CN1650148A - 跟踪扭转的眼睛的方向和位置 - Google Patents

Abstract

跟踪患者眼睛的位置和扭转方向的方法和系统。在一个实施例中本发明提供了将眼睛的第一幅图像(56、64)与眼睛的第二幅图像配准的方法和软件。在另一个实施例中，本发明提供了跟踪眼睛的扭转运动的方法和软件。在一个特殊应用中，本发明跟踪患者眼睛的环状旋转和平移运动，以便改进激光能量(12、76)向患者角膜的输送。

Description

跟踪扭转的眼睛的方向和位置

参照相关申请

本申请要求了2002年5月30日提交申请的美国临时专利申请60/384653的优先权，此处结合了其全部发明内容作为参考。

技术领域

本发明大体上涉及激光眼部手术。更具体地，本发明涉及使患者的眼睛的第一幅图像与患者的眼睛的第二幅图像配准，并且在激光眼部手术过程中跟踪患者眼睛的位置和扭转方向，以便使一个定制的烧蚀轮廓与患者的眼睛配准。

背景技术

已知的激光眼部过程一般采用紫外线或红外线激光器从眼角膜去除极微小的一层基质细胞，以改变眼睛的屈光特性。激光去除角膜组织的一个选定的形状，通常是为了校正眼睛的屈光不正。紫外线激光烧蚀导致角膜组织的光解作用，但是一般不会引起对邻近或下层眼部组织的显著热损害。被照射的分子被光化学地分裂为更小的挥发性碎片，直接打破分子间的化学键。

激光烧蚀过程可去除目标角质基质，以改变角膜轮廓，用于不同的目的，例如用于校正近视、远视、散光等。对于烧蚀能量在角膜上的分布的控制可由多种系统和方法提供，包括使用可烧蚀的掩膜、固定和可移动的孔隙、受控扫描系统、眼运动跟踪机制等。在已知的系统中，激光束通常包括一系列离散的激光能量脉冲，去除的组织的总形状和量由冲击到角膜上的激光能量脉冲模式的形状、尺寸、位置和/或数目决定。多种算法可用于计算用于整形角膜以校正眼部屈光不正的激光脉冲模式。已知系统使用多种形式的激光和/或激光能量实现校正，包括红外线激光、紫外线激光、毫微微秒激光、倍波长固态激光等。备选的视力校正技术利用了辐射状切割角膜、眼内透镜、可去除的角膜支撑结构、热成形等。

已知的角膜校正治疗方法一般来说在校正标准视力误差方面已经取得了成功，标准视力误差的例子包括近视、远视、散光等。但是虽然有了所有这些成功，仍然需要进一步的改进。为了这个目标，现在可利用波阵面测量系统来测量特定患者眼睛的屈光特性。通过根据波阵面测量定制烧蚀模式，可以校正较小的屈光不正，以便可靠且可重复地提供大于20/20的视觉敏锐度。或者，也可能希望校正眼部像差以便将视觉敏锐度降低到20/20以下。不幸的是，这些测量系统不能完全免除测量误差。同样地，烧蚀轮廓的计算、信息从测量系统到烧蚀系统的传输以及烧蚀系统的操作均提供了引入误差的机会，因此真实世界的基于波阵面的校正系统所提供的实际视觉敏锐度可能不如理论上可能的那么好。

使用波阵面测量的一个可能的问题是使定制的激光烧蚀模式与患者眼睛对准。为了实现波阵面测量和将要输送给患者的治疗之间的精确配准，波阵面测量和眼睛应该共享一个共同的坐标系统。例如，当进行波阵面测量时，患者一般处于坐着的位置。但是，当进行激光眼部手术时，患者一般处于仰卧的位置，则与进行波阵面测量时相比，患者的眼睛可能处于不同的位置或扭转方向。

此外，即使患者位于相同的初始位置和/或扭转方向，眼睛也常常经历环状扭转转动。如果没有正确考虑到此转动，则屈光手术的好处将减少，尤其是在散光和其他非旋转对称象差的情况下。许多调查员和研究员已报告眼睛可经历扭转运动，经常此运动是在离静止位置15度范围内，但在正常活动中典型的是在其轴周围2至7度附近。转动量取决于个人、看到的刺激物，并且也可取决于个人头部和身体的运动和方向。烧蚀过程中患者眼睛的这种扭转运动可能会使得不能最理想地向患者眼睛输送定制的烧蚀模式，尤其是在散光和其他非旋转对称象差的情况下。

由于以上原因，需要提供能够使患者的眼睛与定制的烧蚀模式精确配准的方法和设备。此外，需要在激光手术过程中考虑患者眼睛的位置移动和扭转转动。

发明内容

本发明提供了能够改进激光眼部手术的方法和系统。

在一方面内容中，本发明的方法和软件可以使患者眼睛的第一幅图像与患者眼睛的第二幅图像配准。在某些实施例中，所述方法可确定第一幅图像中的眼睛和第二幅图像中的眼睛之间的扭转偏量θ₀。

在一个实施例中，一种方法包括在第一幅图像的眼睛中的虹膜上选择至少一个标记。一个对应的标记位于第二幅图像的虹膜上。通过充分匹配第一和第二幅图像中的一个公共参考点，以及匹配第一眼睛图像的虹膜上的标记和第二眼睛图像的虹膜上的标记，配准眼睛的第一幅图像和眼睛的第二幅图像。然后，可以使一个激光治疗与眼睛的第二幅图像中心定位及扭转对准。在某些实施例中，眼睛的第二幅图像可以在患者眼睛与输送激光治疗的激光束对准的同时获得。

在本发明的某些实施例中，所述的公共参考点是一个瞳孔中心。在其他实施例中，可通过一个瞳孔中心和虹膜中心的函数来定义公共参考点。

在另一个实施例中，眼睛的第一幅图像是在一个波阵面(它反映了患者眼睛的光学系统中的较低阶和较高阶光学像差)的测量过程中获得的，而眼睛的第二幅图像是在患者位于治疗激光的光轴中时获得的。为了对准从测量到的波阵面中得到的激光治疗，第一幅图像中的患者眼睛可以与位于治疗激光的光轴中的患者眼睛配准，以便在扭转校正方向输送激光治疗。

在一方面内容中，本发明可跟踪眼睛随时间的扭转运动θ(t)。通过跟踪患者眼睛的扭转运动，一个计算机处理器能够调整定制的烧蚀治疗的输送，以考虑到患者眼睛的位置和方向变化。

在一个特定配置中，本发明提供了眼睛的扭转跟踪。一个跟踪算法可根据波阵面测量过程中得到的波阵面图像建立精确的眼睛旋转量。眼睛的这种扭转旋转可通过对激光束输送做出相应调整来补偿。

在本发明的一种方法的一个实施例中，一个参考点(例如一个瞳孔中心)位于眼睛的第一幅图像中。在眼睛的第一幅图像中至少标识一个标记。所述参考点也位于眼睛的第二幅图像中。在眼睛的第二幅图像中标识一个相应的标记。通过比较第一幅图像和第二幅图像中所述至少一个标记相对于所述瞳孔中心的方向，可估计第一幅图像和第二幅图像之间眼睛的环状扭转转动。

在另一方面内容中，本发明提供了一种进行激光眼睛手术的方法。所述方法包括测量患者眼睛的波阵面测量。在波阵面测量过程中获得患者眼睛的一幅图像。根据波阵面测量生成患者眼睛的一个激光治疗。患者眼睛的位置与波阵面测量过程中获得的患者眼睛的图像配准，以便能够精确地向患者眼睛输送定制的激光治疗。在监控患者眼睛的扭转方向的同时向患者眼睛输送激光治疗。根据监控到的患者眼睛的扭转方向调整激光治疗的输送。

在另一方面内容中，本发明提供了一种激光手术系统。在一个实施例中，所述激光手术系统提供了一个计算机处理器，它被配置为接收一只眼睛的第一幅图像以及一个波阵面测量和眼睛的一个烧蚀模式中的至少一个。一个眼睛跟踪器连接到所述的计算机处理器以跟踪在一束激光束的光轴下的眼睛的位置。一个扭转跟踪器连接到所述的计算机处理器以跟踪眼睛的扭转方向。所述的计算机器可配置为根据眼睛的位置和/或扭转方向的变化调整烧蚀模式的输送。

在另一个实施例中，本发明提供了一种激光手术系统，它包括一个将眼睛的第一幅图像与眼睛的第二幅图像配准的系统。所述系统包括一个计算机处理器，它被配置为接收一只眼睛的第一幅图像。一个成像设备可连接到所述的计算机处理器。所述的成像设备可获得眼睛的第二幅图像。所述的计算机处理器可配置为在眼睛的第一和第二幅图像中定位一个参考点，例如一个瞳孔中心，在第一幅图像中定位至少一个标记，并且在第二幅图像中查找一个相应的标记。所述的计算机处理器可通过充分匹配第一和第二幅图像的参考点(例如一个瞳孔中心)和标记来配准第一和第二幅图像。

