🧠 项目名称：

头侧CT关键点自动标注系统的研究与实现

一、📌 项目简介

本项目旨在开发一套基于图像识别与深度学习的自动化头侧CT关键解剖点标注系统。该系统可对头侧X光片或CT图像中的重要颅面解剖点进行快速、准确的自动识别与定位，辅助正畸、颌面外科、颅颌测量等临床和科研工作，替代传统手动标注方法，提高诊疗效率与准确性。

二、📍 标记点位说明与解剖描述

系统支持自动标注以下常见颅面分析中使用的关键骨性、软组织及牙齿结构点位，覆盖颌面结构、牙齿、软组织和参考点四大类：

🔹【骨性结构点】（用于颅颌分析）

| 缩写 | 名称 | 解剖位置描述 | | ---------- | --------------------- | ------------------------------ | | S | Sella | 蝶鞍中心点（颅底中点） | | N | Nasion | 鼻根点，额骨与鼻骨交界处 | | Po / P | Porion | 外耳道上缘最高点 | | Or | Orbitale | 眼眶下缘最低点 | | A | Subspinale | 上颌骨前突点（前鼻棘后凹陷） | | B | Supramentale | 下颌骨前突点（颏突后凹陷） | | Pog | Pogonion | 下颌骨最前点 | | Gn | Gnathion | 下颌前下点（Me 与 Pog 中点） | | Me | Menton | 下颌骨最下点 | | Go | Gonion | 下颌角点（下颌体与下颌支交点） | | Ar | Articulare | 下颌髁突与颞骨交点 | | Ba | Basion | 枕骨大孔前缘点 | | ANS | Anterior Nasal Spine | 前鼻棘 | | PNS | Posterior Nasal Spine | 后鼻棘 |

🔹【牙齿结构点】（用于前牙角度、咬合关系）

| 缩写 | 名称 | 解剖位置描述 | | ----------- | ----------------------- | -------------- | | UI / Si | Upper Incisor Tip | 上中切牙切缘点 | | LI | Lower Incisor Tip | 下中切牙切缘点 | | U1 root | Upper Incisor Root Apex | 上中切牙根尖点 | | L1 root | Lower Incisor Root Apex | 下中切牙根尖点 |

🔹【软组织点】（用于侧貌分析）

| 缩写 | 名称 | 解剖位置描述 | | ------------- | -------------------- | -------------------------- | | Sn | Subnasale | 鼻中隔与上唇交界处 | | UL | Upper Lip | 上唇前点 | | LL | Lower Lip | 下唇前点 | | Soft Pog | Soft Tissue Pogonion | 软组织颏部最前点 | | Glabella | Glabella | 眉间最高点 | | Submental | Submental | 颏下点（下巴轮廓的最低点） |

🔹【参考/辅助点】（用于坐标系建立）

| 缩写 | 名称 | 描述 | | ------ | ----------------- | -------------------------- | | R1 | Reference Point 1 | 例如咬合平面上自定义参考点 | | R2 | Reference Point 2 | 例如软组织鼻尖 |

三、🎯 项目作用与意义

✅ 1. 提升临床效率

• 传统人工标记费时费力，自动化系统可在几秒内完成准确点位标注，提升效率数十倍。

✅ 2. 标准化标注，减少误差

• 消除因经验差异导致的主观误差，提高点位一致性，利于后续量化分析。

✅ 3. 服务正畸与颌面外科

• 支持 SNA、SNB、ANB、GoGn-SN、U1-SN 等角度测量，为治疗方案设计提供数据支持。

✅ 4. 辅助科研

• 大样本数据集自动标注可用于科研分析，利于颅颌发育、生物型分类、术前术后评估等研究。

✅ 5. 易于集成

• 可与3D建模系统、牙齿识别系统、面部软组织模拟等模块集成，形成完整的智能诊断平台。

四、⚙️ 技术路线

| 模块 | 技术说明 | | -------- | ------------------------------------------------------------ | | 数据处理 | 读取JPG/PNG格式图像，配套标注JSON | | 模型框架 | 推荐使用 YOLOv8进行点位回归或热力图预测 | | 训练数据 | 利用人工标注或公开数据集进行监督学习 | | 后处理 | 输出像素坐标/物理坐标，标注点位可视化叠加展示 | | 测试评估 | 使用平均欧几里得距离、NME (Normalized Mean Error) 等指标评估点位精度 |