Publikace detail

Automatic Classification of Facial Palsy Using Time Series Feature Extraction

Autoři: Vladyka Tomáš | Kohout Jan | Doležel Petr

Rok: 2025

Druh publikace: ostatní - článek ve sborníku

Název zdroje: 9th Computational Methods in Systems and Software 2025

Název nakladatele: Springer Nature Switzerland AG

Místo vydání: Cham

Strana od-do: neuvedeno

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Automatická klasifikace onemocnění lícního nervu	V této práci je zhodnocena vhodnost knihovny Time Series Feature Extraction using Deep Learning (TSFEDL) pro automatickou klasifikaci stupně poškození na základě časové řady 21 bodů zájmu (POI) na obličeji pacienta během standardizované sady obličejových cvičení. Na reálných klinických datech byly vyhodnoceny čtyři různé hluboké modely (HtetMyetLynn, WeiXiaoyan, ZhangJin a HuangMeiLing). Výsledky ukázaly, že neuronová síť zahrnující vrstvy s dlouhou krátkodobou pamětí (LSTM) dosáhla nejlepších výsledků s maximální přesností 55,016 %. Použití GRU a mechanismu prostorově-časové pozornosti se ukázalo jako účinná strategie, která významně snižuje riziko přetrénování neuronových sítí.	Automatická; klasifikace; onemocnění; lícního; nervu
eng	Automatic Classification of Facial Palsy Using Time Series Feature Extraction	Objective evaluation of facial nerve function is crucial for the diagnosis and monitoring of facial palsy treatment. In this work, we evaluate the suitability of the Time Series Feature Extraction using Deep Learning (TSFEDL) library for automatic classification of the degree of impairment based on time series of 21 Points of Interest (POIs) on the patient's face during a standardized set of facial exercises. Four different deep models (HtetMyetLynn, WeiXiaoyan, ZhangJin, and HuangMeiLing) were evaluated on real clinical data. The results showed that the neural network that included long short-term memory (LSTM) layers achieved the best results with a maximum accuracy of 55.016\%. The use of GRUs and a spatiotemporal attention mechanism proved to be an effective strategy that significantly reduces the risk of overtraining neural networks.	Automatic; Classification; Facial; Palsy; Using; Time; Series; Feature; Extraction

Vyhledávání

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Katedry

Služby

Jak nás najdete?

Často hledáte