为了进一步理解本发明的性质和优点，应参考以下结合了附图的说明。

附图说明

图1示意性地描绘了本发明的一个简化系统；

图2示意性地描绘了本发明的一个激光手术系统；

图3描绘了本发明的一个示例性波阵面测量设备；

图3A描绘了本发明的另一个波阵面测量设备；

图4示意性地描绘了本发明的一个示例系统；

图5示意性地描绘了使第一幅图像与第二幅图像配准的一种方法；

图6A描绘了一只眼睛的一幅参考图像；

图6B描述了对应于图6A的参考图像的一幅旋转后的图像。

图6C和6D描绘了一个瞳孔中心和一个虹膜中心。

图6E描绘了虹膜半径的范围的内径和外径；

图7A描绘了一个展开的分为24部分的虹膜，每部分具有一个编了号的标记；

图7B描绘了一个对应的展开的虹膜，其中标记相对于其原始位置有了扭转转动；

图7C描绘了当虹膜锁光环没有展开时的两幅虹膜图像和纹理块；

图7D描绘了当虹膜锁光环展开时的两幅虹膜图像和纹理块；

图8A描绘了一个展开的虹膜；

图8B描绘了一个具有LED反射的展开的虹膜；

图9是描绘24个标记的角旋转的图；

图10是跟踪患者眼睛的扭转转动的一种简化方法；

图11是患者眼睛和虹膜上的用于跟踪患者眼睛的扭转转动的两个标记的帧图像；

图12描绘了患者虹膜上的用于跟踪患者眼睛的扭转转动的六个参考块/标记；

图13描绘了参考标记相对于患者瞳孔中心的相对位置；

图14描绘了一只具有深色虹膜的眼睛的扭转角度估计；

图15描绘了一只具有浅色虹膜的眼睛的扭转角度估计；

图16A和16B是总结通过本发明的一种对准算法处理的一个数据集合的结果的图表；

图17A描绘了一只具有太多阴影以至于不能辨别标记的眼睛的一幅图像；

图17B是描绘一只RMS高于1的眼睛的图表；

图18A是一只眼睛的一幅原始帧图像；

图18B是一个最终的帧，其中眼睛图像旋转了；

图19A是一个参考帧；

图19B是第零个帧，其中有两个象素块被标记用于跟踪；

图20是随着时间的瞳孔位置的图表；

图21是从帧0到帧500的瞳孔半径的图；

图22是描绘每帧/块的误差的图；

图23是描绘测量到的眼睛的扭转角度的图；

图24描绘了从第345帧开始的一个30帧序列的跟踪结果；

图25是显示从以较慢的速度获取的序列中提取的扭转数据的图；

图26A和26B显示了使用一种正弦方法时虹膜的波阵面测量位置和视频序列的第一幅图像之间的对准结果；

图27A和27B显示了扭转眼睛运动相对于参考图像的测量结果；

图28显示了两个扭转角度估计之间的差；

图29A描绘了两个扭转估计；以及

图29B描绘了图29A的两个估计之间的误差。

具体实施方式

本发明对于增强激光眼部手术过程的精度和功效尤其有用，激光眼部手术过程的例子有准分子激光屈光性角膜切削术(PPK)、准分子激光治疗性角膜切削术(PTK)、准分子激光原位角膜磨镶术(LASIK)等。可通过跟踪患者的扭转转动以便激光烧蚀模式与患者眼睛的实时转动更精确地对准，来增强激光眼部手术过程的功效。

虽然主要是在改进激光眼部手术系统的背景下对本发明的系统和方法进行说明的，但是应该理解本发明的技术也可适用于其他眼部治疗过程和系统中，例如毫微微秒激光和激光、红外线激光和激光治疗、放射状角膜切削术(RK)、巩膜带和复诊过程等。

图1示意性地描绘了本发明的一个实施例的一个简化系统。所述的本发明的系统可包括一个激光系统15，它连接到一个波阵面测量设备10，该波阵面测量设备10测量整个光组织系统的像差和其他光学特性。来自这样的一个波阵面测量设备的数据可用于从一个光学梯度阵列生成一个光学表面。应该理解光学表面不必与实际组织表面精确匹配，因为梯度将显示像差的效果，而这些像差实际上是位于整个眼睛组织系统中的。尽管如此，加在光学组织表面以校正得自梯度的像差的校正处理应该校正光学组织系统。诸如“一个光学组织表面”这样的短语用于此处可包括一个理论组织表面(例如得自波阵面传感器数据)，一个实际的组织表面和/或为了治疗(例如在LASIK过程中通过切割角膜组织以便能够移开切下来的一片角膜上皮细胞并且暴露其下的基质)的目的而形成的一个组织表面。

现参见图1和2，其中描绘了本发明的激光眼部手术系统15的一个实施例。激光眼部手术系统15包括一个激光器12，它产生一束激光束14。激光器12光学地连接到激光输送光学装置16，它将激光束14引向患者P的一只眼睛。一个输送光学装置支撑结构(此处为清楚起见未显示)从支撑激光器12的一个框架18延伸出来。一台显微镜20安放在输送光学装置支撑结构上，该显微镜常用于对眼睛E的角膜成像。

激光器12一般包括一个受激准分子激光器，它通常包括一个氩氟激光器，产生波长约为193nm的激光脉冲。最好将激光器12设计为在患者眼睛处提供一个由输送光学装置16输送的反馈稳定流量。本发明对于其他可供选择的紫外线或红外线辐射源也有用，尤其是对于那些适用于在不引起邻近和/或下层眼组织的显著损坏的情况下可控地烧蚀角膜组织的源。这些源包括但不限于固态激光器和可以生成约185至205nm之间的紫外线波长中的能量的其他设备和/或利用倍频技术的设备。因此，虽然受激准分子激光器是作为示例的烧蚀光束源，但在本发明中也可使用其他激光器。

激光器12和输送光学装置16一般在一个计算机处理器22的指引下将激光束14引导到患者P的眼睛。处理器22一般选择性地调整激光束14，以便将部分角膜暴露给激光能量脉冲，以便实现预定的造型，改变眼睛的屈光特性。在许多实施例中，激光器14和激光输送光学系统16都将在处理器22的计算机控制之下，以便实现所需的激光造型过程，从而在处理器理想地响应来自光学反馈系统的输入而改变烧蚀过程的情况下，输送定制的烧蚀轮廓。反馈最好从一个自动图像分析系统输入到处理器22中，或者由一名系统操作者根据光学反馈系统提供的对分析图像的视觉检查使用一个输入设备手动输入到处理器中。处理器22通常将根据反馈继续和/或终止造型治疗，也可以至少部分根据反馈修改计划的造型。

激光束14可用多种可供选择的机制调整为产生所需的造型。可用一个或多个可变的孔隙来选择性地限制激光束14。在美国专利5713892中说明了一个示例性的可变孔隙系统，它具有一个可变的虹膜和一个可变宽度的狭缝，此处通过引用将其全部发明内容包含进来。也可通过改变激光光斑尺寸和激光光斑相对于眼睛的一个轴的偏移量来定制激光束，在美国专利5683379以及在共同待审的1997年11月12日提交的美国专利申请08/968380和1999年3月22日提交的09/274,999中对其有所说明，此处通过引用将其全部内容包含进来。

还有其他方式可供选择，包括用激光束扫描眼睛表面，并且控制每个位置的脉冲数目和/或停留时间，正如美国专利4665913(此处通过引用将其全部发明内容包含进来)中所说明的，以及正如其他扫描激光系统(例如LaserSight的LSX激光器、Alcon/Autonomous的LadarVision和Technolas的217C)所记载的；在激光束14的光学路径中使用掩模，它会熔化以改变入射到角膜上的激光束的轮廓，正如1995年6月6日提交的美国专利申请08/468898(此处通过引用将其全部发明内容包含进来)中说明的；混合轮廓扫描系统，其中可变尺寸的激光束(通过由一个可变宽度狭缝/或可变直径虹膜控光装置来控制)扫描角膜，等等。在专利文献中充分说明了用于这些激光模式定制技术的计算机程序和控制方法。

激光系统15还可包括其他元件和子系统，正如本领域技术熟练者应当理解的那样。例如可包含空间和/或时间积分器，以控制激光束内的能量分布，正如美国专利5646791所说明的那样，此处通过引用将其全部发明内容包含进来。为了理解本发明，不需要详细说明烧蚀排出物清除器/过滤器和激光手术系统的其他对于理解本发明不必要的辅助元件。

如上所述，激光系统15一般包括一个计算机系统或可编程处理器22。处理器22可包括一个常规PC系统(或与之接口)，所述的常规PC系统包括标准用户接口设备，例如键盘和显示监示器等。处理器22通常包括一个输入设备，例如磁盘或光盘驱动、CD驱动或互联网连接等。这种输入设备常用于从一个计算机网络或一个有形的储存介质29中下载一段计算机可执行代码，该代码体现了本发明的任何方法的步骤或程序指令。有形储存介质29包括但不限于CD-R、CD-RW、DVD、软盘、光盘、数据磁带或非挥发性存储器等，并且处理器22将包括存储器板和现代计算机系统的其他用于储存和执行此代码的标准元件。

波阵面测量设备10通常包括一个波阵面测量部件11和一个成像部件13。波阵面测量部件11可用于测量和获取患者的至少一只眼睛的波阵面高程表面，而成像部件13可以在波阵面测量过程中获取患者所述眼睛的静止或移动图像。

