Gesichtsanthropometrische Mustererkennungstechnologie zur computergestützten Diagnose menschlicher genetischer Störungen. (DW-6/2007)

Zusammenfassung relevanter Hintergrundstudien: Angeborene Anomalien spielen in der pädiatrischen Versorgung eine große Rolle. Eine der Hauptursachen für die Kindersterblichkeit in Industrieländern sind die Folgen dieser angeborenen Anomalien. In einigen Fällen übersteigt dies die Sterblichkeitsrate bei Frühgeburt, SIDS und anderen häufigen Todesursachen bei Säuglingen und Neugeborenen. Die verfügbaren Instrumente zur Beurteilung eines dysmorphen Säuglings oder Kindes basieren hauptsächlich auf der Erfahrung des Untersuchers und seiner Fähigkeit, Ergebnisse und Messungen aus der körperlichen Untersuchung in eine qualitative und quantitative Zusammenfassung akzeptierter Werte für das entsprechende Alter zu übertragen (1, 2). Verschiedene ungewöhnliche Merkmale werden in qualitativen Begriffen wie Kleinwuchs, lange Finger, birnenförmige Nase, kleine Ohren oder anderen Begriffen ausgedrückt, die einen Vergleich mit anderen Körperproportionen und dem subjektiven Eindruck des Untersuchers implizieren. Anschließend entsteht im Kopf des Untersuchers ein Eindruck vom Patienten als „Gestalt“.

Die Datenbanken und die meisten schriftlichen Materialien sind beschreibend und enthalten nur wenige Grafiken und Fotos, was den Vergleich des phänotypischen Ausdrucks des beschriebenen Subjekts mit demjenigen, der diagnostiziert werden muss, schwierig macht. Trotz der umfangreichen vorhandenen Daten zu objektiven Messungen, die zur Charakterisierung eines Phänotyps verfügbar sind, werden viele der an der Diagnose eines bestimmten Falles beteiligten Ärzte einen Teil ihrer Diagnose auf „es sieht so aus“ stützen und diesen Eindruck in den Kontext anderer physischer und physischer Faktoren stellen Laborbefunde.

Viele Syndrome in der menschlichen Pathologie sind an ihren einzigartigen und charakteristischen Gesichts- und Körpermerkmalen zu erkennen. Diese stereotypen phänotypischen Merkmale sind größtenteils mithilfe anthropometrischer Messungen reproduzierbar.

Für normale Datenwerte verschiedener morphometrischer Variablen stehen Diagramme zur Verfügung (1,2). Einige dieser Figuren können jedoch nur an 3D-Strukturen (Kopf, Gesicht) genau gemessen werden. Die folgende Abbildung zeigt die Messung des Winkels der Lidspalte:

Abb. 1: Eine Neigung der Lidspalten nach oben wird als mongoloide Neigung bezeichnet, während eine Neigung nach unten als antimongoloide Neigung bezeichnet wird. Um solche Messungen innerhalb der Gebärmutter zu erhalten, ist eine 3D-Konfiguration und eine entsprechende Bildanalyse erforderlich (Abbildung aus Lit. 2).

Das fetale Alkoholsyndrom (FAS) ist ein Beispiel für ein Syndrom, das mithilfe grafischer Datenanalysemethoden charakterisiert wurde (3). Die Prävalenz des fetalen Alkoholsyndroms (FAS) wurde in einer Pflegefamilie ermittelt und die Leistung des FAS Facial Photographic Screening Tool bewertet. Die Autoren kamen zu dem Schluss, dass das Screening-Tool mit sehr hoher Genauigkeit funktionierte und dazu verwendet werden konnte, die FAS-Prävalenz in Pflegefamilien über einen längeren Zeitraum hinweg zu verfolgen, um die Wirksamkeit der Primärprävention genau zu beurteilen. Ein Experte kann Gesichtsmerkmale erkennen und eine genaue Analyse durchführen. Objektive Messungen könnten weniger erfahrenen Beobachtern Werkzeuge zur Verfügung stellen, mit denen sie anatomische Merkmale verschiedener Krankheiten und Syndrome klassifizieren können. Phänotypische Gesichtsmuster können aus großen Datenbanken von Gesichtsoberflächen extrahiert werden. Diese biometrischen Messungen können zur Analyse herangezogen werden, wenn sie im Hinblick auf ihre „normalen“ Werte in der Allgemeinbevölkerung ausgewertet werden.

