头影测量描迹图生成方法及系统

技术领域

本发明涉及计算机技术领域，特别涉及一种头影测量描迹图生成方法及系统。

背景技术

X线头影测量技术于1931年由Broadbent和Hofrath分别提出，是在X线头影侧位片上先绘制测量描迹图，并确定测量标志点，然后对根据这些测量标志点描绘出的线距、角度及线距比进行测量分析，用以了解颅、颌、面、牙软硬组织的结构情况及其相互间关系，进一步了解畸形的机理，有助于医生作出正确的诊断和矫治设计。

测量描迹图一般是由医生对X线头颅进行手动描绘，该过程工作量较大，且其准确性与医生责任心、技术水平等有较大关系，因此，描迹图的准确性无法保证。

发明内容

本发明旨在至少解决上述技术问题之一。

为此，本发明的一个目的在于提出一种头影测量描迹图生成方法，该方法通过识别模型获得采样标志点，并通过模板法得到辅助标志点，进而结合采样标志点和辅助标志点生成头影测量描迹图，从而可有效降低人为参与度，利于提高头影测量描迹图的准确性。

本发明的另一个目的在于提出一种头影测量描迹图生成系统。

为了实现上述目的，本发明第一方面的实施例提出了一种头影测量描迹图生成方法，包括以下步骤：获取待测的头影图片；通过识别模型对所述头影图片进行识别以得到采样标志点；根据所述采样标志点，通过预设方式得到辅助标志点，其中，所述预设方式包括模板法；根据所述采样标志点和所述辅助标志点进行曲线拟合，得到所述头影测量描迹图。

根据本发明实施例的头影测量描迹图生成方法，通过识别模型自动获得采样标志点，并通过模板法得到辅助标志点，进而可结合采样标志点和辅助标志点快速生成头影测量描迹图，从而大大降低了医生的工作量，且由采样标志点和辅助标志点得到的头影测量描迹图的准确性高，降低由于医生的主观原因导致的医疗风险，利于避免由此产生医患纠纷。

另外，根据本发明上述实施例的头影测量描迹图生成方法还可以具有如下附加的技术特征：

在一些示例中，所述根据所述采样标志点，通过预设方式得到辅助标志点，包括：当所述采样标志点为第一预设类型采样标志点时，确定所述第一预设类型采样标志点对应的轮廓模板，所述轮廓模板中包括多个预设标志点；将所述第一预设类型采样标志点与所述多个预设标志点进行匹配，得到辅助标志点。

在一些示例中，所述预设方式还包括经验插值法，所述根据所述采样标志点，通过预设方式得到辅助标志点，还包括：当所述采样标志点为第二预设类型采样标志点时，通过经验插值法得到辅助标志点。

在一些示例中，在根据所述采样标志点和所述辅助标志点进行曲线拟合，得到所述头影测量描迹图之后，所述方法还包括：对所述头影测量描迹图中的任意一个或多个标志点进行移动，根据移动后的标志点进行曲线拟合，得到新的头影测量描迹图。

在一些示例中，所述采样标志点包括用于根据预设算法生成测量项目的测量标志点；所述预设算法包括以下至少一种：北医分析法、Tweed三角分析法、Wylie分析法、Downs分析法、Steiner分析法、Ricketts分析法、Coben分析法、Wits分析法、Riedel分析法、

在一些示例中，所述识别模型通过以下步骤训练得到：获取头影样本图片，所述头影样本图片人工标记有人工采样标志点的位置和标识；利用获取的头影样本图片对预设的训练网络进行训练，以得到识别模型。

在一些示例中，所述第一预设类型采样标志点包括：眶缘点、耳点、上第一恒磨牙咬合中点、下第一恒磨牙咬合中点、上中切牙牙尖点和牙根点，以及下中切牙牙尖点和牙根点；所述眶缘点对应眶缘轮廓模板，所述耳点对应耳道轮廓模板，所述上第一恒磨牙咬合中点对应上第一恒磨牙轮廓模板，所述下第一恒磨牙咬合中点对应下第一恒磨牙轮廓模板，所述上中切牙牙尖点和牙根点对应上中切牙轮廓模板，所述下中切牙牙尖点和牙根点对应下中切牙轮廓模板。

为了实现上述目的，本发明第二方面的实施例提出了一种头影测量描迹图生成系统，包括：获取模块，用于获取待测的头影图片；识别模块，用于通过识别模型对所述头影图片进行识别以得到采样标志点；辅助模块，用于根据所述采样标志点，通过预设方式得到辅助标志点，其中，所述预设方式包括模板法；生成模块，用于根据所述采样标志点和所述辅助标志点进行曲线拟合，得到所述头影测量描迹图。

