미스 텐 니아 그레이비에 중점을 둔 얼굴 운동의 비디오 데이터 분석을위한 인공 지능

이론적 근거 : Myasthenia gravis (MG)는 NMJ에 대한 항체가있는자가 면역 장애 (AID)이며 다양한 정도의 근육 피로 및 약점을 초래합니다. 초구 외 근육이 가장 일반적으로 영향을 받으므로 변동하는 PTOSIS 및 DIPLOPIA가 발생하지만 모든 줄무늬 근육이 관여 할 수 있습니다. 안면 근육은 일반적으로 영향을 받기 때문에 눈이 가까워 지거나 씹기 및 삼키기 어려움 또는 언어 장애가 발생합니다. 아세틸 콜린 수용체 (ACHR)에 대한 항체는 일반화 된 MG 환자의 80% 이상에 존재한다. 순수한 안구 형태에서, AChR 항체는 모든 환자의 거의 50%에서 검출 될 수있다. 대략 4%에서, 시냅스 후 근육-특이 적 수용체 티로신 키나제 (MUSK)에 대한 항체가 발견되고, 일반화 된 질환 환자의 15%에서 혈청 항체는 1-3으로 검출되지 않습니다. ACHR MG 환자의 약 15%는 흉선종이 있으며,이 경우 질병은 부패성 증후군으로 분류 될 수 있습니다. 10.000 당 1 내지 2의 유병률로, mg은 드문 질병으로 간주된다.

MG의 희귀 성은 진단하기가 어려울 수 있으며, 특히 경력 전반에 걸쳐 MG 환자를 만날 가능성이있는 일반 신경과 전문의에게는 진단이 어려워 질 수 있습니다. 또한, 질병의 변동성은 적절한 치료 결정을 내리기가 어렵습니다. 특히 전국의 환자들이 일반적으로 한 전문 센터 (네덜란드, LUMC)에서 치료되기 때문입니다. 현재, 악화를 경험하는지 의심의 여지가있는 환자는 전문 신경과 전문의의 평가를 받기 위해 몇 시간 동안 약속을 잡고 여행해야합니다. 집에서 사용될 수있는 질병 심각성에 대한 객관적이고 신뢰할 수있는 바이오 마커는 많은 MG 환자의 삶의 질을 크게 향상시킬 것입니다. 현대 기술의 신흥 가능성은 진단 지원, 치료 결정 또는 환자 후속 조치와 같은 모든 종류의 의학적 문제가있는 의사를 지원할 수 있습니다. 이 연구에 특별한 관심 기술은 진보 된 얼굴 인식입니다. 우리는 TU DELFT의 Jan Van Gemert 그룹 이이 목적을 위해 특별히 개발 된 기존 소프트웨어 (Facereader, Noldus)의 능력을 연구하여 건강한 대조군과 MG 환자와 다른 수준의 질병 심각도를 가진 MG 환자를 구별하기 위해 특별히 개발 된 딥 러닝 모델을 연구하는 것을 목표로합니다.

주요 목표 :

다른 표준화 된 얼굴 표정으로 비디오 녹화 (04 : 00m)의 얼굴 약점을 분석하기 위해 두 가지 다른 방법 (Facereader Technology 및 비디오 데이터를 위해 특별히 개발 된 딥 러닝 모델)의 진단 수율을 결정하고 비교합니다.

1. MG 환자와 건강한 대조군을 구별합니다.
2. 경증과 중등도 내지 중증 질환 심각도를 구별합니다.