现有的面瘫识别方法均基于面部异常或不对称进行判断,但存在面部异常或不对称并不意味着一定是面瘫患者,如:正常人的面部在做某种表情或静止时可能存在不对称;正常人模仿面瘫患者时,也会存在异常和不对称。当重复临床诊断性面部动作时,存在面部异常或不对称的正常人常比患者表现出更大的差异,这是由于正常人相比于面瘫患者具有更健全的面部肌肉运动功能。因此,该文提出了一种基于深度差异特征网络(deep differentiated network, DDN)的面瘫识别方法，该方法对高层特征提取和差异特征计算进行联合优化。首先,利用双数据流卷积神经网络(two-stream CNN)提取疑似患者不同时刻同一动作的面部状态特征;然后，通过单分支卷积网络提取two-stream CNN间的差异特征,并基于差异性特征进行面瘫识别。实验结果表明,DDN能够有效识别疑似患者是否患有面瘫且优于现有方法。