3- Studienmethoden: Nach Genehmigung durch das Helsinki-Komitee wird das Projekt in mehreren aufeinanderfolgenden Schritten wie folgt durchgeführt: A. Neugeborenen-Scanning: Es wird eine Datenbank mit 3D-Bildern (Scans) des Gesichts von Neugeborenen erstellt. Das Scannen wird zunächst während ihres Krankenhausaufenthalts im Carmel Medical Center durchgeführt. Die Prüflinge werden einmal gescannt, um auf der Grundlage der aus jedem gescannten Bild gewonnenen Daten eine Datenbank aufzubauen.

Die anthropometrischen Gesichtsmuster der erhaltenen 3D-Bilder werden offline mithilfe eines computergestützten Gesichtsmustererkennungssystems untersucht, das an der Fakultät für Informatik am Technion entwickelt und verwendet wird. Die erhaltenen Messungen werden mit geometrischen anthropometrischen Daten verglichen, die bereits von medizinischen Genetikern und Klinikern verwendet werden (1-9).

B. Hardware- und Softwarebeschreibung:

3D-Bildaufnahme: Für die 3D-Bildaufnahme von Neugeborenen wurde spezielle, in unserer Abteilung speziell vorbereitete Hardware entwickelt (siehe Abbildung 2).

Die Hardware besteht aus: einem Projektor mit strukturiertem Licht (DLP-Projektor Casio 350j), einer digitalen Videokamera (PTGray Flea CCD-Kamera (Point Grey Research® Inc.) (Schwarzweiß (640 x 480), einem Projektorkäfig aus Aluminium, einem speziellen medizinischen Ständer mit Rädern und persönlichem Personal Computer – Pentium 4 – XP, 17-Zoll-Flachbildschirm mit Ständerhalterung, Firewire-Kabel, I/O-Kabel.

Zur Bildaufnahme verwendete Systeme: Derzeit gibt es zwei grundlegende Technologien. Eine davon ist ein Laserscan, bei dem eine schmale, von einem Laser erzeugte Lichtebene ein Gesicht in vertikaler Richtung scannt und die 3D-Struktur des Gesichts basierend auf der Form der Lichtkontur am Schnittpunkt zwischen der Lichtebene und der Gesichtsoberfläche wiederhergestellt wird.

Die zweite Methode basiert auf der sogenannten Strukturlichttechnologie (normales Licht), bei der ein oder mehrere speziell gestaltete Lichtmuster auf ein Gesicht projiziert werden und die 3D-Struktur anhand der Positionsmessungen bekannter Musterelementprojektionen auf dem Gesicht wiederhergestellt wird Gesicht.

Als nächstes wird das Entfernungsbild in eine triangulierte Oberfläche umgewandelt. Das Netz kann möglicherweise einer Unterabtastung unterzogen werden, um die Datenmenge zu verringern. Die Wahl der Anzahl der Unterproben ist ein Kompromiss zwischen Genauigkeit und Rechenkomplexität. Mit dieser Technik dauert die Bildaufnahme und -rekonstruktion etwa 2-3 Sekunden.

C. Morphometrische Parameter und ihre Berechnung: Um allgemeine morphometrische Parameter wie den inneren und äußeren Augenwinkelabstand, den Pupillenabstand usw. zu berechnen, müssen verschiedene interessante Punkte im 3D-Gesicht erkannt werden. Dies geschieht mithilfe verschiedener Mustererkennungsalgorithmen. In der Anfangsphase werden mithilfe eines manuellen Verfahrens Merkmale auf der Projektion der Gesichtsoberfläche markiert.

