谱域光学相干层析技术（SDOCT）是一种提供高分辨率和大成像深度的光学断层成像技术。SDOCT以光学相干层析技术（OCT）为基础,相比于时域光学相干层析技术（TDOCT）,SDOCT具有更高的成像速度和灵敏度,因此能够更广泛地应用于眼科成像领域,同时在其它医疗领域的人体组织成像方向具有良好的应用前景。但轴向分辨率随成像深度增加而减小、光路结构不稳定而引起失真等问题仍然限制着SDOCT技术在眼科成像领域的应用。同时复杂的光学系统使得SDOCT设备往往具有较大的体积,这限制了SDOCT设备的应用环境。另外,目前并没有一种智能化诊断算法能够实现辅助诊疗,大大降低了诊疗的效率,同时有可能出现主观原因导致的漏诊和误诊情况。针对SDOCT设备目前存在的一系列问题,本文围绕智能化SDOCT系统的关键技术,进行了系统研制和智能诊断算法等几个方面的研究,主要研究内容包括以下三项:1.本文利用Zemax光学仿真软件设计并仿真了智能化SDOCT系统的核心光学部分,主要包括样品臂和光谱仪的结构。样品臂结构中利用二维扫描振镜进行样品扫描,通过调整扫描角度实现8mm×8mm的扫描范围。光谱仪结构中,利用光栅分光,通过四片消色差透镜消除色差带来的问题,利用CCD相机成像,并通过仿真结果说明了该结构具有较好的成像能力,验证了系统光路结构的合理性。2.本文设计并研制了一台小型智能化SDOCT的原理样机,主要包括干涉仪和光谱仪的结构,成像深度为2.7mm,轴向分辨率和横向分辨率分别为5μm和14.5μm,满足眼科成像需要。扫描速率达到12.5k Hz,扫描范围为8mm×8mm。在光源模块中,为保证激光器模块长时间的稳定工作,研制了一个激光器的温控电路,利用PID算法,对整个光源进行温度控制,使激光器长时间保持25℃的工作温度,精度为±0.1℃。设计实验分别采集了洋葱组织OCT图像和人手部甲沟处组织OCT图像,实现了良好的成像能力。3.本文利用Wide-ECANet深度学习网络模型设计了一套眼科疾病智能诊断算法,对老年性黄斑病变（AMD）、糖尿病性黄斑水肿（DME）、早期老年黄斑变性玻璃疣变化（DRUSEN）、近视性脉络膜新生血管（CNV）等眼科疾病进行诊断筛查,分别从准确率、诊断速度、灵敏度等不同角度对模型进行优化。利用两个数据量不同的权威眼科OCT图像数据集对模型进行训练,分别利用现阶段先进的深度学习网络（SOTA）、其它通道注意力机制神经网络和权威医师的诊断结果作为对比实验,验证网络的先进程度。实验结果表明Wide-ECANet网络在两个数据集上的诊断准确率分别为1.0和0.985,具有较高水准。与其它深度学习网络相比,本网络的性能更加出色,能够达到权威医师的诊断水平,同时具有较快诊断速度。此外,本网络还能有效缓解不同病症在诊断时出现的混淆问题。