一种基于动态区域量化指标的面瘫级别评估方法技术

本发明专利技术公开了一种基于动态区域量化指标的面瘫级别评估方法，所述方法包括：采集面瘫的视频数据，并对所述视频数据进行图像调整处理，得到面瘫帧图像；将所述面瘫帧图像输入到训练好的面瘫人脸特征点模型，得到面瘫人脸特征点坐标值；根据所述面瘫人脸特征点坐标值和预设的面神经分级量表，得到面瘫严重程度的分级结果。本发明专利技术实施例通过面瘫人脸特征点模型得到面瘫的对称指标和运动指标，并将对称指标和运动指标与面神经分级量表相结合量化，能实现准确快速客观的面瘫严重程度分级。现准确快速客观的面瘫严重程度分级。现准确快速客观的面瘫严重程度分级。

【技术实现步骤摘要】
一种基于动态区域量化指标的面瘫级别评估方法


[0001]本专利技术涉及面瘫评估与康复
，尤其涉及的是一种基于动态区域量化指标的面瘫级别评估方法。

技术介绍

[0002]面瘫，是以面部表情肌群运动功能障碍为主要特征的一种疾病。根据病变区域不同，分为周围性面瘫和中枢性面瘫两大类。周围性面瘫是由于面神经麻痹，引起病灶同侧全部颜面肌肉瘫痪，一般症状是口眼歪斜，无法完成抬眉、闭眼、鼓嘴等动作。中枢性面瘫引发原因是面部神经核以上的部位发生损伤，面部损伤部位的肌肉发生麻痹，颜面不对称并不明显，常体现在脑内血管疾病。
[0003]人际交往仪容有着重要的地位，但是面瘫患者由于面神经损伤而导致面部仪容受损，发生异常，如眼口歪斜，严重者嘴角流口水等。面瘫疾病不仅给患者生理上带来伤害，还给患者心理上造成了极大地伤害。准确分析面瘫患者的严重程度与面瘫康复训练方法，一直都是学者和医生所期望的目标。但是现有技术中人脸特征点检测算法主要是针对正常人，检测面瘫患者的人脸特征点存在较大的误差。其次，大多数评估方法在某些级之间存在较大的模糊性，导致级与级之间不能完全区分开来。最后，大多数方法忽略了面瘫患者面部区域的运动信息，从而导致面瘫患者严重程度等级评估存在一定的误差。
[0004]因此，现有技术还有待改进和发展。

