蘭添才，陳 俊，黃 婧，馬偉良

(1.龍巖學(xué)院；2.龍巖市第二醫(yī)院；3.閩西職業(yè)技術(shù)學(xué)院 福建龍巖 364000)

面癱是一種面部肌肉運(yùn)動(dòng)功能受阻的常見(jiàn)疾病，現(xiàn)代中醫(yī)稱為面神經(jīng)麻痹，其主要癥狀表現(xiàn)為患者難以正常完成如抬眉、閉眼、聳鼻、鼓腮和示齒等基本的面部動(dòng)作。臨床上對(duì)面癱的嚴(yán)重程度分級(jí)評(píng)估最常采用House-Brackmann(HB)分類量表[1]及其改進(jìn)方法[2]?；贖B方法，臨床醫(yī)生主要根據(jù)兩個(gè)方面對(duì)面癱病情嚴(yán)重程度進(jìn)行評(píng)估，一是患者面部在靜止?fàn)顟B(tài)下的不對(duì)稱性，二是患者在做面部動(dòng)作時(shí)人臉兩側(cè)表情肌的運(yùn)動(dòng)功能差異。由于患者的主觀配合程度的差異以及醫(yī)生的主觀觀察偏差，最終的診斷準(zhǔn)確性過(guò)度依賴于醫(yī)生的經(jīng)驗(yàn)，診斷過(guò)程慢而且容易造成誤診。

臨床治療中近年來(lái)一直關(guān)注計(jì)算機(jī)輔助診斷(Computer Aided Diagnosis)，其通過(guò)專業(yè)算法可先行提取數(shù)字圖像中具有診斷價(jià)值的特征，并進(jìn)一步優(yōu)化特征，進(jìn)行分類診斷，幫助醫(yī)生盡快分析診斷和評(píng)估疾病存在的可能性及嚴(yán)重程度，提高診斷準(zhǔn)確度和工作效率。目前國(guó)內(nèi)外諸多學(xué)者已對(duì)面癱的計(jì)算機(jī)輔助診斷方法進(jìn)行了相關(guān)研究，提出了各種基于不同算法的識(shí)別與評(píng)估方法。如：NELLY等提出一種計(jì)算機(jī)輔助分析面部運(yùn)動(dòng)功能分級(jí)方法[3]；林楊等提出了一種面癱患者面部運(yùn)動(dòng)功能自動(dòng)分級(jí)方法[4]；王倩倩提出基于AAM(Active Appearance Model)的面神經(jīng)運(yùn)動(dòng)功能評(píng)價(jià)方法[5]；NGO等提出結(jié)合Gabor特征和LBP(Local Binary Patterns,LBP)特征進(jìn)行面癱的定量評(píng)估[6]。WANG等通過(guò)結(jié)合患者面部靜態(tài)特征與動(dòng)態(tài)特征提出了一種評(píng)估面癱嚴(yán)重程度的新方法[7]；許鵬飛等提出一種基于深度時(shí)序特征的面癱分級(jí)評(píng)估方法[8]；楊春磊提出基于視頻分析的面癱等級(jí)自動(dòng)評(píng)估方法[9]。

綜合面癱診療評(píng)估的國(guó)內(nèi)外研究現(xiàn)狀，面癱的計(jì)算機(jī)輔助診斷能夠相對(duì)快速和客觀地進(jìn)行面癱的分級(jí)評(píng)估。現(xiàn)有的研究方法主要集中在面癱檢測(cè)和面部不對(duì)稱性的評(píng)價(jià)，如何提高這些檢測(cè)方法及不對(duì)稱性評(píng)價(jià)的準(zhǔn)確度，關(guān)鍵在于需要對(duì)面癱患者診療過(guò)程的面部特征進(jìn)行精準(zhǔn)量化描述與評(píng)估，而現(xiàn)有的研究方法普遍缺乏對(duì)這種面部不對(duì)稱性進(jìn)行細(xì)致的量化和綜合評(píng)估[8-9]。本文將構(gòu)造出一種用于面癱診療的不對(duì)稱度計(jì)算模型和計(jì)算不對(duì)稱度的算法，并量化這些不對(duì)稱性，輔助醫(yī)生提高診斷面癱疾病的準(zhǔn)確度和診斷效率。

