上一次的课件中，讲到了角膜成像技术的沿革之路，以及我们为什么需要眼前节的分析诊断系统？今天就来继续学习Sirius在临床当中的应用。
（接上节内容）
因为时间的原因，我今天只是简单介绍Sirius在角膜屈光手术中的应用。
在角膜屈光手术中的应用包括：
1、眼前节参数的提供；2、圆锥角膜筛查；3、手术疗效评估；4、个性化手术方案设计；
首先，我们要获得一张高质量的角膜图像，必须做到以下几点：熟练的操作者；
恒定的室内照明条件；
足够的休息时间；
停戴足够时间的隐形眼镜；
避免表麻、散瞳拍摄；
连续拍照 3 次以上，观察重复性；
患者的头位与眼位；
泪膜覆盖的状况；
拍摄过程中能够实时监控眼球的眼位，避免移动导致的误差，这一点是其他眼前节不具备的。
拍摄结束之后，还要有图像质量评估：
建议标准：
Scheimpflug images Coverage （图像覆盖范围） ＞90%
Keratoscopy Centration（角膜镜共轴性）＞90%
Keratoscopy Coverage（角膜镜覆盖范围）＞80%
有些品牌的眼前节有图像质量监控，但是不具备同轴性检测，以及泪膜在检测过程中的覆盖情况。
参数提供：屈光四图
分别为角膜厚度、角膜前表面切线曲率、前表面高度、后表面高度
尊重不同的医生读图习惯，有不同的色阶显示方式；
具体可以查看幻灯片下方的图像色阶设置，不同的显示方式，有不同的色阶。获取的图像色彩也会发生变化。
Spherical（球面拟合）
Aspherical（非球面拟合）
Asphero-toric（非球面、复曲面拟合）
三种球面拟合方式
普通球面、大散光的球面、不规则的球面，分别用不同方式的球面拟合方式，以真实再现角膜的高度状态。
这是同一个角膜，采用不同的拟合方式之后，得到的细微差别的显示效果。
我们还要知道，角膜表面的一些小图标分别表示的是什么数据所在的位置。
当然不能忘了3D效果显示角膜地形功能。
这是一些具体的数值：
可以分别用“极坐标”与“十字坐标”显示某一点数据所在的位置。
Horizontal Visible Iris Diameter （HVID）：
水平可见虹膜直径——白对白；
Pupil（Topographic）：
瞳孔中心的十字坐标、极坐标、瞳孔直径；
Thinnest Location：
角膜最薄点的十字坐标、极坐标、最薄点厚度；
Apex：
曲率最高点的十字坐标、极坐标、厚度最大值、曲率半径；
Anterior chamber：
前房数据（深度、体积、房角宽度、角对角水平前房直径）；
Corneal volume：
角膜体积；
上述数据，可以根据不同的专业需要，医生们各取所需。
纵向球面像差、高斯厚度图、以及不同直径的角膜波前像差数据。
有了以上的参数之后，我们进入下一个主要的功能介绍：角膜屈光手术前的圆锥角膜筛查功能。
众所周知，“圆锥角膜”是近视角膜屈光手术的禁忌症，典型圆锥角膜的术前排查并不困难，而一些“亚临床期圆锥角膜”如何被及时发现，是保障手术安全的关键所在。屈光手术医生采用各类角膜地形图来做屈光手术前患者的筛查，我们一致的意见是：对于那些有可能发生术后角膜膨隆，进而造成最佳视力丢失的高风险患者避免做角膜激光手术，强调要在手术前获得“正常”的角膜图像。但是无法做到一致的是：不同医生凭借不同的设备与经验，各自心目中都有不同的阳性体征筛查标准，这样会出现一种比较奇怪的现象，同一个患者，通过这位医生检查可以手术，另外一家医院的医生检查之后却认为手术有风险，出现这种情况的原因是医生们对角膜图像判读存在一定的差异与误解。
近视手术看似简单，其实未必。患者术前筛查的问题无疑是复杂的，甚至会超过手术过程，需要手术医生进行全方位的权衡。值得注意的是，地形图图像只能告诉我们角膜形态是否“正常”，还是符合圆锥角膜的某一项或多项体征，但是决不能预测未来发生“角膜圆锥”的风险。当我们发现一个“难看”的图像，总在一个问题上纠结：“这个患者是否有圆锥角膜或者有趋势？”与其在这个问题上徘徊，不如更加实际的考虑：“这个患者是否能够安全地接受激光手术？而不会因为术后角膜不稳定和不规则引起最佳矫正视力的下降？”
我们来看看圆锥角膜的高危人群：
年龄＜20岁；
散光＞3.0D；
中央角膜厚度＜500μm；
进行性散光；
增长过快的近视；
配镜最佳矫正视力不佳；
家族史；
相关疾病史：
过敏性结膜炎、春季卡他性结膜炎、
Down氏综合征、Mafan氏综合征等；
过去20年里，通过计算机图像，圆锥角膜的检出率有了很大提高，使得圆锥角膜的发病率与患病率的流行病学调查受到了影响。
