自被引入口腔正畸领域以来,X线头影测量分析技术就已经成为研究颅面生长发育、临床畸形诊断与矫治设计的重要工具。而X线头影测量分析首先要确定各个解剖点的位置,然后根据这些解剖点构成的线角关系进行分析,和正常人比较后得出诊断结论。因此解剖特征点的定位精度直接影响X线头影测量分析的准确度。目前临床对X线头影测量图像解剖特征点仍然采用手动标记方式。然而,即使有经验的医师手动标记也非常耗时,且受医师个人经验、精力等主观因素较大。因此,发展X线头影测量图像解剖特征点的自动定位方法可以作为这些问题的解决方案,并且是具有重要的科研意义与临床价值的。为了解决二维X线头影测量图像口腔解剖特征点的自动定位问题,本文提出了一种基于对抗性自动编码网络的二维X线头影测量图像口腔解剖特征点自动定位的算法。算法的整个流程包括数据预处理阶段、训练阶段和测试阶段。首先在数据预处理阶段对二维X线头影测量图像进行裁剪处理,并根据待检测的解剖特征点计算得到对应的偏移距离图,接着在训练阶段,模型将预处理后的头影测量图像与对应的偏移距离图作为输入数据训练模型生成器,生成器输出预测的偏移距离图,再使用真实的偏移距离图与预测的偏移距离图训练鉴别器,最后在测试阶段,训练好的模型能够根据输入的头影测量图像预测出偏移距离图,对预测出的偏移距离图使用回归投票方法可以计算获得待检测特征点坐标。本文方法创新性的利用生成模型完成了对解剖特征点坐标的预测,实验结果表明,该方法能够生成质量较高的偏移距离图,从而计算得到精度较高的口腔解剖特征点坐标。同时由于X线头影测量图像存在解剖组织结构单一,图像语义信息不够丰富的问题,鉴于U-Net网络结构能够有效融合医学图像中多尺度的特征,本文还提出基于对抗性U-Net网络的二维X线头影测量图像口腔解剖特征点的自动定位算法,该模型旨在结合U-Net结构与生成对抗性网络框架两者的优势,利用U-Net网络其特有的U型结构与跳层连接机制,对X线头影测量图像在不同尺度下的特征图进行融合,再结合生成对抗性网络的对抗性思想,以达到提高预测出的偏移距离图质量和解剖特征点定位精度的目的。