1 醫(yī)學(xué)圖像的不對(duì)稱度計(jì)算模型

醫(yī)學(xué)圖像以研究人體器官為主要對(duì)象，人體存在著大量對(duì)稱性，例如人的五官以及某些骨骼等。一些醫(yī)學(xué)疾病會(huì)導(dǎo)致人體的某些器官產(chǎn)生病變，進(jìn)而導(dǎo)致這些器官變成不對(duì)稱。器官不對(duì)稱的差異程度可通過(guò)構(gòu)造計(jì)算模型進(jìn)行度量，借助該模型通過(guò)醫(yī)學(xué)圖像的數(shù)值計(jì)算可以為臨床醫(yī)生提供比較客觀的診斷判定方法。文獻(xiàn)[10]提出了一種仿射變換下的醫(yī)學(xué)圖像不對(duì)稱度計(jì)算方法并應(yīng)用于膽脂瘤的診斷，通過(guò)遍歷感興趣區(qū)域(Region Of Interest，ROI)的點(diǎn)，并利用基于給定的對(duì)稱點(diǎn)的不對(duì)稱度的計(jì)算的算法求出每一個(gè)點(diǎn)的不對(duì)稱度，并進(jìn)行比較，最終獲得整個(gè)區(qū)域的不對(duì)稱度。

1.1 三維圖像的不對(duì)稱度計(jì)算模型[10]

三維圖像可用三元函數(shù)ξ(x,y,z)或者ξ(P)來(lái)表示(記P=(x,y,z)，x、y、z是像素的空間坐標(biāo))。其中，ξ(P)表示三維圖像在空間點(diǎn)P處的特征值。

假定Ω、Ω'是互相對(duì)稱的ROI病變區(qū)域。對(duì)于點(diǎn)P，令其對(duì)稱點(diǎn)為Q(P)，則Q(P)是關(guān)于P0、P1、P的函數(shù)Q(P,P0,P1)。其中P0為病變區(qū)域Ω中的一個(gè)初始點(diǎn)，P1為病變區(qū)域Ω'中的一個(gè)對(duì)稱點(diǎn)。

(1)

其中，d>0，d為局部參數(shù)；k的取值為2和4。

(2)

其中，k＇的取值為1和3。

DP1(ξ)即為不對(duì)稱度的計(jì)算模型。DP1(ξ)必定是在[0, 1]區(qū)間內(nèi)取值的，式(1)中的運(yùn)算范圍是

(3)

1.2 二維圖像的不對(duì)稱度計(jì)算模型

上節(jié)中的Dp1(ξ)計(jì)算模型(1)與計(jì)算模型(2)在實(shí)際計(jì)算過(guò)程當(dāng)中，首先選擇并給定左側(cè)病變的區(qū)域Ω，通過(guò)搜索另一側(cè)相對(duì)應(yīng)的區(qū)域中的對(duì)稱點(diǎn)，并求出對(duì)應(yīng)的ROI區(qū)域Ω'，從而計(jì)算出左右病變區(qū)域的不對(duì)稱度。設(shè)定k=2,z值定義為圖像序號(hào)，則可將此計(jì)算模型改進(jìn)為適應(yīng)二維醫(yī)學(xué)圖像的計(jì)算模型，改進(jìn)的計(jì)算表達(dá)式為：

(4)

經(jīng)過(guò)改進(jìn)后的計(jì)算模型(4)不但適合于二維醫(yī)學(xué)圖像的計(jì)算，而且使計(jì)算適合代數(shù)運(yùn)算，且易于算法優(yōu)化，加速計(jì)算過(guò)程。另外經(jīng)過(guò)改進(jìn)后的計(jì)算模型(4)依然可以證明擁有空間仿射變換下的不變屬性特征[10]。