在示例性实施例中，成像部件13是一个CCD照相机，它能够获取患者眼睛的静止图像。然后成像部件13获得的图像可用于在激光手述过程中使波阵面测量和/或一个定制的烧蚀模式(基于波阵面测量)与患者眼睛配准。

波阵面测量部件11和成像部件13可连接到一个计算机系统17，或者作为计算机系统17的一部分，其中计算机系统17能够生成和储存患者眼睛的波阵面测量和图像。然后，患者的波阵面数据可储存在一个计算机可读介质中，例如CD-R、CD-RW、DVD-R、软盘、光盘、硬盘驱动器或其他计算机可读介质。在某些实施例中，波阵面测量设备的计算机系统可根据波阵面数据生成和保存一个烧蚀轮廓。

可通过读取计算机可读介质或通过在一个局域或广域网(LAN或WAN)上输送到手术系统15的一个存储器中，来将波阵面数据和/或定制的烧蚀轮廓加载到一个激光手术系统15中。激光眼部手术系统15可包括一个计算机控制器系统22，它与一个成像部件20和一个激光器部件12通信。计算机系统22可包括储存在存储器中的软件，以及可用于控制烧蚀能量向患者眼睛的输送和患者眼睛相对于激光束14的一个光轴的位置(x、y和z方向上的平移和扭转转动)跟踪等的硬件。在示例性实施例中，除了其他功能外，计算机系统22还可被编程为根据波阵面数据计算一个定制的烧蚀轮廓，使成像部件11获得的图像与成像部件20获得的图像配准，以及测量两幅图像中患者眼睛之间的扭转偏量θ₀。此外，计算机系统22可被编程为实时测量患者眼睛相对于激光束的光轴的运动(x(t)、y(t)、z(t)和旋转方向θ(t))，以便计算机系统能够根据患者眼睛的实时位置修改定制的烧蚀轮廓的输送。

现参见图3，在该图中示意性描绘了本发明的一个波阵面测量设备10的一个实施例。正如可意识到的，所示的波阵面测量设备10只是可用于本发明的实施例的一个波阵面测量设备的例子，也可采用其他常规或私有的波阵面测量设备。

非常概括地说，波阵面测量设备10包括一个成像部件13，它可以在波阵面测量过程中对患者眼睛E成像。波阵面测量部件13包括一个图像源32，它通过眼睛E的光学组织34投影一幅源图像，以便在视网膜R的表面上形成一幅图像44。来自视网膜R的图像被眼睛的光学系统(具体说是光学组织34)传输，并且被系统光学装置38成像到一个波阵面传感器36上。成像部件11可以与一个计算机系统22通信，以便将患者眼睛的图像输送到计算机中的一个存储器中。波阵面传感器36也可将信号通信到计算机17，以确定一个角膜烧蚀治疗程序。计算机17可以就是用于指导激光手术系统15的操作的那台计算机，或者波前测量设备10和激光手术系统的至少某些或全部计算机元件是分离的。来自波阵面传感器36的数据可通过有形的介质29、通过一个I/O端口中、通过网络连接(例如内联网或互联网等)传输到激光系统计算机22。

波阵面传感器36一般包括一个微透镜阵列38和一个成像传感器40。由于来自视网膜R的图像通过光学组织34传输并成像到微透镜阵列38的一个表面上，因此微透镜阵列将传输的图像分成微光束阵列42，并且(结合系统的其他光学元件)使分离后的微光束成像在传感器40的表面上。传感器40通常包括一个带电耦合设备或CCD，并且感测各个微光束的特性，这些特性可用于确定光学组织34的相关区域的特性。特别地，在图像44包括光的一点或一块小斑时，由微光束成像的传输的光斑的位置可直接指示光学组织的相关区域的本地梯度。

眼睛E一般定义了一个前方向ANT和后方向POS。图像源32一般通过光学组织34将后方向中的一幅图像投射到视网膜R上。光学组织34再将来自视网膜的图像44向前传输到波阵面传感器36。当图像源最初被光学组织34传输时，实际形成在视网膜R上的图像44可能由于眼睛光学系统中的缺陷而失真。可选地，图像源投射光学装置46也可被配置或改装为降低图像44的失真。

在某些实施例中，图像源光学装置可通过补偿光学组织34的球形和/或柱形误差来减少低阶光学误差。也可通过使用适应性光学元件(例如可变形镜)来补偿光学组织的高阶光学误差。使用一个图像源32，该图像源被选为在视网膜R上的图像44处定义一点或一个小斑，这有助于对波阵面传感器36提供的数据的分析。通过经过光学组织34的一个中央区域48来传输一幅源图像可限制图像44的失真，其中中央区域小于瞳孔50，因为瞳孔的中央部分与边缘部分相比较不易于产生光学误差。不论是哪种特定的图像源结构，在视网膜R上具有良好定义且精确形成的图像一般来说是有益的。

虽然一般会参照视网膜上的一幅图像44的传感来说明本发明的方法，但应理解可采用一系列波阵面传感器数据读取。例如，波阵面数据读取的时间序列可帮助提供对于眼组织像差的更精确的整体确定。由于在短时间内眼组织的形状可能发生变化，多个空间上分离的波阵面传感器测量可避免依赖光学特征的单个快照作为屈光校正过程的基础。还有其他方式可供选择，包括在眼睛处于不同配置、位置和/或方向的情况下获取眼睛的波阵面传感器数据。例如，患者通常通过聚焦在一个固定目标上来帮助保持眼睛与波阵面设备13的对准，正如美国专利6004313中所说明的那样，此处通过引用将其全部发明内容包含进来。通过按照该参考专利中所说明的那样改变固定目标的焦点位置，可以在眼睛调节或适应以便对变化的距离处的视场成像的同时确定眼睛的光学特性。其他可供选择的方式包括通过在波阵面设备11内提供替换和/或移动的固定目标来使眼睛旋转。

可以参考一个成像部件或瞳孔照相机13提供的数据来验证眼睛的光轴位置，其中成像部件或瞳孔照相机13在波阵面测量的过程中同时对眼睛成像。在示例性实施例中，一个瞳孔照相机13对瞳孔50和/或虹膜成像，以便之后能够确定瞳孔和/或虹膜的位置和扭转方向，从而使波阵面传感器数据与光组织配准，以下也将对此进行说明。

图3A中描绘了波阵面传感器系统的一个替换实施例。图3A的系统的主要元件与图3相同。此外，图3A包括一个可变形镜形式的适应性光学元件52。源图像在传输到视网膜R过程中从可变形镜52反射，并且可变形镜也沿着视网膜R和成像传感器40之间的用于形成传输的图像的光轴。可变形镜52可以在控制之下变形，以限制形成在视网膜上的图像的失真，并且可增强波阵面数据的精度。在美国专利6095651中有对图3A的系统的结构和使用更完整的说明，此处通过引用将该专利的全部发明内容包含进来。

测量眼睛和烧蚀的波阵面系统的一个实施例的元件包括可从California，Santa Clara的VISX，Inc获得的VISX WaveScan^TM。一个优选实施例包括一个带有上述可变形镜的WaveScan。在美国专利6,271,915说明了波阵面测量设备的一个替换实施例，此外通过引用将该专利的全部发明内容包含进来。

可以根据波阵面高程图计算一张治疗程序图，以去除光组织的规则(球面和/或柱面)不规则误差。通过将治疗程序与一个特定激光系统的激光烧蚀脉冲特性相结合，可产生一个关于烧蚀脉冲位置、尺寸、形状和/或数目的表。在2001年3月13日提交的共同待审的美国专利申请09/805,737中说明了准备这种烧蚀表的一种示例性方法和系统，该专利申请的标题为“Generating Scanning Spot Locations for LaserEye Surgery(生成激光眼部手术的扫描光斑位置)”，此处通过引用将其全部发明内容包含进来。也可以通过对单个脉冲排序来优化烧蚀表，从而避免本地化加热，如果治疗程序中断则最小化不规则烧蚀等。

根据眼睛的波阵面测量，可通过处理器17或22(或者通过另一个单独的处理器)来计算一个角膜烧蚀模式，以便用激光烧蚀系统15烧蚀眼睛，从而校正眼睛的光学误差。这种计算通常既基于测得的眼睛光学属性，也基于作为烧蚀目标的角膜组织的特性(例如烧蚀率、屈光率、组织在一束能量均一的光束内形成“中央岛”或减小的中央烧蚀深度的倾向等)。计算结果通常包括一个烧蚀模式，其形式是一个烧蚀表，其中列出了烧蚀位置、脉冲数目、烧蚀尺寸和或烧蚀形状，以实现所需的屈光校正。在共同待审的美国专利申请09/805,737中说明了生成烧蚀模式的一种示例性方法，此处通过引用将该专利申请的全部发明内容包含进来。在用替换治疗方法校正屈光不正时，可准备替换的治疗计划，例如角膜环植入尺寸等。

现参见图4，以下将说明本发明的一种方法的一个实施例的信息流动。波阵面测量部件13可使用波阵面传感器36(例如Hartmann-Shack传感器)来获得患者眼睛的一个波阵面高程表面54。可通过一个治疗算法58运行波阵面高程表面54以生成一个被定制为对应于患者的波阵面高程表面54的治疗表或烧蚀轮廓60。正如上文所注意到的，烧蚀轮廓60可通过波阵面设备10的一个处理器、激光系统15或通过一个单独的处理器来计算，并且储存在计算机17、22的一个存储器中。

