输入以适用于移动修正时，其将会导致出现这样的结果，即，与其他的输入相比，用于一个或多个输入的数据集的扫描方式覆盖住仪器扫描坐标系中的绝大部分的区域。在由于执行移动修正的扫描的坐标系中的负载的实际区域也可以是被适用于内一个输入的数据集的最初的OCT采样方式所覆盖的区域的自区域。在这样的情况下，一种负载的3D区域可以通过使用者的输入进行限定，或者自动进行限定。举例来说，产生负载的自动区域可以通过将所有输入的采样区域的交叉部分用作由采样方式所给定的内容来执行。代表负载的区域的一种特定的方法是作为一个或更多的位于仪器的坐标系内的导向性包围箱。可以选择的是，可以使用形状将更加适用于显著的圆形或者椭圆形的扫描方式。当负载的区域被限定之后，所有的数据样本都被进行试验，从而观察它们的扫描位置是否是在负载的区域范围之内。如果对于特定的样本来说是否定的情况，那么其将被抽取出来以进行进一步的处理。进行处理的方法可以是随意地将重点放置在重要的区域上。这将允许在覆盖了相同区域的OCT图像之间进行最优化的移动修正，具有覆盖了较大部分或者较小部分区域的图像的子集的附图31显示的是在这样一种原理下形成的视网膜图像的内容的实施例，即，在该原理中，与其他相比时，一个数据集覆盖了的仪器空间中的绝大部分。位于这些区域的交叉部分中的数据样本可以从两个数据集中选取出来以便进行进一步的处理。对未校准的补偿在OCT成像的特定应用中，例如，在眼科的应用中，在照射到负载的实际物体，例如，视网膜之前，成像光束穿过透镜，类似于物体，例如，眼角膜，和穿过眼睛的透镜。在这种情况下，生物学的透镜将真实地将OCT光束聚焦到视网膜上。出现这样的情况时，如果OCT光束照射到位于中央的眼角膜的时候，OCT图像将显示为视网膜的表面的相对平(平坦)的视图。另外一方面，如果OCT光束没有照射到位于中央的眼角膜时，将会在横向扫描的区域的末端出现相对的光路径的长度差。这些长度差会导致视网膜上的视图是倾斜的，即，其相对于光束照射到位于中央位置上的眼角膜是倾斜的。在相对校准中的这样的变化尤其可能会出现在按照顺序获取的数据集之间，因此，导致出现这样的情况，即，表面在一个数据集中看起来是直行的，而在另外一个数据集中则是倾斜的。这样的结果也是可以被改进的，这是由于OCT数据通常是显示在非平均的纵横比中，其中数据集中的维度差被拉伸或者被压缩，从而更好地显示出负载的特征。在眼科学中，OCT图像通常是显示为轴向拉伸的，从而 更好地显示出视网膜中纤细的结构。倾斜的结果导致了移动评估中的问题，这是由于其将会把倾斜处理为强有力的轴向移动，所述轴向移动是通过模型化的移动目标来进行补偿的。这将导致移动评估在所述的为校准的若干情况下失效。为了避免出现与倾斜结果相关联的问题的出现，可以增加处理步骤来对倾斜进行评估，举例来说，通过将平面适用到数据集中的方法来实现。所述平面可以与特征相匹配，例如，平面所遇到的第一极高的散射物质，或者与测量相匹配，例如，适用于沿着每一个A-扫描的明亮度的信息的重心。当平面已经与每一个数据集都匹配时，就可以对数据进行修正，以致数据是经过校准的，而且，计算后的平面是平均的。修正可以通过移动在轴向上的数据来获得，移动是根据在平均的平面上测量的平面的位移来进行的。经过验证的是，补偿倾斜的其他方法也是可以使用的。移动评估变换式的参数化本文在此所描述的移动修正的基本概念是找到一组变换式。对于每一个输入的数据集而言，都由一个完全不同的变换式。变换式被用于将在每一个所获得的数据集的过程中记录下来的数据绘制到单一的通用的坐标系中。调整的原则是被绘制到通用空间中的数据是从失真的结果中释放出来的，其实在每一次获取数据的过程中移动产生的。从概念上说，其可以考虑作为从扫描仪的坐标系到将被扫描的目标物体的坐标系的移动的数据样本。同样地，所述的目标物体的坐标系也可以考虑作为OCT光束的仪器坐标系，其对在三维空间中的目标物体和扫描仪之间的相对移动的结果进行补偿。单一的坐标系被称之为登记的或者移动修正的空间或者坐标系。在该部分的内容中，获取明显的二维数据集的扫描方式是不同于获取密集的3D样本图案的扫描方式的。2D类型的图案并不具有在横向平面上的真实的2D区域中的密集的采样。3D t类型的图案覆盖了横向的仪器坐标系中的显著的二维区域。这种差异既可以是使用者，也可以是扫描方式的设计人员，通过对每一个输入的数据集的样本图案进行分析而自动获得。同样地，由于有边界线的情况，因此，其中可以任意地做出决定。根本的是，如果数据点的样本上覆盖有3D区域并且是足够密集的话，数据集就可以被认为是3D类型的，以致数据的内插技术可以成功地应用到仪器坐标系中的相邻的样本之间的间隙内。举例来说，密集的光栅扫描可以被认为是一种3D类型的扫描，同时覆盖在横向的仪器坐标系中的相同的线上的重复的横断面被认为是一种2D类型的扫描。在这种定义的基础上，将2D类型的扫描图案从3D类型的扫描图案中区分出来，需要对变换式进行描述。对于2D类型的扫描而言，一个位移矢量是与在考虑中的图像中的每一个数据样本相关联的。在一般的情况下，该位移矢量是3D的。在具有相同的扫描方式的所有的输入图像都是2D类型的情况下，一个横断面的维度可以从位移矢量中删去，这将导致获得2D的位移矢量。从输入数据集的一组3D类型的数据集中可以看到，在移动修正的空间中的一组普通样本位置的集合是结果选择的。作为一个实施例，位置可以被选择用作在仪器的坐标系中的负载的区域内的规则的间隔栅格。在特定的情况下，所有的3D类型的数据集都含有 相同的规则的间隔采样点的集合，这一集合可以是直接进行选择的。由于采样点已经是相互匹配的，因此在，这样的情况都是可能会遇见的。如果图案具有不同的面积和覆盖范围，这样的情况也可能会出现。采样点的不同间隔也是可以通过对数据的采样选择进行预处理和改变数据集的大小来进行调整。与每一个3D类型的数据集相关联的变换式，在再次取决于移动的恒定性的基础上，都可以将2D或者3D的位移矢量与至少每一个采样点相关联起来，所述采样点是在移动修正的坐标系中选取的。从概念上说，这些变换式中的每一个都将来自于其扫描坐标系的相关数据集中的数据绘制到目标物体的坐标系中。在移动修正中所使用的每一个变换式都可以通过各种不同的方式进行补偿。实施例包括但不限于，直接参数化为一组位移矢量，使用多维的多项式、样条、b_样条或者在同一采样时间内的类似参数，或者2D和3D中粗略的或者仿射的变换式来进行参数化。对于一组位置的子集而言，变换式可以被评估，与相比，可以使用不同的参数化，而不是使用其他分解的子集。一般来说，任何一个变换式都可以在早期的特定位置上进行评估，其可以适用于移动修正，虽然某些选择可能会产生更好的结果。除了本说明书中之前的部分中所描述的变换式的处理之外，还有其他原则方法建立的变换式。在这种可以选用的方法中，用于3D类型的数据集的变换式都可以通过在2D类型的集合的方法来进行处理。这暗指了其他的区域，大部分与数据集的相似度计算相关。使用这种可以替换的方案，数据集的相似度测量总是必须要执行在不规则栅格中的采样，即使是在底层的扫描图案是位于规则栅格的情况下。人们可以理解，这种可以替换使用的建立变换式的方法可以为本文在此所描述的方法和系统所采用。数据内插倌法数据的内插值技术可以用于将数据集的数值绘制到通用的目标物体的坐标系中。数据的数值必须是在任意位置上产生的，在该位置上，数据仅仅被限定为有限的一组点集。这一数据可以是，例如，强度数据，其被限定在仪器坐标系中的某些坐标点上。同样地，在该部分中，与每一个数据样本相关的时间都可以被认为是在仪器坐标系的每一个数据样本位置上的数据值。
一般来说，每一个输入的数据集的在仪器坐标系中的数据集的采样点的位置，和相关的时间信息，以及所选择的在登记的坐标系中的采样位置的集合形成数据样本的不规则的2D或者3D的栅格。在这样的栅格中，数据可以通过使用多种已知的技术，例如，空间局部插值法或者倒数距离加权法，以及其他方法来进行内插值。在特殊的情况下，一组数据点的位置将规则的2D或者3D栅格指定在数据的至少一个位置上，标准的技术，例如，最靠近的相邻数据，双线或者三线的，立方的或者高次的样条或者b-样条内插法都是可以采用的。总的目标函数移动修正的方法利用的是基于将全部的可获得的信息在用于评估之前所描述的变换式的最优化的方案中的每一个步骤中都有所考虑的方法的目标。这些目标或者目的将要在下文中进行解释说明。同样也会给出一个如何将这些目标结合在一起的实施例。图像的相似度目标 单独地看，移动修正中的一个目标是找到变换式，以致在应用变换式来将图像数据移动到移动修正的空间中之后，在预处理的数据或者某些成对的输入之间的相似度是最大化的。尽管这一目标或者目的是在以下的段落中是分别进行描述的，但是，经过验证的是，其必须要结合其他的对重平衡的目标来进行评估，所述的对重平衡目标是要被考虑的，而且将要在后文中予以描述。在将要被考虑的特定的数据对的基础上，方法可能是不同的。如果两个3D类型的数据集进行比较，用于每一个数据集的当前的变换式的评估被用作将每一个图像的图像数据转换到移动修正的空间中。由数据点的相同的组被选用于每一个3D类型的数据集中，因此，这将在的每一对成对的数据集的移动修正空间中的通用位置上产生一组数据样本。之后，这些变换的图像可以被用于评估相似度，既要考虑到来自于相同的采样位置的成对的数据值，也要考虑到来自于相同位置的每一个数据点的周围的成对的数据值。