2 面癱醫(yī)學(xué)圖像的不對(duì)稱度計(jì)算模型的實(shí)現(xiàn)方法

不對(duì)稱性在自然界中廣泛存在，而對(duì)不對(duì)稱性的判斷往往依賴于人的主觀行為。面癱在臨床上常表現(xiàn)為單側(cè)面部肌肉癱瘓，面部?jī)蓚?cè)的不對(duì)稱性是臨床醫(yī)生進(jìn)行面癱診斷的主要依據(jù)。由于不對(duì)稱性是空間映射下的不變屬性，從直觀而言，三維圖像在X、Y軸兩個(gè)方向同時(shí)壓縮或放大不會(huì)影響其對(duì)稱性。本文提出的面癱不對(duì)稱度計(jì)算模型基于面部特征點(diǎn)的檢測(cè)和面部區(qū)域的劃分，首先對(duì)圖像進(jìn)行預(yù)處理和歸一化，然后通過(guò)數(shù)字圖像處理方法提取人臉區(qū)域，并找出人臉對(duì)稱軸，然后按對(duì)稱軸將人臉區(qū)域分成左右對(duì)稱的相同大小的ROI區(qū)域，左半部分提取特征信息，右半部分進(jìn)行水平翻轉(zhuǎn)后同樣提取特征信息，左右兩區(qū)域的特征通過(guò)1.2節(jié)的方法計(jì)算其不對(duì)稱度，最后通過(guò)SVM分類器輸出面癱分類結(jié)果。

不對(duì)稱度模型算法實(shí)現(xiàn)的具體步驟:

(1)讀入面癱病例不同診療過(guò)程的圖像。

(2)面癱圖像的預(yù)處理和旋轉(zhuǎn)修正。

人臉的傾斜會(huì)對(duì)對(duì)稱特征的提取產(chǎn)生直接影響，所以有必要對(duì)圖像進(jìn)行旋轉(zhuǎn)修正，將所有的圖像修正為正臉。本文選取兩眼內(nèi)側(cè)端點(diǎn)為基準(zhǔn)進(jìn)行旋轉(zhuǎn)。假設(shè)左眼內(nèi)側(cè)端點(diǎn)位置坐標(biāo)為E1(x1,y1)，右眼內(nèi)側(cè)端點(diǎn)位置坐標(biāo)為E2(x2,y2)，則定義旋轉(zhuǎn)夾角α為：

(5)

(3)確定人臉對(duì)稱軸，并求出關(guān)于對(duì)稱軸的對(duì)稱點(diǎn)位置。

根據(jù)數(shù)字圖像處理方法確定人臉對(duì)稱軸，并根據(jù)面部結(jié)構(gòu)特征結(jié)合平面幾何原理求出對(duì)稱點(diǎn)的位置坐標(biāo)。根據(jù)平面幾何原理，在平面直角坐標(biāo)系中，平面上的直線實(shí)際上就是二元一次方程所對(duì)應(yīng)的圖形。如果采用一般式ax+by+c=0表示直線方程,則點(diǎn)(x,y)關(guān)于該直線方程的對(duì)稱點(diǎn)坐標(biāo)(x＇,y＇)為：

(6)

(4)獲取對(duì)稱軸參數(shù)和ROI參數(shù)，利用公式(6)求出左右對(duì)稱區(qū)域。

(5)利用公式(4)計(jì)算出不對(duì)稱度。

對(duì)稱軸確定后，獲取對(duì)稱軸參數(shù)和人臉左右ROI參數(shù)，按對(duì)稱軸對(duì)人臉進(jìn)行左右分割，通過(guò)式(4)提取不對(duì)稱度特征。