在波阵面高程表面的计算过程中，成像部件11可同时获得患者眼睛(例如，瞳孔和虹膜)的一幅图像56。可通过一个算法62分析患者眼睛56的图像，该算法定位瞳孔和/或虹膜的中心、计算瞳孔和/或虹膜的半径以及定位患者虹膜中的标记64，以便随后进行配准和跟踪。

为了在激光治疗过程中配准烧蚀轮廓60和患者的眼睛，烧蚀模式和患者的眼睛应该共享一个公共的坐标系统。从而当患者的眼睛位于激光束的路径中时，烧蚀轮廓60应该与患者眼睛在位置和扭转方向上对准。此外应该在手术过程中跟踪患者眼睛的平移和扭转方向以确保精确输送烧蚀轮廓。

为了使烧蚀轮廓60与患者的眼睛E在扭转方向上对准(即配准)，所述参考或眼睛的虹膜图像56需要进行一个唯一的坐标变换，变换到由激光系统的瞳孔照相机20获得的一幅眼睛图像，以便确定眼睛的两幅图像之间的位置差和扭转偏量θ₀。在示例性实施方式中，瞳孔照相机20是一个视频设备，它可以获得患者眼睛的流动视频。可通过计算机处理器分析流动视频的一个帧66(通常是流动视频的第一帧)以定位起初位于参考图像56中的瞳孔中心、虹膜中心和/或标记64。一旦找到瞳孔中心、虹膜中心和/或标记64，则可计算参考图像56和患者眼睛的视频帧图像66之间的扭转偏量θ₀。

一旦确定了扭转偏量θ₀，则计算机可用一个高速眼跟踪器(HSET)68跟踪患者眼睛E的平移位置(x(t)、y(t)和z(t))，并且用一个扭转跟踪器70跟踪眼睛的扭转方向(θ(t))。由于用HSET 68跟踪了瞳孔中心的位置，因此扭转跟踪器70一般需要估计标记64相对于瞳孔中心的位置。

如果HSET 68确定患者眼睛已移动(相对于视频帧图像66)，则计算机可通过将平移和扭转测量添加到表中来调整患者的定制治疗表60，从而校正定制烧蚀模式的输送。可通过以下方式调整治疗表：在时刻t，如果眼睛的整体旋转角为θ(t)，并且激光的下一个脉冲将输送到角膜上的(x，y)位置，则脉冲输送的新位置可通过以下方程定义：

$\left(\begin{array}{c}{x}^{\′}\\ y^{\′}\end{array}\right)=\left[\begin{array}{cc}\cos \mathrm{\θ}& -\sin \mathrm{\θ}\\ \sin \mathrm{\θ}& \cos \mathrm{\θ}\end{array}\right]\left(\begin{array}{c}x\\ y\end{array}\right)$

为了跟踪患者眼睛的扭转运动，扭转跟踪器70可使用以上标识的标记64、其他高对比度虹膜斑点，或者如果患者虹膜的纹理太微小，则外科医生可以选择在眼睛上绘制人工标记72，以便跟踪。在某些实施例中算法也可确定是否需要人工标记。

可通过一个计算机处理器实时跟踪和分析患者眼睛的平移位置和扭转方向，以便x(t)、y(t)、z(t)和θ(t)信息74可用于调整定制的治疗表60，从而使得激光器12向患者眼睛输送适当的烧蚀模式76。

现在将说明实现本发明的某些示例性方法。如上所述，本发明的一个第一步骤需要将眼睛的一幅参考图像与眼睛的第二幅图像配准，其中所述参考图像是在波阵面高程图计算期间获得的，而所述第二幅图像是在输送烧蚀能量前获得。

图5至9描绘了本发明的一种方法的一个实施例的多方面内容。图5示意性地描绘了一个对准算法中的数据流动，该对准算法可以使眼睛的一幅参考图像与第二幅图像扭转配准，从而确定眼睛的两幅图像之间的扭转偏量。该方法中的初始步骤是获得第一参考图像(步骤80)。如图6A所示，在一个实施例中，第一或参考图像是患者眼睛的一幅灰度图像，它是由波阵面测量设备中的一个CCD照相机在红外线照明(λ＝940nm)下获得的。在一个测试配置中，图像为768×576象素，并且具有256个灰度级。图像包含瞳孔和虹膜。在某些图像中，部分虹膜可能被一侧或两侧眼睑遮避，或者被照相机的视场剪切。

但是应该意识到本发明可使用多种成像设备为产生不同的图像，并且可以在不同类型的照明下被照明。

在多数配置中，瞳孔边缘和遮蔽元素(例如眼睑、睫毛、强烈的阴影或高光)之间的最小距离应该足够大到使得虹膜的一部分在整个360度范围中完全暴露。虹膜的最大可能部分最好在强聚焦下，以便暴露其纹理。

一个瞳孔查找算法可用于定位瞳孔、计算瞳孔的半径以及查找瞳孔中心(步骤82)。在一个实施例中，通过阈值分析图像来定位瞳孔，阈值分析的方法是分析一幅象素值柱状图，并且在至少2000象素处于截止阈值之下后，选择柱状图中的一个第一“突降”的位置。所有阈值之下的象素被标注为“1”，而阈值之上的象素被标注为“0”。标注为“1”的象素通常对应于瞳孔、睫毛，也可能是图像的其他区域。但应该意识到，所采用的象素数目是与瞳孔的面积相关联的，并且会根据发明的应用而变化。

与其他非瞳孔区域相比，瞳孔区域的两个特征是其大尺寸和中心位置。在某些实施例中，可丢弃与图像的一个5象素宽的内部帧相交的区域，并将余下的最大的区域选为瞳孔。

如果需要可以填充选中的瞳孔区域以去除由反射等产生的任何空洞。例如，在一个实施例中，也可分析图像余下部分的凸度。如果区域面积与其凸形包壳的面积之比小于0.97，则可以向区域边界上的凸出点应用一个圆完成化程序。进行这种分析的一种方法是通过Matlab函数“imfeature(...，’CovexHull’)”。可通过一个标准加权最小二乘估计程序来估计瞳的半径和中心。如果凸度系数大于0.97，则可使用常规方法获得半径和质心，例如Matlab的“imfeature(...，‘Centroid’，‘EquivDiameter’)”函数。

在某些实施例中也可用一个虹膜查找算法来定位虹膜、计算虹膜半径和/或定位虹膜中心。由于来自成像部件11和照相机20的眼睛图像均包含瞳孔和虹膜，因此在某些实施例中通过计算瞳孔中心和虹膜中心并且表达瞳孔中心相对于虹膜中心的位置来配准图像是更精确的。虹膜中心可被描述为对应于虹膜的外边界的一个圆的中心。虹膜的中心位置可用于计算瞳孔相对于虹膜中心的偏量。

假设 是图像56中瞳孔中心的坐标(图4)。令 为图像56中的虹膜中心。令 为激光照相机图像66中的瞳孔中心。令

为激光照相机图像中的虹膜中心。即使虹膜或瞳孔不是圆形的(例如是椭圆形的)，瞳孔和虹膜也都会有一个中心。于是相对于手术的瞳孔中心的中心位置 C可定义为：

$\stackrel{\‾}{C}=-\stackrel{\‾}{X_I^{\mathrm{WS}}}+\stackrel{\‾}{X_P^{\mathrm{WS}}}-\stackrel{\‾}{X_P^{\mathrm{LASER}}}+\stackrel{\‾}{X_I^{\mathrm{LASER}}}$

图6C和6D示意性地描绘了用成像部件11和照相机20获得的简化眼睛图像，可以分别分析这两幅图像以查找瞳孔中心和虹膜中心。标记200标记了两幅图像中的虹膜中心，标记204对应于图像56中的瞳孔中心，而标记206对应于激光图像66中的瞳孔中心。如图所示，在激光图像66中，瞳孔尺寸发生了变化(如灰色轮廓所示)，并且瞳孔中心相对于虹膜中心200有移动。在某些实施例中，在激光手术过程中，测得的波阵面测量结果以及相应的烧蚀模式的中心可以以由上述方程计算出的中心位置 C为中心定位。

由于虹膜边界就对比度来说可能柔和，并且可能由于阴影或光反射而弱化，因此在眼睛的红外线图像中检测虹膜外边界可能比较困难。一种在图像I(x，y)中检测虹膜和瞳孔的方法是使以下对于虹膜半径和中心的所有可能值的积分最小：

以上方法的一种替换方法利用了以下事实：已经找到瞳孔中心(如上所述)、虹膜的可能值在一个有限的范围内以及虹膜中心通常与瞳孔中心相距不远。如图6E所示，由于瞳孔中心和虹膜中心通常相距不远，因此可通过瞳孔中心的径向导数来估计图像强度关于虹膜中心的径向导数。此外，自然存在的虹膜半径值的有限范围使得能够将可能的搜索范围限制为一个环，环中心位于瞳孔中心并且环的内半径和外半径使得虹膜边缘始终位于该范围内某处。在一个实施例中，数值搜索范围可以大致在10.5mm与14mm之间。在其他实施例中，如果需要的话，范围可以更大或更小。参见2002年7月Burns等人所著的IOVS。

