孙豪杰，李苗钰，章盼盼，许鹏飞

(西北大学 信息科学与技术学院，陕西 西安 710127)

面瘫是一种较为常见的面部肌肉运动障碍的疾病。由于不健康的生活方式和精神压力，越来越多的年轻人患有面瘫疾病。面瘫的主要症状是患者面部表情肌肉丧失了正常的运动功能。患者无法正常表达出常见的面部表情。面瘫对患者的身心健康以及正常生活会产生不利影响。

大多数面瘫患者的临床特征是单侧性面瘫[1]。因此，面瘫评估主要是依据面部运动的不对称性和面部肌肉运动模式[1]。目前面瘫的诊断和分级评估基本都是由专科医生根据医学经验和相关标准进行的，诊断结果很大程度上受医生主观医学经验的影响，且效率低下。而利用计算机视觉技术的辅助诊断可以减轻医生的工作量，提高工作效率，减少诊断结果受主观因素的影响，提升准确性。

目前，利用计算机视觉技术的面瘫分级评估方法主要分为：① 基于静态面部图像的非对称性的评价方法，主要依据面部形状和纹理信息的不对称性[1-2]。这种方法高度依赖于关键点检测的准确性，而具有多种面部状态和复杂面部运动的患者面部关键点难以准确定位。此外，依据静态面部图像进行面瘫分级评估忽略了面部肌肉的运动特征，不能准确地表达面部运动的时序特征信息；② 难以通过多个相邻帧的级联而获得的特征向量来表达面部运动的时序特征[3-4]；③ 现有的基于深度模型的面瘫分级评估(GoogleNet)，主要是依据静态面部图像的特征信息来评估面瘫等级[5-6]。……