(6)采用支持向量機(jī)(Suport Vector Machine,SVM)對(duì)提取到的不對(duì)稱度特征進(jìn)行預(yù)測(cè)分類，根據(jù)分類結(jié)果得到最后對(duì)應(yīng)的面癱級(jí)別。

3 面癱醫(yī)學(xué)圖像的不對(duì)稱度計(jì)算的數(shù)值結(jié)果分析

3.1 實(shí)驗(yàn)數(shù)據(jù)與實(shí)驗(yàn)環(huán)境

對(duì)于面癱診療評(píng)估的相關(guān)研究，由于涉及到患者的個(gè)人隱私，目前還沒(méi)有公開的圖像數(shù)據(jù)集。本文所做的全部實(shí)驗(yàn)是在福建省龍巖市第二醫(yī)院康復(fù)科提供的醫(yī)學(xué)影像資料基礎(chǔ)上開展的。根據(jù)HB分級(jí)法，選擇了57例面癱患者在診療過(guò)程中拍攝的圖像作為實(shí)驗(yàn)數(shù)據(jù)，實(shí)驗(yàn)數(shù)據(jù)包括HB分級(jí)法規(guī)定的患者在做抬眉、閉眼、聳鼻、鼓腮和示齒等5個(gè)面部動(dòng)作時(shí)的部分圖像。對(duì)應(yīng)于HB分級(jí)法的評(píng)分標(biāo)準(zhǔn)，本文將面癱等級(jí)分為5級(jí)：0代表正常(對(duì)應(yīng)HB中的I級(jí))，1代表輕度面癱(對(duì)應(yīng)HB中的II級(jí)和III級(jí))，2代表中度面癱(對(duì)應(yīng)HB中的IV級(jí)和V級(jí))，3代表重度面癱(對(duì)應(yīng)HB中的VI級(jí))。面癱等級(jí)的確定由三位專業(yè)醫(yī)生進(jìn)行明確標(biāo)注，并由一位資質(zhì)醫(yī)療專家對(duì)標(biāo)注進(jìn)行最終審核確認(rèn)。實(shí)驗(yàn)采用Python+OpenCV(PIL)+Numpy+Scipy進(jìn)行算法計(jì)算和仿真。實(shí)驗(yàn)圖像數(shù)據(jù)的具體數(shù)量如表1所示。

表1 實(shí)驗(yàn)圖像數(shù)據(jù)表

3.2 實(shí)驗(yàn)數(shù)據(jù)預(yù)處理

數(shù)據(jù)的采集過(guò)程往往受到采集設(shè)備、拍攝角度、拍攝距離、光照以及患者的配合程度等因素的影響，為此本文對(duì)實(shí)驗(yàn)原圖像進(jìn)行了預(yù)處理和歸一化。大量的實(shí)驗(yàn)表明，人臉的傾斜將影響后續(xù)特征的提取和最終面癱等級(jí)的判別，對(duì)傾斜的圖像，本文采用公式(5)進(jìn)行旋轉(zhuǎn)修正。修正前后的效果圖如圖1、圖2所示。

(a)示齒

(b)閉眼圖1 修正前

(a)示齒

(b)閉眼圖2 修正后

由圖1可以看到，圖1(a)、 圖1(b)為旋轉(zhuǎn)修正前圖像，其中圖1(a)為示齒動(dòng)作圖像，向左傾斜較明顯，兩只眼睛包括眉毛明顯不在同一水平線上；圖1(b)為閉眼動(dòng)作圖像，稍向右傾斜。圖2(a)、圖2(b)為旋轉(zhuǎn)修正后的圖像，其中圖2(a)兩只眼睛完全處于同一水平線上，圖2(b)相較與旋轉(zhuǎn)修正前也得到了明顯改善。

