Datastyrt ansiktsgjenkjenning for automatisert diagnose av ansikts-scapulo-humeral muskeldystrofi (FSMHD) (CV4DIAGNOSIS)

Den kliniske diagnosen Facio-Scapulo-Humeral muskeldystrofi (FSHMD) krever flytting av pasienter til et medisinsk senter og en langvarig undersøkelse som involverer medisinsk personell, og kan undervurderes i de mest moderate tilfellene. Det krever derfor kostbar og tyngende logistikk både for pasienter som bor i avsidesliggende områder og må foreta lange og dyre reiser, og for klinisk personale. Dette er et hinder for storstilt diagnose. Etterforskerne planlegger å lindre disse begrensningene gjennom bruk av digital ansiktsanalyseteknologi som vil muliggjøre storstilt diagnose av pasienter gjennom telemedisin.

Motivert av årsakene beskrevet ovenfor og av foreløpige resultater, er målet med dette prosjektet å utvikle metoder for automatisk å oppdage og overvåke utviklingen av denne sykdommen ved hjelp av datasynsalgoritmer. For å gjøre dette vil etterforskerne først bygge opp en bank med bilder og videoer av pasienter med moderat til alvorlig FSHMD, pasienter med andre muskeldystrofier som forårsaker ansiktsmuskelasymmetri, samt kontrollpersoner uten ansiktsinvolvering. Hvert av disse fagene vil bli karakterisert klinisk og genetisk.

Etterforskerne vil deretter utvikle dataverktøy ved hjelp av video- og lydsensorer som er i stand til å oppdage muskelskader i ansiktet hos pasienter med FSHMD og skille dem fra kontrollpersoner på den ene siden og pasienter med andre muskeldystrofier på den andre siden. Etterforskerne ønsker å bruke de nyeste fremskritt når det gjelder "dyp-læring" og forbedre arkitekturen for å nå våre mål.

I tillegg til denne helhetlige tilnærmingen, vil etterforskerne studere ansiktsgjenkjenningstilnærminger som er i stand til nøyaktig å identifisere forskjellige ansiktsområder på bilder, samt relevansen av forskjellige statistiske egenskaper ved ansiktsdynamikk (varighet og intensitet). Disse algoritmene vil også være nyttige for å overvåke utviklingen av ansiktsskader for å utvikle et spesifikt måleverktøy som kan brukes i pasientoppfølging og i kliniske studier på tidlige stadier av sykdommen.