随着我国老人的增多,老年疾病患病率也随之增高。在老年骨病患者中,绝大多数病症都与股骨相关。目前国内针对股骨近端骨折的主要治疗方法为髋关节假体置换。而这些假体大部依赖于进口。根据西安交通大学第二附属医院和中国人民解放军总医院的临床实践表明,目前进口的假体和钢板并不能很好匹配国人的股骨形状,造成术后恢复效果差。股骨参数测量可以辅助医生设计人工假体,同时还可以协助医生选择适合手术方案和器械。此外利用测量获得的数据建立股骨参数数据库,有利于骨科疾病防治的相关研究。目前临床上主要用人工方法进行股骨近端参数的测量。人工手动测量费时费力、可重复性低并存在人为偏差。近年来随着深度学习技术的进步,利用神经网络进行自动测量成为研究热点。本文在此背景下与西安交通大学第二附属医院合作研究了基于计算机扫描断层数据的股骨近端参数测量方法。本文主要工作如下:（1）针对股骨数据三维重建的问题,利用Res Net将转换为图片的髋关节CT扫描数据分为股骨、胫骨和其他三类。之后利用改进的U-Net网络将股骨内外轮廓分割出来,通过对比实验验证了方法的有效性。同时利用分割后的图片完成了股骨三维重建和股骨皮质厚度的测量。（2）为了提高分割精度,本文提出了点云分割网络Point Net++的改进模型。利用改进的模型将股骨分为头、颈、干三部分。与其他模型对比,表明本文改进的网络模型可以实现股骨高精度分割,为后续测量做准备。（3）在股骨分割的基础上本文基于每个部分的形态学特征,利用拟合算法计算出相应标志点。利用标志点和相应的数学公式计算股骨头直径、股骨干外径、颈干角、股骨长度、偏心距、前倾角六个参数,然后分析了相关性。并验证了实验结果的准确性和可靠性。（4）为了对比颈干角二维和三维测量结果的差异。本文找到颈干角二维最佳投影平面,将股骨投影到该平面。在此基础上提出了颈干角二维测量方法并与三维、手动测量结果进行了对比,结果显示三者之间均无统计学差异。