3.3 實(shí)驗(yàn)結(jié)果與統(tǒng)計(jì)分析

針對(duì)預(yù)處理和歸一化后的圖像，分別提取五種面部動(dòng)作所對(duì)應(yīng)的特征，計(jì)算其不對(duì)稱度，計(jì)算結(jié)果如表2所示。與表1相對(duì)應(yīng)，表2中五種面部動(dòng)作的圖像數(shù)都為57，但正常人(對(duì)應(yīng)0級(jí))與面癱患者(對(duì)應(yīng)1、2、3級(jí))的圖像數(shù)并不完全相同。對(duì)五種面部動(dòng)作的不對(duì)稱度計(jì)算結(jié)果的平均值進(jìn)行對(duì)比分析可知，正常人的不對(duì)稱度值通常集中在一個(gè)特定的區(qū)間，而面癱患者與正常人的不對(duì)稱度值有明顯的差異，且不對(duì)稱度值隨著面癱嚴(yán)重程度的增加呈階躍式上升，不對(duì)稱度的值越大，則表示面癱的程度越嚴(yán)重。這表明本文提出的不對(duì)稱度計(jì)算模型對(duì)于區(qū)分是否面癱以及面癱的嚴(yán)重程度具有較好的區(qū)分度。

表2 正常人和面癱患者的不對(duì)稱度計(jì)算結(jié)果對(duì)比

為進(jìn)一步驗(yàn)證本文方法的有效性和優(yōu)越性，本文選用文獻(xiàn)[4]中提到的Gabor+SVM和文獻(xiàn)[6]中提到的LBP+SVM兩種經(jīng)典方法進(jìn)行對(duì)比實(shí)驗(yàn)。不同方法的平均準(zhǔn)確率如表3所示。

表3 五種面部動(dòng)作不同方法的平均準(zhǔn)確率對(duì)比

從表3可以看到，兩種經(jīng)典方法對(duì)于五種動(dòng)作的平均準(zhǔn)確率均在80%以下，而本文方法除聳鼻外，其余動(dòng)作的平均準(zhǔn)確率均在80%以上，其中鼓腮、閉眼兩種動(dòng)作的準(zhǔn)確率達(dá)到85%以上，這是因?yàn)樽旖?、眼晴兩個(gè)部分相對(duì)于面部的其他結(jié)構(gòu)，其不對(duì)稱性在視覺(jué)上較為明顯，這與臨床醫(yī)生在實(shí)際面癱診斷中普遍先檢查嘴角、眼晴的不對(duì)稱性也是一致的。針對(duì)五種不同的面部動(dòng)作，本文方法的平均準(zhǔn)確率都有較大幅度的提高。

4 結(jié)論

本文提出了用于面癱診療評(píng)估的不對(duì)稱度計(jì)算模型，按照臨床醫(yī)生的面癱診斷流程，針對(duì)面癱診療過(guò)程中五種不同的面癱診斷動(dòng)作的圖像數(shù)據(jù)，分別提取不對(duì)稱度特征，對(duì)每個(gè)面部動(dòng)作分別計(jì)算其不對(duì)稱度并進(jìn)行分級(jí)評(píng)估，確保評(píng)估的結(jié)果能夠體現(xiàn)面部功能的特殊細(xì)節(jié)差異。從數(shù)值計(jì)算與分析結(jié)果可知，相對(duì)于傳統(tǒng)的面癱分級(jí)評(píng)估方法，該模型給出的計(jì)算數(shù)值指標(biāo)在面癱分級(jí)評(píng)估的平均準(zhǔn)確率上有明顯提高，且與臨床專家的診斷結(jié)果基本相符。這表明本文提出的不對(duì)稱度計(jì)算模型和算法對(duì)于面癱疾病的診斷評(píng)估具有一定的參考價(jià)值。隨著面癱數(shù)據(jù)的不斷積累和擴(kuò)充，可進(jìn)一步研究差異化特征的選取和特征區(qū)域的精準(zhǔn)定位，并采用深度學(xué)習(xí)算法進(jìn)行更深層次的數(shù)據(jù)處理，實(shí)現(xiàn)更快速和更客觀的面癱診斷和分級(jí)評(píng)估。