동적 얼굴 표정 분석으로 파킨슨병을 진단하다

초록

파킨슨병의 특징적 증상인 ‘무표정증(Hypomimia)‘에 주목하여, 환자가 다양한 얼굴 표정을 지을 때의 동영상을 분석하는 보조 진단 방법을 제안한다. CLIP 기반 멀티모달 네트워크로 표정 강도 특징을 추출하고, LSTM 분류기를 통해 파킨슨병 여부를 판단하며, 93.1%의 높은 정확도를 달성했다.

상세 분석

본 연구는 파킨슨병(PD)의 핵심 비운동성 증상인 무표정증(Hypomimia)을 정량화하여 보조 진단하는 혁신적인 방법을 제시한다. 기존의 정적 이미지 분석이 표정 부재만 포착하는 데 그쳤다면, 이 연구는 ‘표정 부재’와 ‘얼굴 근육의 경직성’이라는 두 가지 양상을 동시에 평가하기 위해 동적 표정 분석을 채택했다. 이는 환자가 중립, 행복, 놀람, 화남 등 네 가지 기본 표정을 수행하는 동영상을 분석함으로써 가능해졌다.

기술적 핵심은 CLIP(Contrastive Language-Image Pre-training) 아키텍처를 활용한 멀티모달 동적 표정 분석 네트워크다. 시각 파트에서는 ViT(Vision Transformer)와 MHSA(Multi-Head Self-Attention) 모듈로 구성된 인코더가 동영상에서 샘플링된 프레임의 특징을 추출하고, Transformer 기반 템포럴 모델이 시간적 동역학을 보존한다. 텍스트 파트에서는 단순한 레이블이 아닌 “행복한 표정을 짓고 있는 얼굴"과 같은 서술형 문구를 프롬프트로 사용해 문맥 정보를 강화했다. 두 모달리티의 특징을 결합해 최종 표정 강도 특징을 도출한다.

추출된 16차원의 표정 강도 특징 벡터는 독창적인 데이터 처리 과정을 거친다. 동일한 입력 표정 비디오에 해당하는 4개의 강도 값을 그룹화하여, 해당 그룹 내에서 하이라이트 값(정답 레이블에 해당하는 강도)과 평균, 표준편차, Z-Score 등의 통계량을 계산한다. 이 처리 과정은 단순한 원시 데이터보다 PD 환자와 건강한 대조군(HC) 간의 미묘한 차이를 더욱 부각시켜, 후속 LSTM(Long Short-Term Memory) 분류기의 성능을 크게 향상시켰다. LSTM에 잔차 구조를 도입하여 그래디언트 소실 문제를 완화한 점도 주목할 만하다.

실험 결과, 제안된 네트워크는 93.1%의 정확도를 기록하여 다른 분류기(GRU, SVM, Random Forest 등)를 능가했다. t-SNE 시각화와 박스플롯 분석을 통해 PD 환자군이 HC군에 비해 행복과 화남 표정의 강도가 현저히 낮으며, 특히 중립과 화남 표정의 특징 공간이 심하게 중첩되는 것을 확인했다. 이는 얼굴 근육의 경직과 자발적 움직임 감소로 인한 표현력 저하를 정량적으로 입증한다. 이 방법은 스마트폰 카메라만으로도 접근 가능한 편리한 초기 스크리닝 도구로서의 가능성을 열어준다.