基于区域定位和特征融合策略的Williams-Beuren综合征人脸识别模型构建与验证

• 作者: 莫梓华 王树水 刘惠 玉今珒 黄飚
• 来源期刊: 岭南心血管病杂志
• 关键词: Williams-Beuren综合征 人工智能 人脸识别 遗传综合征 肺动脉瓣上狭窄
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 论著|ORIGINAL ARTICLES
• 页码范围: 302-307
• 页数: 6页
• 分类号: R541.1
• 语种: 中文
• DOI: 10.3969/j.issn.1007-9688.2021.03.13

摘要

目的 构建基于区域定位和特征融合策略的Williams-Beuren综合征(Williams-Beuren syndrome,WBS)人脸识别模型并进行验证,从而通过面容来诊断WBS.方法 本研究纳入2018年1月至2020年12月广东省人民医院收治的面容异常的WBS儿童104例.以同期伴有特殊面容的其他遗传综合征患儿91例及正常儿童145名作为对照组.每位受试者选取脸部正位照片一张.以残差网络34(residual network 34,ResNet-34)为面部特征提取器从人脸照片提取人脸深度特征,利用区域定位和特征融合策略的深度学习方法建立WBS人脸识别模型.同时,单独使用ResNet-34网络构建人脸识别模型作为基准模型进行比较.邀请4位临床医生通过面部照片进行WBS识别.采用Bootstrapping方法分别将基于区域定位和特征融合策略的模型对WBS儿童的识别结果与ResNet-34模型及临床医生的识别结果进行比较.结果 本研究构建的基于区域定位和特征融合策略的模型对WBS诊断的准确率为0.911(0.888～0.933),敏感性为0.846(0.785～0.923),特异性为0.939(0.909～0.967),曲线下面积(AUC)为0.933(895～0.967),均高于ResNet-34模型及4位临床医师.结论 基于区域定位和特征融合策略的WBS人脸识别模型在WBS的诊断中具有重要作用,有助于对WBS进行临床诊断.