早在古希腊和古中国,已经有面相的研究记录,人脸包含重要信息,某些疾病也在面部表现特征。本文对OSA面容的特征进行研究,并从计算机图像学的角度出发,为医学类的图像研究提供新的路径方案。在收集到样本后,根据金标准将图像的类别标注分为健康、轻度、中度、重度四类。研究路线主要分为三个部分:第三章用平均脸分析OSA面容特征,直观对比图像。讨论OSA面容图像是否具有肉眼可见的特征。核心技术为平均脸算法,平均脸在一定程度上有相似的相貌,能够说明某类人群的相同特征。按数据类别生成四张平均脸面容图像,这份材料将传统图像处理方法加入OSA面容特征分析中,可用于医学中OSA严重级别样本间的对比。第四章传统图像方法提取特征点,并进行数据分析的结果。基于面部形态学的传统图像分析方法,与现有的医学图像方法相似。该方法从图像中提取到数值特征,基于统计学分析数据的P值差异,便于医用工作者理解。同时,在数据展示中对相关系数矩阵的数据展示做出创新,能够更方便分析面部变化。第五章基于Grad-CAM的深度学习特征提取方法,在现有方法的基础上引入深度学习模型,提升对OSA面容辨识的能力。同时创新引入CAM的注意力机制说明模型关注的面部区域,研究结果与医学结论相符。本文通过计算机图像处理的方法,研究OSA面容的特征表现。结合经典方法与深度学习方法,两种方法相互证明特征提取的有效性。不仅实现特征与疾病的相关程度可视化,还为OSA面容特征研究提供新的思路。