技术实现思路

[0005]本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于动态区域量化指标的面瘫级别评估方法，旨在解决现有技术中人脸特征点检测算法主要是针对正常人，检测面瘫患者的人脸特征点存在较大的误差。其次，大多数评估方法在某些级之间存在较大的模糊性，导致级与级之间不能完全区分开来。最后，大多数方法忽略了面瘫患者面部区域的运动信息，从而导致面瘫患者严重程度等级评估存在一定的误差的问题。
[0006]本专利技术解决问题所采用的技术方案如下：
[0007]第一方面，本专利技术实施例提供一种基于动态区域量化指标的面瘫级别评估方法，其中，所述方法包括：
[0008]采集面瘫的视频数据，并对所述视频数据进行图像调整处理，得到面瘫帧图像；
[0009]将所述面瘫帧图像输入到训练好的面瘫人脸特征点模型，得到面瘫人脸特征点坐标值；
[0010]根据所述面瘫人脸特征点坐标值和预设的面神经分级量表，得到面瘫严重程度的分级结果。
[0011]在一种实现方式中，其中，所述视频数据具体为：
[0012]抬眉视频数据、闭眼视频数据、嘟嘴视频数据和示齿动作视频数据。
[0013]在一种实现方式中，其中，所述对所述视频数据进行图像调整处理，得到面瘫帧图
像包括：
[0014]对所述视频数据进行分帧处理，得到帧图像；
[0015]将所述帧图像进行人脸裁剪和图像归一化操作，得到预处理帧图像；
[0016]将所述预处理帧图像进行特征点标注，得到面瘫帧图像。
[0017]在一种实现方式中，其中，所述面瘫人脸特征点模型的训练过程具体为：
[0018]获取训练数据输入样本；
[0019]将所述训练数据输入样本输入到预设的初始网络模型，得到预测面瘫人脸特征点坐标值；
[0020]根据所述预测面瘫人脸特征点坐标值和预设的真实面瘫人脸特征点坐标值调整所述初始网络模型的参数，并继续执行将所述训练数据输入样本输入到预设的初始网络模型，得到预测面瘫人脸特征点的步骤，直到满足预设的训练条件，以得到面瘫人脸特征点模型。
[0021]在一种实现方式中，其中，所述获取训练数据输入样本包括：
[0022]采集第一视频数据，并对所述第一视频数据进行分帧处理、人脸裁剪和尺度归一化处理，得到第一帧图像；
[0023]对将所述第一帧图像进行特征点标注，得到第一特征点标注帧图像；
[0024]获取所述第一特征点标注帧图像的欧拉角；
[0025]根据所述欧拉角，对所述第一特征点标注帧图像进行人脸对齐操作、图像翻转、图像旋转得到训练数据输入样本。
[0026]在一种实现方式中，其中，所述面瘫人脸特征点模型包括主网络和辅助网络，其中，所述主网络包括Vovnet模块、特征融合模块和全连接层；辅助网络包括卷积层、展平层和全连接层。
[0027]在一种实现方式中，其中，所述根据所述面瘫人脸特征点坐标值和预设的面神经分级量表，得到面瘫严重程度的分级结果包括：
[0028]根据所述面瘫人脸特征点坐标值，分别计算面瘫人脸的对称指标和面瘫人脸的运动指标；其中，所述对称指标为用于表征面瘫人脸眉区、眼区和嘴区左右两侧特征点的对称性；运动指标用于表征面瘫人脸肌肉在做抬眉、闭眼、嘟嘴和示齿的运动能力；
[0029]根据所述对称指标、运动指标和预设的面神经分级量表，得到面瘫严重程度的分级结果。
[0030]在一种实现方式中，其中，所述根据所述对称指标、运动指标和预设的面神经分级量表，得到面瘫严重程度的分级结果包括：
[0031]将所述对称指标和预设的面神经分级量表进行相关性分析，得到对称指标分级区间；
[0032]将所述运动指标和预设的面神经分级量表进行相关性分析，得到运动指标分级区间；
[0033]将所述对称指标分级区间和运动指标分级区间进行融合和分级量化，得到面瘫严重程度的分级结果。
[0034]第二方面，本专利技术实施例还提供一种基于动态区域量化指标的面瘫评估装置，其中，上述装置包括：
[0035]面瘫帧图像获取单元，用于采集面瘫的视频数据，并对所述视频数据进行图像调整处理，得到面瘫帧图像；
[0036]面瘫人脸特征点坐标值获取单元，用于将所述面瘫帧图像输入到训练好的面瘫人脸特征点模型，得到面瘫人脸特征点坐标值；
[0037]面瘫严重程度的分级结果获取单元，用于根据所述面瘫人脸特征点坐标值和预设的面神经分级量表，得到面瘫严重程度的分级结果。
[0038]第三方面，本专利技术实施例还提供一种智能终端，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如上述任意一项所述的基于动态区域量化指标的面瘫级别评估方法。
[0039]第四方面，本专利技术实施例还提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如上述中任意一项所述的基于动态区域量化指标的面瘫级别评估方法。
[0040]本专利技术的有益效果：本专利技术实施例首先采集面瘫的视频数据，并对所述视频数据进行图像调整处理，得到面瘫帧图像；然后将所述面瘫帧图像输入到训练好的面瘫人脸特征点模型，得到面瘫人脸特征点坐标值；最后根据所述面瘫人脸特征点坐标值和预设的面神经分级量表，得到面瘫严重程度的分级结果；可见，本专利技术实施例通过面瘫人脸特征点模型得到面瘫的对称指标和运动指标，并将对称指标和运动指标与面神经分级量表相结合量化，能实现准确快速客观的面瘫严重程度分级。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于动态区域量化指标的面瘫级别评估方法，其特征在于，所述方法包括：采集面瘫的视频数据，并对所述视频数据进行图像调整处理，得到面瘫帧图像；将所述面瘫帧图像输入到训练好的面瘫人脸特征点模型，得到面瘫人脸特征点坐标值；根据所述面瘫人脸特征点坐标值和预设的面神经分级量表，得到用于体现面瘫严重程度的分级结果。2.根据权利要求1所述的基于动态区域量化指标的面瘫级别评估方法，其特征在于，所述视频数据具体为：抬眉视频数据、闭眼视频数据、嘟嘴视频数据和示齿动作视频数据。3.根据权利要求1所述的基于动态区域量化指标的面瘫级别评估方法，其特征在于，所述对所述视频数据进行图像调整处理，得到面瘫帧图像包括：对所述视频数据进行分帧处理，得到帧图像；将所述帧图像进行人脸裁剪和图像归一化操作，得到预处理帧图像；将所述预处理帧图像进行特征点标注，得到面瘫帧图像。4.根据权利要求1所述的基于动态区域量化指标的面瘫级别评估方法，其特征在于，所述面瘫人脸特征点模型的训练过程具体为：获取训练数据输入样本；将所述训练数据输入样本输入到预设的初始网络模型，得到预测面瘫人脸特征点坐标值；根据所述预测面瘫人脸特征点坐标值和预设的真实面瘫人脸特征点坐标值调整所述初始网络模型的参数，并继续执行将所述训练数据输入样本输入到预设的初始网络模型，得到预测面瘫人脸特征点的步骤，直到满足预设的训练条件，以得到面瘫人脸特征点模型。5.根据权利要求4所述的基于动态区域量化指标的面瘫级别评估方法，其特征在于，所述获取训练数据输入样本包括：采集第一视频数据，并对所述第一视频数据进行分帧处理、人脸裁剪和尺度归一化处理，得到第一帧图像；对将所述第一帧图像进行特征点标注，得到第一特征点标注帧图像；获取所述第一特征点标注帧图像的欧拉角；根据所述欧拉角，对所述第一特征点标注帧图像进行人脸对齐操作、图像翻转、图像旋...

【专利技术属性】
技术研发人员：但果，李维犇，肖伟，陈凯，
申请(专利权)人：深圳大学，
类型：发明
国别省市：