小儿阻塞性睡眠呼吸暂停低通气综合征是指儿童在睡眠过程中频繁发生的部分或者全部上气道阻塞,从而干扰打乱儿童睡眠正常通气呼吸和睡眠结构而引起的一系列的生理病理变化的疾病。此疾病广泛地存在于2-10岁的儿童群体,不容易引起重视,长时间不治疗会影响孩子的生长和智力发育,有广泛性、普遍性、不易发现性、危害性大等特点,而现阶段的临床诊断方法存在成本高、准确性差等问题,小儿OSAHS患者又需要早日确诊进行下一步治疗。所以本文提出了基于人脸图像的计算机辅助诊断方法。主要工作有如下三个部分:(1)数据收集和预处理方法。开发数据收集app,与北京儿童医院睡眠和呼吸中心合作,长时间大强度地收集每日的病患数据。然后对原数据进行收集与整理。利用数字图像处理技术,首先对原始人脸数据进行预处理包括人工筛选、面部对齐矫正和中心化、灰度化、图像增强和光照补偿等。最终有效病例2121例,图像8440张,使之应用于下一步的研究。(2)特征提取与选择方法的分类研究。提取处理后的人脸数据全局和局部特征,包括轮廓边缘特征、纹理小波特征、Gabor特征等,局部特征包括各种经验特征,自动化提取面部各种生理特征。经过新一轮的降维和组合后使用各种分类器进行分类,包括支持向量机、聚类方法、提升和集成学习方法等,根据不同的特征和选择不同的主成分进行实验。结果表明,最好达到了91.3%的准确率。(3)基于深度卷积神经网络技术的特征提取和可解释性方法研究,通过对网络的设计和主要层的研究,发现OSAHS患者面部特有特征,对临床实验进行可解释研究,分析发现,上唇部作为成为OSAHS患者的特有特征,不同于普通正常案例,进一步指导临床诊断。