基于深度视频分析的面瘫分级方法

段群， 郭新明， 黄素萍， 谢飞

(1.咸阳师范学院 计算机学院，陕西 咸阳 712000；2.西北工业大学 计算机学院，陕西 西安 710129；3.西安电子科技大学 前沿交叉研究院，陕西 西安 710068)

0 引言

面瘫是以面部表情肌群运动功能障碍为主要特征的一种疾病，面瘫病症的诊断目前主要还是依靠医生通过“望闻问切”的诊断方法来对病人的病情进行诊断并评估面瘫病症的严重程度。随着计算机视觉技术的发展，相关学者开始探索能否利用计算机视觉的相关方法来协助、甚至代替医生“望”诊的工作。此外，利用计算机视觉技术进行诊断还能够较大程度上避免医生在诊断时受主观因素的影响。

关于面瘫的自动分级与评价，国内外学者已进行了许多该方面的研究。王倩倩等[1]基于AAM关键点定位的算法提出了一种面神经运动功能评价方法，徐峰等[2-4]主要提出了人脸微表情的识别方法，此方法不能直接应用于面瘫病症诊断过程中的等级评估。现有的研究成果基本都集中在面瘫检测和面部不对称性评价的相关研究。大部分的研究缺乏对这种面部不对称性评价进行进一步量化和分级评估，而且没有建立一套完整的评价准则，不能切实地应用于临床。

针对此问题，本研究引入深度学习在视频处理与分析中的相关理论和方法，探索设计能够学习更本质、更有效的人脸运动特征信息的深层非线性网络结构。

1 面瘫患者面部图像和视频数据的采集及标注

针对面瘫病症严重程度的自动评估的相关研究，由于研究对象涉及个人隐私问题，目前国际上还没有公开的数据集。……