如果对这一信息实行的特定的相似度测量是同时对两边进行处理的话，对两个3D数据集之间的相似度的总体评估是对称的。在3D类型的数据集与2D类型的数据集是成对的情况下，3D类型的数据集将按照之前的情况进行变换。之后，数据的内插步骤就可以在2D类型的数据集中的每一个数据采样位置上执行，其采集3D类型的数据集的潜在的不规则的栅格的样本，不规则的栅格位于移动修正空间中，在某一个位置上，2D数据集中的每一个数据样本都被绘制到登记的空间中。这样就会导致数据样本与来自于2D类型的数据集的每一个数据样本进行比较，而且和空间中的邻近位置进行比较，其来源于仪器坐标系的2D类型的数据集的采样方式。用于与3D类型的数据集中的2D类型的数据集的相似度进行比较而产生成对的数据样本是相同的。之后，可能包括有邻近信息的总的数据对的集合可以用于相似度的评估，和两个图像之间的最大化的操作。相似度测量的各种实施例可以应用到包括平方和的差值(SSD)，交叉相关，交互信息和区域交互信息，以及其他的方法。由于没有通常的损失，相似度测量被假设为产生实际的评估值，评估值越大，则考虑中的两个数据集就会更加相似。除了对成对的数据集起作用的相似的数值之外，一次性考虑到比相同的类型中的两组数值更多的测量方式也是可以使用的。这种情况的一个实施例就是对在目标空间中的对应位置上的数据设定值的变量进行补偿。图像配对方案在相似度测量仅仅用于支持对成对的数据集之间的相似度进行测量的情况时，特定的配对方案可以用于测量负载的某种相似度。最简单的可行方案是测量可以获得的数据集之间的全部可能的结合。这将导致对N个不同的数据集要实施N*N次测量。对于明显不止两个数据集的登记，对这些测量值进行评估的成本从计算的角度来考虑可能是非常昂贵的。正由于此原因，也可以采用其他的方案，即仅仅对可行的子集进行配对。在该部分的内容中，非常适宜区分配对的数据集的先后次序，它们实质上在成对的数据集中具有互补的扫描方式，相同的或者类似的扫描方式。由变换目标所确定的有限移动再次从单独的角度来看，移动修正的另外一个目标是如果OCT扫描仪和目标物体之间的相对移动相对于获取数据的时间是通过变换式来确定的话，那么修正问题的解决方案是较好的，其中由于某些定义的原因，变换式被评估为降低。尽管这一目标或者目的在以下的段落中是分别进行解释说明的，人们也已经意识到，其必须结合之前所描述的对重平衡的目标来进行评估，所述的对重平衡的目标在变化阶段都认为是相似的。收回这样的情况，即变换式被限定为在某些采样点进行评估，采样点既可以是位于适用于3D类型的数据集的物体空间内，也可以是位于适用于2D类型的数据集的扫描坐标系内。与这些采样点相关的是时间值。在2D类型的数据集中，时间值可以是直接相关的，当可以评估的点是初始采样点时，或者时间值也可以是通过在必要的位置上对初始时间的结构信息进行内插法来产生的。在3D类型的数据集的情况下，时间信息可以是通过对初始时间的结构进行采样来产生的，初始时间的结构是由在仪器坐标系中可以评估的点的坐标上的数据集的采样方式所给定的。由于在每一个点上的可以获得当前近似的时间信息，在每一个点上的变换式都需要进行评估，变换式组可以看作是这样一种关系，即将在2D或者3D中的位移矢量与时间点联系起来。在该部分的内容中，时间意味着绝对时间，而不是在单一的获取数据集的时间。这将必须支持获取多条光束的情况。如果多条光束的扫描没有得到执行，相对的时间，例如，相对于获取每一个数据集的起始，是足够的。一般来说，当OCT设备本身不是直接从关于扫描方式和设备的总的可以获得的信息(例如，扫描面积、扫描采样、设备获取速度等其他信息)中提供这一信息时，近似的时间也是可以进行计算。鉴于建立变换式的原因，当时间值相等时，对于所有变换式的限制将产生同样的位移矢量。这种限制也会允许将绘制处 理为2D或者3D的时间函数。近似数值，例如，通过使用有限差分方案获得的，可以用于评估这一函数相对于时间的变化梯度。由于变换式的位移矢量建立了扫描仪和在时间的某一点上的物体之间的相对位置的模型，变化梯度表达出相对位置和由此产生的移动中的变化。可以假设的是，成像设备以及被扫描的物体都具有非零的质量。这种假设暗含的意思是，两个物体的相对速度具有上限值，而且对在某一时帧范围内的相对位置的变化存在着物理限制。通常会对相对速度做进一步假设，即，相对速度也会限制在某一时帧范围内的扫描仪和目标物体之间的相对位置的预期变化。在眼科成像的情况下，扫视中的眼球移动会快速地发生，并在一段时间内产生间断移动。然而，多次扫视不会发生在快速的序列中，因此，移动是在某一边界范围之内的。第二目标物体的作用是考虑移动模型来确保被评估的变换式可以通过这样的方式被发现，在移动中代表着边界的这些事实都被考虑在其中。在获取完整数据期间中的总移动的最基本的测量就是将标准结合到所述的变化梯度中，变化梯度是从总的获取时间的起始到结束的。评估这种结合的一种近似的方法是通过将标准应用的加权乘以采样点之间的时间差的结果值进行相加。除此之外，所需要的效果可以得到维持，例如，通过将任意的单调增加的函数施加到每一个变换梯度矢量的各个分量中，通过将任意的单调增加的函数施加标准应用的结果中，以及将任意的单调增加的函数施加到每一个总和部分的时间差的权重因素中。这样以来，可以形成测量，测量的最小化对在总的获取时间中的变换式所建立模型的移动进行最小化。将任何一个单调减少的函数施加到这一测量中会导致最大化的问题。作为结果的测量值在以下的部分中被称之为调整值。
目标物体的组合为了获得好的移动修正结果，两个事先确定的目标物体将会被分别进行考虑。可以代替的是，在两个可能发生冲突的目标之间找到一种平衡。完成这项工作的一种简单的方法是对两个测量结果进行总和，两个测量结果是由对目标物体进行评估所产生的。其他可以效仿的方法包括两个测量结果的商。为了提供两个目标之间的相对权重，可以导入积极因素，其与在相加之前的测量的其中之一进行相乘。由于没有一般的损失，这一因素也可以被施加到调整值中，因此，该调整值被称之为调整权
重因素。附图32是一幅处理过程3200的流程图，其显示出采用本发明中的方法来对示意性的目标函数进行评估的过程。在步骤3202a，3204a和3206a中，变换式1，数据集I和扫描方式I分别作为输入。在步骤3202b，3204b和3206b中，变换式2，数据集2和扫描方式2分别作为输入。在步骤3212中，变换式I和扫描方式I与变换式2和扫描方式2进行对t匕，从而对目标物体和扫描仪器之间的估计移动进行补偿。在步骤3214中，变换式I和数据集I与变换式2和数据集2进行对比，从而证实两个变换式和两个数据集之间的相似度。在步骤3216中，目标函数通过移动估计的补偿和相似度的相关深度的评定进行评估。处理过程3200包括额外的步骤，在变换式c到N，数据集c到N和扫描方式c到N上进行操作。参考附图32，相似的最大化或者最优化目标将会读取图像数据集，并将对应的变换式施加到数据集中。之后，内插值的数据集之间的相似度就可以被评估或者最大化。同时，约束或者限制移动的目标使用采样方式的输入数据，所述的采样方式是在每一个数据集的获取期间和适用于每一个数据集的当前变换式所使用的。通过这两个目标的结合，变换式组可以被发现，其将准确地建立在每一个数据集的获取区间的相对移动的模型。这种结合也暗指在两个目标之间可以由折中方案，这是由于每一个目标都是单独进行考虑的，其没有可能达到一个令人满意的解决方案。人们可以理解的是，目标函数也可以合并超过两个主要的目标的额外的目标，正如它们被描述的那样。举例来说，其他的术语可以用于支持在变换状态下的数据值的空间连续性。当至少输入的数据集的其中之一是一种具有密度采样或者对某一目标区域的重复采样的3D类型的数据集时，这将是有用的。这是由于所述的密度采样，适当的移动修正的数据集的结构信息都是空间局部平稳的。在光栅扫描的情况下，在变换状态下的邻近的B-扫描之间高度相似度可以得到证实。其他的术语可以合并到目标函数中，所述目标函数类似于图像的相似度和建立的移动目标的模型是如何合并在一起的。人们可以理解的是，本文中所描述的方法和系统可以采用这样的目标或者其他额外的目标。多种分辨率的最优化目标函数的梯度矢量可以通过分析或者使用类似的技术来进行计算，例如，有限差。这些计算都取决于变换式的参数的 特定选择、数据集的相似度的测量、移动最小化目标的方程式和其他因素。在可以获得的信息的基础上，目标函数可以进行最优化，即，进行最小化或者最大化，这取决于特定的目标函数的方程式。对于执行这样的最优化而言，各种不同的重复非线性的最优化，例如，非线性的共轭梯度、牛顿学和假设的牛顿学技巧，例如，L-BFGS也是众所周知的，也可以采用有限储存的Brovden-Fletcher-Goldfarb-Shanno技术，以及上述内容的结合。人们可以理解的是，并不要求对目标函数的梯度进行评估的其他的最优化方法的用法也是可以被本文中所描述的方法和设备所采用的。在最优化的开始部分，参数空间中的起始点被选择。一种对变换式进行初始化的方法是通过从这样一个点开始出发，即该点暗指在获取图像的过程中没有发生相对移动。这种情况暗含的意思是，通过这种方法进行初始化，以致所有的作为结果的位移矢量都被赋以零矢量。