当前报道，圆锥角膜的患病率在一般人群中为每100000人中50--203人不等。尽管存在变异，圆锥角膜的发病率大约是每100000人中50人。差异主要是由于确定诊断的标准不同造成的。通常男女受累概率相等，也有报道女性受累几率稍高于男性。
圆锥角膜通常发生于青春期，经历不同的进展直到30岁左右，然而许多人在疾病早期仅仅是发生屈光不正，在缺少其他症状与体征的情况下，圆锥角膜的诊断往往被延误，直到二三十岁时，出现最佳矫正视力下降，体检时发现角膜改变需要进一步检查时才发现。通常疾病进展缓慢并不影响疾病的诊断，只有不到10%的病人在40岁以后才被诊断，而且该病在40岁以后发展将更加缓慢。
亚临床期圆锥角膜的一些可疑体征：
局部区域陡峭，局限性膨隆；
圆锥的顶点偏离视轴中心（下方或颞下方）；
角膜中央屈光力＞47.5D；
前、后表面相对高度异常：
前表面＞10 μm；
后表面＞18μm；
单眼曲率对称性下降： I-S值； 曲率对称性指数；
双眼对称性下降：
双眼散光轴不对称；
双眼中央屈光力差值＞2.0D；
双眼厚度最薄点差值＞15～20 μm;
我们来看看Sirius是否能够为我们提供上述数据。
前表面切向曲率图：
角膜曲率超过≥47.5D，为“非正常曲率”，或者高度角膜散光，需要警惕；
前、后表面曲率半径的比值≥1.2，警惕圆锥角膜；
从切向曲率获取的警示信号；
前表面高度差异△Z值：
如果△Z < +10 μm为正常；如果△Z > +10 μm，需警惕前表面圆锥角膜；
是否存在单纯的前表面圆锥？
是否存在单纯的前表面圆锥？一般情况下，不存在单纯的前表面圆锥，往往是受到长期配戴隐形眼镜、干眼症、慢性炎症等等导致的假性前表面圆锥角膜。
因为圆锥角膜几乎都是从后面开始，而极少出现仅仅是前表面圆锥角膜，而后表面一切正常的情况。
后表面高度差异△Z值：
如果△Z < +18 μm为正常，如果△Z > +18 μm需要警惕后表面圆锥；
后表面最佳拟合球面屈光力≥52D，警惕后表面膨隆；
这里需要注意的是：可能基于参考球面的高度数据，显示角膜的高度并无异常，但是其参考球面的屈光力如果已经在50D以上，也要考虑后表面前凸的风险。
角膜厚度图：
当角膜最薄点低于480μm，偏离光学中心≥1mm时，警惕圆锥角膜；
中央7mm范围内，角膜最厚与最薄点的差值≥80μm时，警惕圆锥角膜；
近年来，角膜生物力学的变化开始被人们所理解。最重要的概念是角膜强度维持着整体角膜的形状。因此目前使用最多的参数是角膜的厚度，实际上是一个非常粗略的近似角膜强度的参数，因为隐含着一个假设，也就是假设单位角膜厚度的强度，对所有人都是相同的，这实际上是不准确的。遗传性的圆锥角膜和非遗传性的圆锥角膜之间，一个关键性的区别就是前者的角膜单位厚度的强度比正常人明显减弱，有些厚度很薄的患者，其角膜强度高于或等于正常人群，也不会导致圆锥角膜的发生。
一般情况下，一个有经验的屈光手术医生，基本可以从上述屈光四图中，获取足够的临床资料，来判断该患者是否具有发生圆锥角膜的风险。
但是，有时候，手术医生很忙，有些经常出现在手术台上，那么你的患者很多需要你手下的验光师、护士来帮你把控圆锥角膜的筛查。
Sirius采用的是的圆锥角膜class智能分级筛查，以及summry筛查软件，而Pentacam则是采用Belin软件分析，可以说各有其优点。Pentacam筛查的方式是将角膜厚度地形图数据与标准的角膜厚度参考平面数据进行比对，通过将已知的数据从原始数据中抽取出来，圆锥角膜患者的角膜厚度变化与形态异常就可以被突出显示出来。其中，经常使用的角膜平面是角膜最佳拟合球面，数据库来自于Dr.Amsler和Dr.Muckenhirn的统计分析，其最新产品又增加了亚洲人的一组数据库。Belin和Ambrosio建议在排除了所有可能发生角膜圆锥或角膜膨隆的区域以后，根据患者个人角膜地形图建立一个增强型参考平面，然后将该患者的角膜真实数据与此增强型参考平面进行比对，产生的差异数据形成图形并进行分析，这就是Pentacam里面的“Belin分析软件”。近期，欧科路公司已经为Pentacam更新了Belin/Ambrosio III早期圆锥角膜筛查软件。
Sirius的检查结束之后，首先是其圆锥角膜Class智能分级软件自动分析，并将结果划分以下几档：
1、Normal：正常；
2、Suspect Keratoconus：疑似圆锥角膜，并用黄色进行提示；
3、Keratoconus：圆锥角膜，并用红色进行警告；
4、Abnoraml or Treated：不正常或曾经治疗过的角膜，用蓝色提示。
