Expression faciale : définition, analyse et usages médicaux

Une expression faciale correspond à un ensemble de mouvements visibles du visage participant notamment à la communication des émotions et de l’état psychologique. [2] [3] Elle résulte de contractions ou de relâchements musculaires qui modifient, par exemple, la position des sourcils, des paupières ou des lèvres. [2] L’expression faciale est un phénomène humain normal et non une maladie ayant ses propres signes, son diagnostic ou son traitement. [2] [3] En médecine et en recherche, l’observation ou l’analyse automatisée de ces mouvements peut toutefois contribuer à évaluer certaines émotions, la douleur ou des anomalies motrices du visage. [1] [2] [3]

Comment les mouvements du visage sont-ils décrits ?

Le Facial Action Coding System, ou FACS, décrit les mouvements observables du visage sous la forme d’unités d’action. [2] [3] Chaque unité d’action correspond à un mouvement produit par la contraction ou le relâchement d’un ou de plusieurs muscles. [2] Le FACS décrit l’activité musculaire sans attribuer directement une émotion précise à chaque mouvement. [2] L’EMFACS est une adaptation qui relie des combinaisons d’unités d’action à des catégories émotionnelles telles que la joie, la tristesse, la colère, la peur, le dégoût ou la surprise. [2]

Les unités d’action ne doivent pas être confondues avec les repères faciaux, qui sont des points géométriques comme les commissures des lèvres, les extrémités des sourcils ou le menton. [2] Le déplacement de ces repères permet de mesurer les changements de forme et de position associés à une expression. [2] Une région d’intérêt désigne quant à elle une zone du visage sur laquelle un système d’analyse concentre son attention pour repérer une activité musculaire pertinente. [2]

Une expression révèle-t-elle toujours une émotion précise ?

Les systèmes classiques regroupent souvent les expressions en un nombre limité d’émotions dites discrètes. [2] [3] Une autre approche décrit l’expérience émotionnelle selon sa valence, positive ou négative, et son niveau d’activation. [2] Ce modèle dimensionnel peut mieux représenter des états qui ne correspondent pas exactement à une catégorie émotionnelle unique. [2]

L’interprétation d’un visage reste néanmoins incertaine, car une personne peut feindre une émotion et plusieurs expressions peuvent être difficiles à distinguer. [2] Les mêmes mouvements musculaires peuvent aussi apparaître pendant la parole, le chant, un bâillement, une toux ou une réaction à un événement extérieur. [2] Une expression visible ne permet donc pas, à elle seule, d’établir avec certitude l’émotion ressentie ou l’état médical d’une personne. [2]

Quels sont les usages médicaux étudiés ?

La reconnaissance automatisée des expressions faciales, souvent désignée par le sigle FER, appartient au domaine de la vision par ordinateur. [2] Elle analyse des images ou des vidéos afin de repérer des caractéristiques visuelles, des déplacements géométriques ou des unités d’action. [2] En santé, ces méthodes sont notamment étudiées pour quantifier la douleur chez des personnes qui communiquent difficilement, comme les nouveau-nés, certaines personnes atteintes de démence ou des patients présentant de graves troubles de la communication. [2] [3] Elles font également l’objet de recherches dans certaines maladies neurologiques, certains troubles mentaux et certains troubles du développement. [3]

Après un accident vasculaire cérébral, une atteinte motrice du visage peut entraîner une paralysie d’un côté, une chute de la commissure de la bouche ou un effacement du sillon entre le nez et la bouche. [1] Des systèmes expérimentaux cherchent à quantifier cette asymétrie pendant des mouvements comme le sourire, l’ouverture de la bouche ou le relèvement des sourcils. [1] Les études disponibles envisagent ces outils comme des aides au repérage ou au suivi de la rééducation, et non comme des moyens diagnostiques autonomes. [1] Le diagnostic d’un accident vasculaire cérébral repose toujours sur l’histoire clinique, l’examen physique et l’imagerie cérébrale. [1]

Quelles sont les limites de l’analyse automatisée ?

La qualité de l’analyse peut être dégradée par l’éclairage, les ombres, la position de la tête, une occultation partielle du visage ou une résolution d’image insuffisante. [1] [2] L’âge, l’apparence, l’origine ethnique, le tempérament et le contexte culturel peuvent aussi influencer les performances de certaines méthodes. [2] Les résultats dépendent fortement de la diversité des personnes incluses dans les bases d’apprentissage et de la qualité de l’annotation des images. [2] Un modèle entraîné sur des expressions posées dans un environnement contrôlé peut être moins fiable face à des expressions spontanées enregistrées dans la vie réelle. [2]

Dans les études consacrées à l’accident vasculaire cérébral, les performances variaient fortement entre les modèles et les données cliniques réelles donnaient généralement des résultats moins élevés que certaines bases publiques. [1] Le faible nombre d’études, les petits effectifs et l’absence de validation suffisante en situation réelle limitent la généralisation de ces résultats. [1] Une estimation produite par un algorithme doit par conséquent rester un élément complémentaire interprété avec les autres informations cliniques. [1] [3]

Pourquoi la protection des données est-elle importante ?

Les images du visage constituent des informations biométriques sensibles dont la collecte soulève des enjeux de confidentialité et de protection des données. [2] [3] Ces enjeux sont particulièrement importants lorsque les données concernent des enfants, des personnes atteintes de démence ou des patients souffrant de troubles mentaux. [3] La sécurité des données et l’implication des professionnels de santé dans l’interprétation sont nécessaires pour limiter les risques de fuite d’informations ou de décision algorithmique biaisée. [3]