对于初始化的其他的可能性是使用之前的移动估计的结果，其实在不同的设定点上执行的。举例来说，初始化可以考虑为绘制具有不同的数据集的相似度测量设定的评估程序的解决方案或者其中不同的数据集的变换式来进行。通过这一框架的使用，利用了仅仅是刚性变换式的移动修正结果可以用于建立粗糙的估计。这可以改进随后的评估程序的结果。这一程序也可以被不止一次地重复执行。对将要被计算变换式进行初始化的另外一种方法是采用额外的数据源，该数据源适合用于提供在获取数据期间发生的一个或更多的维度中的目标物体好扫描仪之间的相对移动的至少粗糙的评估。举例来说，有可能采用的是一种构成OCT设备的基础照相机，以便记录将要被成像的目标物体的二维图像。在此，相关的横向移动将会导致由基础照相机所成像的区域在获取数据的期间发生移动。在成像区域中的一个帧幅到下一个帧幅的这些移动可以通过使用粗糙图像配准技术在按照顺序相连的基础成像中应用来加以评估。这些移动也可以用于对同时捕获的OCT数据集的变换式进行初始化，所述数据集是在对应于某些视频框架的点上被捕获的。一般来说，由于OCT的A-扫描速度要远远高于视频的速度，数据内插值技术可以用于将位移值内插到时间点之间，所述时间点对应于视频框架的时间点，这是为了提供完整的经过初始化的变换式。上述的和其他的辅助移动测量系统可以有助于减少移动修正的运行程序的时间，并提高其精确度，这是由于初始化的过程使得这一方法可以利用关于移动的补充信息。人们可以理解的是，类似的初始化的方案也是可以与除了视频的基础照相机之外的数据源结合使用的。一般来说，凸函数上的非线性的最优化将在起始位置的确定区域内仅仅发现局部最优化，确定区域就是所谓的具有吸引力的区域。缓解这一难题和潜在地降低必要计算的一种方法是使用被称之为多种分辨率的最优化方案。与使用之前对随后的最优化进行初始化的评估相类似，这一实施方案在移动评估任务的多个表达式上进行操作。复杂性降低的确定数量的表达式是从初始的表达式中产生的，其是最终结果所需要的复杂性。在该部分的内容中，复杂性指的是参数的数量或者用于在给定的程级中描述数据集的变换式的自由度。操作中的数据的数量也可以通过这一技术得以减少。降低复杂性的实施例包括但不限于，为3D类型的数据集对登记的坐标系中连续少于普通采样点进行选择。在2D类型的数据集中，用于进行评估的数据点的数量也可以是连续减少的，这是通过在随着给定的采样时间的增加的方向上向下采集数据集来实现的，以及在光谱或者扫描源OCT的轴向方向的向下采样来实现的。除了采样点的数量之外，用于各个变换式的参数的数量，例如，直接参数化来作为变位场的使用，在某些情况下可以是减少的，这是由于此时需要执行的变换式具有较少的数据点。除此之外，每一个复杂性的程 度都允许具有适用于移动修正的最优化程序的不同的配置参数组。完成多种分辨率的最优化的一种需要是为不同的复杂性程度变换相同的数据集，变换式的参数化和其他设定都是可以绘制为另外一种复杂性的程度的变换式。其他的复杂性的程度也有可能具有不同的基础变换式的参数化类型。完成这一操作的一种方法就是首先将变换式从输入配置中转变到相同的复杂程度中的方向参数中。这可以通过对在一组将要被评估的点上的变换式进行评估来完成。作为结果的位移矢量组是由方向参数构成的。接下来，方向参数可以被绘制到在终点的复杂程度中的采样点的集合的方向参数中。这可以通过将方向参数处理为两个或者三个通道数据集来实现，通道数据集是附着在通用的不规则的栅格中的。通过使用数据的内插值技术来对这一数据集进行采样，采样点被终极复杂程度所限定，方向参数在终极复杂度中的近似变换就可以获得了。由于是最后一个步骤，方向变换式可以被估计用于，例如，终极参数的最小二次方。实际上，这一程序中的某些步骤可能是多于的或者是可以结合使用的。不同的复杂性的程度可以事先产生或者必要的子数据可以根据要求进行计算。之后就是典型的多分辨率程序。给出变换式的初始化的集合，这一集合被绘制为最低级的复杂性。之后，通过之前所描述的技术或者其他技术，在最低级的复杂性的程度上执行重复的数值最优化。典型的是，重复步骤中的某一最大数量对于最优化来说是特定的，最优化之后，最后的参数组被用作结果。可以选择的是，最优化可以在此之间终止。举例来说，当目标函数的值或者从单调增加的函数的应用中获得的数值达到目标函数中俄梯度矢量某一标准时，目标函数不会从一个重复到下一个重复中发生显著变化。其他的终止标准也是可以使用的。在当前的程级上的最优化完成之后，作为结果的变换式被绘制到下一个选择的程级中对应的变换式的复杂性和参数中。典型的是，下一个选择的程级是具有更高的复杂性的程级。然而，适用于更为复杂的程级的解决方案也可以被再次绘制到较低的复杂性的程级的初始化中。这一程序可以重复进行若干次，直到用于起初问题的复杂性的解决方案已经达到为止。解决方案的修正步骤可以执行的一种可选程序步骤是解决方案的修正步骤。其可以在每一个数值最优化进行重复之后，和/或在确定的多分辨率的程级获取完全优化之后，和/或在给定的输入数据集的最终变换式和配置设定被发现之后加以运用。一般来说，适用于前文部分所描述的移动修正问题的解决方案具有三个内在的自由度。自由度可以被建立为可变的平移部分的模型，其通用于全部恶变换式，并因此可以通过在物体空间中的固定数量来对所有的数据集中国的数据样本进行转变。这一结果通常不会表现得非常强烈，其具有靠近零矢量的平移矢量。尽管如此，这一结果是不理想的。在这种情况下，每一个变换式中的参数可以在移动修正步骤中的某些点上被修正，以致所有变换式中作为结果的通用平移部分都是零矢量。执行这一步骤的一种方法就是计算全部的变换式中的平均平移部分，并对每一个变换式中的参数进行更新，以致平均分量是可以被除去的。解决方案的变换式的应用一旦移动评估程序找到解决方案，就可以产生在登记的空间中的最终的数据集的集合。这涉及到变换式对每一个数据集的应用。一般来说，这一数据不是必须是相同的数据，其适用于移动修正程序本身。举例来说，强度信息或者其他的结构性数据将优选适用于评估在变换状态下的相似度。可以替换的是，变换式也可以应用到从获取相同的数据集而计算得到的不同的数据通道中。这样的数据可以包括但不限于，线性的、对数的或者其他范围内的强度数据的不同精度的表达式。变换式也可以被应用到函数的成像信息中年，例如，通过执行多普勒的OCT所获得的周相移动信息。数据集中的实施例是源自OCT数据的。衍 生的数据集可以包括不同的数据通道的集合，而且数据可以是通过不同于输入的数据集的方式来进行处理的。变换式的应用可以通过相同的方法来完成，所述相同的方法是指对目标函数的数值进行评估的过程中所使用的方法。可以选择的是，可以使用不同的数据内插值的技术。结果是一种登记的数据集，该数据集来自于每一个输入的数据集，其位于在移动修正空间中的通用的不规则的栅格中。在3D类型的图像数据的情况下，在物体空间中的数据集的采样点的位置的集合对于每一个数据集来说都是相同的。适用于图像改进的数据结合(合并)的描述在移动修正和作为结果的变换式应用到负载的数据通道中之后，就可以获得一组数据集，其存在于相同的移动修正空间中。在3D类型的数据集的情况下，这些集合也是可以限定在通用的采样点的位置上的。假设移动修正得到很好的执行，来自于每一个数据集中的对应的数据样本都包含由从目标物体的相同位置上获得的图像数据。在所使用的图像数据的特定类型(例如，强度信息)的基础上，通常需要做的是试图将这些登记的数据集合并到单个的数据集中。举例来说，当使用OCT的强度数据的情况时，合并将会产生更好的图像质量，原因就在于噪音被去除了。另外一个实施例是多普勒的OCT周相移动的数据，其可以适用于血流量的测量。在不同的时间内从相同位置上获取的多个样本的结合也可以导致减少噪音的程度。当使用多普勒的数据来测量血流量时，当使用多普勒的数据来测量血流量时，脉搏的跳动可以会降低，当结合了在时间范围内在不同的位置上的多个速度的测量值时。这将会导致产生血流量的测量值，其是一个较为近似的测量值，例如，流量/分，该数值在较小的程度上取决于由于脉动所导致的短时效应。一种用于产生结合在一起的数据集的自然的方法就是对来自于对应的采样点位置上的数据进行简单平均。变化类型的测量的计算也可以是让人感兴趣的，例如，在多普勒的OCT数据的情况下。然而，包含有失真的移动可以导致这样的事实，即，在一个源数据集中出现的某些区域可能在其他的所有集合中都没有被采样。如果出现这样的情况，那么进行平均就不是一种好的方案，这是由于来自于没有出现某些区域的数据集中的数据将会被来自于邻近的区域中的替换数据所填充。可以替换的是，有可能采用这样一种技术，即，该技术主要是使用来源于为了合并体积而实际出现的区域的数据集中的数据。并非是使用来自于每一个位置上的平均的可以获得的数据样本来产生最终的数据集，登记的数据样本的曲面加权总和被用于结合数据。在这样的方案中，在特定位置上的不同的数据集中的每一个样本都具有与之相关联的正实际值。更进一步说，所有图像的这些加权的总和将是1，不具有比零值要小的加权值，这是为了形成弯曲组合。其他的结合方案也是可以使用的。基本的想法是产生来自于这样的事实的加权，即当某一区域没有出现在标注符号为A的数据集中时，其出现在数据集B中，在初始的A集合中的其他区域将被认为是替代区域，以致这一在初始集合中的替代区域将会与当A的登记结果产生时相比有更多的被采样的机会。