特纳综合征是常见的X染色体异常疾病,在活产女婴中的发病率大约是1/2500。诊断方法是前期通过经验丰富的医生观察患者是否存在典型的临床特征(如身材矮小),再通过染色体核型检测来确诊。传统的诊断方法存在诊断周期长,费用昂贵等缺点,导致患者的治疗时间大大延迟。本文主要通过对特纳综合征患者面部特有临床特征的分析,结合人脸识别技术相关内容,提出了使用特纳综合征患者面部2D图像进行辅助诊断并进行自动分类检测的一整套研究流程。本文研究内容对人脸图像在医疗辅助诊断领域的应用具有重要科研价值和临床意义。本文研究严格按照临床标准进行,从实际应用与临床意义出发,对特纳综合征患者人脸图像进行自动分类的关键技术进行了研究。本文的主要研究内容与创新点为:(1)结合人脸识别与数字图像处理相关技术,在现有的研究基础上,选择更加具有针对性的人脸图像处理方法;(2)根据患者特有的面部临床特征使用适合的人脸检测、人脸矫正方法,通过特征分析,建立了患者68特征点模型,同时使用形态学的方法对人脸图像进行了特征增强;(3)结合68特征点模型,提取了患者面部的全局几何特征,全局纹理特征和5种不同的局部特征,同时对特征进行了降维与融合处理;(4)针对不同特征设计不同分类器进行自动分类检测,根据全局特征的特点设计了基于几何特征和纹理特征的SVM分类器,根据局部特征的特点设计了基于匹配层特征融合的两级Adaboost分类器;(5)在现有人脸图像数据基础上,通过局部特征分析,初步得出患者面部畸变程度区间的具体数值,该数值对于临床医生进行初步诊断具有重要的参考意义。本文使用的人脸图像是由北京协和医院在2016年7月到2017年9月期间收集整理的,其中有特纳综合征患者人脸图像69例,有年龄性别相匹配的对照图像225例。通过对原始真实人脸图像进行预处理,训练特征点模型,提取全局特征与局部特征,最后使用自动分类算法对人脸图像进行识别与分类。其中,最好的自动分类实验结果准确率达到了84.6%,实验结果表明对特纳综合征患者人脸图像进行分析分类是可行的。