面部表情分析助力預(yù)測帕金森病的方法介紹

分析貝葉斯網(wǎng)絡(luò)模型的有效性，結(jié)果顯示，四個貝葉斯網(wǎng)絡(luò)模型的訓(xùn)練集和測試集的敏感度、特異度和曲線下面積（AUC）均接近0.96，模型間無顯著差異。這表明基于面部表情和人口統(tǒng)計學(xué)特征的貝葉斯網(wǎng)絡(luò)模型在預(yù)測帕金森病概率方面具有較高的準(zhǔn)確性和可靠性，能進一步構(gòu)建面部表情、人口統(tǒng)計學(xué)特征與帕金森病概率之間的復(fù)雜關(guān)系，為臨床診斷提供有力支持。

此外，通過信息增益方法篩選出的關(guān)鍵變量中，年齡、教育水平和職業(yè)是預(yù)測帕金森病概率的最重要因素。隨著年齡的增長，帕金森病的概率增加；教育水平較高和特定職業(yè)選擇可能增加患病風(fēng)險。在面部表情參數(shù)中，“快樂”在單音節(jié)、雙音節(jié)和未分段音節(jié)模型中是最具影響力的因素，而喚醒度在多音節(jié)模型中是最佳預(yù)測因子。

此外，通過分析不同音節(jié)測試中的面部表情變化，可以更準(zhǔn)確地預(yù)測帕金森病的概率。特別是單音節(jié)閱讀時產(chǎn)生的恐懼表情對PD概率的影響最大，多音節(jié)閱讀時產(chǎn)生的厭惡表情對PD概率的影響最小。

這或許是因為，隨著發(fā)音復(fù)雜性的增加，帕金森病患者的認(rèn)知負(fù)荷也相應(yīng)增加，導(dǎo)致大腦神經(jīng)對肌肉運動的控制變得更加困難。這可以解釋為什么在多音節(jié)測試中，患者的負(fù)面表情增加較少，而正面表情減少更為顯著。理解不同發(fā)音復(fù)雜性水平下帕金森病患者的認(rèn)知負(fù)荷和運動規(guī)劃需求，有助于開發(fā)更有效的康復(fù)治療方案。

面部表情分析在帕金森病診斷中的潛力
本研究通過貝葉斯網(wǎng)絡(luò)模型分析了面部表情變化在帕金森病早期診斷中的潛力，確定了面部表情對PD的概率有顯著影響。

研究表明，使用面部表情分析系統(tǒng)（FaceReader）分析帕金森病患者的面部表情變化，有助于揭示患者情緒表達(dá)的障礙類型和程度。系統(tǒng)自動化高效可靠的數(shù)據(jù)分析能力可為制定個性化的康復(fù)治療方案提供依據(jù)。未來研究可以針對患者情緒表達(dá)的障礙類型，設(shè)計相應(yīng)的情緒訓(xùn)練和面部肌肉鍛煉計劃，以改善患者的情緒表達(dá)和社交互動能力。

此外，未來研究應(yīng)進一步擴大樣本量、探討藥物影響，并開發(fā)基于移動技術(shù)的家庭康復(fù)工具。例如可以利用平板電腦上的專用應(yīng)用程序，通過實時面部表情分析為患者提供個性化康復(fù)建議。

參考文獻