相比之下，来自于B的初始区域有可能仅仅被采样一次。附图33显示的是根据本文中所描述的方法的合并数据集的程序3300的可以效仿 的实施方案。方法3300可以得到执行，例如，通过附图1中所示的设备100中的计算机02，或者在附图2中所示的设备200中的计算机202来执行。对采样密度的评估为了产生加权，将在初始的数据集中对采样密度评估，其代表的是在初始集合中的某一区域是如何被采样以致产生对应的登记结果的。一种适用于特定的数据集中的每一个数据样本的采样密度的评估方式是由两个步骤的程序所组成的。首先，被称之为Parzen的评估步骤先以执行，其对采样点的密度进行评估，以便在每一个数据集的初始扫描的坐标系产生登记的结果。用于对这样的密度进行评估的其他技术也是可以使用的。在第二个步骤中，产生的密度被进行采样，由于为了产生登记的集合，对初始的数据集进行了采样。结果值与特定的区域被采样的频率相关，从而在登记的数据集中产生特定的样本，所述的特定数据集是在产生总的登记的集合中所使用的。当源自于一个登记的数据集中的样本的数值比源自于另外一个集合的相同的样本的数值要高时，前面的一个样本被假定为更有可能被用于填充在前面一个数据集中的采样空洞。紧接着，这一数值将在产生实际的加权中有所使用。样本有效倌的产牛用于产生加权的信息的另外一个来源被称之为样本有效性。在数据集的内插值中，多个样本在产生内插值的结果时是被考虑到的。如果做占用的空间中的大部分或者全部的样本是位于实际的立体数据之外并被数据点的栅格所限定的话，那么样本的有效性将被认为是低于样本位于立体数据之内的情况。数值是与每一个数据样本相关联的，所述的数据样本被限定为1，如果样本是完全位于各个源栅格之内的，并且零点位于外侧部。如果样本被认为是部分位于初始的样本栅格的外部，在I和0之间的数值将被赋值。样本越容易被认为是在外部，其有效值就越低。已经验证的是，其他的方法也可以用于为数据集的内插值评估样本的有效性。权重因素的计算和应用 为了计算用于结合数据集的最终加权,来自于不同的登记数据集中的样本中的每一组都可以认为是独立的。加权可以通过这样的方法来进行计算，即，当在被考虑的样本的米样密度和米样的有效性没有差异时，实施方案将相同的加权赋予每一个样本。因此，对于N个样本而言，每一个加权就是1/N。在通常的情况下，这些数值之间都是有差异的，以下的规则会起作用。如果一个样本不是仅仅等于差异密度的平均值，其加权将会低于平均分布。同样地，如果样本具有较低的采样密度，其加权也同样是较低的。然而，加权的总和仍将会到达1，而且它们中没有任何一个是负值。当与这些测量值相比样本之间不存在差值时，相同的加权将会导致产生噪音的平均效应。如果各个单独的样本更有可能用于填充在数据集之间的空隙，或者从源数据集的外部进行采样，从而达到相对于其他的样本而言更大的程度，它们被赋予的加权将是较低的。这将导致这种样本在最终的结合结果的产生过程中的相对或者绝对的排除，由此，有可能去除某些加工。之后，结合图像的最终结构被对应的数据样本进行加权总和。除此之外，数据也可能在进行加和以便补偿之前被归一化，举例来说，当使用强度数据时的明亮度的差异。 对于结合的数据的内容的其他的逻辑性分配，例如，强度信息数对比与，例如，多普勒频移数值的，其可以被合并到产生权重的程序中。举例来说，当对多普勒的频移数据进行合并时，有意义的是将周相移动变换为复合域，其中加权总和可以得到执行，而且，之后又可以转变为周相移动。同样地，产生加权的程序也具有应用到处理特定的成像情况中，例如，在获取眼球的数据集的过程中出现的眨眼情况。举例来说，眨眼可以能够通过观察强度数值的轴向总和来监测，并将较低的加权赋予样本，如果出现由于眨眼所导致的轴向投影是非常昏暗的情况，在眨眼过程中捕获到的A-扫描将不会显示出任何结构，因此是昏暗的。人们可以理解的是，本文所描述的方法和设备也可以采用数据值的简单结合，其不具有采用密度和采样的有效性。一个实施例将用于对数据值进行平均。同样地，用于产生登记的数据集的数据集本身的附加功能或者变换式的附加功能也都可以在合并过程中使用。降噪除了降低噪音的效果之外，还可以通过拉平加权总和的结合的效果来获得，额外的噪音的降低技术可以任意被采用。它们既可以应用到各个登记的数据集中，或者应用到最终的结合的数据集中。除此之外，合成的噪音降低技术就可以被使用，对其周围的邻近的数据和数据样本的附属性和关联性进行分析，从而获得较好的降噪效果。临界和范围变换根据最终结合和登记的数据集的输出格式，在适用于中间计算的数据格式和最终输出的数据格式之间的变换可能是需要的。在绘制合成的数据类型的实施例中，最小/最大的绘制都可以执行用于调整输出格式的浮点数据的数据范围。并非要依赖于上述内容，临界操作可以在数据上执行，从而去除数据范围的两端的外层部分。多光点扫描装置传统的OCT仪器图像具有单一的OCT光束和一个光点，正如附图1和附图2中所示。这些附图对用于眼科的OCT成像的装置进行了解释说明，然而，人们已经意识到，在这一部分中的概念可以适用到其他的OCT成像的应用中。作为一个实施例，成像速度的有效提高可以通过在目标物体的组织中使用多条OCT光束和多个光点来获得，而且并列执行获取图像的程序。附图34A显示的是一种装置，该装置将两个光点投射到视网膜上，这是通过将两束光纤的末端放置在准直透镜的焦平面上或者放置在焦平面的附近。可以选择的是，可以使用两束分开的光纤和准直器，而且将它们进行排列，以致被准直的光束的轴是非平行的。来自于准直器的光线从两个轴的光束控制装置中反射到患者的界面视神经上。光束的方向控制可以通过单个的双轴镜面、多个的单轴的方向控制镜面(例如，检流计)、压力的方向控制部件或者电磁式方向控制部件等等来进行操作。多光点的排列方式也是可行的。附图34B显示的是使用了具有在y方向上的快速扫描(即，被称之为YFast)的两个成像光点的光栅扫描。附图34C显示的是使用了具有在X方向上的快速扫描(即，被称之为XFast)的两个成像光点的光栅扫描。在附图34B和附图34C所示的特定的实施例中，光点在相对于X和Y扫描方向的45度角的方向上进行补偿。通过这样的光点排列，就可以获得XFast的数据集，也可以获得YFast的数据集，和/或其他的扫描方式也是可以执行的，并可以获得相关的数据。在成像的过程中，光线的背向反射或者来自于目标物体的组织反向散射体回射到光纤中，并进入到干涉仪，其具有适用于每一个OCT光束的分隔开的成像或检查通道。在一种方案中，光点的移动是连接在一起的，以致两个光点都是以相同的扫描方式进行移动的。多个顺序相连的数据集可以有效地获得，每一个体积 的总的成像所需时间减少了。第二个优势在于，对两个数据集都有影响的移动是相关联的。将移动相关联的信息合并到登记程序中可以提高收集数据的速度和登记的精度。这样的概念可以适用于形成具有不止两个光点的图像的应用中。附图35A显示的是一种成像装置，该装置可以对两个独立控制的光束分别进行扫描，并在组织物体上投影出两个光点。光束分裂器或者类似倍增装置被放置在光路径上，以致来自于两个或更多的独立的可控的光束的方向控制装置中的光线可以在病人的界面上进行结合。来自于第一干涉仪(A)的光线是通过第一校准仪进行校准的，并通过光束分裂器或者类似的光束结合设备从第一光束的方向控制装置中反射到病人的分界面光线。光束的方向控制可以通过单个的双轴镜面、多个的单轴的方向控制镜面(例如，检流计)、压力的方向控制部件或者电磁式方向控制部件等等来进行操作。来自于第二干涉仪(B)的光线是通过第二校准仪进行校准的，并通过上文中提到的光束分裂器或者类似的光束结合设备从第二光束的方向控制装置中反射到病人的分界面光线。人们意识都，干涉仪可以共享子系统，例如，光源，前提是它们能够对来自于两个光点的OCT数据进行独立检测。在组织上的每一个光点的位置都是可以独立控制以执行扫描方式的。与单个的光点扫描的OCT系统或者结合移动的多个光点的扫描装置进行比较，这种独立控制的多条光束，多个光点的扫描路径可以同时获得平行的两个独立扫描的数据集。附图35B显示的是一种可以效仿的扫描方式，其要求YFast的数据集具有光点A，以及XFast的数据集具有光点B。一个优势在于，仅仅需要执行一幅图像的获取来得到两个互补的数据集。第二个优势在于，对于两个数据集的移动影响是相互关联的。将移动相关联的信息合并到登记程序中可以提高收集数据的速度和登记的精度。第三个优势在于，独立控制的多个光点的扫描方案是位于数据集之间的目标物体的位置与按照顺序获得的分开的数据集相比是更为类似的，提高了收集效率和最终的登记结果。这一概念可以适用到形成具有不止两条光束和不止两个光点的图像的应用中。
