针对面瘫患者诊断视频中面部运动特征的复杂性,设计能够学习更本质面部特征的深层非线性网络结构,结合可见光和深度视频数据更全面地分析面部运动细节特征。该方法主要使用具有多重卷积结构的网络模型和LSTM网络,分析患者与正常人面部运动之间的差异,完成真假面瘫识别;提取面部运动过程中的时序形变特征和纹理变化特征,并进行特征融合,实现面瘫分级评估问题;深入分析患者面部运动在可见光视频和深度视频中所体现出的细微变化特征,使用融合多源视频信息的卷积神经网络模型对面瘫等级进行细粒度评估。
科研之友
微信
新浪微博
Facebook
分享链接
