En ny ansigtsanalysemetode påviser genetiske syndromer med høj præcision og specificitet

Hvert år, over en million børn fødes med en genetisk sygdom. Selvom omkring halvdelen af ​​de genetiske syndromer udviser ansigtsdysmorfologi, unormale ansigtstræk er ofte subtile ved fødslen, og deres identifikation af børnelæger kan vise sig at være udfordrende. Forsinkelser og fejl i diagnosen har en betydelig indvirkning på dødelighed og sygelighed forbundet med genetiske syndromer. Som eksempel kan den gennemsnitlige nøjagtighed ved påvisning af et af de mest undersøgte genetiske syndromer, Downs syndrom, af en uddannet børnelæge er så lav som 64% i USA, og derfor bliver metoder til tidlig påvisning af genetiske syndromer meget vigtige.

I dag, ansigtsanalyse af børn fra fotografier er en teknik, der muliggør tidlig identifikation af genetiske syndromer. Imidlertid, billeder kan have problemer med kalibrering og belysning. Selvom 3D-fotografering overvinder nogle af disse problemer, 3D-scannere til at kvantificere kraniofacial dysmorfologi hos børn er dyre og er ofte ikke tilgængelige på alle sundhedscentre. En nylig undersøgelse præsenterer en ny metode til optimering af ansigtsanalyse, der gør det muligt at rekonstruere ansigtet i 3D fra 2-D fotografier.

Araceli Morales, Gemma Piella og Federico Sukno, medlemmer af SIMBIOsys forskningsgruppe og af de kognitive medieteknologier i Institut for Information og Kommunikationsteknologier (DTIC) på UPF, sammen med forskere fra University of Washington (USA) er forfatterne til dette værk, der blev offentliggjort den 7. oktober i online -udgaven af Forelæsningsnotater i datalogi . Artiklen beskriver den nye optimeringsmetode til at udføre 3-D ansigtsrekonstruktioner af formen på børns ansigter fra ukalibrerede 2-D fotografier ved hjælp af en ny statistisk model.

Først, for hvert 2-D foto, den nye metode estimerer kameraets positur ved hjælp af en statistisk model og et sæt 2-D ansigtsmærker. For det andet, metoden beregner kamerapositionen og parametrene for den statistiske model ved at minimere afstanden mellem projektionen af ​​det estimerede 3D-ansigt i billedplanet for hvert kamera og den observerede 2-D ansigtsgeometri.

"Ved hjælp af rekonstruerede 3D-ansigter, vi udtrækker automatisk et sæt 3-D geometriske og udseende deskriptorer, og vi bruger dem til at træne en klassifikator til at identificere ansigtsdysmorfologi forbundet med genetiske syndromer, "forklarer Araceli Morales, første forfatter til artiklen, der arbejder på denne forskning til sin doktorafhandling, som ledes af Federico Sukno.

Ansigtsrekonstruktionsmetoden på 3D-fotografier blev evalueret hos 54 forsøgspersoner (aldersinterval 0-3 år), og "vores klassifikator identificerede genetiske syndromer i rekonstruerede 3D-ansigter fra 2-D fotografier med 100% følsomhed og en specificitet på 92,11%, "forklarer forfatterne i deres artikel.