激光与生物组织的光热关系一直以来都是生物医学光子学的重要的研究内容。现如今光热疗法临床医学的应用是利用激光和生物组织彼此间作用而形成的光热效应,让病变组织凝固坏死。然而不管组织病变与否,当加热的温度大于一定有效范围并持续一段时间后,组织体都会发生损伤。光学相干层析成像（Optical Coherence Tomography,OCT）是一种非接触、非侵入且具有微米级分辨率的医学成像技术,可以实现组织内部结构的高分辨率成像。而近年来,基于深度学习的人工智能算法又不断地得以突破,快速推动着智慧医疗的发展。通过构建基于深度学习的分割算法可以完成损伤组织图像中损伤位置的快速分割,辅助医生诊疗。因此,运用深度学习的方法,通过训练来学习组织损伤的特征,分割出损伤OCT图像的损伤范围,这在辅助医生诊疗方面具有重要的应用前景。本文为了形成不同的光热损伤,设计了基于红外热成像仪以及PID控制原理的光热治疗系统。系统主要是由红外热像仪、激光器以及Lab VIEW控制模块构成。红外热成像仪实时无损监测组织损伤部位温度,并通过PID算法对激光功率进行调节以保持期望温度,最后通过Lab VIEW来编写软件程序,对仪器进行控制并在计算机的屏幕上虚拟出仪器的面板及相应的功能,实时显示被测组织的温度状况和激光器功率。本文的图像使用了光学相干断层扫描技术（OCT）来获取组织损伤的高分辨率图像。并且使用Amira软件对组织损伤OCT图像进行三维重建研究,通过三维空间结构图和二维结构图以直观地研究损伤的特性,并标记出损伤位置。在获取相应的图像之后,将组织光热损伤的直径大小和损伤深度记录下来,后面将用来进行损伤深度大小的预测。为了完成损伤的分割与深度预测,本文使用了基于卷积神经网络的损伤分割方法,通过对数据的训练与学习,分割出组织的外部损伤范围,同时为了弥补内部损伤都边界无法确定问题,通过深度学习回归模型根据损伤的直径进行预测损伤的深度。最终通过外损伤的分割与深度的预测来确定损伤的范围。