Geautomatiseerde gezichtsherkenning voor geautomatiseerde diagnose van de facio-scapulo-humerale spierdystrofie (FSMHD) (CV4DIAGNOSIS)

De klinische diagnose van facio-scapulo-humerale spierdystrofie (FSHMD) vereist de verplaatsing van patiënten naar een medisch centrum en een langdurig onderzoek waarbij medisch personeel betrokken is, en kan in de meest gematigde gevallen worden onderschat. Het vereist dus dure en omslachtige logistiek, zowel voor patiënten die in afgelegen gebieden wonen en lange en dure reizen moeten maken, als voor klinisch personeel. Dit staat een grootschalige diagnostiek in de weg. De onderzoekers zijn van plan deze beperkingen te verlichten door het gebruik van digitale gezichtsanalysetechnologie die grootschalige diagnose van patiënten via telegeneeskunde mogelijk zou maken.

Gemotiveerd door de hierboven beschreven redenen en door voorlopige resultaten, is het doel van dit project methoden te ontwikkelen om de progressie van deze ziekte automatisch te detecteren en te volgen met behulp van computervisie-algoritmen. Om dit te doen, zullen de onderzoekers eerst een bank met afbeeldingen en video's opbouwen van patiënten met matige tot ernstige FSHMD, patiënten met andere spierdystrofieën die gezichtsspierasymmetrie veroorzaken, evenals controlepersonen zonder gezichtsbetrokkenheid. Elk van deze onderwerpen zal klinisch en genetisch gekarakteriseerd worden.

De onderzoekers zullen vervolgens computertools ontwikkelen met behulp van video- en audiosensoren die schade aan de gezichtsspier kunnen detecteren bij patiënten met FSHMD en deze kunnen onderscheiden van controlepersonen enerzijds en patiënten met andere spierdystrofieën anderzijds. De onderzoekers willen de meest recente ontwikkelingen op het gebied van "deep-learning" gebruiken en hun architectuur verbeteren om onze doelstellingen te bereiken.

Naast deze holistische benadering zullen de onderzoekers gezichtsherkenningsbenaderingen bestuderen die in staat zijn om verschillende gezichtszones op afbeeldingen nauwkeurig te identificeren, evenals de relevantie van verschillende statistische eigenschappen van gezichtsdynamiek (duur en intensiteit). Deze algoritmen zullen ook nuttig zijn voor het volgen van de evolutie van gezichtsbeschadigingen om een ​​specifiek meetinstrument te ontwikkelen dat kan worden gebruikt bij de follow-up van patiënten en in klinische onderzoeken naar vroege stadia van de ziekte.