周围性面瘫是各种原因导致面神经损伤从而产生的面肌瘫痪。目前，成年人面神经瘫痪的发病率在万分之三左右，孕产妇可高达十万分之四十五，而每一千例新生儿就会有1.8例先天性面瘫的发生。已有证据证实通过特定家庭训练项目以及肌肉重塑训练对于面神经损伤患者的治疗是有效的。按照万分之三的发病率计算，保守估计我国存在将近40万的面瘫患者，而有能力和经验进行康复训练的医疗机构则寥寥，医疗资源严重缺乏，且长期频繁地到院治疗除了占用大量医疗资源之外，患者往往难以坚持。
基于面部模式特征的瘫痪面肌反馈训练系统是建立在面瘫患者数据云平台基础之上的数字化、网络化、智能化系统，它利用摄像头实时获取的面瘫患者面部图像信息等视觉信号，通过面部特征点的提取与测量形成客观评估报告，有效地帮助患者进行反馈康复训练，并在此基础上形成医患互动的客户端-终端信息共享交流平台，形成医生控制的远程医疗指导系统，规范康复训练要求和评估，实时调整训练方案。
面部特征点的提取、测量并开展功能性康复训练
首先，基于Haar特征进行人脸检测，基于局部二值特征的级联回归树的人脸对齐（Face Alignment with an Ensemble Tree）能够实时定位人脸轮廓、眉毛、眼睛、鼻子、嘴巴等68个特征点，并且采用GVF Snake算法提取眉、眼、鼻、口的轮廓。然后，利用霍夫变换圆形检验定位每张图片中虹膜的位置，以两虹膜的水平距离为基准，将训练前后两张图片进行缩放、平移、投影、反射、透视等变换，计算出训练前后两张图片的位移，并将其量化，得出动作幅度是否在正常范围内。
(左) 面部68点特征人脸轮廓定位图；(右)抬眉动作前后位移图
利用量化分析，对面肌联动患者开展力量型训练和协调性训练。训练类型包括抬眉训练、闭眼训练、耸鼻训练、示齿训练、努嘴训练和鼓腮训练。
康复训练软件 (示齿训练左右嘴角高度、宽度实时跟踪图)
基于大数据分析建立科学面瘫评分体系
与sunnybrook面部评分系统的主观打分方式不同，基于面部模式特征的瘫痪面肌反馈训练系统根据量化结果与正常人一般动作程度合理范围相比较计算出的比例值，对病人的反馈训练成果打分；另一方面利用九院现有的大量患者的面部特征点相对坐标作为输入层和sunnybrook评分建立卷积神经网络（CNN），将患者实时训练数据作为测试数据基于深度学习给出眉毛、眼睛、鼻子、嘴巴等各项指标得分。
面向面瘫客观评估、康复训练的数据云平台构建
建立面瘫数据云平台，系统放在“云”里运行，可以不时地访问“云”里针对该系统提供的服务，以增强功能。根据患者得分，辅助医生进行诊疗，并通过知识库的内容自动生成电子诊断及治疗报告。在医院建立终端，能够查询所有患者信息并且能够对患者的康复训练提出一些针对性的建议，制定相应的治疗模式，并能够远程了解患者情况并指导和随访。在患者电脑、移动平台上建立客户端：能够评估，按指定方式进行训练，并能够上传资料到终端，和医生进行远程的康复指导训练。最终解决了康复治疗缺少有效手段，以及难以持续有效的训练的难题，并减少了患者的治疗费用。
面向面瘫客观评估、康复训练的数据云平台构建
