每年，有超过一百万的儿童患有遗传病。尽管大约一半的遗传综合症表现出面部畸形，但畸形的面部特征通常在出生时就很细微，而儿科医生对其进行识别可能具有挑战性。诊断的延迟和错误对与遗传综合征相关的死亡率和发病率具有重大影响。举例来说，在美国，受过训练的儿科医生对研究最多的遗传综合症之一唐氏综合症的平均检测准确率低至64%，因此早期发现遗传综合症的方法变得非常重要。

如今，通过照片对儿童进行面部分析是一种可以及早发现遗传综合症的技术。但是，图像可能会遇到校准和照明问题。尽管3D摄影克服了其中的一些问题，但是用于量化儿童颅面畸形的3D扫描仪价格昂贵，而且并非所有医疗中心都可用。最近的研究提出了一种优化面部分析的新方法，该方法可以从2D照片中重建3D面部。

Urace的SIMBIOsys研究小组成员以及UPF信息和通信技术系(DTIC)的认知媒体技术的成员Araceli Morales，Gemma Piella和Federico Sukno，以及来自华盛顿大学的研究人员(美国)这项工作于10月7日在“计算机科学讲义”在线版中发表。本文介绍了一种新的优化方法，该方法可以使用新的统计模型从未经校准的2D照片中对儿童面部的形状进行3D面部重建。

首先，对于每张2D照片，新方法使用统计模型和一组2D面部地标来估计相机姿态。其次，该方法通过最小化估计的3D人脸在每个相机的图像平面中的投影与观察到的2D人脸几何形状之间的距离，来计算相机的姿势和统计模型的参数。

“使用重建的3D人脸，我们会自动提取一组3D几何和外观描述符，并使用它们来训练分类器，以识别与遗传综合征相关的面部畸形”，从事这项研究的文章的第一作者Araceli Morales解释说。她的博士论文由费德里科·苏克诺(Federico Sukno)监督。

作者解释说，在54位受试者(年龄范围为0-3岁)中评估了3D照片的人脸重建方法，“分类器从2D照片中识别出3D人脸的遗传综合征，敏感性为100%，特异性为92.11%”。在他们的文章中。