计算机辅助诊断人脸形态学疾病研究综述

doi:10.3778/j.issn.1002-8331.2005-0302

计算机工程与应用 ›› 2020, Vol. 56 ›› Issue (19): 22-33.DOI: 10.3778/j.issn.1002-8331.2005-0302

计算机辅助诊断人脸形态学疾病研究综述

郭静，宋文爱，杨吉江，王青，梁雅琪，雷毅，高雪梅，李海振

1.中北大学软件学院，太原 030051
2.清华大学信息技术研究院，北京 100084
3.北京大学口腔医学院口腔医院正畸科，北京 100081

出版日期:2020-10-01 发布日期:2020-09-29

Review of Research on Computer-Aided Diagnosis of Facial Morphological Diseases

GUO Jing, SONG Wen’ai, YANG Jijiang, WANG Qing, LIANG Yaqi, LEI Yi, GAO Xuemei, LI Haizhen

1.College of Software, North University of China, Taiyuan 030051, China
2.Research Institute of Information Technology, Tsinghua University, Beijing 100084, China
3.Orthodontics Department of Stomatology Hospital, Peking University School of Stomatology, Beijing 100081, China

Online:2020-10-01 Published:2020-09-29

摘要/Abstract

摘要：

某些疾病引起的患者的脸部形态与大多数正常人不同，具有一定的相似性。根据不同的人脸形态特征，可以通过利用计算机信息技术辅助诊断这类疾病。通过计算机辅助医学诊断，有研究发现，一些疾病的筛查率接近甚至高于医生，疾病的诊断周期也缩短了。综述了计算机辅助诊断人脸形态学相关疾病的基本原理和传统方法；从引起人脸形态变化的不同因素入手，分析和综述了相关的应用研究。从不同的技术角度分析人脸的形态特征，为今后更快、更准确地诊断疾病提供不同的切入点。

关键词: 人脸辅助诊断, 人脸检测, 人脸形态学, 综合征

Abstract:

The facial morphology of patients with certain diseases is different from that of most normal people and has certain similarities. According to different facial features, computer information technology can be used to help diagnose such diseases. Through computer-aided medical diagnosis, some studies have found that the screening rate for some diseases is close to or even higher than that of doctors, and the diagnosis period is shortened. This paper reviews the basic principles and traditional methods of computer-aided diagnosis of facial morphology-related diseases. Then, starting from the different factors that cause the change of face shape, the relevant applied research is analyzed and summarized. The morphological features of human face are analyzed from different technical perspectives to provide different entry points for the faster and more accurate diagnosis of diseases in the future.

Key words: face aided diagnosis, face detection, facial morphology, syndrome

郭静，宋文爱，杨吉江，王青，梁雅琪，雷毅，高雪梅，李海振. 计算机辅助诊断人脸形态学疾病研究综述[J]. 计算机工程与应用, 2020, 56(19): 22-33.

GUO Jing, SONG Wen’ai, YANG Jijiang, WANG Qing, LIANG Yaqi, LEI Yi, GAO Xuemei, LI Haizhen. Review of Research on Computer-Aided Diagnosis of Facial Morphological Diseases[J]. Computer Engineering and Applications, 2020, 56(19): 22-33.

[1]	高树静，王程龙，董廷坤. 基于ZYNQ的优化Adaboost人脸检测[J]. 计算机工程与应用, 2020, 56(6): 201-206.
[2]	刘淇缘，卢树华，兰凌强. 遮挡人脸检测方法研究进展[J]. 计算机工程与应用, 2020, 56(13): 33-46.
[3]	李静，降爱莲. 复杂场景下基于R-FCN的小人脸检测研究[J]. 计算机工程与应用, 2020, 56(1): 203-208.
[4]	罗明柱，肖业伟. 全卷积神经网络的多尺度人脸检测的研究[J]. 计算机工程与应用, 2019, 55(5): 124-128.
[5]	李亚可，玉振明. 级联的卷积神经网络人脸检测方法[J]. 计算机工程与应用, 2019, 55(24): 184-189.
[6]	梁雅琪，宋文爱，杨吉江，王青，王星月，雷毅. 人脸辅助诊断关键技术研究[J]. 计算机工程与应用, 2019, 55(15): 24-31.
[7]	张进1，张娜娜2. 优化特征提取的互动式人脸活体检测研究[J]. 计算机工程与应用, 2019, 55(13): 193-200.
[8]	周安众，罗可. 一种多尺度卷积神经网络的人脸检测模型[J]. 计算机工程与应用, 2018, 54(14): 168-174.
[9]	吴志洋，卓勇，廖生辉. 改进的多目标回归实时人脸检测算法[J]. 计算机工程与应用, 2018, 54(11): 1-7.
[10]	罗富丽，李佳田. 结合运动特征的AdaBoost层次增强算法[J]. 计算机工程与应用, 2017, 53(7): 154-159.
[11]	曾鸿军1，2，沈燕飞2，王毅1. 基于感兴趣区域的头像视频前处理方法[J]. 计算机工程与应用, 2017, 53(6): 188-192.
[12]	张言飞，欧阳健飞，姚丽峰. 基于快速人脸检测的实时呼吸测量系统的设计[J]. 计算机工程与应用, 2016, 52(2): 256-261.
[13]	刘王胜，冯瑞. 一种基于AdaBoost的人脸检测算法[J]. 计算机工程与应用, 2016, 52(11): 209-214.
[14]	周仁琴. 视频监控场景下的面部遮挡检测[J]. 计算机工程与应用, 2015, 51(4): 192-195.
[15]	朱明，陆小锋，陆亨立，李莹娇，张东升. AdaBoost人脸检测算法在DSP上的移植与优化[J]. 计算机工程与应用, 2014, 50(20): 197-201.

计算机辅助诊断人脸形态学疾病研究综述

Review of Research on Computer-Aided Diagnosis of Facial Morphological Diseases

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics