基于人工智能的分区面神经功能评价指数的改良

【作者】 丁梦坤； 袁之航； 单小峰； 蔡志刚；

【机构】 北京大学口腔医院口腔颌面外科； 北京大学高能效计算与应用中心；

【摘要】 目的:基于人工智能标志点识别,筛选在面瘫分级诊断中具有诊断价值的距离指标,用于改良现有分区面神经功能评价指数(RFNI)的计算方法。方法:采集单侧面瘫患者及双侧面部对称的非面瘫者正面表情图像8张,使用专家咨询法由5位医师根据图像给出面瘫患者的HB分级和FNGS 2.0分区评分。使用卷积神经网络HRNet识别所有图像面部68个标志点,测量单侧任意两点间的距离与对侧对应两点间的距离,计算其较小者与较大者之比S,作为反映面部对称性的客观指标。S越接近1,则对称性越好。将所测得的所有客观指标与FNGS2.0分区评分进行相关性分析,筛选具有极显著相关性(p<0.01)者,用于计算改良RFNI。检验使用改良方法所得的各区RFNI与FNGS 2.0分区评分的相关性。结果:本研究共纳入151名被测者的193组图像,其中面瘫组127组图像,非面瘫组66组图像。眉区、眼区、鼻区、口区RFNI分别筛选得177、115、66和318项指标。使用筛选指标计算所得改良RFNI,分别与FNGS 2.0分区评分具有极显著相关性(p=0.000)。结论:本研究对用于反映双侧面部不对称性的距离指标进行了筛选,证实尚有大量未曾采用的指标具有诊断价值,而部分既往研究所采用的指标无法反映面瘫程度。经指标筛选后计算的改良RFNI能够反映面瘫程度,具有临床应用价值。更多还原