面部肌肉、神经损伤的患者会出现表情扭曲现象,严重影响了患者的日常生活。对于患者而言,长期定时前往医院进行康复状况检查,需花费大量时间金钱。并且患者面对医生时可能由于紧张、害怕等心理因素导致无法表现出最好的状态,使康复状况评估不够准确。对于医生而言,为病人评估康复状况属于重复性基础工作,占用大量门诊时间,减少接诊病人数量。另外,目前诊疗以医生主观判断为主,尚没有一套客观评价体系能够对病人训练效果进行精确评估。因此,与上海市第九人民医院整复外科合作,以对面瘫康复评估为基础,本研究设计了一套基于医生数据的面瘫康复动态评估系统,能够为医生提供面瘫患者面部关键部位识别、对称性量化计算以辅助医生评估其康复状况,并提供动态表情的面部对称性评估模型使评估结果更为客观化、医生诊疗更为高效化。取得的成果如下:首先,使用机器学习方法构建了稠密人脸关键点检测模型,解决了针对面瘫患者准确地描述出其脸部关键部位的特征点的问题。同时,采用了Faster-RCNN深度学习算法构建了角膜识别模型,为量化指标测量方法奠定了基础。随后,基于构建的模型,完成了面部对称性量化系统。该系统基于医生所提供的专业对称性计算方案,针对人脸关键点检测模型中的相关关键点进行对称性计算。由于有了准确的角膜检测模型,可以利用它来构建人脸坐标系和物理距离参照。不仅可以使对称性量化计算更为准确,同时解决了利用同一患者的静态状态照片和动态状态照片进行评估的关键问题。针对以上两个部分,本研究还开发了具有图形用户界面的实用软件,是医生可以通过该软件简便地使用以上设计的模型和系统,随时对患者的正脸照片进行检测并获取信息。该系统使基于云服务,从而降低本地计算负担。最后,基于以上研究,本文基于医生权威数据实现了根据Sunny Brook评估量表进行自动打分,解决了面瘫康复动态评估的设计问题。通过以上的对称性量化系统获取的数据,根据医生的专业意见选取特征作为输入,然后将医生的权威打分数据作为输出,使用分类算法构建评估模型。