Vés enrere Un nou mètode d’anàlisi facial detecta síndromes genètiques amb alta sensibilitat i especificitat

Un nou mètode d’anàlisi facial detecta síndromes genètiques amb alta sensibilitat i especificitat

Desenvolupat per Araceli Morales, Gemma Piella i Federico Sukno, membres del Departament de Tecnologies de la Informació i les Comunicacions, conjuntament amb investigadors de la Universitat de Washington, i que presenten en una monografia de les Lecture Notes in Computer Science, en l’edició avançada en línea del 7 d’octubre.

29.10.2019

Imatge inicial

Cada any neixen més d’un milió de nens amb una malaltia genètica. Tot i que aproximadament la meitat de les síndromes genètiques presenten dismorfologia facial, les característiques facials anormals sovint són subtils al néixer i la seva identificació per part dels pediatres pot ser difícil. Els retards i errors en el diagnòstic tenen un impacte significatiu en la mortalitat i la morbiditat associades a síndromes genètiques. A tall d’exemple, la precisió mitjana en la detecció d’un dels síndromes genètics més estudiats, la síndrome de Down, per part d’un pediatre format, és tan baixa com del 64% als Estats Units, de manera que els mètodes per a la detecció precoç de síndromes genètiques esdevenen molt importants.

L’anàlisi facial dels infants a partir de fotografies és una tècnica que permet identificar precoçment síndromes genètiques

Avui dia, l’anàlisi facial dels infants a partir de fotografies és una tècnica que permet identificar precoçment síndromes genètiques. No obstant això, les imatges poden presentar alguns problemes de calibratge i d’il·luminació. Tot i que la fotografia en 3D supera alguns d’aquests problemes, els escàners en 3D per a la quantificació de la dismorfologia craniofacial en infants són cars i no solen estar a l’abast de tots els centres sanitaris. Un treball recent presenta un nou mètode d’optimització d’anàlisi facial que permet reconstruir la cara en 3D a partir de fotografies en 2D.

Araceli Morales, Gemma Piella i Federico Sukno, membres del grup de recerca SIMBIOsys i del Cognitive Media Technologies del Departament de Tecnologies de la Informació i les Comunicacions (DTIC) de la UPF, conjuntament amb investigadors de la Universitat de Washington (EUA) són els autors d’aquest treball que han publicat el 7 d’octubre en l’edició en línia de les Lecture Notes in Computer Science. L’article descriu el nou mètode d’optimització per tal de fer reconstruccions facials en 3D de la forma de la cara infantil a partir de fotografies en 2D no calibrades mitjançant un nou model estadístic.

“El nostre classificador ha detectat síndromes genètiques en les cares 3D reconstruïdes a partir de fotografies en 2D amb una sensibilitat del 100% i una especificitat del 92,11%”

El nou mètode, en primer lloc, per a cada fotografia en 2D, estima la posició de la càmera mitjançant un model estadístic i un conjunt de dades facials 2D. En segon lloc, el mètode calcula la posició de la càmera i els paràmetres del model estadístic minimitzant la distància entre la projecció estimada de la cara en 3D en el pla d’imatge de cada càmera i la geometria de la cara en 2D observada.

“Mitjançant les cares 3D reconstruïdes, extraiem automàticament un conjunt de descriptors geomètrics i d’aspecte en 3D i els utilitzem per formar un classificador per identificar la dismorfologia facial associada a síndromes genètiques”, explica Araceli Morales, coautora de l’article que està treballant en aquesta línia de recerca per a la seva tesi doctoral que està sent dirigida per Federico Sukno i Gemma Piella.

El mètode de reconstrucció de la cara en fotografies 3D s’ha avaluat en 54 infants (rang d’edat de 0 a 3 anys) i “el nostre classificador ha detectat síndromes genètiques en les cares 3D reconstruïdes a partir de fotografies en 2D amb una sensibilitat del 100% i una especificitat del 92,11%”, expliquen els autors en el seu article.

Treball de referència:

Liyun Tu, Antonio R. Porras, Araceli Morales, Daniel A. Perez, Gemma Piella, Federico Sukno, Marius George Linguraru (2019), “Three-Dimensional Face Reconstruction from Uncalibrated Photographs: Application to Early Detection of Genetic Syndromes”, a: Greenspan H. et al. (eds), Uncertainty for Safe Utilization of Machine Learning in Medical Imaging and Clinical Image-Based Procedures. CLIP 2019, UNSURE 2019. Lecture Notes in Computer Science, vol 11840. Springer, Cham. https://doi.org/10.1007/978-3-030-32689-0_19

Multimèdia

Categories:

ODS - Objectius de desenvolupament sostenible:

Els ODS a la UPF

Contact

Per a més informació

Notícia publicada per:

Oficina de Comunicació