在中医学中,手诊法是中医望诊中的特色诊断方法之一,它是一种能够推理人体器官健康状况的辅助诊断方法,它通过手掌九宫区域的气色、纹理、形态等表征来判断人体的脏腑健康状况。该方法主要根据中医师的先验知识,首先通过定位将手掌图像划分成九宫格,然后对其中的每一个区域进行观察诊断,因此该方法在定位过程中如果出现定位误差,可能会影响医师对病情的判断。随着红外线热成像技术的发展,通过红外热像仪能够得到人体手掌的热量信息,而热量信息对中医辅助诊断的手诊法有着重要的作用,红外热像仪能够弥补中医望诊的不足,它可以通过它对人体相应的脏腑功能状态进行分析并诊断健康状况。然而,在利用医用红外热像仪对手掌红外图像进行关键点定位时,由于手掌的大小和角度以及伸张程度的不同,传统的定位算法难以实现精确的定位,可能导致医师出现错误诊断的问题。因此,提高手掌红外图像关键点的定位精度,成为了手诊九宫诊断的首要任务。为了解决以上问题,本文提出一种多尺度空洞卷积特征金字塔融合的残差网络（Multiscale Dilated-convolution Feature Pyramid Fusion Residual Networks,MDFPF-Res Net）的定位方法,用来实现对手掌红外图像关键点的定位。为了使模型达到较好的效果,本文使用数据增强的方式对数据集进行放大缩小、移位、翻转、选择等操作。该网络首先在金字塔中集成多尺度的空洞卷积,提高图像高层语义特征提取的能力,空洞率分别为1,6,12;然后加入改进型Bottleneck模块,利用BN层来改善多层温度轮廓定位不准确的问题;最后将多尺度空洞卷积特征金字塔（Multiscale Dilated-convolution Feature Pyramid,MDFP）层级与改进Bottleneck模块的输出特征图进行特征融合,并通过重复特征融合的方式提取图像特征,改善了由于空间分辨率低的手掌红外图像出现的关键点漏检问题。为了验证MDFPF-Res Net定位的有效性,本文在手掌红外图像数据集上通过多个网络进行实验对比,通过准确率、AP50、AP75和APL的实验结果表明,所提方法能够在手掌红外图像上进行精确定位,与其他网络相比该网络具有更高的定位准确率,在网络的训练过程中的准确率中可知,该网络具有较强的鲁棒性;通过召回率的实验表明,虽然在手掌红外图像上会出现漏检问题,但是该网络在处理关键点的分类和识别任务时均优于基准模型和其他方法,通过以上实验验证了本文方法在手掌红外图像关键点定位的有效性,并通过tkinter库编写了一套可使用的软件,通过使用该软件能够任意对其中的图像进行定位,将定位结果显示在界面中。