本发明涉及人工智能与医疗领域，具体涉及一种特纳综合征诊断模型训练方法、诊断系统及相关设备，旨在提高准确率。本发明的特纳综合征诊断分类模型的训练方法包括：根据数据样本的标注信息对输入的图像样本进行分类，并按预设的比例生成相应的训练样本及测试样本；基于多种神经网络基础分别构建不同的初始医疗分类模型；将训练样本分别输入每个初始医疗分类模型进行训练和调整参数，得到对应的智能诊断医疗分类模型；将测试样本分别输入每个智能诊断医疗分类模型进行分类并根据分类结果选定特纳综合征诊断分类模型。本发明的诊断系统包含了上述方法训练得到的诊断分类模型，将不同角度照片里的同一部位关联起来，提取更多潜在特征，提高了准确率。