根据本发明实施例的头影测量描迹图生成系统，通过识别模型自动获得采样标志点，并通过模板法得到辅助标志点，进而可结合采样标志点和辅助标志点快速生成头影测量描迹图，从而大大降低了医生的工作量，且由采样标志点和辅助标志点得到的头影测量描迹图的准确性高，降低由于医生的主观原因导致的医疗风险，利于避免由此产生医患纠纷。

另外，根据本发明上述实施例的头影测量描迹图生成系统还可以具有如下附加的技术特征：

在一些示例中，所述辅助模块，用于：当所述采样标志点为第一预设类型采样标志点时，确定所述第一预设类型采样标志点对应的轮廓模板，所述轮廓模板中包括多个预设标志点；将所述第一预设类型采样标志点与所述多个预设标志点进行匹配，得到辅助标志点。

在一些示例中，所述预设方式还包括经验插值法，所述辅助模块，还用于：当所述采样标志点为第二预设类型采样标志点时，通过经验插值法得到辅助标志点。

在一些示例中，所述头影测量描迹图生成系统，还包括：调整模块，用于在所述生成模块根据所述采样标志点和所述辅助标志点进行曲线拟合，得到所述头影测量描迹图之后，对所述头影测量描迹图中的任意一个或多个标志点进行移动，根据移动后的标志点进行曲线拟合，得到新的头影测量描迹图。

在一些示例中，所述采样标志点包括用于根据预设算法生成测量项目的测量标志点；所述预设算法包括以下至少一种：北医分析法、Tweed三角分析法、Wylie分析法、Downs分析法、Steiner分析法、Ricketts分析法、Coben分析法、Wits分析法、Riedel分析法、

在一些示例中，所述头影测量描迹图生成系统，还包括：训练模块，用于训练得到所述识别模块，其中，所述识别模型通过以下步骤训练得到：获取头影样本图片，所述头影样本图片人工标记有人工采样标志点的位置和标识；利用获取的头影样本图片对预设的训练网络进行训练，以得到识别模型。

在一些示例中，所述第一预设类型采样标志点包括：眶缘点、耳点、上第一恒磨牙咬合中点、下第一恒磨牙咬合中点、上中切牙牙尖点和牙根点，以及下中切牙牙尖点和牙根点；所述眶缘点对应眶缘轮廓模板，所述耳点对应耳道轮廓模板，所述上第一恒磨牙咬合中点对应上第一恒磨牙轮廓模板，所述下第一恒磨牙咬合中点对应下第一恒磨牙轮廓模板，所述上中切牙牙尖点和牙根点对应上中切牙轮廓模板，所述下中切牙牙尖点和牙根点对应下中切牙轮廓模板。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本发明一个实施例的头影测量描迹图生成方法的流程图；

图2是根据本发明一个具体实施例的人工标记的测量标志点的示意图；

图3是根据本发明一个具体实施例的人工标记的绘图标志点的示意图；

图4是根据本发明一个具体实施例的深度学习预测时进行固定网格划分示意图；

图5是根据本发明一个具体实施例的深度学习训练网络示意图；

图6是根据本发明一个具体实施例的深度学习预测网络示意图；

图7是根据本发明一个具体实施例的是眶缘轮廓模板示意图；

图8是根据本发明一个具体实施例的耳道轮廓模板示意图；

图9是根据本发明一个具体实施例的上中切牙轮廓模板示意图；

图10是根据本发明一个具体实施例的下中切牙轮廓模板示意图；

图11是根据本发明一个具体实施例的上第一恒磨牙轮廓模板示意图；

图12是根据本发明一个具体实施例的下第一恒磨牙轮廓模板示意图；

图13是根据本发明一个具体实施例的经过模板法及经验插值法获得的所有标志点的示意图；

图14是根据本发明一个具体实施例的头影测量描迹图示意图；

图15是根据本发明一个实施例的头影测量描迹图生成系统的结构框图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

以下结合附图描述根据本发明实施例的头影测量描迹图生成方法及系统。

图1是根据本发明一个实施例的头影测量描迹图生成方法的流程图。如图1所示，该方法包括以下步骤：

步骤S1：获取待测的头影图片。

头影图片可以为通过X射线技术拍摄的头颅侧位图片。

步骤S2：通过识别模型对头影图片进行识别以得到采样标志点。

在本发明的一个实施例中，步骤S2中的识别模型通过以下步骤训练得到：获取头影样本图片，头影样本图片人工标记有人工采样标志点的位置和标识；利用获取的头影样本图片对预设的训练网络进行训练，以得到识别模型。

