动态闪特征提取用于自动化面部神经麻检测
Akara Supratak1, Watsaporn Pornwatanacharoen2, Varit Rungbanapan1
1Faculty of Information and Communication Technology, Mahidol University, 999 Phuttamonthon 4 Road, Nakhon Pathom, 73170, Thailand.
Computers in biology and medicine
|February 6, 2025
概括
面部神经麻 (FNP) 可以使用一个新的自动化系统来检测,该系统分析视频中的动态眼特征. 与传统的静态评估相比,这种方法显著提高了FNP检测的准确性.
科学领域:
- 眼科医生 眼科 眼科
- 生物医学工程 生物医学工程
- 机器学习 机器学习
背景情况:
- 面部神经麻 (FNP) 损害了眼功能,增加了眼部并发症和视力丧失的风险.
- 目前的FNP检测依赖于静态面部分析,忽视了治疗评估至关重要的动态眼特征.
研究的目的:
- 开发和验证一种自动化系统,用于从高率视频中提取动态闪特征,以客观地检测FNP.
- 为了比较动态闪特征与静态参数在诊断FNP时的有效性.
主要方法:
- 开发了用于动态闪特征提取的算法,使用从高率视频中检测面部地标.
- 利用隔离森林模型为眼对生成正常度得分,表明上眼运动异常.
- 对103名受试者 (86名健康者,17名FNP患者) 进行了系统评估.
主要成果:
- 使用正常度得分的机器学习模型实现了比静态参数高75%的F1得分和比其他动态参数高35%的F1得分,用于FNP检测.
- 关闭眼速度的正常度得分成为区分FNP的最重要的特征.
- 该系统在客观评估眼动态方面表现出卓越的性能.
结论:
- 动态眼功能为FNP检测提供了一个有希望的客观措施,补充了传统的面部不对称性评估.
- 开发的自动化系统显示了改善FNP的诊断和监测的潜力.
- 需要进一步的研究来探索这些动态眼指标的全部临床实用性.
