人工智能分析面部运动的视频数据，重点是肌​​无力

理由：肌无力重症（MG）是一种自身免疫性疾病（AID），具有针对NMJ的抗体，导致各种程度的肌肉疲劳性和无力。 尽管眼外肌肉受到最常见的影响，但所有横条肌肉都可能涉及，从而导致波动和复视。 面部肌肉也通常受到影响，导致闭眼无力，咀嚼和吞咽困难或言语障碍。 超过80％的广义MG患者中存在针对乙酰胆碱受体（ACHR）的抗体。 在纯粹的眼睛形式中，在所有患者中，近50％都可以检测到ACHR抗体。 在大约4％中，发现针对突触后肌肉特异性受体酪氨酸激酶（MUSK）的抗体，在15％的广义疾病患者中，未检测到血清抗体1-3。 大约15％的ACHR MG患者患有胸腺瘤，在这种情况下，该疾病可以归类为副肿瘤综合征2。 Mg的患病率为每10.000 1至2，被认为是一种罕见的疾病2。

MG的稀有性可能使很难诊断，特别是对于可能在整个职业生涯中只有几次MG患者的普通神经科医生而言。 此外，疾病的波动性质使得难以做出适当的治疗决定，尤其是在全国各地的患者通常在一个专业中心（荷兰，LUMC）进行治疗。 目前，怀疑他们是否正在经历加重的患者必须预约并旅行几个小时才能接受专门的神经科医生的评估。 因此，可以在家中使用的客观，可靠的疾病严重性生物标志物将大大改善许多MG患者的生活质量。 现代技术中的新兴可能性可以为各种医疗挑战的医生提供支持，例如提供诊断支持，治疗决策或患者随访。 这项研究特别感兴趣的技术是高级面部识别。 我们旨在研究现有软件（Facereader，Noldus）与Tu Delft的Jan van Gemert组专门为此目的而开发的深度学习模型的能力，以区分健康对照组和MG患者以及MG患者以及疾病严重程度不同的MG患者。

主要目标：

确定和比较两种不同方法（FaceReader技术和专门为视频数据开发的深度学习模型）的诊断产量，以分析视频记录（04：00m）的面部弱点，并具有不同的标准化面部表达式

1. 区分MG患者和健康对照。
2. 区分轻度和中度至重度疾病的严重程度。