[发明专利]一种基于人工智能的眼睑运动功能评估系统

说明书

本发明公开一种基于人工智能的眼睑运动异常评估系统，包括：受检对象获取模块：用于从输入的受检对象的面部动作视频中获得只包含所述受检对象的面部视频；眼睛及指定部位定位模块：用于定位所述面部视频的眼睛及指定部位，并获得只包括所述受检对象的眼睛运动视频及指定部位联动视频；TSN模型：用于处理眼睛运动视频和指定部位联动视频并输出眼睛及指定部位的动作信号；概率输出模块：用于输出每帧画面计算机判断眼睑运动异常出现的概率信号；评估模块，用于根据眼睑运动异常出现的概率信号和眼睑运动异常概率判断机制获得异常等级。本发明具有全民可接受性、便捷性、准确性、客观性和可重复性，临床使用性强。

技术领域

本发明涉及眼睑运动异常程度评估领域，更具体地，涉及一种基于人工智能的眼睑运动功能评估系统。

背景技术

现有观察眼睑运动异常的技术主要包括神经肌肉记录仪技术、脑干磁共振血管成像技术（MRA）检查和佩戴记录眼睑运动频率功能的新型眼镜。神经肌肉记录仪技术存在的缺点是技术操作复杂，费时费力，对老年人、儿童来说配合度低；同时，对于不同原因引起的眼睑运动功能异常从发病诱因、频率、双眼对称性、眼睑闭合的程度等各不相同，因此，测量结果易受检测人员主观因素的影响，结果缺乏可重复性和稳定性，难以在人群中大范围开展早期的检查。脑干磁共振血管成像技术（MRA）检查只能用于判断眼睑痉挛的是否与面神经受异常的血管有关系，且价格昂贵，需要病人高度配合。佩戴记录眼睑运动频率功能的新型眼镜，只能记录眼睑的闭合情况，不能记录除眼睛与其他部位的联动的情况，且眼镜成本高且普及力度较低，很多小朋友对佩戴眼镜的配合程度较低，且不能呈现最自然的用眼状态。

现有技术对测试环境、检测设备和检测人员都有较高的要求，人力物力等成本较高。

现有技术适用范围具有局限性：神经肌肉记录仪需在眶上神经安放刺激电极，双眼下睑中部用导电膏介导，从而记录双眼轮匝肌的运动波形。但由于受检者，特别是儿童配合程度较低，因此结果会存在较大的误差；脑干磁共振血管成像技术（MRA），主要观察脑干部位的血管异常与面神经脑干的相互关系。发现其病因常为面神经在小脑桥脑角被血管或肿瘤压迫。应用范围局限，主要用于排除鉴别诊断；佩戴记录眼睑运动频率功能的新型眼镜要求受检者能持续佩戴，导致受检者在检测中易表现出紧张、好奇等不自然的状态，另外随意脱、戴也会严重影响眼睑运动反射的记录过程，从而严重影响了检查结果的准确性和有效性。现有技术的测试结果具有主观性：现有技术对于不同发病诱因原因引起的眼睑运动频率、双眼对称性、眼睑闭合力度等的记录方式各不相同，因此，测量结果判读受检测人员主观因素的影响，使得测量结果的可重复性较低。

现有技术的测试环境具有限制性：由于检查过程对测试设备、环境的要求，现有的检查评估技术无法在日常生活环境中开展，导致现阶段无法开展干眼、眼睑运动反射异常、眼睑痉挛等的大规模检查，比如在医生诊室外、日常生活中的检查。

综上，由于测量人群的特殊性(儿童、老年人、甲亢病人多见)，传统测量手段限制了眼睑功能的测量，导致在现有技术基础上难以在人群中开展大面积的眼睑功能的筛查，使大量的眼睑功能异常的患者错过了最佳治疗时机，最终引起不可逆性角膜或者结膜损伤，给家庭、医疗和社会资源造成了巨大的压力。因此，实现人群中大规模的眼睑功能早期筛查是避免出现视觉受损和识别面神经病变的重要前提。

深度学习技术已经广泛应用于计算机视觉领域。作为深度学习技术之一，CNN(Convolutional Neural Network，卷积神经网络) 模型大大提高了图像分类的准确性，给图像分类任务带来质变。针对任何一个数据库都可以设计合适的CNN模型，该CNN模型可以用于训练数据库中的样本，从而得到数据库中的样本与样本的标签之间的联系。这里，数据库中的样本可以是图像，也可以是视频。