例如，如图6E所示，圆208、210描绘了虹膜半径的一个可能的范围。超过特定阈值的径向导数值可被传递到加权最小二乘估计器，以便在点集合上进行最佳圆适配，如此处所述。点的初始权重与其亮度成正比。在执行足够的迭代以收敛到一个稳定解后(例如两次迭代)，算法收敛到由红圈所表示的答案。

虹膜查找算法容许由导数算子检测到的其他边缘，但是这些边缘对应于图像中的其他结构(例如LASIK角膜瓣)。如果需要缩短计算时间，则在进行导数计算之前可用一个Gaussian核对原图像进行平滑，并且进行因子为4的子抽样。

在本发明的实施例中，可以以子象素精度定位虹膜边界，但是如果图像中的阴影弱化了边界边缘的话，则得到的虹膜边界相对于其实际位置可能稍有位移。但是，误差在相对于中心的所有方向上是相当平衡的，因此最终结果很接近实际中心。

在测试的实施例中，估计第二幅图像(例如激光图像)和第一幅图像(例如波阵面图像)的图像比例为每毫米52.3象素，即每象素19.1μm。虹膜一侧的边界估计中的一个象素的误差会导致对虹膜中心的估计产生10μm误差。在假设常规眼跟踪器的当前精度(约50μm)和瞳孔中心移位范围(达1000μm)的情况下，虹膜边界中几个象素的误差仍在烧蚀中心确定的可接受精度之内。

在定位了瞳孔中心(和/或虹膜中心后)，接下来可从图像中提取虹膜环的宽度(步骤84)。虹膜可以被看作在瞳孔和虹膜的外边缘之间延伸的有弹性的一片。在不采用虹膜查找算法的实施列中，虹膜带的宽度对于深色眼睛的图像可设为76象素，对于浅色眼睛的图像可设为104象素。但应意识到可采用其他宽度估计。图6A和6B中的参考图像中的虹膜半径被估计为320象素，并且假定对所有人都大致是恒定的。

如图7A所示，通过将笛卡尔虹膜坐标转换成中心位于瞳孔的极坐标，虹膜环可被展开并分成固定数目个扇区(步骤86)。在替换实施例中，可以在不展开虹膜环的情况下分析它。但是，申请者发现通过展开并且缩放虹膜环可以通过纯平移更好地匹配不同眼睛图像之间的纹理块。例如，如图7C和7D所示，如果不展开虹膜环，则软件可能难以匹配已旋转的纹理块(图7C)，而如果展开了虹膜，则纹理块具有相同的相对形状(图7D)。

在某些实施例中，对于参考图像可以以一个象素的步长在径向对虹膜环抽样。为了降低混淆现象，也可以用σ＝1象素的Gaussian核对图像进行平滑。

可选地也可调整虹膜中的象素值的动态范围以去除由于从照明的LED光反射而引起的界外值。可对象素值柱状图设定阈值，以便所有具有高于阈值的值的象素都被赋与阈值的值。此外，可以在区域选择之前向虹膜带应用某种带宽滤波以去除照明变化假象。

在将虹膜分成扇区后，可以定位图像中的每个扇区中的一个突出区域或标记，并提取其属性(步骤88、90)。在一个实施例中，虹膜区域被分割成24个15度的扇区。但是应该意识到在其他实施例中虹膜区域可被分割成多于24个扇区或少于24个扇区。

可储存参考图像中的标记，并且随后在眼睛的第二幅图像中定位该标记，以便估计两幅图像之间的眼睛的扭转偏量。在1997年Utrecht大学Groen，E.的博士论文“关于视觉眼图的第1章”对定位标记的方法的一种实施例有更完整的说明，此处通过引用将该论文的全部发明内容包含进来。

标记应该充分明显且具有高对比度。有七种可能的选择这种点的方法。在一个实施例中，定义一个尺寸为M×M(例如对于深色眼睛为21×21，对于浅色眼睛为31×31的方形掩模。可以在24个扇区中的每一个上扫描掩模，对于每个扇区中的每个象素，根据中心位于该象素的掩模内的区域计算一个值。赋给该象素的值被确定为出现在区域中的所有空间频率的幅度之和。在一个实施例中，可通过区域的一个Fourier变换来计算幅度之和。如果需要的话，可将Fourier频谱的中央5×5部分设为零以去除DC分量。从而可定位每个扇区中的最大值，以便其对应的掩膜的边界距离虹膜图像边界至少5个象素，以避免接近瞳孔边缘以及其他边界假象，例如眼睑和睫毛。储存“取胜”的位置以及相应的块以便以后比较。

但是应该意识到，对于块/标记纹理强度的计算有其他替换方法。例如，可应用以下矩阵。如果Gx是x方向的块亮度导数，Gy是y方向的块亮度导数，则

$Z=\left[\begin{array}{cc}{\mathrm{\ΣGx}}^2& \mathrm{\ΣGxGy}\\ \mathrm{\ΣGxGy}& {\mathrm{\ΣGy}}^2\end{array}\right]$

并且令λ₁、λ₂为矩阵Z的特征值，其中λ₂是较小的那一个，则λ₂是块的纹理强度。

也可获得眼睛的第二幅图像(步骤92；图6B)。在示例性实施例中，第二幅图像是在向患者输送烧蚀能量之前用一个激光手术系统的显微镜照相机获得的。在一个配置中，激光照相机具有680×460象素的分辨率，使用256个灰度级别。激光照相机相对于来自CCD照相机的参考照相机的放大倍数为0.885。可通过一组波长为880nm的红外线LED光照明眼睛。但是应该意识到，许多其他成像设备可用于获得不同的图像类型，包括不需要放大的图像，不同分辨率的图像以及由其他光波长照明的图像。

定位第二幅图像中的扇区并且定位对应于所述参考图像中的突出区域的突出区域(步骤94；图7B)。对于第二幅图像中的每个扇区，可定位一个最佳匹配区域。可选地，也可将搜索限制在第二幅图像中的所述匹配扇区和两个相邻扇区中，以便将可能的匹配限制在15度内，这对于眼睛的环状旋转来说是合理的生物学限制。但是应该意识到在其他实施例中，限制可能匹配的范围可以大于或小于15度。

参考图像中的标记与第二幅图像中的标记之间的匹配被计算为，中心位于一个给定象素的各个对应区域的绝对误差之和(在使两个块的平均值都为0之后)。如图8A和8B所示，由于虹膜上LED反射的存在，在第二幅图像中虹膜的某些部分可能丢失其纹理。在某些实施例中，可通过与瞳孔检测相似的柱状图分析来检测这些区域95，并且将这些区域从匹配中排除。然后可将具有最小误差的点选为参考图像中的各个标记的匹配标记。

作为替换，也可以不使用绝对误差之和来匹配误差，而是计算减去均值的参考值和第二幅图像斑点的点积，其中：

$L=\underset{i}{\mathrm{\Σ}}(I_i-\stackrel{\‾}{I})(J_i-\stackrel{\‾}{J})$

其中“L”越高，标记间的匹配越好。

一旦定位了第二幅图像中的相应突出区域/标记，则计算每个标记的角偏量以估计第一、参考图像和第二幅图像之间的眼睛的总扭转角度(步骤96；图9)。

在理想情况下，每个标记的偏量应该是相等的，并且等于扭转角度。但是，有几种失真会使得估计实际扭转角度的问题更加复杂。首先，可能没有正确地估计瞳孔中心。这使得偏移角度在实际扭转角度附近作正弦分布。正弦幅度通常相当小。第二，瞳孔的实际形状通常是椭圆形的而不是圆形的。由于相对于圆形瞳孔的标记的测量方法，这可能引起一个正弦失真，其周期是瞳孔中心失真的周期的两倍。实际上，在展开虹膜后，离瞳孔中心较远的点可能间隔较近，而离瞳孔中心较近的点可能间隔较宽。最后，某些相应的标记可能做出错误匹配；可以将这些标记当作界外值。因此，为了考虑这些失真的因素，在一个实施例中，可用一个迭代加权估计以多个不同的函数适配估计出的角度，如下：

F1＝TA1

F2＝TA2+A1*sin(θ)+B1*cos(θ)

其中TA是对实际扭转角度的估计，而θ是标记的角坐标。然后应用于扭转角度数据的函数可以提供对参考图像和第二幅图像之间的扭转角度θ₀的估计。

由对准算法计算出的(由瞳孔照相机13获得的瞳孔图像56和来自成像设备20的初始视频帧66之间的)初始扭转角度θ₀可以加到以后的每一帧，以跟踪患者眼睛的扭转方向。激光图像中患者眼睛的总扭转方向θ_total(t)可以描述如下：

θ_total(t)＝θ₀+θ(t)

其中θ(t)是测得的视频流的初始帧中的眼睛和时刻t的第n帧中的眼睛之间的扭转角度。

虽然计算θ₀的对准算法不需要实时产生结果。但是跟踪眼睛的扭转转动θ(t)的一个跟踪算法应该以帧速度工作，这要求迅速、高效和精确的计算。在一个实施例中，激光手术系统的高速眼睛跟踪器(HSET)可用于跟踪瞳孔在x、y和z方向的平移。要轻松获得瞳孔的位置只需要扭转跟踪器估计瞳孔标记相对于瞳孔中心的位置。

