Reconnaissance faciale informatisée pour le diagnostic automatisé de la dystrophie musculaire facio-scapulo-humérale (FSMHD) (CV4DIAGNOSIS)

Le diagnostic clinique de la dystrophie musculaire facio-scapulo-humérale (FSHMD) nécessite le déplacement des patients vers un centre médical et un examen long impliquant du personnel médical, et peut être sous-estimé dans les cas les plus modérés. Ainsi, cela nécessite une logistique coûteuse et lourde à la fois pour les patients vivant dans des zones reculées et devant entreprendre des déplacements longs et coûteux, et pour le personnel clinique. C'est un obstacle au diagnostic à grande échelle. Les chercheurs prévoient d'atténuer ces limitations grâce à l'utilisation de la technologie d'analyse faciale numérique qui permettrait un diagnostic à grande échelle des patients grâce à la télémédecine.

Motivé par les raisons décrites ci-dessus et par des résultats préliminaires, l'objectif de ce projet est de développer des méthodes pour détecter et surveiller automatiquement la progression de cette maladie à l'aide d'algorithmes de vision par ordinateur. Pour ce faire, les chercheurs vont d'abord constituer une banque d'images et de vidéos de patients atteints de FSHMD modérée à sévère, de patients atteints d'autres dystrophies musculaires entraînant une asymétrie des muscles faciaux, ainsi que de sujets témoins sans atteinte faciale. Chacun de ces sujets sera caractérisé cliniquement et génétiquement.

Les enquêteurs développeront ensuite des outils informatiques utilisant des capteurs vidéo et audio capables de détecter les lésions des muscles faciaux chez les patients atteints de FSHMD et de les différencier des sujets témoins d'une part et des patients atteints d'autres dystrophies musculaires d'autre part. Les investigateurs souhaitent utiliser les avancées les plus récentes en termes de "deep-learning" et améliorer leur architecture afin d'atteindre nos objectifs.

En plus de cette approche holistique, les chercheurs étudieront des approches de reconnaissance faciale capables d'identifier avec précision différentes zones faciales sur des images, ainsi que la pertinence de différentes propriétés statistiques de la dynamique faciale (durée et intensité). Ces algorithmes seront également utiles pour suivre l'évolution des dommages faciaux afin de développer un outil de mesure spécifique qui pourrait être utilisé dans le suivi des patients et dans les essais cliniques sur les stades précoces de la maladie.