随着社会的发展,我国逐渐步入老龄化社会,随之而来的是一系列老年疾病的不断攀升。在老年疾病中,股骨骨折占有很大的比例,治疗的方法主要是人工假体置换。目前我国人工假体的主要来源为国外进口,这些假体并不都是符合国人。这不仅会造成手术复杂,而且影响术后骨骼的恢复。对股骨近端参数的测量一方面可以设计出符合国人的人工假体,甚至未来达到对人工假体的个性化。另一方面,建立国人的股骨参数数据库可以帮助科研人员的研究工作。我国人口数量众多,股骨近端参数受到各种因素的影响均存在一定的差异。手工测量的方式不仅耗时耗力,并且存在人为误差,现存的自动测量股骨近端参数的方法也存在测量不准确的问题。随着深度学习的发展,基于深度学习的医学图像处理迅速成为热点,并取得诸多成就。在此背景下,应西安红会医院要求,我们与之深度合作,在红会医院提供的数据上进行研究。提出使用基于生成式对抗网络进行股骨近端参数测量的方法。本文主要的工作如下:1.分析了股骨近端参数测量的意义和可行性。然后全面了解目前股骨参数测量的研究现状,结合现存的自动测量,从中吸取可取的经验,最终确定自动测量股骨近端参数的关键技术。2.本文分析了股骨近端参数的形态学特点,并研究医师测量的方法。详细论证了几种计算机自动测量股骨近端参数实现的难易程度,确定出本文的实现方案,并形成算法流程。最后给出算法的评价指标。3.针对髋关节X线图像复杂,直接在髋关节进行参数测量会影响股骨近端参数测量的准确性,本文提出将股骨准确的从髋关节中分割出来后再进行测量。并将生成式对抗网络和手工分割结果以及其他网络的实验结果进行对比。4.在股骨分割的基础上,本文又提出了针对具体参数的测量方法。本文中提出使用生成式对抗网络算法和圆拟合的算法相结合的方法确定股骨球心位置和股骨头半径。接下来使用角点检测算法和边缘检测算法确定股骨颈干角、股骨偏心距和股骨干外径。并对实验结果进行分析和评价。从实验结果上看,各个参数测量的结果均在文献报道的范围之内,与手工测量的结果相比较,本文算法存在一定的误差,但是误差在可以接受的范围之内。使用各种评价指标进行评价,也证明了本文算法具有测量结果准确、性能稳定的特点。考虑到目前国内研究的现状,该算法具有一定的参考价值。