瞳孔可能经历刚性平移(例如在x、y和z方向的移动)、旋转以及某些诸如缩放和剪切的非刚性仿射变换。虽然扭转角不受非刚性变换的影响，但是最好考虑非刚性变换，以确保帧与帧之间的精确特征匹配。在一种方法中，主要思想是给定图像I₀，时刻t＝0时一帧中的一个特征部分，以及图像I_n，时刻t＝n时帧的一部分，可确定参数A和d的最佳集合，以使得：

I_n(Ax+d)＝I₀(x)

其中A＝1+D，其中D是形变矩阵，而d是特征窗的平移。这种方法在计算机视觉文献中中有描述，例如Lucas B.D.和Kanade，T.所著的“An Iterative Image Registration Technique and Application toStereo Vision(一种迭代图像配准技术和对立体视觉的应用)”ILCAI(1981)，Shi，J.和Tomasi，C.所著的“Good Features to Track(跟踪的好特征)”IEEE计算机视觉和模式识别会议1994，以及Hager，G.D.和Toyama，K.的“X-Vision：A portable Substrate for Real-TimeVision Applications(X视觉：实时视觉应用的便携衬底)”计算机视觉和图像理解1996，此处通过引用将这些文献的全部内容包含进来。通过Newton-Raphson最小化过程确定形变和平移的参数，该过程可产生精确结果。

由于在激光眼部手术过程中发生的变换类型主要是在眼睛的光轴附近的平移(x，y，z)和扭转，因此可估计这些参数，并且随后可细化其余的缩放和剪切参数。已发现这种过程在恢复实际运动上是鲁棒的，并且避免了可能的酷似观察到的数据的额外形变。

图10示意性地描绘了在手术过程中跟踪患者眼睛的扭转转动的一种简化方法。首先，在视频流的第一帧和第n帧中定位瞳孔和虹膜(步骤100)。可以在视频流的第一帧中定位参考点，并且在第n帧中定位相应的参考点(步骤102)。然后可计算两幅图像中的参考点之间的角偏量以估计眼睛的扭转转动(步骤104)。这些步骤可对视频流的每一帧重复直到完成烧蚀程序(步骤105)。

图11是来自激光烧蚀前获得的眼睛的视频流的一个第一帧106的一个例子。已经定位了一个瞳孔108(如瞳孔周边附近的圆形轮廓110图像所示)，并且选择两个参考位置或点112、114用于扭转跟踪。一般地，参考点112、114是为对准所选择的点(如上所述)的一个子集。可通过本发明的软件根据其纹理强度以及相对于瞳孔的位置(例如8点钟位置和2点钟位置)自动选择点112、114。但是，在替换实施例中，可通过用与上述技术相同的技术独立选择与原标记分离的点112、114，或者在患者虹膜上手动选择或绘制参考点112、114。

选择跟踪点的过程可以是自动的或者由外科医生协助的。自动过程可根据相应附近区域中哪个参考块具有最佳块匹配得分并且这些块也被包括在对准角的估计中(即不是界外值)，来从瞳孔右边选择一个点以及从左边选择一个点。如果虹膜的纹理对比度很低或者没有明显的元件，则可能需要引入人工标记。这种标记可由外科医生画在眼睛上，以便算法能够跟踪其空间偏移而不是虹膜纹理斑的偏移。

一个示例性的选择算法选择不是界外值的一个块子集。从该子集中去除处于可能反射的位置区域内的块。已知所述这些位置是由激光器上的LED的特定放置引起的。可以通过第二大特征向量λ₂量化来自激光图像的其余块的纹理。选择大致位于瞳孔的相对侧的两个块，以便它们具有组中的最大λ₂。在一个实施例中，从中心位于8点钟位置附近的有效块中选出“左块”，而从中心位于2点钟位置的有效块中选出“右块”。这些块的中心坐标可用于初始化跟踪。

一旦已经在第一帧中选择了块/位置112、114，则对于视频馈给的连续的每一帧，都在虹膜的一个区域内定位这些块，其中虹膜相对于眼睛的瞳孔有相同的位置。所述区域一般限于约15度，由于眼睛一般不会旋转超过这个范围，并且在视频流的每个连续帧之间的时间内，扭转转动很可能远小于15度。正如可意识到的，在其他实施例中，如果需要，分析范围可限于更小或更大的范围。

可以优先考虑刚性变换，比较第一帧和第n帧中空间上对应的区域的仿射偏移。在一个实施例中，跟踪算法只报告水平和垂直偏移。

图12描绘了选中的块112、114的六幅图像。图像116、118是参考图象66中的块112、114的图像。块120、122是新的实时帧中的相应的块。块图像124、126是来自第一帧的匹配目标块的最佳变形块。根据块112、114的位置坐标的变化，可计算第一帧和第二帧之间的扭转角度(图13)。

现在将说明计算视频输入的图像帧中的两个选中的块图像之间的扭转角度的一种示例性方法。如果B_i是参考帧中的第i块的坐标，X是参考帧中的瞳孔中心坐标，而X_n是第n帧中的瞳孔中心坐标，则第n帧中所述块的期望坐标为：

B_in＝B_i-X+X_n

两个帧中所述块的期望瞳孔中心坐标为：

B_i＝B_i-X

如果是D_i对准两个帧之间的第i块的内容的平移向量，则新帧中正确的块位置是：

B’_i＝B_i-D_i

以瞳孔为中心的参考帧中的每个块的角位置由θ_i＝tan^-1(B_y/B_x)描述，并且第n帧和参考帧之间的总扭转角度为：

θ_n＝mean_i(θ’_i-θ_i)

其中θ’_i是第n帧中块的角位置而θ_i是参考(第一)帧中块的角位置。

应注意在图11和13中，两个帧的照明强度不同，但是本发明的算法足够鲁棒，能够克服此差异。一般地，如果可能的，最好能够在照相机敏感度范围内保持背景照明的相同强度和源，以便实现精确跟踪。通常，激光眼部手术过程中的状态属于此范畴内，帧与帧之间变化很少。

正如上文所注意到的，所述实施例中跟踪算法的一部分是估计一个给定块或标记的运动参数的。如果I是原始帧中的块而J是随后的一个帧中空间上对应的块，令x为这些块中的象素坐标。为了估计仿射变换矩阵A和平移向量D，可最小化以下方程：

$O(A,D)=\underset{x}{\mathrm{\Σ}}{(I(\mathrm{Ax}+D)-J\left(x\right))}^2$

矩阵A可分解为一个旋转分量和一个缩放/剪切分量，如下：

$A=\left[\begin{array}{cc}0& \mathrm{\α}\\ -\mathrm{\α}& 0\end{array}\right]+\left[\begin{array}{cc}\mathrm{sx}& \mathrm{\γ}\\ 0& \mathrm{sy}\end{array}\right]$

通过估计矩阵A的旋转分量和平移向量D，参数数目可从6减少到3。此方法将几个可能的解澄清为只具有刚性运动的那一个。虽然由于瞳孔尺寸变化可能发生缩放和剪切，但是它们对于运动的贡献应该很小。

一个计算刚性运动参数的线性系统为：

$\underset{x}{\mathrm{\Σ}}\left[\begin{array}{ccc}\mathrm{GxGx}& \mathrm{GxGy}& \mathrm{GxGr}\\ \mathrm{GyGx}& \mathrm{GyGy}& \mathrm{GyGr}\\ \mathrm{GrGx}& \mathrm{GrGy}& \mathrm{GrGr}\end{array}\right]*\left[\begin{array}{c}D\\ \mathrm{\α}\end{array}\right]=\underset{x}{\mathrm{\Σ}}\left[\begin{array}{cc}\mathrm{Ho}& \mathrm{Gx}\\ \mathrm{Ho}& \mathrm{Gy}\\ \mathrm{Ho}& \mathrm{Gr}\end{array}\right]$

其中

$\mathrm{Gx}\left(x\right)=\frac{\∂}{\∂x}I\left(x\right)*w\left(x\right)$

$\mathrm{Gy}\left(x\right)=\frac{\∂}{\∂y}I\left(x\right)*w\left(x\right)$

$\mathrm{Gr}\left(x\right)=(y\frac{\∂}{\∂x}I\left(x\right)-x\frac{\∂}{\∂y}I\left(x\right))*w\left(x\right)$

Gx(x)＝(I(x)-J(x))*w(x)

其中w(x)是一个可选的加权函数。由于以上方程是近似的，因此可用迭代Newton-Raphson最小化来求解系统。

实验配准结果：

用Matlab软件获得了对准算法的实验结果，该对准算法将患者眼睛的参考图像与患者眼睛的第二幅图像配准。适配精度由几个因素决定：(1)适配中使用的点数(至少必须使用一半(12个)参考点)，以及(2)适配的RMS误差(1度是允许的最高RMS误差)；以及(3)采用对匹配参考点的视觉检查以及用量角器获得的测量结果来确认估计。原始的实验组是在激光照相机放大因子为0.885的情况下进行的。所有深色眼睛的图像至少通过一种方法给出了对扭转角度的精确预测。但是，在该放大因子下浅色眼睛没有足够的纹理以便能够具有可靠的扭转角度估计。