多条光束的扫描方案被描述为对数据的处理程序和上文中描述的移动修正是相互促进和互补的。然而，上文中所描述的数据处理程序和移动修正可以从多条光束的扫描中来分别进行实践。同样地，多条光束的扫描可以通过数据的处理程序、移动修正和上文中所描述的合并方法来分别进行实践。对应地，本发明的可以效仿的实施方案就是一种处理数据集的方法。该方法包括计算，所述计算是以目标函数的数值，一个或者更多的三维变换式为基础的，每一个变换式都与各个三维数据集相关联，所述的三维数据集代表的是目标物体上的至少部分重叠的区域。计算包括对目标函数进行评估，这是通过(a)计算(i)在变换状态下的两个或者更多的三维数据集，或者(ii)在变换状态下的两个或更多的经过预处理的三维数据集之间的相关度，以及(b)对目标物体相对于成像仪器的移动进行评估。所述方法可以进一步包括将至少一个三维变换式应用到其各自的三维数据集中，或者应用到对应于各自的三维数据集所衍生的三维数据集中，从而获得至少一个移动修正后的数据集。在一个可以效仿的实施方案中，对目标函数的评估包括证实(i)在变换状态下的 两个或更多的三维数据集或者(ii)在变换状态下的两个或更多的经过预处理的三维数据集之间的相似度。在另外一个可以效仿的实施方案中，每一个三维数据集都是一组从目标物体的区域中获取的信号的数值，而且其中证实在变换状态下的两个或者更多的三维数据集之间的相似度包括对信号数值之间的差值进行补偿。在另外一个可以效仿的实施方案中，对目标函数的评估可以包括对目标物体相对于成像仪器的移动进行补偿。在又一个可以效仿的实施方案中，包括对第一和第二个三维变换式进行计算，而且其中所述的应用包括将第一个三维变换式应用到第一个三维数据集中，以及将第二个三维变换式应用到第二个三维数据集中，从而分别获得第一和第二个移动修正的数据集，而且进一步将第一和第二个修正后的数据集中的数据元素结合起来，以便得到合并后的移动修正的数据集，分别相对于第一或第二个移动修正的数据集，合并后的移动修正的数据集具有改进的信号质量。在另外一个可以效仿的实施方案中，结合数据元素的步骤进一步包括将第一和第二个移动修正的数据集中的数据元素的贡献调整到合并后的移动修正的数据集中，这是以第一和第二个三维变换式的至少一种特性为基础的。在另外一个可以效仿的实施方案中，第一和第二个三维变换式的至少一种特性是采样密度。在又一个可以效仿的实施方案中，调整贡献可以进一步包括计算第一和第二个移动修正的数据集中的数据元素的加权总和。在另外一个可以效仿的实施方案中，该方法可以进一步包括使用第一扫描方式来获取第一个三维数据集，和使用第二扫描方式来获取第二个三维数据集，其中第一和第二扫描方式是互补的。在又一个可以效仿的实施方案中，互补的扫描方式是光栅扫描。在又一个可以效仿的实施方案中，光栅扫描是相互垂直的。在又一个可以效仿的实施方案中，该方法可以进一步包括重复计算一个或者更多的三维变换式。在又一个可以效仿的实施方案中，该方法可以进一步包括计算一个或者更多的三维变换式是通过使用对所述的目标函数数值最优化的方法来实现的。 在又一个可以效仿的实施方案中，该方法可以进一步包括计算一个或者更多的三维变换式是通过使用多种分辨率的数值最优化的方法来进行计算的。在又一个可以效仿的实施方案中，目标物体是从眼睛、视网膜、视网膜中的小凹、视觉神经的前端或者眼角膜所组成的组中选取的。在又一个可以效仿的实施方案中，该方法可以进一步包括得到与第一时间点相关的第一移动修正的数据集，得到与第二时间点相关的第二移动修正的数据集，并将第一和第二移动修正的数据集进行对比，从而追踪第一和第二时间点之间的数量上的变化。目标物体可以与病人相关联。 在又一个可以效仿的实施方案中，第一和第二时间点分别与病人到卫生保健部门的第一和第二次访问相对应。在另外一个可以效仿的实施方案中，第一和第二时间点分别与针对病人的扫描的第一和第二次活动相对应。所述的病人活动的实施例可以执行卫生保健部门中进行相同或者类似的活动。所述的活动可以在家完成。扫描设备可以是使用在卫生保健部门中所使用的相同的设备，或者使用经过改装的适合病人在家使用的设备。举例来说，扫描仪是可以操作地连接到台式电脑或者便携式电脑上的，或者甚至是可以集成到或者可以连接到手持式的设备上的。所述的手持式的设备的一种实施例是移动电话。在又一个可以效仿的实施方案中，三维数据集是通过A-扫描来捕获的，并且其中一个或者更多的三维变换式都是与三维位移相关联的，三维位移都具有一个A-扫描。在又一个可以效仿的实施方案中，该方法进一步包括对三维数据集进行预处理，预处理是通过从图像的再次采样、降噪、A-扫描的特征的形成、倾斜补偿和复制补偿方法所组成的组中选出的方法来实现的。三维数据集也可以包括至少强度数据、多普勒频移数据或者偏振数据的其中之
o在又一个可以效仿的实施方案中，衍生的三维数据集包括至少多普勒频移数据或者偏振数据的其中之一。本发明的另外一个可以效仿的实施方案是一种系统，该系统包含有各种模块，这些模块被配置用于执行本文中所揭示的方法中的各个步骤。本发明的又一个可以效仿的实施方案是一种非瞬间的计算机可读介质，在其上具有指令序列，当通过中央处理器来运行时，其可以驱动中央处理器进行计算，这是以目标函数的数值、一个或者更多的三维变换式为基础的，所述的三维变换式都与各自的三维数据集相关联，所述的三维数据集代表的是目标物体上的至少部分重叠的区域，其中指令可以驱动中央处理器计算出一个或更多的三维变换式，包括指令导致中央处理器对目标函数进行评估这是通过以下步骤进行的(a)计算出(i)在变换状态下的两个或者更多的三维数据集，或者(ii)在变换状态下的两个或者更多的经过预处理的三维数据集之间的相似度，以及(b)对目标物体相对于成像仪器的移动进行评估。
当通过中央处理器来执行时，指令序列可以进一步驱动中央处理器将至少一个三维变换式应用到各个三维数据集中，或者应用到衍生的三维数据集中，从而获得至少一个移动修正后的数据集。本发明的另外一个可以效仿的实施方案是一种处理OCT数据集的方法。该方法包括获得两个或者更多的三维OCT数据集，这些数据集代表的是在目标物体上的至少部分重叠的区域，其中至少一个数据集是通过使用与至少一个其他的数据集相互补的扫描方式来获得的，并且为每一个使用了目标函数的数据集计算出三维变换式。目标函数(a)支持在变换状态下的安慰数据集之间的相似度的计算，以及(b)对目标物体于相对成像仪器的移动进行补偿。该方法进一步包括将至少一个三维变换式应用到其各自的数据集中，从而获得至少一个修正后的数据集。在又一个可以效仿的实施方案中，相似度的计算是以至少强度数据、振幅数据、相位数据或者偏振数据的其中之一为基础的。
在又一个可以效仿的实施方案中，用于计算相似度的数据被进行预处理，预处理使用抑制噪音、倾斜补偿、OCT信号复制修正、数据整理或者上述方法的结合使用来进行的。在又一个可以效仿的实施方案中，三维变换式被适用到其各自的三维数据集中，这是通过对至少强度数据、相位数据或者偏振数据的其中之一进行变换来实现的。在又一个可以效仿的实施方案中，对在变换状态下的三维数据集之间的相似度的计算的证实包括对出在变换状态下的三维数据集中选出的数据值之间的差值进行补偿。在又一个可以效仿的实施方案中，对数据的数值之间的差异的补偿包括使用差值的平方和、变量、差值的绝对值的总和，或者上述数值的结合。在又一个可以效仿的实施方案中，第一个三维变换式被适用到第一三维数据集中，和第二个三维变换式被适用到第二三维数据集中，从而分别获得对和第二移动修正的三维数据集。该方法进一步包括通过对来自于第一和第二移动修正后的数据集中的数据元素进行结合的方式来合并第一和第二移动修正的数据集，从而获得与各自的第一或者第二移动修正的数据集相比的具有改进的信号质量的合并后的移动修正的数据集。在又一个可以效仿的实施方案中，第一和第二个三维变换式具有某些特性，而且其中合并第一和第二移动修正的数据集可以进一步包括把数据元素的贡献调整到合并后的移动修正的数据集中，这是以第一和第二个三维变换式的至少一种特性为基础的。第一或者第二三维变换式的至少一种特性可以包括采样密度。在又一个可以效仿的实施方案中，合并第一和第二移动修正的数据集包括计算出第一和第二移动修正的数据集的数据元素的加权总和。在又一个可以效仿的实施方案中，互补的扫描方式是光栅扫描。光栅扫描是相互垂直的。在又一个可以效仿的实施方案中，该方法进一步包括重复计算三维变换式。在又一个可以效仿的实施方案中，该方法进一步包括通过多分辨率的数值最优化方法来计算三维变换式。在另外一个可以效仿的实施方案中，目标物体是从眼睛、视网膜、视网膜中的小凹、视觉神经的前端或者眼角膜所组成的组中选取的。在又一个可以效仿的实施方案中，来自于第一时间点的至少第一和第二数据集被进行处理，从而获得第一移动修正的数据集，其与第一时间点相关联，以及来自于第二时间点的至少第三和第四数据集被进行处理，从而获得第二移动修正的数据集，其与第二时间点相关联；而且其中所述方法可以进一步包括将移动修正的数据集或者来自于移动修正的数据集的测量值进行对比，从而追踪在多个时间点内的数量上的变化。在又一个可以效仿的实施方案中，三维数据集包括A-扫描，而且更进一步的是，其中每一个三维数据集都包含由一组数据通道，数据通道包括至少以下因素的其中之一强度、振幅、相位、多普勒频移或者偏振信号，所述方法进一步包括把所述的数据通道组与来自于OCT数据集的每一个A-扫描关联起来。在又一个可以效仿的实施方案中，三维数据集包括A-扫描，而且更进一步的是，其中三维变换式是与具有A-扫描的三维位移相关联的。实施范例实施例1
