Teknologi for ansiktsantropometrisk mønstergjenkjenning for datastøttet diagnose av menneskelige genetiske lidelser. (DW-6/2007)

Oppsummering av relevante bakgrunnsstudier: Medfødte anomalier spiller en stor rolle i pediatrisk omsorg. En av de viktigste årsakene til spedbarnsdødelighet i utviklede land er følgene av disse medfødte anomaliene. I noen tilfeller overstiger dette dødsraten for prematuritet, SIDS og andre vanlige årsaker til spedbarns- eller nyfødtdød. De tilgjengelige verktøyene for vurdering av et dysmorfisk spedbarn eller barn er hovedsakelig basert på erfaringen til undersøkeren og hans evne til å oversette funn og målinger fra den fysiske undersøkelsen til en kvalitativ og kvantitativ oppsummering av aksepterte verdier plottet for den tilsvarende alderen (1, 2). Ulike uvanlige trekk kommer til uttrykk i kvalitative termer som kort vekst, lange fingre, pæreformet nese, små ører eller andre termer, som innebærer en sammenligning med andre kroppsforhold og det subjektive inntrykket av undersøkeren. Etter det dannes et inntrykk av pasienten som en 'gestalt' i undersøkerens sinn.

Databasene og det meste av det skriftlige materialet er beskrivende med lite grafikk og fotografier, noe som gjør det vanskelig å sammenligne det fenotypiske uttrykket til det beskrevne emnet med det som må diagnostiseres. Selv med de omfattende eksisterende dataene om objektive målinger som er tilgjengelige for å karakterisere en fenotype, vil mange av legene som er involvert i diagnostiseringen av et spesifikt tilfelle basere deler av sin diagnose på «det ser ut som» og sette det inntrykket i sammenheng med andre fysiske og laboratoriefunn.

Mange syndromer i menneskelig patologi gjenkjennes av deres unike og særegne ansikts- og kroppsegenskaper. Disse stereotypiske fenotypiske egenskapene er stort sett reproduserbare ved bruk av antropometriske målinger.

Diagrammer er tilgjengelige for normale dataverdier for ulike morfometriske variabler (1,2). Noen av disse tallene kan imidlertid bare måles nøyaktig på 3D-strukturer (hode, ansikt). Følgende figur viser målingen av vinkelen til palpebralfissuren:

Fig. 1: En oppadgående skråstilling til palpebrale fissurer er kjent som en mongoloid skråstilling mens nedoverskråning refereres til som en antimongoloid skråstilling. For å oppnå slike målinger i livmoren er en 3D-konfigurasjon og passende bildeanalyse nødvendig (Figur fra Ref. 2).

Føtalt alkoholsyndrom (FAS) er et eksempel på et syndrom som gjennomgikk karakterisering ved grafiske dataanalysemetoder (3). Prevalensen av føtalt alkoholsyndrom (FAS) ble bestemt i en fosterhjemsbefolkning og evaluerte ytelsen til FAS Facial Photographic Screening Tool. Forfatterne konkluderte med at screeningsverktøyet ble utført med svært høy nøyaktighet og kunne brukes til å spore FAS-prevalens over tid i fosterhjemsbefolkningen for å nøyaktig vurdere effektiviteten av primærforebygging. En ekspert kan gjenkjenne ansiktsegenskaper og gi nøyaktige analyser. Objektive målinger vil kunne gi mindre erfarne observatører verktøy som klassifiserer anatomiske kjennetegn ved ulike sykdommer og syndromer. Ansiktsfenotypiske mønstre kan trekkes ut fra store databaser med ansiktsoverflater. Disse biometriske målingene kan brukes til analyse når de evalueres med hensyn til deres "normale" verdier i den generelle befolkningen.

3- Studiemetoder: Etter godkjenning av Helsingforskomiteen, vil prosjektet utføres i flere påfølgende trinn som følger: A. Nyfødtskanning: En database med 3D-bilder (skanninger) av ansiktet til nyfødte spedbarn vil bli opprettet. Skanningen vil først bli utført ved Carmel Medical Center, under sykehusoppholdet. Eksaminanden vil bli skannet én gang, for å bygge en database basert på data innhentet fra hvert skannet bilde.

De ansiktsantropometriske mønstrene til de oppnådde 3D-bildene vil bli studert off-line ved hjelp av et datastyrt ansiktsmønstergjenkjenningssystem utviklet og brukt ved fakultetet for datavitenskap ved Technion. De oppnådde målingene vil bli sammenlignet med geometriske antropometriske data som allerede er i bruk av medisinske genetikere og klinikere (1-9).

B. Maskinvare- og programvarebeskrivelse:

3D-bildeinnhenting: Spesiell maskinvare spesiallaget i vår avdeling ble utviklet for 3D-bildeopptak av nyfødte (se figur 2).

Maskinvaren består av: en strukturert lysprojektor (DLP Projector Casio 350j, et digitalt videokamera (PTGray Flea CCD Camera (Point Grey Research® Inc.( Svart og hvitt (640x480), aluminiumsprojektorbur, spesialmedisinstativ med hjul, personlig) Datamaskin - Pentium 4 - XP, Flatskjerm 17" med stativfeste, Firewire-kabler, I/O-kabler.