Basierend auf den Ergebnissen der ersten Phase werden automatische Methoden zur Erkennung von Merkmalen mithilfe statistischer und algebraischer Algorithmen entwickelt. Nachdem die relevanten Ankerpunkte gesichert wurden, wird eine einfache 3D-Geometrie verwendet, um allgemeine morphometrische Daten zu berechnen. Zu den Parametern gehören der äußere Lidabstand, der Pupillenabstand, die Lidspaltenlänge, der Lidspaltenwinkel, die nasal-labiale (Philtrum-)Länge, die Ohrlänge, die Ohrhöhe usw. Mithilfe der verfügbaren 3D-Daten kann versucht werden, nach anderen Parametern zu suchen, die als statistisch aussagekräftige Indikatoren gelten könnten.

Ein weiterer Forschungsansatz besteht darin, die Bedeutung anderer Metriken für die Entfernungsschätzung zu untersuchen. Eine Möglichkeit besteht darin, den Beitrag geodätischer Entfernungen als Indikatoren zu überprüfen. Die geodätische Entfernung ist eine auf der Oberfläche selbst berechnete Entfernungskarte (Riemannsche Metrik). Ein minimaler geodätischer Pfad ist der kürzeste Weg auf der Oberfläche, der zwei Punkte verbindet.

Eine effiziente Methode zur Berechnung der minimalen geodätischen Abstände in einem triangulierten Gebiet wurde von Kimmel und Sethian (10) entwickelt. Da das Gesicht eine verformbare Oberfläche ist, ist es wichtig, eine solche Darstellung für die Gesichtsoberfläche zu verwenden, dass die darauf durchgeführten Messungen gegenüber möglichen Verformungen unveränderlich sind (d. h. verschiedene Gesichtsausdrücke). In diesem Fall wird eine von Elad und Kimmel eingeführte biegeinvariante Oberflächendarstellung verwendet (11).

D. Zur Ermittlung der besten unabhängigen signifikanten morphometrischen Variablen, die signifikant mit den verschiedenen Syndromen korrelieren, werden statistische Methoden verwendet: Unter Verwendung der Regressionskoeffizienten der multivariaten Analysetests werden Unterscheidungswerte erstellt und die besten Grenzwerte werden gefunden, um zwischen verschiedenen genetischen Anomalien vorherzusagen . Die Prüfung der Methode und der Ergebnisse erfolgt anhand einer Validierungsgruppe aus Patienten und gesunden Kontrollpersonen durch unabhängige Beobachter. Die syndromatisch untersuchten Neugeborenen werden von einem Genetiker untersucht und die Diagnose wird gegebenenfalls durch Labortests bestätigt.

E. Statistische Aussagekraft und Anzahl der Patienten: Viele morphometrische Variablen werden anhand unserer 3D-Rekonstruktionsmethoden bewertet. Erst nach Anwendung der multivariaten Analyse auf die Ergebnisse lässt sich die relative diagnostische Bedeutung jeder Variablen erkennen. Daher kann an dieser Stelle keine einzelne Variable als absoluter Unterscheider zwischen normalem und abnormalem Wert betrachtet werden. Wenn jedoch beispielsweise nur eine morphometrische 3D-Variable wie der Grad der Lidspaltenneigung berücksichtigt wird, um zwischen „Trisomie 21“ und „normal“ in der kaukasischen Bevölkerung zu unterscheiden, kann die folgende Leistungsanalyse berechnet werden: Der Durchschnitt und SD-Werte des schrägen Augenwinkels im „Normalzustand“ betragen: 3,5 (Grad) ± 1,5. Bei einem Trisomie-21-Patienten kommt es zu einer Verschiebung dieses Wertes nach oben. Um eine Verschiebung von mehr als 2 SD (d. h. von mehr als 3 Grad) zu erkennen und unter der Annahme, dass die SD in der pathologischen Population größer als 3 Grad sein wird, benötigen wir eine Mindestanzahl von 21 Patienten und Kontrollen, um eine zu erhalten statistische Aussagekraft von 90 %.

Gesamtzahl der Patienten: Unser Ziel ist es, während des zweijährigen Studienzeitraums Scans von 800 Neugeborenen zu erhalten.