随着人工智能技术的发展和普及,越来越多的机器学习算法已应用于医学图像处理中,并辅助提高了人工读图的效率。在数字口腔领域中,X线片(X-ray flim)头影测量对于牙齿种植、矫正等临床应用是关键一环。将X线片的标志点自动标出可以极大地节省医生的测量时间,提高诊断精度和效率。本文对机器学习相关算法做了调研和分析,在对关键算法改进的基础上,开发并实现了自动头影测量分析原型系统。本文的主要工作包括:首先,提出了基于随机森林和形状回归的标志点检测算法,通过每个标志点的局部特征创建一个随机森林,来生成局部二元特征,然后计算一个全局线性回归矩阵并用一个级联的方式来预测标志点位置,节省了人工标定标志点的时间;其次,提出了基于区域卷积神经网络的标志点检测算法,通过迁移学习的方法微调在大型公用数据集上预训练好的深度卷积神经网络模型,使其可以对图像进行目标检测,更加精确地检测出部分标志点;然后,将模型混合,在前者的基础上加入后者更精确的部分,提高整体检测结果的精确度;最后,开发了自动头影测量分析原型系统,并通过具体实例进行了验证。