解剖标志的定位是医学图像的分析的重要步骤,是许多医学分析方法的前置步骤,同时能够帮助医生进行临床诊断,为医生的进一步判断病情提供方便。提出了一种基于深度学习的CT髋骨和膝骨关节解剖点自动定位的算法。定位算法分为四步:第一步预处理,主要是对图像进行截断归一化,去除图像金属背景,并通过等方性重采样将图像采样到相同的规格,为深度学习提供更好的数据。第二步解剖点ROI粗定位是针对CT数据过大的问题,降低图像分辨率后使用传统图像算法进行形态分析。将三维图像映射为三个平面的二值图像,经过去除小连通域,数值滤波后计算得到各个部位坐标点ROI区域中心点,并以中心点为中心进行裁剪,得到多个高分辨率的局部图像。第三步解剖结构细定位使用局部图像作为深度神经网络输入进行训练。细定位网络基于SCN网络,并作出了以下改进:第一,引入可微空间数值变换,消除传统热图回归的精度损失和数据偏移,可微空间数值变换是一种从热图计算坐标的运算方式,不会增加网络的复杂度;第二,在U型网络基础上增大热图回归卷积核,加大图像感受野。最后第四步对预测结果进行后处理,将网络预测结果通过计算转换为处理前原图的位置输出并计算各项评估指标。在联影公司提供的三维髋关节和膝关节解剖结构CT图像进行实验,从中选择正常数据和病理数据一共28套进行测试。实验结果表明在定位准确率和定位稳定性方面都能获得较好的效果。