Systemer som brukes til bildeinnhenting: For tiden er det to grunnleggende teknologier. Den ene er en laserskanning, hvor et smalt lasergenerert lysplan skanner et ansikt i vertikal retning og 3D-strukturen til ansiktet gjenvinnes basert på formen til lyskonturen i skjæringspunktet mellom lysplanet og ansiktsoverflaten.

Den andre metoden er basert på den såkalte strukturerte lysteknologien (vanlig lys), hvor ett eller flere spesialdesignede lysmønstre projiseres på et ansikt, og 3D-strukturen gjenvinnes basert på posisjonsmålinger av kjente mønsterelementer projeksjoner på ansikt.

Deretter konverteres avstandsbildet til en triangulert overflate. Nettet kan muligens sub-samples for å redusere datamengden. Valget av antall delprøver er en avveining mellom nøyaktighet og beregningsmessig kompleksitet. Ved å bruke denne teknikken tar bildeinnsamling og rekonstruksjon omtrent 2-3 sekunder.

C. Morfometriske parametere og deres beregning: For å beregne vanlige morfometriske parametere som indre og ytre kantalavstand, interpupillær avstand, etc., er det behov for å gjenkjenne ulike interessepunkter i 3D-flaten. Dette vil bli gjort ved hjelp av ulike mønstergjenkjenningsalgoritmer. I det innledende stadiet vil en manuell prosedyre bli brukt for å markere trekk på projeksjonen av ansiktsoverflaten.

Basert på resultatene fra den første fasen vil det bli utviklet automatiske metoder for å oppdage funksjoner ved hjelp av statistiske og algebraiske algoritmer. Etter å ha sikret de relevante ankerpunktene, vil enkel 3D-geometri bli brukt til å beregne vanlige morfometriske data. Parametre inkluderer ytre kantalavstand, interpupillær avstand, palpebral fissurlengde, palpebral fissurvinkel, nasal-labial (philtrum) lengde, ørelengde, ørehøyde, etc. 3D-dataene som er tilgjengelige kan brukes til å prøve å søke etter andre parametere som kan betraktes som statistisk meningsfulle indikatorer.

En annen forskningsvei er å undersøke viktigheten av andre beregninger for avstandsestimering. Et alternativ er å sjekke bidraget til geodesiske avstander som indikatorer. Geodesisk avstand er et avstandskart beregnet på selve overflaten (Riemannsk metrikk). En minimal geodesisk vei er den korteste veien på overflaten som forbinder to punkter.

En effektiv metode for å beregne de minimale geodesiske avstandene på et triangulert domene ble utviklet av Kimmel og Sethian (10). Siden ansiktet er en deformerbar overflate, er det viktig å bruke en slik representasjon for ansiktsoverflaten at målingene som utføres på den vil være uforanderlige for mulige deformasjoner (dvs. ulike ansiktsuttrykk). I dette tilfellet vil en bøyende invariant overflaterepresentasjon introdusert av Elad og Kimmel bli brukt (11).

D. Statistiske metoder vil bli brukt for å detektere de beste uavhengige signifikante morfometriske variablene som signifikant korrelerer med de ulike syndromene: Diskriminerende skårer vil bli konstruert ved å bruke regresjonskoeffisientene til de multivariate analysetestene og beste cutoff-punkter vil bli funnet, forutsigelse mellom ulike genetiske anomalier . Testing av metoden og av resultatene vil bli gjort ved hjelp av en valideringsgruppe av pasienter og friske kontroller, av uavhengige observatører. De syndromatisk undersøkte nyfødte spedbarn vil bli vurdert av en genetiker og bekreftelse av diagnosen vil bli gjort ved laboratorietester når det er hensiktsmessig.

E. Statistisk styrke og antall pasienter: Mange morfometriske variabler vil bli vurdert, basert på våre 3D-rekonstruksjonsmetoder. Først etter å ha brukt den multivariate analysen på resultatene, vil den relative diagnostiske betydningen av hver variabel bli avslørt. Dermed kan ingen enkelt variabel betraktes på dette tidspunktet, som en absolutt diskriminator mellom normal og unormal verdi. Imidlertid, hvis man vurderer for eksempel bare én 3D morfometrisk variabel, slik som graden av skråning av palpebral fissur, for å skille mellom "Trisomy 21" og "normal" i den kaukasiske befolkningen, kan følgende potensanalyse beregnes: Gjennomsnittet og SD-verdier for den skrå øyevinkelen i "normal" er: 3,5 (grader) ± 1,5. Hos en Trisomi 21-pasient er det en forskyvning oppover av denne verdien. For å oppdage et skifte på mer enn 2 SD-er (dvs. mer enn 3 grader) og anta at SD vil være større enn 3 grader i den patologiske populasjonen trenger vi et minimalt antall på 21 pasienter og kontroller, for å oppnå en statistisk styrke på 90 %.

Totalt antall pasienter: Vårt formål er å få skanninger fra 800 nyfødte spedbarn i løpet av den toårige studieperioden.