作为口腔临床诊断的重要工具,X线头影测量分析技术首先需要定位投影测量图像中的解剖特征点。由此可见,特征点的定位精度会对后续的口腔临床诊断产生重要影响。目前临床上仍然主要采用人工方式对特征点进行标记,定位速度慢、精度上受到主观因素影响较大,无法应对目前国内口腔临床日益剧增的门急诊量。因此,发展X线头影测量图像解剖特征点自动定位技术有重要理论价值和临床应用前景。为了提高X线头影测量图像解剖特征点定位速度和准确性、避免主观因素对定位精度的影响,本文在生成对抗性框架下提出了一系列的X线头影测量图像解剖特征点自动定位技术,和常见方法不同之处在于,本文方法均以图像预测而非常见的位移或坐标数值估计为目标。首先提出了一种基于感知损失的X线头影图像特征点定位技术。该技术在生成对抗网络框架下构建类似于编码器-解码器的生成器网络,用于学习从当前图像到目标特征点偏移距离图的映射,并且使用预训练网络提取并计算真实距离图与预测距离图之间的感知损失;再构建鉴别器网络以判断预测的偏移距离图是否与真实数据一致。将新采集的X线头影测量图像作为已训练的生成器输入,可得到针对目标特征点的偏移距离图,然后借助回归投票的方法从预测的距离图中获得目标特征点的坐标。实验结果表明,本文方法能够有效提高X线头影图像特征点定位精度。以上述研究为基础,本文发展了一种基于感知损失和U型生成对抗性网络的X线头影测量图像特征点定位技术。该技术在基于感知损失的X线头影图像特征点自动定位方法基础上,构建U型生成器来代替原有一般形状的生成器网络以生成偏移距离图,同时仍然使用预训练网络从预测出的偏移距离图中提取并计算感知损失,以达到更好地完成特征点定位的目的。最后,本文从图像金字塔理论出发,提出一种基于金字塔结构的X线头影测量图像特征点自动定位技术。该技术在训练阶段利用生成对抗网络从低分辨率X线头影测量图像中预测出目标特征点的粗略位置,再以该粗略位置为基础预测出最高分辨率下的X线图像中目标特征点的精确位置。