А.А. Бойко1, М.В. Дембовский2

1,2 МГТУ им. Н.Э. Баумана (Москва, Россия)
 

Постановка проблемы. Заболевания, связанные с поражением лицевого нерва, являются достаточно распространенными и могут быть вызваны различными причинами. С целью контроля процесса лечения были разработаны различные шкалы, с помощью которых выполняется оценка функционирования лицевого нерва. Шкалы в большинстве случаев являются порядковыми и включают от 6 до 100 градаций. Недостатком разработанных шкал является элемент субъективности при оценке степени поражения лицевого нерва. Для устранения указанного недостатка предпринимаются попытки автоматизации такой оценки. Ряд подходов к автоматизации основан на использовании координат контрольных точек лица. При этом индексы симметрии верхней и нижней частей лица оцениваются отдельно. Несмотря на значительное количество работ, посвященных автоматизации, в литературе представлено недостаточно данных о диапазонах значений, в которых могут находиться индексы симметрии.

Цель. Экспериментально получить значения размаха индексов симметрии лица в норме в области лба и рта при выполнении восьми тестов на двигательную активность мимических мышц лица.

Результаты. Зарегистрированы видеоизображения процесса выполнения тестов 20 здоровыми добровольцами. Полученные видеоизображения были размечены на интервалы выполнения отдельных тестов, затем были выполнены автоматическая расстановка контрольных точек лица на изображениях и вычисление индекса симметрии в области лба и рта. В качестве критерия «качества» индексов рассмотрен минимальный размах значений по всем испытуемым. Установлено, что по данному критерию наиболее перспективным является использование индекса симметрии лица в области лба при выполнении тестов «поднятие бровей» и «зажмуривание глаз», а также индекса симметрии в области рта при выполнении тестов «улыбка», «улыбка с усилием» и «вытягивание губ» («губы трубочкой»).

Практическая значимость. Полученный перечень индексов симметрии лица с наименьшим размахом позволяет включить их в модель машинного обучения для автоматического определения степени поражения лицевого нерва по одной из распространенных шкал, например, шкале Хауса–Бракмана.

Бойко А.А., Дембовский М.В. Экспериментальное исследование индексов динамической симметрии лица // Биомедицинская радиоэлектроника. 2023. T. 26. № 2. С. 50−56. DOI: https://doi.org/ 10.18127/j15604136-202302-08

1. Шевцова Е.А. К вопросу о диагностике, лечении и прогнозе идиопатической двухсторонней невропатии лицевого нерва у детей и подростков // Вселенная мозга. 2019. Т. 1. № 3 (3). С. 41–43.
2. Бакаев А.А. Хирургическое лечение интратемпоральных поражений лицевого нерва: Дисс. … канд. мед. наук. М. 2022. C. 136.
3. Акулов М.А., Орлова О.Р., Табашникова Т.В., Карнаухов В.В., Орлова А.С. Поражение лицевого нерва при нейрохирургических операциях: реабилитационный потенциал ботулинотерапии // Вопросы нейрохирургии им. Н.Н. Бурденко. 2018. Т. 82. № 1. С. 111–118. https://doi.org/10.17116/neiro2018821111-118
4. Song A. et al. Neurologist standard classification of facial nerve paralysis with deep neural networks. Future Internet. 2018. V. 10. № 11. P. 111.
5. Parra-Dominguez G.S., Garcia-Capulin C.H., Sanchez-Yanez R.E. Automatic Facial Palsy Diagnosis as a Classification Problem Using Regional Information Extracted from a Photograph. Diagnostics. 2022. V. 12. № 7. P. 1528.
6. Kim H.S. et al. A smartphone-based automatic diagnosis system for facial nerve palsy. Sensors. 2015. V. 15. № 10. P. 26756–26768.
7. Holze M. et al. Learning from EMG: semi-automated grading of facial nerve function. Journal of Clinical Monitoring and Computing. 2022. V. 36. № 5. P. 1509–1517.
8. Лаврова Е.А., Самородов А.В., Мордовский А.В., Кудрин К.Г., Поляков П.А. Биотехническая система автоматической оценки степени повреждения лицевого нерва // Биомедицинская радиоэлектроника. 2018. № 7. C. 4–6.
9. Dlib C++ Library. URL: http://dlib.net (дата обращения: 22.02.2023).
10. Wu Y., Ji Q. Facial landmark detection: A literature survey. International Journal of Computer Vision. 2019. V. 127. P. 115–142.
11. Xia Y. et al. AFLFP: A Database With Annotated Facial Landmarks for Facial Palsy. IEEE Transactions on Computational Social Systems. 2022.
12. Guarin D. L. et al. Toward an automatic system for computer-aided assessment in facial palsy. Facial Plastic Surgery & Aesthetic Medicine. 2020. V. 22. № 1. P. 42–49.