附图16A到附图16C显示的是，人类视网膜上的视觉神经的前端的两个互补的OCT体积的获取，登记和合并。附图16A和16B都显示出对使用了两个相互垂直的扫描方向所获得的相同的体积的三维OCT图像的解释说明。附图FIG. 16C显示的是通过使用本发明中所描述的方法的可以效仿的实施方案的两幅图像的合并结果。具有IOlkHz的轴向扫描速度的原型光谱/傅里叶域的OCT系统被用于获取在横向方向上以400x400的像素进行扫描的范围超过6x6mm的体积。每一个体积都是在大约2秒的时间内得到的。第一体积数据集是通过在X方向上具有快速扫描的光栅扫描来获得的，其被标记为XFast。第二体积的数据集是通过在y方向上具有快速扫描的光栅扫描来获得的，其被标记为YFast。第一和第二体积的数据集都是在视网膜中的大致相同的区域中获得的，但是在轴向方向上和在横向的方向上都出现失真，这是由于在获取数据的期间发生的眼球移动所导致的。能够产生最终的合并后的数据集的可以效仿的实施例的应用都已经经过了移动修正，而且代表的是真实的没有失真的视网膜的形态。应用到这一数据集上的处理时间大约是3分钟，其使用的是在标准的台式计算机中的图形卡(ATI Radeon 5850)加速核。目前，在眼科成像中使用的商用OCT系统具有的轴向扫描速度是25到50kHz，而且所获得的数据集是由在横向方向上进行轴向扫描的200x200像素的数据组所组成的。因此，处理时间将会比处理那些较小的数据集的时间要快很多。除此之外，值得期待的是，随着图形卡和计算机技术的发展，处理时间也能够大幅加快。附图17A到17C对本文中所描述的方法的应用结果进行解释说明。尤其是，附图17A和附图17B都显示出OCT的底片视图，这些视图是从以垂直的方向进行扫描所获得的两个体积的OCT数据集中得到的。附图17C显示的是根据本文中所描述的可以效仿的方法的对两个OCT图像进行合并的结果。这些OCT的底片视图是通过对图像中的每一个横向像素沿着每一个A-扫描的方向的轴向强度进行加和来产生。具有IOlkHz的轴向扫描速度的原型光谱/傅里叶域的OCT系统被用于获取在横向方向上以400x400的像素进行扫描的范围超过6x6mm的体积。每一个体积都是在大约2秒的时间内得到的。第一体积数据集是通过在X方向(XFast扫描)上具有快速扫描的光栅扫描来获得的并被显示在附图17A中。由于眼睛和头部的移动所导致的移动加工都是可见的，可以看做是数据集中的水平连续。第二体积数据集是通过在y方向(YFast扫描)上具有快速扫描的光栅扫描来获得的并被显示在附图17B中。由于眼睛和头部的移动所导致的移动加工都是可见的，可以看做是数据集中的垂直连续。能够产生最终的合并后的数据集的移动补偿的应用都已经经过了移动修正。这些从移动修正的数据集中产生的OCT底片视图被显示在附图17C，并代表的是真实的没有失真的视网膜的结构。如果是数据代表的是输入数据集的至少其中之一的情况，在代表初始的未经修正的输入数据集的数据中的间隙被填充到登记和合并后的数据集中。最后，由于眼球的移动可能会更有利于手持式的OCT成像仪器，本文中所描述的可以效仿的实施方案都可以与手持式的OCT仪器结合使用，从而对移动失真、登记的数据集和合并的多个数据集做出修正。附图18A到附图18C显示的是二维(2D)的横截面图像，其是从三维(3D)的OCT体积中抽取出来的。沿着3D的OCT体积(附图18A)的慢轴扫描方向抽取的2D图像具有在X方向上的快速扫描，其显示在附图18A中。在获取数据的过程中发生的重要的眼球移动在作为结果的2D图像的视网膜的结构中产生失真。沿着3D的OCT体积(附图18B)的慢轴扫描方向抽取的2D结构图像具有在y方向上的快速扫描，其显示在附图18B中。附图18C显示的是根据本发明中所描述的可以效仿的方法的两幅图像的合成结果。
在获取数据的期间发生的重要的眼球移动会在作为结果的2D图像的视网膜结构中产生失真。通过将来自于第一(附图18A)和第二(附图18B)的强度数据进行登记和合并,登记和合并后的3D数据集就可以产生了。从登记和合并后的3D数据集中抽取出来的2D的横断面的结构图像显示在附图18C中。除了显示出眼球修正后的视网膜的形态之外，从登记和合并后的3D数据集中抽取出来的2D的横截面图像显示为具有改进的对比度和信噪比。输入体积中的无规则的斑点噪音也有所降低。2D的横截面图像也可以从3D的OCT体积中沿着弯曲的扫描轨道进行提取。附图19B到附图19D显示的是2D的数据集，其是沿着在附图19A中所示的环形轨道进行提取的。附图19A显示的是围绕在OCT底片图像的右上方的视觉神经的前端周围的环形绘图。附图19A和附图19B显示的是2D的环形图像，其是通过在垂直方向上进行扫描来获得的。附图19D显示的是根据本发明所描述的方法所获得的作为结果的合并后的图像。在进行移动修正和登记之前，眼球的移动在视网膜的形态上出现失真并导致出现间断的情况，正如图像中的左边和中间所示的情况，其显示的是2D的环形数据，这些数据是从第一个3D的OCT体积中提取的，所述的第一个3D的OCT体积是通过在x方向上的快速扫描来获得的，而且第二个3D的OCT体积是通过在y方向山的快速扫描来获得的。正如附图19D中所示，从移动修正和合并后的3D的OCT数据集中提取的2D的数据集显示为具有连续的数据，移动修正和改进的对比度和信噪比。在眼科的诊断和青光眼的管理过程中，围绕在视觉神经的前端周围的环形扫描，一种被称之为环乳突的扫描，这是一种标准的OCT扫描方式。正如从附图19A到附图19D所看到的那样，实际的环形扫描图像的质量通过多个体积的登记和合并过程得以提高。实际的扫描对三维数据中的移动失真进行了补偿，而且具有改进的信号，较低的斑点噪音和改进的连续层。这种在图像质量上出现的改进将进一步提高自动登记的性能，其被用于确定环乳突扫描的位置，以便从体积数据集中进行自动提取。登记和合并后的数据集也可以通过使用自动形态分析来进行处理，例如，指示和定量测量视网膜层的片段，所述视网膜层可以是例如，神经纤维层。数据集的质量的改进将会提高自动分段和其他的形态测量的重复性。可以效仿的各种实施方案结合有特征的定量分析，例如，受损结构和大小尺寸，包括损，例如，玻璃疣、视网膜下积液，或者脉络膜中的血管隔膜可以用于诊断，和对与黄斑部退化和糖尿病的视网膜症相关的老年人疾病的病程进行监控。附图20显示的是以1100x1100的横向像素进行扫描的人类视网膜中12mm X 12mm区域的大型的数据集。200kHz的轴向扫描速度的扫描源/傅里叶域的OCT成像系统是在1050nm下进行操作的，并具有大约5 u m的轴向分辨率，其被用于获得多个3D的OCT体积数据集。大约为6. 4秒的获取时间要比通常在眼科应用中所需的时间长，这是由于眼球的运动和眨眼限制了获取数据的时间。正如在附图21A中所示，第一个3D数据集是通过具有在X方向上的快速扫描的光栅扫描来获取的，显示出眼睛的眨动出现在获取数据的过程中。眼睛的眨动本身清楚地表现为一个长距离的黑暗区域，其与OCT的底片图像中的视网膜数据中的间隙有关。正如在附图21B中所示，第二个3D数据集通过具有在y方向上的快速扫描的光栅扫描来获取的，显示出小的图像失真。正如附图21C所示，可以效仿的实施方案的应用形成了移动修正的体积，以致在视网膜的图像中的与第一体积(XFast光栅)相关的间隙被来自于第二体积的数据所填充，第二体积具有互补的扫描方式(YFast光栅)，从而产生适当的重建的和移动修正的数据集。可以效仿的各种实施方案能够获得较大型的数据集， 而且，与之前可能通过对移动失真的结果以及遗失的数据或者数据集中的间隙进行补偿的获取时间相比，其具有较长的获取时间。同样也有可能的是使用可以效仿的实施方案来登记和合并不止两个数据集。附图22A显示的是2D横断面的图像，其是从12mmx12mm的3D OCT数据集中以I IOOx1100的轴向扫描在横向方向上提取出来的。重要的眼球运动和数据集的中断可以在未经修正的OCT的底片图像的实施例中看到。6个体积的总数是由3个XFast和3个YFast光栅扫描的图案组成的，它们是被连续地获取的。在一种可效仿的实施方案中的应用产生的移动修正和合并的3D数据集同时结合了来自全部6个数据集的信息。附图22B显示的是一个2D横截面的图像，其是从移动修正和合并中提取出来的。作为结果的图像显示的是实际的视网膜的外形，填充在数据的间隙中，并且明确地显示出改进的对比度和信噪比。使用图像卡(GPU)来对这些数据集进行处理的时间是分钟90。数据集的OCT的底片图像显示出包括视神经的前端的综合的结构信息，而且，视网膜中的小凹可以具有一个合并的体积。上文中所描述的结果显示出这样一种可能性，即在潜在的任意方向上沿着任意的轨道从3D数据集中提取2D图像。除了提取2D图像之外，3D数据集也可以从较大的体积中提取。这对于在数据集中所含有的特征的基础上，对将要被提取的区域进行限定将是十分有用的。附图23是一幅流程图，其对两个3D的OCT数据集(数据集I和数据集2)的获取、移动修正和合并的过程进行了解释说明。负载的特征，视神经的前端在移动修正和合并数据集中被识别。从被识别的特征(或者特性)的位置和/或方位来看，将要被提取的数据集是被限定了的。可以对被提取的数据进行分析或者处理的操作，包括分段。数据或者经过处理的数据可以进行定量分析，例如，神经纤维层的厚度的测量，正如在附图23中所示，靠下侧的右边。视神经层的厚度的测量被用于青光眼的监控的诊断。目前，由于眼球运动的变化测量对标准测量来说是一种重要的误差来源，例如，视网膜的纤维层的厚度，这一可以效仿的实施方案提高了疾病的诊断和对病程的追逐的敏感度。