在一个第二硬件配置中，调整激光照相机的放大因子以匹配波阵面测量设备的成像设备，从而消除缩放问题。此外，随着激光器的分辨率由于较大的放大因子而增大，在浅色虹膜上更多细节变得可见。

用VISX WaveScan^Tm照相机的一个CCD拍摄了16只眼睛(来自6个人)，分别在对象处于就坐位置时用激光器的照相机以及在对象躺在手术椅上时。估计了同一对象的同一眼睛的两幅照片之间的扭转角度。图14是对两个不同的深色虹膜眼睛的扭转角度估计。图15是对两个不同的浅色虹膜的扭转角度估计。

图14中的估计都处于距彼此1/2度的范围，并且提供最佳适配的是使用了17个点并且RMS＝0.21的正弦适配。在图15中估计没有那么相似，但是最佳估计仍是一个捕捉了正确匹配点的使用了13点且RMS＝0.18的正弦估计。

没有明确求出线适配标准，因为它可以被视为一个零幅度的正弦适配。这只是在正弦适配中具有3个参数(均值、幅度和相位)而在线适配有一个参数(均值)的结果。因此，任何线适配质量都会比正弦估计的差，即使它捕捉到了数据的性质。正如先前提到的，扭转角度的线适配估计通常接近由正弦或者可能的双正弦适配报告的值。图16A和16B总结了算法处理的数据集合的结果。

虽然不要求，但是最好在用成像设备13捕捉参考图像时考虑以下几点。首先，虹膜的大部分应该是可见的，从而使得虹膜环的最小宽度大于80象素。第二，应该调整照相机的焦点以便虹膜的大部分位于焦点内，从而提供可能的最高的虹膜环纹理分辨率。可获得几幅图像以确保良好的质量。第三，应该丢弃虹膜上具有强阴影和反射的图像，以避免强错误标记。最后，图像应该保存到一个BMP或TIF类型的文件中。可选地，图像名称也可包含对象的唯一名称、眼睛的左或右指示符或者提供它们(例如激光图像或波阵面图像)的设备的ID。

在捕捉激光图像时应该考虑相同的参考点。同样地，获得波阵面图像时的照明应该与用激光照相机获得图像时的相同。申请人发现深色眼睛在红色线照明下具有更丰富的纹理，而浅色眼睛在可见光下有更丰富的纹理。弹性梳状韧带(前层)的条纹状的小梁网状结构在可见光下产生了占优势的纹理。对于近红外线光，较深较慢调制的基质特征主导了虹膜模式。例如可参见Daugman，J.所著的“Highconfidence visual recognition of persons by a test of statisticalindependence(通过统计独立的测试进行的高可信的人类视觉识别)”IEEE模式分析和机器智能学报，卷15(11)，1148-1161页(1993)。

图像质量也可能由于LED反射而恶化。但是，由于需要照明，因此可能无法避免在虹膜上具有几个LED反射。这些特征可由上述算法处理。但是这些反射可严重恶化图像质量。如图17A所示，阴影使得不可能辨别虹膜右侧的任何纹理。因此，如图17B所示，由于RMS因子较大(即大于1)而丢弃了从图17中的图像获得的对准数据。因此，本发明的对准算法具有自动丢弃不良数据的适配检查的内在质量。

为了使对准系统在实际手术条件下工作，对于由切割和翻开LASIK角膜瓣、角膜的干燥表面和其他因素引起的噪声和失真，系统应该是鲁棒的。为了实现此鲁棒性，可向对准算法添加三个附加步骤。一个第一步骤是将LASIK角膜瓣的期望位置标记为无效区域，防止算法在虹膜的该区域中选择参考块。一个第二步骤是向展开后的虹膜图像应用带通滤波。卷积核被设为标准偏差等于3和12象素的2维Gaussian分布的差。一个第三步骤是引入双向对准，其中从波阵面设备到激光器以及从激光器到波阵面设备选择和匹配块。这实质上使用于正弦适配的数据点数目变为原来的两倍。

匹配中的另一个差异被实现为LASIK过程的特殊情况。对于块匹配不采用LSE度量，而用一个归一化后的相关来作为匹配标准。如果角膜瓣翻开的眼睛的波阵面图像和激光图像的对比度级别不同，则发现此方法更适当。

实验性扭转跟踪结果

为了测试扭转跟踪算法，在七次测试中运行了该算法。使用本发明的跟踪患者眼睛扭转运动的方法和软件的第一组结果涉及人工旋转来自激光手术系统的照相机20的视频帧的图像。对于随后的每一帧图像在逆时针方向旋转1度。通过扭转跟踪算法总共分析了15个旋转后的帧。初始帧和最终帧分别如图18A和18B所示。扭转跟踪算法的应用对于每一帧精确到与其实际值相差0.2度以内的精度。

第二组结果来自捕捉了眼睛的25秒实际视频的一个500帧序列。在视频处理中跟踪了几个变量：瞳孔中心位置、瞳孔半径、扭转角度以及对每一帧跟踪的两个块的误差估计。另外也从视觉上检查该序列以确认黑匹配以及整个眼睛扭转。第0帧(图19A)被用作一个参考，其中两个31×31象素的块被标记以便跟踪。最后一帧显示了在适当位置的相同的块(图19B)。图20-23显示了从视频序列提取的数据。图20显示了随时间的瞳孔位置。图21显示了从帧0至500瞳孔半径的变化。图22描绘了每帧/块的误差。图23显示了标记的扭转角度(相对于视频的第一帧)。

测试了算法以查看块选择和跟踪初始化之间的延迟效果。这是通过跳过视频序列的前344帧来实现的。图24描绘了从第345帧开始的30帧序列的跟踪结果。数据显示算法跳到正确的位置，并且正确地跟踪了整个视频序列中的块，其精度与原扭转数据相比在1/4度范围内。通常需要跳过多个视频帧以便为扭转角度算法提供建立参考图像和第二幅图像(例如视频序列的第一帧)之间的扭转角度的时间。

第三组数据是通过将帧速率降低为原来的一半获得的。图25显示了从较慢获取的序列中提取的扭转数据。这样的数据仍与从图23中所示的正常帧速率序列中提取的测量结果相匹配。

为了同时测试扭转对准(即使参考图像与视频流的第一幅图像配准)和扭转跟踪的精确度，以及算法自动选择参考图像中的纹理块来跟踪的能力，进行了以下测试。在激光下用扭转照相机捕捉了一个几百帧的视频序列。在视频序列采集之前的几秒，通过激光照相机获得眼睛的一个快照。从波阵面测量照相机获得的虹膜图像与快照图像和视频序列的第一帧对准和配准。用“正弦方法”得到的虹膜的波阵面测量位置和视频序列的第一幅图像之间的对准结果是逆时针0.04度(图26A)。对快照图像的对准是顺时针0.80度(图26B)。

用两幅图像(快照和波阵面图像)作为参考进行扭转跟踪算法。图27A和27B中描绘了对相对于参考图像的扭转眼运动的测量结果。参考视频序列的第一幅图像估计的扭转角度(图27A)与参考快照估计得的很接近(图27B)，只不过大概有逆时针0.5度的恒定偏量。相对于波阵面图像的总旋转角按以下方程计算：

θ_total(t)＝Tracking[(reference image，video](t)+Alignment[Wavefront reference image]

因此，对于上例，θ_{first video image}-0.04＝θ_snapshot+0.80，其中对准角度的符号表示方法为顺时针为正。两个估计之间的差异如图28所示。

从数据中可估计差异的均值μ＝0.4度，标准偏差σ＝0.12度。每一的视频帧的误差值的大小都小于1度。均值显示了总对准角度的差异，并且其值小于1度，1度是此示例性实施例的指定容差。但是应该意识到其他实施例的容差可以大于1度或小于1度。

标准偏差显示跟踪来自不同图像不同纹理斑对于总的扭转角度估计的影响很小。图29A和29B显示了两个不同的扭转角度估计，它们包括了与波阵面测量图像对准。两个估计的参考帧为顺时针0.41度134(图29A)和顺时针1.17度136(图29A)。估计之间的误差在图29B中显示为帧号的函数。与先前的测试一样，对于任何帧误差都不超过1度。

应该意识到对于具有本领域普通技术的人上述对准和跟踪算法仅是某些算法的例子，这些算法可用于对准眼睛的图像并且跟踪患者眼睛的扭转转动，并且可以在不背离本发明的精神的情况下使用了采用不同方法的其他算法。

虽然以上全部是对本发明的首选实施例的完整说明，但也可以采用多种替换、修改和等价。例如，虽然上述说明是在激光眼部手术的背景下说明的，但是上述概念在用于标识系统的眼睛位置和方向跟踪中也可能有用。虽然为了清楚理解已经详细说明了上述发明，但是显然也可在附录的权利要求书的范围内进行一定的修改。

Claims (50)