采用支持向量机（SVM）分类器，用于分析角膜测量和将参与的4组人群的眼睛进行分类。分类者考虑分别按照角膜前后表面的指标或只考虑角膜前表面的的指标来进行计算。
主要观察指标：对称性指数，角膜前、后表面曲率，角膜前表面最佳拟合半径，Baiocchi Calossi Versaci 前指数（BCVf）和BCV 后指数（BCVb），角膜前后表面高阶像差的均方根，角膜最薄点进行了分析。对分类方法的诊断能力进行评估。
机器学习分类器的目的是定义样本的数据属于哪个分类的。SVM是一种管理学习技术，可以用来模式分类。SVM的主要目的是构建，通过一个训练集合，一个优化的超平面作为决策面，通过这种方式分别属于不同分类的两个距离最近的点之间的区分边界范围最大（一个n维空间里的超平面是模拟三维空间中的平面和二维空间中的线）。新的数据点于是分布在相同的空间并根据它们落在哪个区间来进行预测它们属于哪个分类。数据点被视为n维向量，线性SVM目的是使用（n-1）维超平面（n维平面）区分这些点。随后的这些指标，基于角膜前后表面的曲率，厚度和高度数据，用于训练SVM。
关于新型的圆锥角膜分类器——支持向量机，因为时间的原因，我们不在这里赘述，未来有时间我们再探讨。
角膜前、后表面曲率（ø=8mm）非对称性分析；
之前判断角膜前表面的对称性，使用的是I-S值，如图
I-S值的概念：
距离角膜中央3mm的圆周上，每隔30°取一个点，水平线下5个点和水平线上等距离5个点的平均曲率之差；
正常＜1.4D；
异常＞1.9D；
我们来看看这些被I-S值判定的前表面对称性异常。
其实数据是非常有限的，且没有最重要的后表面的对称性数据。
Sirius的曲率对称性指数：SIf与SIb ：前、后表面的曲率对称性指数；
概念：角膜上、下半球的两个圆形区域的平均切线曲率差值。圆心都在角膜的垂直轴上。是以上下两个区域的平均数据点来判断对称性。
而不是仅仅只有5个数据点。
这样比I-S值更加具有临床参考价值。
这是基于支持向量机技术获取的数据库。进行数据比对之后，为临床诊断提供警示。
这幅图的数据是：角膜前、后表面高度（ø=8mm）最高点与健康人群对比分析；
以及角膜彗差、球差、三叶草像差综合的矢量分析；
前、后表面（Ø = 8mm）相对于最佳参考球面（Asphero-toric）的高度；
BCV矢量综合了高阶像差均方根，用向量表示、有大小、方向
BCVf和BCVb包括彗差、三叶草差、球面像差成分。权重由一个函数决定，当它的方向不符合统计学的期望时就会消失。
这个指数的轴位按照C3±1 Ax.的值。
ZERNIKE 多项式分解：BCVf = F (C3±1f, C3±3f, C40f )
BCVb = F (C3±1b, C3±3b, C40b )
依据角膜不对称导致的像差改变，来推算角膜表面的张力衰竭矢量。
当前后表面矢量方向一致，且都偏向某一个方向（颞侧），就会曝黄、或者爆红警告。
这个矢量参考数据库
此外，这幅图的数据还能获取相对高度的数据：在ø=8mm范围内和正常人群对比，前表面高度不大于12微米；
在ø=8mm范围内和正常人群对比，后表面高度不大于11微米；
请注意，此图的高度数据，是该患者的角膜前后表面高度与正常人数据库进行比对。而前面讲的屈光4图的高度差异图是患者本人真实高度与自身角膜曲率半径平均值拟合的球面进行比对，所以这一点需要清楚。数据也会不一样。
角膜厚度与健康人群的角膜厚度之间的差异。
差异越大，越是黄色或者红色报警
我们有时候会依据此图的数据来判断未来有可能选择的手术方式：圆锥角膜：平均430微米，标准差：70微米；
厚度低于500微米：层间LASIK、Smile手术慎行；
厚度低于465微米：表层手术慎行；
Lam和chan报道：整个角膜最薄处的平均厚度0.55mm±0.03mm，位于距离视轴平均0.90mm±0.51mm处，最薄点大多数位于颞下象限（69.57%）
ThkMin：8mm分析直径的角膜厚度地形图上的最薄点，及其十字坐标位置。
图标上显示
这幅图是所有的极值点分布情况。
前、后表面最高点，前、后表面曲率最高点，角膜最薄点；
数据点分布范围图标：用红色的圆圈表示，圆圈范围越大，极值点分布越分散，角膜安全性越高。
三点匹配原则： 2点匹配：疑似FFKC；3点匹配：FFKC
前表面最高点、后表面最高点、前表面曲率最高点、角膜最薄点越偏向颞下方、数据点越集中，圆圈范围越小，疑似圆锥角膜的程度越高。
好吧，时间关系，今天就讲到这里吧，到这里了。后面还有接近50张幻灯片，留待以后慢慢说来。
（未完待续，明天推送精彩的part3部分）