登记和合并也可以与其他主要的眼睛疾病的形态特征的评估(例如，老年性黄斑变性和糖尿病的视网膜病)结合使用。这会形成数据库，其代表的是实际的没有移动失真的视网膜的结构，而且，其可以重复进行数据集到视网膜的特征的登记。这种重复的登记可以进行对特征的评估和时间范围内的变化的比较，例如,检查到检查的重复。附图24A到附图24C显示的是来自于3对独立的3D数据集的输入数据(在顶端)和移动修正和合并结果(在底部)。每一对数据集(即，附图24A，附图24B和24C)都包含有一个Xfast和Yfast的光栅扫描的数据集。这3对3D数据集是按照顺序从相同的眼睛中获得的。在合并之后，视神经的前端的位置得以识别，而且环乳突的2D图像得以从3D数据集中提取出来，正如附图25A到附图25C所示。附图25A，25B和25C显示的是源自输入数据集中不相交的集合中的3D的登记和合并的3D数据集的其余部分。附图2 ，25E和25F显示的是从这些数据集中的每一个数据集中的实际的环乳突的环状扫描的提取，使用的是具有环形绘图的面部底片的投影来直接观测的。附图26A到附图26C显示的是从相关的未经登记的输入数据集中提取的2D数据， 其中从移动修正和合并后的数据中提取的相同的数据显示在附图27A到附图27C中。附图26A，26B和26C显示的是对应于附图24A，24B和24C中所示的XFAST数据集的被提取的实际的环乳突的扫描。附图27A，27B和27C显示的是对应于附图24A，24B和24C中所示的登记和合并后的数据集的被提取的实际的环乳突的扫描。从登记和合并的数据集中提取的扫描在这些与从XFAST的输入数据集中提取的扫描相比的扫描中显示出较小的差异。这表明，可以通过这一方法提高重复性。在进行移动修正和合并(附图26A到附图26C)之前，在数据中存在着相当多的移动加工和间隙。值得注意的是，在图像中的垂直线有助于显示出在图像中的血管的相对位置。血管并不是很好地对齐的，这表明眼球运动在图像的理想区域中产生了误差。在移动修正和合并(附图27A到附图27C)之后，数据集显示出实际的视网膜的形态，而且出现改进的对比度和信噪比。值得注意的是，在图像中的垂直线有助于显示出血管的相对位置。在移动修正的图像中的血管得到很好地对齐，这表明视网膜结构中有改进的登记，而且在OCT的数据集之间有改进的重复性。实施例2该实施例适用于移动修正和合并成对的三维数据集的情况，所述的三维数据集是通过垂直的光栅扫描方式来获得的。适用于移动修正的可以效仿的方法将结合以数学的方式进行详细描述，包括目标函数的建立，变换式的计算和对移动修正后的3D-0CT数据集的合并。同样也展示出使用图形卡的调整，多种分辨率的方法，预处理过程和加速过程的各种实施例。1.1基本操作在时间域中的OCT的一种深度扫描是通过移动镜面来完成的，所述镜面对参考光束进行反射。在参考臂的镜面距离组织的深度轮廓上有多远的不同位置可以通过使用探测器来进行重构。因此，时间域内的OCT包括在某一范围内对参考臂的镜面进行扫描，从而形成深度或者轴向的扫描。在傅里叶或者频率域内的0CT，从另外一个方面来说，深度扫描可以通过使用宽带干涉来立即获得。探测器阵列和分散性的单元可以用于记录干涉光波的光谱范围。从这些深度扫描中，可以对信息进行重构。由于在傅里叶域内的OCT免除了移动参考臂的镜面的必要性，因此，扫描速度得以相当大程度的提高。使用扫描激光的扫描源的OCT系统具有类似的特征，而且是以高速进行操作的。对单个轴向的扫描或者A-扫描进行的扫描可以将模型建立为在时间t中的位置函数
权利要求
1.一种用于处理数据集的方法，该方法包括计算，以目标函数的数值、一个或更多的三维变换式为基础，每一个变换式都与各自的三维数据集相关联，所述的三维数据集代表的是目标物体上至少部分重叠的区域，其中所述的计算包括对目标函数通过以下步骤进行评估(a)计算出在(i)在变换状态下的两个或更多的三维数据集，或者(ii)在变换状态下的两个或者更多的经过预处理的三维数据集之间的相似度，和(b)对目标物体相对于成像仪器之间的移动进行评估；以及将至少一个三维变换式应用到其各自的三维数据集中或者应用到与各自的三维数据集相对应的衍生的三维数据集中，从而获得至少一个移动修正后的数据集。
2.根据权利要求1中的方法，其中对目标函数进行评估包括对在(i)在变换状态下的两个或更多的三维数据集，或者(ii)在变换状态下的两个或者更多的经过预处理的三维数据集之间相似度进行验证。
3.根据权利要求2中的方法，其中每一个三维数据集都是从目标物体的区域中获取的信号的一组数值，并且对在变换状态下的两个或更多的三维数据集之间的相似度的验证包括对其中的信号数值的差值进行补偿。
4.根据权利要求1中的方法，其中对目标函数进行评估包括对目标物体相对于成像仪器之间的移动进行补偿。
5.根据权利要求1中的方法，其中所述的计算包括对第一和第二三维变换式进行计算，而且其中所述的应用包括将第一个三维变换式应用到第一三维数据集中和将第二个三维变换式应用到第二个三维数据集中，从而分别获得第一和第二移动修正后的数据集，以及进一步包括对第一和二移动修正后的数据集中的数据元素进行合并，从而获得合并后的移动修正的数据集，与各个第一或第二移动修正后的数据集相比，合并后的移动修正的数据集具有改进的信号质量。
6.根据权利要求5中的方法，其中所述的对数据元素进行的合并进一步包括将第一和第二移动修正后的数据集的数据元素的贡献调整为合并后的移动修正的数据集，这是以第一和第二三维变换式的至少一个特征为基础的。
7.根据权利要求6中的方法，其中第一或第二三维变换式中的至少一个特性是采样密度。
8.根据权利要求6中的方法，其中所述的调整进一步包括计算出第一和第二移动修正后的数据集中的数据元素的加权总和。
9.根据权利要求1中的方法，进一步包括通过使用第一扫描方式来获得第一三维数据集，和通过第二扫描方式来获得第二三维数据集，其中第一和第二扫描方式是互补的。
10.根据权利要求9中的方法,其中互补式的扫描方式是光栅扫描。
11.根据权利要求10中的方法，其中光栅扫描是相互垂直的。
12.根据权利要求1中的方法，进一步包括对一个或更多的三维变换式进行重复计算。
13.根据权利要求1中的方法，进一步包括通过对所述目标函数使用数值最优化方法来计算一个或更多的三维变换式。
14.根据权利要求1中的方法，进一步包括对一个或更多的三维变换式进行的计算是通过使用多分辨率的数值最优化方法来进行的。
15.根据权利要求1中的方法，其中目标物体是从由人眼、视网膜、视网膜的中央凹、视神经的前端或者眼角膜所组成的组中选取的。
16.根据权利要求1中的方法，进一步包括获得与第一时间点相关的第一移动修正的数据集，获得与第二时间点相关的第二移动修正的数据集，以及把第一和第二移动修正的数据集进行对比，从而跟踪在第一和第二时间点之间的数量上的变化。
17.根据权利要求16中的方法，其中目标物体是与病人有关的。
18.根据权利要求17中的方法，其中第一和第二时间点分别与病人到卫生保健机构的第一和第二次访问相对应。
19.根据权利要求17中的方法，其中第一和第二时间点分别与提供要扫描的物体的病人的第一和第二次活动相对应。
20.根据权利要求1中的方法，其中三维数据集是通过A-扫描来获取的，而且更进一步的是，其中一个或更多的三维变换式是与具有每一个A-扫描的三维位移相关联的。
21.根据权利要求1中的方法，进一步包括通过一种方法对三维数据集进行预处理，所述方法选自由图像的再次采样、降噪、产生A-扫描特征、倾斜补偿和外转补偿方法所组成的组。
22.根据权利要求1中的方法，其中三维数据集包括强度数据、多普勒频移数据或者偏振数据的至少其中之一。
23.根据权利要求1中的方法，其中衍生的三维数据集包括多普勒频移数据或者偏振数据的至少其中之一。
24.一种适用于处理数据集的系统，该系统包括计算模块，该模块被配置用于进行计算，所述计算以目标函数的数值、一个或更多的三维变换式为基础，所述一个或更多的三维变换式中的每一个都与各自的三维数据集相关联，所述的三维数据集代表的是目标物体上至少部分重叠的区域，其中所述的计算包括通过以下方法对目标函数进行评估(a)计算出在(i)在变换状态下的两个或更多的三维数据集，或者(ii)在变换状态下的两个或者更多的经过预处理的三维数据集之间的相似度，和(b)对目标物体相对于成像仪器之间的移动进行评估；以及移动修正模块，该模块被配置用于将至少一个三维变换式应用到与各自的三维数据集相对应的各自的三维数据集中，或者应用到衍生的三维数据集中，从而获得至少一个移动修正后的数据集。
25.根据权利要求24中的系统，其中计算模块可以被配置用于对目标函数进行评估包括对在(i)在变换状态下的两个或更多的三维数据集，或者(ii)在变换状态下的两个或者更多的经过预处理的三维数据集之间的相似度进行评估。
26.根据权利要求25中的系统，其中每一个三维数据集都是从目标物体的区域中获取的信号的一组数值，并且其中计算模块可以被配置用于对在变换状态下的两个或更多的三维数据集之间的相似度进行验证，这是通过对其中的信号数值的差值进行补偿来实现的。
27.根据权利要求24中的系统，其中计算模块可以被配置用于通过对目标物体相对于成像仪器之间的移动进行补偿来对目标函数进行评估。
