Diagnosing Parkinson Disease Through Facial Expression Recognition: Video Analysis.

Araştırma özeti

Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by

Nörolojik hastalıkları olan hastaların sayısı şu anda her yıl artmaktadır, bu da hem hastalar hem de doktorlar için muazzam zorluklar sunmaktadır. Gelişmiş bilgi teknolojisinin ortaya çıkmasıyla birlikte, dijital tıbbi bakım tıbbi ekolojiyi yavaş yavaş değiştiriyor. Çok sayıda insan konsültasyon almak, hastalıklarını izlemek ve rehabilitasyon eğitimini daha uygun ve verimli yollarla almak için yeni yollar araştırıyor. Bu makalede, tipik bir nörolojik sistem hastalığı olan Parkinson hastalığını (PD) teşhis etmek için yapay zeka yoluyla yüz ifadesi tanımanın kullanımını araştırıyoruz. ObjectiveBu çalışma, yüz ifadesi tanıma yoluyla PD'yi teşhis etmek için yöntemler önermektedir.MethodlarPD'li kişilerin yüz ifadelerinin videolarını topladık ve kontrolleri eşleştirdik. Yüz ifade özelliklerini (yüz ifade genliği ve küçük yüz kas gruplarının titremesi) Face++ tarafından döndürülen anahtar noktalardan çıkarmak için göreceli koordinatlar ve konumsal jitter kullandık. Geleneksel makine öğrenimi ve gelişmiş derin öğrenmeden elde edilen algoritmalar PD teşhisi için kullanılmıştır.SonuçlarDeneysel sonuçlar, modellerimizin PD teşhisi için olağanüstü yüz ifadesi tanıma yeteneğine ulaşabileceğini gösterdi. Kısa vadeli bir model sinir ağının kilit özelliklerin konumlarına uygulanması, sırasıyla %86 ve %75'lik hassasiyet ve F1 değerlerine ulaşılabilir. Ayrıca, yüz ifadesi genliği özellikleri için bir destek vektör makinesi algoritması kullanarak ve küçük yüz kas gruplarının sallanması,% 99'luk bir F1 değeri elde edilebilir.SonuçlarBu çalışma, yüz ifadesi tanımasına dayalı PD'nin dijital teşhisine katkıda bulunur. Hastalık teşhis modeli deneyimiz aracılığıyla doğrulandı. Sonuçlar, doktorların hastalığın gerçek zamanlı dinamiklerini anlamalarına ve hatta uzaktan tanı koymalarına yardımcı olabilir.

Özgün kaynak özetini okuyun

BackgroundThe number of patients with neurological diseases is currently increasing annually, which presents tremendous challenges for both patients and doctors. With the advent of advanced information technology, digital medical care is gradually changing the medical ecology. Numerous people are exploring new ways to receive a consultation, track their diseases, and receive rehabilitation training in more convenient and efficient ways. In this paper, we explore the use of facial expression recognition via artificial intelligence to diagnose a typical neurological system disease, Parkinson disease (PD).ObjectiveThis study proposes methods to diagnose PD through facial expression recognition.MethodsWe collected videos of facial expressions of people with PD and matched controls. We used relative coordinates and positional jitter to extract facial expression features (facial expression amplitude and shaking of small facial muscle groups) from the key points returned by Face++. Algorithms from traditional machine learning and advanced deep learning were utilized to diagnose PD.ResultsThe experimental results showed our models can achieve outstanding facial expression recognition ability for PD diagnosis. Applying a long short-term model neural network to the positions of the key features, precision and F1 values of 86% and 75%, respectively, can be reached. Further, utilizing a support vector machine algorithm for the facial expression amplitude features and shaking of the small facial muscle groups, an F1 value of 99% can be achieved.ConclusionsThis study contributes to the digital diagnosis of PD based on facial expression recognition. The disease diagnosis model was validated through our experiment. The results can help doctors understand the real-time dynamics of the disease and even conduct remote diagnosis.

Bilimsel değerlendirme

Araştırma sorusu

Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.

Yöntem ve örneklem

Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.

Temel bulgular

Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.

Sınırlılıklar

Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.

Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.