基于面部特征机器学习的外周与中枢性麻痹自动诊断探讨
计算机视觉与模式识别
2022-01-31 v1
摘要
中枢性麻痹是一种需紧急医疗处置的面部瘫痪，须与其他类似病症（如外周性麻痹）相鉴别。为辅助该病的快速准确诊断，我们提出一种机器学习方法以自动分类外周性与中枢性面部麻痹。使用 Palda 数据集，其包含 103 张外周性麻痹图像、40 张中枢性麻痹及 60 张健康人图像。实验在五种机器学习算法上运行。表现最佳的算法为 SVM（总准确率 85.1%）与高斯朴素贝叶斯（80.7%）。中枢性麻痹最低假阴性率由朴素贝叶斯方法取得（80% 对比 70%）。该病症可能最为严重，故其灵敏度是另一良好的算法比较指标。经外推，估计总计 334 张图像的数据集规模可实现 95% 的中枢性麻痹灵敏度。这些机器学习实验所用全部代码自由发布于 https://github.com/cvvletter/palsy。
引用
@article{arxiv.2201.11852,
title = {Towards an Automatic Diagnosis of Peripheral and Central Palsy Using Machine Learning on Facial Features},
author = {C. V. Vletter and H. L. Burger and H. Alers and N. Sourlos and Z. Al-Ars},
journal= {arXiv preprint arXiv:2201.11852},
year = {2022}
}
备注
9 pages, 10 tables, 10 figures