面向面瘫计算机辅助评估的自动系统
计算机视觉与模式识别
2020-03-19 v1 图像与视频处理
摘要
重要性：用于面部 landmark 定位的机器学习（ML）方法在面部功能的定量评估方面具有巨大的临床潜力，因为它们能够从照片中高通量自动量化相关面部指标。然而，从研究环境到临床应用的转化需要重要的改进。目的：开发一种 ML 算法，用于面瘫患者照片中的精确面部 landmark 定位，并将其用作自动化计算机辅助诊断系统的一部分。设计、设置与参与者：对来自 200 名面瘫患者和 10 名对照者的八种表情的人像照片手动定位面部 landmark。使用此疾病特异性数据库训练了一种用于自动面部 landmark 定位的新型 ML 模型。将模型输出与手动标注以及使用仅由健康受试者组成的更大型数据库训练的模型输出进行比较。通过算法预测与手动标注之间的归一化均方根误差（NRMSE）评估模型准确性。结果：与健康对照者相比，公开可用算法在患者身上提供的结果较差（NRMSE，8.56 ± 2.16 对比 7.09 ± 2.34，p << 0.01）。我们发现，与使用数千张更多健康人脸图像训练的模型相比，使用相对较少数量的患者照片（1440 张）训练的模型在临床人群中的面部 landmark 定位准确性显著提高（NRMSE，6.03 ± 2.43 对比 8.56 ± 2.16，p << 0.01）。结论：使用少量临床图像重新训练 landmark 检测模型，显著改善了临床人群正面视图照片中的 landmark 检测性能。这些结果代表了迈向面瘫计算机辅助评估自动系统的第一步。
引用
@article{arxiv.1910.11497,
title = {Toward an Automatic System for Computer-Aided Assessment in Facial Palsy},
author = {Diego L. Guarin and Yana Yunusova and Babak Taati and Joseph R Dusseldorp and Suresh Mohan and Joana Tavares and Martinus M. van Veen and Emily Fortier and Tessa A. Hadlock and Nate Jowett},
journal= {arXiv preprint arXiv:1910.11497},
year = {2020}
}
备注
21 pages, 4 figures, 1 table