[發(fā)明專利]一種基于動態(tài)區(qū)域量化指標(biāo)的面癱級別評估方法

有效

• 申請?zhí)枺?/td>: 202110332986.2
• 申請日: 2021-03-29
• 公開（公告）號: CN113053517B
• 公開（公告）日: 2023-03-07
• 發(fā)明（設(shè)計）人: 但果;李維犇;肖偉;陳凱
• 申請（專利權(quán)）人: 深圳大學(xué)
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06V40/16;G06V10/764;G06V10/82;G06N3/0464;G06N3/08;G16H30/00
• 代理公司: 深圳市君勝知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44268
• 代理人: 朱陽波

本發(fā)明公開了一種基于動態(tài)區(qū)域量化指標(biāo)的面癱級別評估方法，所述方法包括：采集面癱的視頻數(shù)據(jù)，并對所述視頻數(shù)據(jù)進(jìn)行圖像調(diào)整處理，得到面癱幀圖像；將所述面癱幀圖像輸入到訓(xùn)練好的面癱人臉特征點模型，得到面癱人臉特征點坐標(biāo)值；根據(jù)所述面癱人臉特征點坐標(biāo)值和預(yù)設(shè)的面神經(jīng)分級量表，得到面癱嚴(yán)重程度的分級結(jié)果。本發(fā)明實施例通過面癱人臉特征點模型得到面癱的對稱指標(biāo)和運(yùn)動指標(biāo)，并將對稱指標(biāo)和運(yùn)動指標(biāo)與面神經(jīng)分級量表相結(jié)合量化，能實現(xiàn)準(zhǔn)確快速客觀的面癱嚴(yán)重程度分級。

技術(shù)領(lǐng)域

本發(fā)明涉及面癱評估與康復(fù)技術(shù)領(lǐng)域，尤其涉及的是一種基于動態(tài)區(qū)域量化指標(biāo)的面癱級別評估方法。

背景技術(shù)

面癱，是以面部表情肌群運(yùn)動功能障礙為主要特征的一種疾病。根據(jù)病變區(qū)域不同，分為周圍性面癱和中樞性面癱兩大類。周圍性面癱是由于面神經(jīng)麻痹，引起病灶同側(cè)全部顏面肌肉癱瘓，一般癥狀是口眼歪斜，無法完成抬眉、閉眼、鼓嘴等動作。中樞性面癱引發(fā)原因是面部神經(jīng)核以上的部位發(fā)生損傷，面部損傷部位的肌肉發(fā)生麻痹，顏面不對稱并不明顯，常體現(xiàn)在腦內(nèi)血管疾病。

人際交往儀容有著重要的地位，但是面癱患者由于面神經(jīng)損傷而導(dǎo)致面部儀容受損，發(fā)生異常，如眼口歪斜，嚴(yán)重者嘴角流口水等。面癱疾病不僅給患者生理上帶來傷害，還給患者心理上造成了極大地傷害。準(zhǔn)確分析面癱患者的嚴(yán)重程度與面癱康復(fù)訓(xùn)練方法，一直都是學(xué)者和醫(yī)生所期望的目標(biāo)。但是現(xiàn)有技術(shù)中人臉特征點檢測算法主要是針對正常人，檢測面癱患者的人臉特征點存在較大的誤差。其次，大多數(shù)評估方法在某些級之間存在較大的模糊性，導(dǎo)致級與級之間不能完全區(qū)分開來。最后，大多數(shù)方法忽略了面癱患者面部區(qū)域的運(yùn)動信息，從而導(dǎo)致面癱患者嚴(yán)重程度等級評估存在一定的誤差。

因此，現(xiàn)有技術(shù)還有待改進(jìn)和發(fā)展。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題在于，針對現(xiàn)有技術(shù)的上述缺陷，提供一種基于動態(tài)區(qū)域量化指標(biāo)的面癱級別評估方法，旨在解決現(xiàn)有技術(shù)中人臉特征點檢測算法主要是針對正常人，檢測面癱患者的人臉特征點存在較大的誤差。其次，大多數(shù)評估方法在某些級之間存在較大的模糊性，導(dǎo)致級與級之間不能完全區(qū)分開來。最后，大多數(shù)方法忽略了面癱患者面部區(qū)域的運(yùn)動信息，從而導(dǎo)致面癱患者嚴(yán)重程度等級評估存在一定的誤差的問題。

本發(fā)明解決問題所采用的技術(shù)方案如下：

第一方面，本發(fā)明實施例提供一種基于動態(tài)區(qū)域量化指標(biāo)的面癱級別評估方法，其中，所述方法包括：

采集面癱的視頻數(shù)據(jù)，并對所述視頻數(shù)據(jù)進(jìn)行圖像調(diào)整處理，得到面癱幀圖像；

將所述面癱幀圖像輸入到訓(xùn)練好的面癱人臉特征點模型，得到面癱人臉特征點坐標(biāo)值；

根據(jù)所述面癱人臉特征點坐標(biāo)值和預(yù)設(shè)的面神經(jīng)分級量表，得到面癱嚴(yán)重程度的分級結(jié)果。

在一種實現(xiàn)方式中，其中，所述視頻數(shù)據(jù)具體為：

抬眉視頻數(shù)據(jù)、閉眼視頻數(shù)據(jù)、嘟嘴視頻數(shù)據(jù)和示齒動作視頻數(shù)據(jù)。

在一種實現(xiàn)方式中，其中，所述對所述視頻數(shù)據(jù)進(jìn)行圖像調(diào)整處理，得到面癱幀圖像包括：

對所述視頻數(shù)據(jù)進(jìn)行分幀處理，得到幀圖像；

將所述幀圖像進(jìn)行人臉裁剪和圖像歸一化操作，得到預(yù)處理幀圖像；

將所述預(yù)處理幀圖像進(jìn)行特征點標(biāo)注，得到面癱幀圖像。

在一種實現(xiàn)方式中，其中，所述面癱人臉特征點模型的訓(xùn)練過程具體為：

獲取訓(xùn)練數(shù)據(jù)輸入樣本；

將所述訓(xùn)練數(shù)據(jù)輸入樣本輸入到預(yù)設(shè)的初始網(wǎng)絡(luò)模型，得到預(yù)測面癱人臉特征點坐標(biāo)值；