用于面-肩-肱肌营养不良症 (FSMHD) 自动诊断的计算机化面部识别 (CV4DIAGNOSIS)

面-肩-肱肌营养不良症 (FSHMD) 的临床诊断需要将患者转移到医疗中心，并需要医务人员进行长时间的检查，并且在最温和的情况下可能被低估。 因此，对于生活在偏远地区且不得不进行长途昂贵旅行的患者以及临床工作人员而言，它都需要昂贵且繁重的后勤工作。 这是大规模诊断的障碍。 研究人员计划通过使用数字面部分析技术来减轻这些限制，该技术可以通过远程医疗对患者进行大规模诊断。

受上述原因和初步结果的推动，该项目的目标是开发使用计算机视觉算法自动检测和监测这种疾病进展的方法。 为了做到这一点，研究人员将首先建立中度至重度 FSHMD 患者、其他导致面部肌肉不对称的肌营养不良症患者以及没有面部受累的对照受试者的图像和视频库。 这些受试者中的每一个都将在临床和遗传学上进行表征。

然后，研究人员将开发使用视频和音频传感器的计算机工具，这些传感器能够检测 FSHMD 患者的面部肌肉损伤，一方面将他们与对照受试者区分开来，另一方面将他们与其他肌营养不良症患者区分开来。 研究人员希望利用“深度学习”方面的最新进展并改进其架构以实现我们的目标。

除了这种整体方法外，研究人员还将研究能够准确识别图像上不同面部区域的面部识别方法，以及面部动力学不同统计特性（持续时间和强度）的相关性。 这些算法还将有助于监测面部损伤的演变，以便开发一种特定的测量工具，可用于患者随访和疾病早期的临床试验。