Bildanalysesystem zur Erkennung einer Fazialisparese

Zusammenfassung

Hintergrund und Fragestellung. Die genaue Beschreibung einer Gesichtsnervenlähmung basiert auf einer visuellen Untersuchung. Sie ist untersucherabhängig. Es wird ein automatisches System zur objektiven Erkennung von Fazialisparesen vorgestellt.

Patienten und Methode. Das System lokalisiert die Gesichtsmerkmale Augen und Mund anhand eines parametrischen Gesichtsmodells in Videosequenzen von Gesichtern in Ruhe und während mimischer Übungen. Spezielle steuerbare Filter analysieren die Grauwertinformation. Die Ergebnisse dieser Analyse führen zur Erkennung einer Parese. Das Computersystem wurde an 19 Personen getestet.

Ergebnisse. Die automatische Lokalisation des Kopfes und der Ohrenbereiche war in 95%, die der Augen in 82% und die des Mundes in 73% korrekt. Im Augenbereich konnten 7 von 10 (70%) Paresen und im Mundbereich 10 von 12 (83%) Paresen von dem System richtig erkannt werden. Gesunde Augenregionen wurden in 8 von 9 Fällen und alle 7 gesunde Mundregionen als gesund analysiert.

Schlussfolgerungen. Das vorgestellte System kann Fazialisparesen automatisch und objektiv erkennen und ist ein Schritt in Richtung einer unabhängigen und automatischen Graduierung von Gesichtslähmungen.

Abstract

Background. Evaluation of facial nerve paresis depends on visual assessment and naturally differs from examiner to examiner. An objective measurement instrument is presented.

Patients and method. Facial features are automatically localized by a parametric face model in videos of a face during relaxation and exercises. Gray-level information is analyzed by a special steerable filter and used to identify symmetries. The computer system was tested in 19 individuals.

Results. Automatic localization of facial features such as the upper arc of the head and ears was correct in 95%, the eyes in 82%, and the mouth in 73%. Lid paresis was correctly recognized in seven of ten (70%) and oral paresis in 10 of 12 (83%) cases. Unaffected eyelid movements were identified in eight of nine (89%) and healthy oral regions in all seven (100%) cases.

Conclusion. The computer system presented is able to automatically localize facial features and to identify facial nerve paresis. It is a considerable step toward automatic and objective grading of facial nerve paresis.