1.一种使眼睛的第一幅图像与眼睛的第二幅图像配准的方法，其中第一幅图像和第二幅图像包含瞳孔和虹膜的至少一部分，所述方法包括：

在第一幅图像中的眼睛的虹膜上选择至少一个标记；

定位第二幅图像中的虹膜上的一个相应的标记；

通过基本匹配第一和第二幅图像中的一个公共参考点以及匹配第一眼睛图像的虹膜上的标记和第二眼睛图像的虹膜上的标记，来配准眼睛的第一幅图像和眼睛的第二幅图像；以及

使一个激光治疗与所述眼睛的第二幅图像中心定位及扭转对准。

2.权利要求1所述的方法，其中所述的公共参考点是一个瞳孔中心。

3.权利要求1所述的方法，其中通过瞳孔中心和虹膜中心的一个函数来定义公共参考点。

4.权利要求1所述的方法，进一步包括定位一个瞳孔中心、一个虹膜中心以及一个虹膜边界，其中选择至少一个标记包括找出所述标记相对于虹膜中心和瞳孔中心中至少一个的位置。

5.权利要求1所述的方法，包括平滑第一幅图像和第二幅图像中的至少一个。

6.权利要求1所述的方法，包括展开第一幅图像和第二幅图像中的虹膜。

7.权利要求6所述的方法，其中所述展开包括从笛卡尔坐标转换到极坐标。

8.权利要求6所述的方法，包括将展开后的虹膜分割成多个扇区。

9.权利要求8所述的方法，其中分割包括产生24个扇区，其中每个扇区覆盖15度。

10.权利要求8所述的方法，其中所述多个扇区包括24个或更多个扇区。

11.权利要求8所述的方法，其中所述多个扇区包括24个或更少个扇区。

12.权利要求8所述的方法，其中所述标记是高对比度虹膜斑，其中所述选择包括在每个扇区内定位多个所述高对比度虹膜斑。

13.权利要求12所述的方法，包括从每个高对比度虹膜斑中提取属性。

14.权利要求1所述的方法，其中在第二幅图像中定位标记包括将搜索范围限制为距离眼睛的第一幅图像中的该标记的位置15度或更少。

15.权利要求1所述的方法，其中所述选择包括在眼睛的第一幅图像上绘制人工标记。

16.权利要求1所述的方法，包括用一个第一照相机获得第一幅图像以及用一个第二照相机获得第二幅图像。

17.权利要求1所述的方法，其中第二幅图像是来自一个视频流的一帧。

18.权利要求1所述的方法，包括估计第一幅图像和第二幅图像中的标记之间的扭转角度偏移量。

19.权利要求18所述的方法，其中估计扭转角度偏移量包括校正椭圆形的瞳孔。

20.权利要求18所述的方法，其中估计扭转角度偏移量包括用一个迭代加权函数适配估计得到的扭转旋转，以校正正弦失真。

21.权利要求1所述的方法，其中所述选择包括在虹膜上定位多个标记。

22.一种在激光眼部手术过程中跟踪一只眼睛的扭转方向的方法，所述方法包括：

在眼睛的第一幅图像中定位一个参考点；

在眼睛的所述第一幅图像中识别至少一个标记；

在眼睛的第二幅图像中定位所述参考点，其中眼睛的第二幅图像是在眼睛与一束激光束对准时获得的；

在眼睛的第二幅图像中识别一个相应的标记；

通过比较第一幅图像和第二幅图像中的所述至少一个标记相对于所述参考点的方向来估计第一幅图像和第二幅图像之间的眼睛的环状扭转转动；以及

使一个激光治疗与眼睛的第二幅图像对准。

23.权利要求22所述的方法包括：

在眼睛的第N幅图像中定位所述参考点；

在眼睛的第N幅图像中识别所述相应的标记；以及

通过比较第N和第N-1幅图像中所述标记相对于所述参考点的方向来估计第N-1幅图像和第N幅图像之间的眼睛的环状扭转转动。

24.权利要求23所述的方法，其中第N和第N-1幅图像是来自一个视频流的图像。

25.权利要求22所述的方法，包括将用于在第二幅图像中识别所述至少一个标记的搜索限制为距离第一幅图像中的该标记的扭转方向一个预定的范围内。

26.权利要求25所述的方法，其中所述的预定范围为约15度。

27.权利要求22所述的方法，其中在眼睛的第一幅图像中定位至少一个标记包括在虹膜中找出一个高对比度斑点。

28.权利要求22所述的方法，其中在眼睛的第一幅图像中定位至少一个标记包括在眼睛上放置一个人工标记。

29.权利要求21所述的方法，其中识别所述的至少一个标记包括在第一幅图像和第二幅图像中定位多个标记，其中估计环状扭转转动包括对第一幅图像中的多个标记与第二幅图像中的相应多个标记的角偏量取平均值。

30.权利要求22所述的方法，包括调整一个激光治疗的传输以补偿眼睛的环状扭转转动。

31.权利要求22所述的方法，其中所述的公共参考点包括一个瞳孔中心和一个虹膜中心中的至少一个。

32.一种进行激光眼睛手术的方法，所述方法包括：

测量眼睛的一个波阵面测量；

在波阵面测量过程中获得眼睛的第一幅图像；

根据波阵面测量生成眼睛的一个激光治疗；

把一束激光束的光轴下的眼睛的第二幅图像与第一幅图像配准；

把激光治疗中心定位于在激光束的光轴下的眼睛；

在激光治疗过程中监控眼睛相对于激光束的位置和扭转方向；以及

调整激光治疗的传输以补偿眼睛的位置和扭转方向的变化。

33.权利要求32所述的方法，其中所述配准包括使第一幅图像中的多个标记与第二幅图像中的相应多个标记匹配，其中所述监控包括跟踪所述多个标记相应于一个公共参考点的位置和方向。

34.权利要求33所述的方法，其中所述参考点是一个瞳孔中心。

35.权利要求33所述的方法，其中所述参考点是由瞳孔中心和虹膜中心的一个函数定义的。

36.权利要求33所述的方法，其中所述多个标记位于眼睛的虹膜中。

37.权利要求33所述的方法，其中所述配准包括在第一和第二幅图像中定位虹膜中心和瞳孔中心中的至少一个。

38.一种激光手术系统，包括：

一个计算机处理器，该计算机处理器被配置为接收眼睛的第一幅图像以及一个波阵面测量和眼睛的一个烧蚀模式中的至少一个；

一个连接到所述的计算机处理器的眼睛跟踪器，跟踪一束激光束的光轴下的眼睛的位置；以及

一个连接到所述的计算机处理器的扭转跟踪器，跟踪眼睛的扭转方向，

其中所述的计算机处理器被配置为根据眼睛的位置和/或扭转方向的变化调整烧蚀模式的输送。

39.权利要求38所述的系统，其中眼睛的第一幅图像是在波阵面测量过程中获得的，其中所述计算机处理器被配置为使第一幅图像与激光束的光轴下的眼睛的一幅实时图像配准。

40.权利要求38所述的系统包括一个激光器，该激光器连接到计算机处理器并且被配置为向眼睛输送所述烧蚀模式。

41.权利要求38所述的系统包括一个获得波阵面测量的波阵面测量设备。

42.权利要求41所述的系统，其中所述的波阵面测量设备包括一个获得眼睛的第一幅图像的成像部件。

43.权利要求38所述的系统，进一步包括一个成像部件，该成像部件连接到扭转跟踪器，其获得一束激光束的光轴下的眼睛的一幅图像。

44.一种将眼睛的第一幅图像与眼睛的第二幅图像配准的系统，所述系统包括：

一个计算机处理器，该计算机处理器被配置为接收眼睛的第一幅图像；

一个连接到计算机处理器的成像设备，能获得眼睛的第二幅图像；

其中计算机处理器被配置为在眼睛的第一和第二幅图像中定位一个公共参考点，以及在第一幅图像中定位至少一个标记并且在第二幅图像中找到一个相应的标记，其中所述的计算机处理器通过基本匹配第一和第二幅图像的参考点和所述标记来配准第一和第二幅图像。

45.权利要求44所述的系统，其中所述参考点包括瞳孔中心和虹膜中心中的至少一个。

46.权利要求44所述的系统，包括一个获得眼睛的波阵面测量的波阵面测量设备，其中波阵面测量设备包括一个成像部件，该成像部件在获得波阵面测量的过程中获得眼睛的第一幅图像。

47.权利要求44所述的系统包括一个激光器部件，该激光器部件连接到计算机处理器，用于向眼睛输送一个激光束治疗。

48.权利要求44所述的系统，其中所述成像部件被放置为当眼睛位于激光束的光轴上时对眼睛成像。

49.权利要求44所述的系统，其中计算机处理器被配置为估计第一幅图像和第二幅图像之间眼睛的环状旋转。

50.一种使眼睛的第一幅图像与眼睛的第二幅图像配准的系统，所述系统包括：

获得第一幅图像的装置；

获得眼睛的第二幅图像的装置，其中第一幅图像和第二幅图像包含瞳孔和虹膜的至少一部分；

在第一幅图像中的眼睛的虹膜上选择至少一个标记的装置；

在第二幅图像中的虹膜上定位所述至少一个标记的装置；以及

基本匹配第一和第二幅图像中的一个公共参考点并且估计第一眼睛的虹膜中的所述标记与第二眼睛的虹膜中的所述标记之间的扭转转动的装置。

Images