28.根据权利要求24中的系统，其中计算模块可以被配置用于对第一和第二三维变换式进行计算，而且其中移动修正模块可以被配置用于将第一个三维变换式应用到第一三维数据集中和将第二个三维变换式应用到第二个三维数据集中，从而分别获得第一和第二移动修正后的数据集，以及更进一步，其中移动修正模块可以被配置用于对第一和二移动修正后的数据集中的数据元素进行合并，从而获得合并后的移动修正的数据集，分别与第一或第二移动修正后的数据集相比，合并后的移动修正的数据集具有改进的信号质量。
29.根据权利要求28中的系统，其中移动修正模块可以被配置用于对数据元素进行合并，这是通过将第一和第二移动修正后的数据集的数据元素的贡献调整为合并后的移动修正的数据集来完成的，其是以第一和第二三维变换式的至少一个特征为基础的。
30.根据权利要求29中的系统，其中第一或第二三维变换式中的至少一个特性是采样
31.根据权利要求28中的系统，其中移动修正模块可以被配置用于通过计算出第一和第二移动修正后的数据集中的数据元素的加权总和来对数据元素进行结合。
32.根据权利要求24中的系统，进一步包括数据获取模块，该模块被配置用于通过使用第一扫描方式来获取第一三维数据集，和通过使用第二扫描方式来获取第二三维数据集，其中第一和第二扫描方式是互补的。
33.根据权利要求32中的系统,其中互补式的扫描方式是光栅扫描。
34.根据权利要求33中的系统,其中互补式的扫描方式是光栅扫描。
35.根据权利要求24中的系统,其中光栅扫描是相互垂直的。
36.根据权利要求24中的系统，其中计算模块可以被配置用于对一个或更多的三维变换式进行重复计算。
37.根据权利要求24中的系统，其中计算模块可以被配置用于通过对所述的目标函数使用数值最优化的方法来对一个或更多的三维变换式进行计算。
38.根据权利要求24中的系统，其中计算模块可以被配置用于通过使用多分辨率的数值最优化方法来对一个或更多的三维变换式进行计算。
39.根据权利要求24中的系统，进一步包括时间对比模块，该模块可以被配置用于将与第一时间点相关的第一移动修正的数据集与第二时间点相关的第二移动修正的数据集进行比较，从而度第一和第二时间点之间的数量上的变化进行跟踪。
40.根据权利要求39中的系统，其中目标物体是与病人相关的物体。
41.根据权利要求40中的系统，其中第一和第二时间点是分别与病人到卫生保健机构的第一和第二次访问相对应的。
42.根据权利要求40中的系统,其中第一和第二时间点是分别与进行扫描的病人的第一和第二活动相对应的。
43.根据权利要求24中的系统，其中三维数据集是通过A-扫描进行捕获的，而且更进一步的是，其中一个或者更多的三维变换式是与具有每一个A-扫描的三维位移相关联的。
44.根据权利要求24中的系统，进一步包括预处理模块，该模块被配置用于对三维数据集进行预处理，这是通过选自由图像再次采样、降噪、产生A-扫描特征、斜度补偿和外转补偿所组成的组中选出的方法来实现的。
45.根据权利要求24中的系统，其中三维数据集包括强度数据、多普勒频移数据或者偏振数据的至少其中之一。
46.根据权利要求24中的系统，其中衍生的三维数据集包括多普勒频移数据或者偏振数据的至少其中之一。
47.一种非瞬变的计算机可读介质，在其中具有一系列指令，当通过处理器运行时，这些指令可以导致处理器进行如下功能计算，所述计算以目标函数的数值、一个或更多的三维变换式为基础，所述一个或更多的三维变换式中的每一个都与各自的三维数据集相关联，所述的三维数据集代表的是目标物体上至少部分重叠的区域，其中所述的指令可以导致处理器计算出一个或者更多的三维变换式，包括导致处理器对目标函数进行评估的指令，这是通过以下步骤来实现的(a)计算出在(i)在变换状态下的两个或更多的三维数据集，或者(ii)在变换状态下的两个或者更多的经过预处理的三维数据集之间的相似度，和(b)对目标物体相对于成像仪器之间的移动进行评估；以及将至少一个三维变换式应用到与各自的三维数据集相对应的各自的三维数据集中，或者应用到衍生的三维数据集中，从而获得至少一个移动修正后的数据集。
48.一种处理OCT数据集的方法，该方法包括获取两个或更多的三维OCT数据集，其代表的是物体上至少部分重叠的区域，其中至少一个数据集是通过扫描方式来获得的，该扫描方式与至少一个其他的数据集的扫描方式是互补的，而且通过使用目标函数来为每一个数据集计算出三维的变换式，所述目标函数(a)验证通过计算获得的处于变换状态下的三维数据集之间的相似度，和(b)对物体相对于成像仪器的移动进行补偿；以及将至少一个三维变换式应用到其各自的数据集中，以便获得至少一个移动修正的数据集。
49.根据权利要求48中的方法，其中在强度数据、振幅数据或者偏振数据的至少其中之一的基础上计算相似度。
50.根据权利要求48中的方法，其中用于计算相似度的数据是通过使用噪音抑制、倾斜补偿、OCT信号的外转修正、数据整理、数据归一化或者上述方法的结合来进行预处理的。
51.根据权利要求48中的方法，其中三维变换式被应用到其各自的三维数据集中，这是通过对强度数据、振幅数据、相位数据或者偏振数据的至少其中之一进行转换来实现的。
52.根据权利要求48中的方法，其中对在变换状态下的三维数据集之间的计算获得的相似度进行验证包括对在变换状态下的三维数据集中选出的数据值之间的差值进行补偿。
53.根据权利要求52中的方法，其中对数据值之间的差值进行补偿包括使用差值的平方和、方差、差值的绝对值的和，或者上述数值的结合。
54.根据权利要求48中的方法，其中第一三维变换式被应用到第一三维数据集中，并且第二三维变换式被应用到第二三维数据集中，从而分别获得第一和第一移动修正后的数据集，以及进一步包括对第一和第二移动修正后的数据集进行合并，这是通过结合来自于第一和第二移动修正后的数据集的数据元素，以获得与各个第一或第二移动修正的数据集相比的，具有改进的信号质量的合并后的移动修正的数据集来实现的。
55.根据权利要求54中的方法，其中第一和第二三维变换式具有各种特性，而且其中对第一和第二移动修正后的数据集进行合并进一步将第一和第二移动修正后的数据集的数据元素的贡献调整为合并后的移动修正的数据集，这是以第一和第二三维变换式的至少一个特征为基础的。
56.根据权利要求55中的方法，其中第一或者第二三维变换式的至少一个特性包括采样密度。
57.根据权利要求55中的方法，其中对第一和第二移动修正后的数据集进行合并包括计算出第一和第二移动修正后的数据集中的数据元素的加权总和。
58.根据权利要求48中的方法,其中互补式的扫描方式是光栅扫描。
59.根据权利要求58中的方法,其中光栅扫描是相互垂直的。
60.根据权利要求48中的方法，进一步包括对三维变换式进行重复计算。
61.根据权利要求44中的方法，进一步包括通过使用多分辨率的数值最优化方法来计算三维变换式。
62.根据权利要求48中的方法，其中物体是从由人眼、视网膜、视网膜的中央凹、视神经的前端或者眼角膜所组成的组中选取的。
63.根据权利要求48中的方法，其中来自于第一时间点的至少第一和第二数据集被进行处理，从而获得与第一时间点相关联的第一移动修正的数据集，和来自于第二时间点的至少第三和第四数据集被进行处理，从而获得与第二时间点相关联的第二移动修正的数据集，和其中该方法可以进一步包括比较移动修正后的数据集或者来自于移动修正的数据集的测量值，从而对多个时间点的数量上的改变进行跟踪。
64.根据权利要求48中的方法，其中三维数据集包括A-扫描，而且更进一步的是，其中每一个三维数据集都含有数据通道组，数据通道包括强度、振幅、 相位、多普勒频移或者偏振信号的至少其中之一，该方法进一步包括将具有来自于OCT数据集中的每一个A-扫描的数据通道组关联起来。
65.根据权利要求48中的方法，其中三维数据集包括A-扫描，而且更进一步的是，其中三维变换式是具有每一个A-扫描的三维位移的结合。
全文摘要
目标物体的图像，例如，人类眼球的OCT扫描，可能会包括失真和数据间隙，这是由于目标物体和图像获取设备之间的相对移动所导致。本文在此所描述的就是用于对所述的失真和数据间隙进行修正的方法和系统。移动修正后的数据是通过将三维的变换式应用到输入的三维数据集来获得的，所述的三维数据集代表的是至少与被成像的目标问题上的部分重叠区域。三维变换式是目标函数的基础上进行计算的，所述的目标函数阐明了经过变换的三维数据集和目标物体相对于成像仪器之间的经过评估的移动之间的相似度。本文中所描述的方法和系统有利地消除了对于假定的设想的需要而且倚靠的是明显的标志，并且，它们能够对数据间隙进行填充，从而可以在成像的过程中对经历了移动的目标物体产生高品质的，没有失真的图像。多个移动修正后的数据集可以合并在一起或者可以结合在一起从而产生具有改进图像质量的数据集。
文档编号G06T7/00GK103025229SQ201180030562
公开日2013年4月3日 申请日期2011年4月29日 优先权日2010年4月29日
发明者M·F·G·克劳斯, B·M·波特赛德, J·G·富基蒙托, M·A·梅耶, R·博克, J·霍纳格 申请人:麻省理工学院, 埃朗根-纽伦堡弗里德里希-亚力山大大学