头影测量分析是现代口腔正畸,正颌治疗和颅面外科手术不可或缺的工具,为患者的骨骼、牙齿和软组织结构提供了有价值的诊断信息。当对口腔头影测量X线图像进行常规分析时,临床医生需要首先手动定位解剖标志点,并根据解剖标志点坐标计算一些临床评价指标。然后,通过将患者的这些临床评价指标与正常人进行比较,从而诊断出颅颌面是否可能存在解剖结构异常情况。然而,临床医生之间的经验差距以及同一临床医生在不同时间的精力差别会严重影响手动定位解剖标志点的精度,最终影响头影测量分析的准确性。此外,手动定位解剖标志点的另一个缺点是耗时。即使经验丰富的临床医生也需要花费至少20分钟来手动定位一幅头影测量X线图像中的全部解剖标志点。因此,发展口腔X射线头影测量图像解剖标志点自动定位算法具有重要的临床价值和理论价值。为了实现口腔X射线头影测量图像中解剖标志点的自动定位,本文提出一种基于上下文感知回归森林模型的X射线头影测量图像解剖标志点自动定位和分析方法。该方法从口腔X射线头影测量训练图像中提取外观特征训练第一层回归森林模型,通过该模型生成训练图像关于解剖标志点的偏移距离图。再从偏移距离图中提取上下文特征,并结合外观特征用于训练第二层回归森林模型。将双层回归森林模型作用于待检测的口腔X射线头影测量图像,预测出解剖标志点偏移距离图,最后使用回归投票方法求得解剖标志点位置。实验结果表明,基于上下文感知回归森林模型的X射线头影测量图像解剖标志点自动定位和分析方法能较准确的获得口腔头影测量图像中解剖标志点的位置。其次,为了便于非开发人员的使用,基于Python语言开发了一套口腔X射线头影测量图像解剖标志点自动定位系统。该系统整合了模型的训练和测试功能,同时可以修改训练和测试中的各种参数。为了使得检测结果更加友好,添加了可视化模块,可以将检测结果直接标注在测试图像上。为了提高软件的处理速度,去除了Python的GIL锁,充分利用了多核CPU的资源。