人工智能識別人臉對稱性的應(yīng)用研究

張哲儒 郭佳 張旭 賈駿麒 常士平 田磊 馬秦

利用X線頭影測量分析患者顱頜面畸形是一種客觀的、被廣泛應(yīng)用于臨床以評價患者面部形態(tài)特征的重要方法[1]。目前，面部不對稱畸形的患者在接受正頜手術(shù)前后均需要拍攝正、側(cè)位X線頭影測量片供醫(yī)師術(shù)前手術(shù)設(shè)計、術(shù)后跟蹤患者面部形態(tài)調(diào)整后的穩(wěn)定性[2]。然而，由于患者依從性較差、醫(yī)學(xué)知識普及不全面，很多患者在術(shù)后常不能及時進行影像學(xué)復(fù)查并將之提供給醫(yī)師。為此，開發(fā)一種更便捷的面部形態(tài)分析工具是十分有必要的。

近幾年，人工智能技術(shù)的快速發(fā)展為解決上述問題帶來了新的思路[3]。人工智能可以正確收集、采納并分析外部數(shù)據(jù)，通過學(xué)習(xí)的方式實現(xiàn)特定的任務(wù)和目標[4]。本文利用較成熟的面部識別模型讀取患者正面照片得到面部形態(tài)特征數(shù)據(jù)，將之與使用Grummons分析法分析正位X線頭影測量片得到的面部對稱性數(shù)據(jù)進行對比，從而考量目前常用的人工智能模型識別面部形態(tài)的準確性，為下一步拓展應(yīng)用打下堅實基礎(chǔ)[5]。

1 資料與方法

1.1 基本資料

收集2017 年1 月～2019 年6 月期間在第四軍醫(yī)大學(xué)口腔醫(yī)院就診的顱頜面畸形的患者512 例，其中男性244 例，女性268 例；年齡17～29 歲，平均年齡22 歲。在患者就診時拍攝術(shù)前自然頭位正面照及正位X線頭影測量片。拍攝時，引導(dǎo)患者處于自然頭位：患者應(yīng)端坐位，并在患者面前1 m處豎直立置一面鏡子，引導(dǎo)患者自然放松肩頸部，雙眼平視鏡中人像雙眼，囑患者保持姿勢后用Nikon D7500數(shù)碼相機(尼康公司，日本)拍攝正位照片；同樣的在獲得患者標準頭位后，拍攝患者正位頭影測量片。獲得相應(yīng)資料后對患者資料進行隨機命名以減少人為偏倚。

1.2 人工智能算法的構(gòu)建

本研究設(shè)計的程序環(huán)境為Windows 10及Python 3.7，在配置好CMake基本運算環(huán)境后，安裝Dlib運算庫，再根據(jù)Dlib提供的開放接口編寫人像識別程序。本研究人工智能算法的設(shè)計邏輯見圖1； Dlib 68點人像識別示例見圖2。

圖1 人工智能算法的設(shè)計邏輯

圖2 正面照Dlib 68點人工智能識別示例

1.3 分析方法

正位X線頭影測量片利用Dolphin 11.8軟件并采用Grummons分析法進行分析，正位X線頭影測量片關(guān)鍵點標記見圖3，輸出數(shù)據(jù)類型見表1。分析過程是由2 名專業(yè)醫(yī)師獨立操作軟件完成，最終整合數(shù)據(jù)時取兩次測量數(shù)據(jù)的平均值。根據(jù)輸出數(shù)據(jù)特點，將左右側(cè)距離數(shù)據(jù)作比得到的比值作為最后用于差異性檢驗的左右側(cè)面部對稱性差異數(shù)據(jù)；同時保留眶平面及咬合平面角度的數(shù)據(jù)。

照片分析采用上述人工智能算法進行分析，并按照一定的方法進行同列別數(shù)據(jù)的轉(zhuǎn)換(表2)，最終輸出數(shù)據(jù)類型與X線頭影測量片分析數(shù)據(jù)一致(Dlib 68點模型及本研究自編程序下載鏈接：https://pan.baidu.com/s/1slJk8K6Khp8zVYz7IFksSg)。

1.4 統(tǒng)計學(xué)分析

Z： 顴額縫; ZA: 顴弓; J：顴牙槽嵴、GA： 下頜角角前切跡; CG： 鼻根投影點; A: 前鼻棘點; M： 頦點

表1 人臉正面對稱性考察項目

表2 正面照對應(yīng)頭影測量的計算方法

2 結(jié) 果

兩種分析方法各指標的比較分析的結(jié)果見表3。 頭影測量片與正面照分析結(jié)果中，線距數(shù)據(jù)比較： GA ∶AG、JL ∶JR、ZaL ∶ZaR、ZL ∶ZR、GAM ∶AGM經(jīng)t檢驗無顯著統(tǒng)計學(xué)差異(P>0.05)；而角度數(shù)據(jù)：OPT、A-Me-MSR經(jīng)t檢驗有顯著的統(tǒng)計學(xué)差異(P<0.05)。值得一提的是，我們在統(tǒng)計數(shù)據(jù)時觀察到有近75%的患者表現(xiàn)出右面部測量數(shù)據(jù)大于左面部相應(yīng)數(shù)據(jù)，即“右臉大于左臉”。

