摘要：現有的面癱識別方法均基于面部異常或不對稱進行判斷,但存在面部異常或不對稱并不意味著一定是面癱患者,如:正常人的面部在做某種表情或靜止時可能存在不對稱;正常人模仿面癱患者時,也會存在異常和不對稱。當重復臨床診斷性面部動作時,存在面部異常或不對稱的正常人常比患者表現出更大的差異,這是由于正常人相比于面癱患者具有更健全的面部肌肉運動功能。因此,該文提出了一種基于深度差異特征網絡(deep differentiated network,DDN)的面癱識別方法,該方法對高層特征提取和差異特征計算進行聯合優化。首先,利用雙數據流卷積神經網絡(two-stream CNN)提取疑似患者不同時刻同一動作的面部狀態特征;然后,通過單分支卷積網絡提取two-stream CNN間的差異特征,并基于差異性特征進行面癱識別。實驗結果表明,DDN能夠有效識別疑似患者是否患有面癱且優于現有方法。