在现今的正畸医学领域,头影测量分析技术作为正畸临床诊断及治疗设计的一种重要手段,为医生对患者针对性治疗提供了极大的科学保障。而头影测量技术的关键就是在头部侧位X光片上进行头部特征点定位工作。由于头颅是一个非常复杂的三维物体,面部的不对称性、射线成像畸变等因素导致左右轮廓不能完美叠加,这与个体的解剖变异问题结合在一起,特别是在病理情况下,很难精确地定位头侧测量的特征点。手工标注特征点需要花费一个有临床经验的医生平均5到10分钟左右,不同正畸医生之间可能也会因为临床经验而产生不一致的结果。所以在头影测量分析中非常需要一个全自动特征点定位系统来优化头影测量分析定位等工作,这样一来不仅能够减少正畸医生的工作量,也可以为特征点定位定义一个统一的模式。所以全自动定位特征点便造就了速度和质量的统一体。此次研究过程针对正畸治疗头影测量分析中常用的解剖特征点进行全自动定位系统的研究。根据实际需求和侧位X光片图像特点,创新地设计了级联卷积神经网络的算法框架,其算法主导思想为从粗到精的思想。第一级网络设计为卷积神经网络回归模型,用来定位特征点的粗略定位框。第二级卷积神经网络用来学习特征点周围图片块的强度外观来进行准确定位,采用加权空间平均选出最终结果点;从客观分析的角度来看本次研究取得了一个比较好的定位效果。根据实用性需求实现自动定位的交互系统,极大地方便了医生工作。