表3 2 種分析方法各指標的比較分析

3 討 論

由于我國存在醫(yī)療資源分配不均衡的現(xiàn)象[6]，醫(yī)患之間存在專業(yè)知識代溝，因此發(fā)展一項能夠協(xié)助醫(yī)患之間進行溝通的技術(shù)是時代所需的[7]。目前通過智能系統(tǒng)輔助醫(yī)學(xué)教學(xué)和見習(xí)實習(xí)的實例已經(jīng)十分常見[8]，進一步引入人工智能解決上述問題已經(jīng)有了部分實踐基礎(chǔ)。20 世紀70 年代初，美國就已開發(fā)出了一套智能醫(yī)療系統(tǒng)以診斷感染性疾病并能開具抗生素處方[9]。在過去的十年間，醫(yī)療領(lǐng)域逐漸出現(xiàn)了許多人工智能應(yīng)用的案例，主要體現(xiàn)在以下幾個方面[10-12]： (1)輔助診斷：它能夠幫助醫(yī)師分析影像資料并提供參考診斷[13]。目前，該技術(shù)有高效率、高準確性、高穩(wěn)定性和學(xué)習(xí)能力這4 個特點；(2)機器人外科：人工智能與手術(shù)機器人結(jié)合可以有效的提高手術(shù)的準確性，減少術(shù)后并發(fā)癥[14-15]； (3)智能護理：目前人工智能可以做到實時監(jiān)測患者術(shù)后恢復(fù)情況，并將數(shù)據(jù)匯總分析后自動生成的報告提供給醫(yī)師及患者家屬參考使用[16]。

本研究將成熟的消費級人工智能模型引入口腔頜面外科領(lǐng)域，除驗證目前模型的準確性之外還能夠為將來利用大量的臨床數(shù)據(jù)自行訓(xùn)練人工智能模型提供一定的指導(dǎo)意義。在本研究中，正面照測量面部雙側(cè)關(guān)鍵點到正中參考線的距離之比的結(jié)果與X線頭影測量得到的相應(yīng)數(shù)據(jù)相比沒有明顯差異，能夠基本滿足在臨床應(yīng)用時對患者面部對稱性變化的考察。這樣的結(jié)論給人工智能程序在口腔頜面外科領(lǐng)域的應(yīng)用帶來了幾點優(yōu)勢： (1)效率高：正位X線頭影測量片不僅僅需要特殊的X線機，同時還需要患者在影像科及口腔科室之間往來，而人工智能程序僅僅需要一張正面照，椅位之間即可完成數(shù)據(jù)的測量；(2)傷害低：頻繁的利用傳統(tǒng)方法中X線頭影測量片會明顯增加患者接受輻射劑量，對患者健康造成損傷，人工智能能夠有效的避免這個問題的發(fā)生；(3)客觀性好：人工智能程序?qū)颊呙娌康姆治霾粫换颊呷菝?、性格及心理狀態(tài)影響，甚至還能夠?qū)Σ煌瑫r間點的測量值進行前后對比，使得患者對面部變化掌握的更加全面。

然而，本研究中也有一些不足。研究結(jié)果提示本研究的算法及該人工智能模型并不能準確計算面部偏斜的角度數(shù)據(jù)，可能的原因有兩點：一是本人工智能模型的訓(xùn)練基于正常人群的正面照片，在識別偏頜畸形患者時極易出現(xiàn)中線的偏移，未來可收集更多的不對稱牙頜面畸形患者的資料，對人工智能模型進行加強學(xué)習(xí)，促進模型識別準確性；二是本研究納入的病例數(shù)較少，未來還需要收集更多的患者資料，通過大樣本量得到相對更為科學(xué)的結(jié)論；還有由于目前并沒有一個廣泛認可的中國人正貌形態(tài)數(shù)據(jù)量表，因此本研究很難通過具體的正貌形態(tài)數(shù)據(jù)衡量本研究結(jié)果的準確性；未來可以通過多中心臨床研究得到大量中國人正貌形態(tài)數(shù)據(jù)，并以此建立中國人正貌形態(tài)標準。

綜上所述，目前人工智能技術(shù)可以在一定程度上考量患者面部對稱性，其結(jié)果接近X線頭影測量結(jié)果，能夠減少人工操作時間和成本，未來經(jīng)過一定的完善后值得在臨床上推廣使用。