具体的，在识别模型训练过程中，获取的头影样本图片的数量应尽可能多，例如，3500、4000、4500、5000个头影样本图片，每个头影样本图片包括人工标记的人工采样标志点，每个人工采样标志点的信息包括该人工采样标志点的位置和标识，位置可用坐标表示。人工采样标志点可包括人工标记得到的测量标志点和绘图标志点，采样标志点可以是根据实际绘制描迹图的需要来确定的，其中，测量标志点可以是根据实际生成测量项目的需要来确定的，例如，相关技术中用北医分析法来生成测量项目，若需要根据北医分析法来生成测量项目，则需要标记跟北医分析法对应的测量标志点；绘图标志点还可以进一步考虑标记在特征比较突出即相对容易标记的标志点，这样可以确保人工标记的准确性，从而提高识别模型的准确性，进而提高描迹图的准确性。

采样标志点的标识用于在头影样本图片中唯一标记对应的标志点，可以使用自定义的数字表示，例如，头影样本图片上的测量标志点包括：标识分别为1、2...37的37个标志点，绘图标志点包括：标识分别为38、39...56的19个标志点，另外，背景点为0。

如图2和图3所示，分别展示了头影样本图片上的测量标志点和绘图标志点分布，通过人工在头影样本图片上标记测量标志点和绘图标志点来获取头影样本图片，标记工作可由具备医学知识的专业人员完成。基于人工标记后的头影样本图片，还可以通过旋转、变亮等方式来增加头影样本图片数量。例如，基于头影样本图片A，由具备医学知识的专业人员直接标记测量标志点和绘图标志点之后，获得头影样本图片A1，将头影样本图片A1的亮度调高，获得头影样本图片A2，按照头影样本图片中头影的位置，来旋转头影样本图片A1，获得头影样本图片A3，如果头影有些低头，则可以将其旋转至眼睛看向水平方向的位置，还可以将头影样本图片A3的亮度调高，获得头影样本图片A4，这样基于具备医学知识的专业人员直接标记的一张头影样本图片，共可以获得标记的4张头影样本图片，这4张头影样本图片都可以作为头影样本图片用于后续训练模型的训练。具体的，上述将人工直接标记采样标志点的方式与通过变亮和/或旋转的方式结合，来获得用以训练的头影样本图片，可以提高获取头影样本图片的效率，并且可以降低人工成本。

本发明的实施例除了要定位人工采样标志点，同时也要给出该人工采样标志点的标识。因此，在训练时，损失函数既要包含定位误差又要包含分类误差。定位误差loss

其中，当预测点在网格内时Pr(obj)为1，当预测点不在网格内时，Pr(obj)为0，网格是图片被切分后形成的，(x,y)为人工采样标志点的坐标，(x',y')为预测点坐标，且以上两点坐标都是经过归一化处理后的坐标，处理公式如下：

其中，(x

分类误差loss

loss

其中，当预测点在网格内时Pr(obj)为1，Pr(noobj)为0，当预测点不在网格内时，Pr(obj)为0，Pr(noobj)为1。C

其中，S

所有训练的损失函数如下：

loss＝λloss

具体的，当点在某个网格内，该网格负责预测该点，每个点包含三个信息，即横坐标、纵坐标、标识。

本发明实施例中训练网络如图5所示，预测网络如图6所示，其中，预测网络为上述识别模型。由图5和图6可以看出，所使用的预测网络和训练网络仅最后一层不一样，其余完全一样，训练网络经过训练后，将最后一层Loss层替换成量化层即可得到预测网络即识别模型。两个网络的前部分都包括卷积层、MaxPooling层、ReLu层和全连接层，训练网络最后一层的Loss层使用公式(5)的损失函数计算公式，其中λ取值可以在4～8这个范围内可以达到较快的收敛以及较高的训练和泛化精度。Loss层经过反向传播，优化深度学习参数，经过不断迭代更新，最后使得Loss下降到一个可以接受的程度，即，使得Loss小于预设Loss阈值，即可停止训练，例如，预设Loss阈值的选取范围可以为0.3-0.5。在上述训练过程中，通过归一化处理，可以提高收敛速度和网络的泛化能力，提高预测网络即识别模型的预测精度。

另一方面，预测网络最后一层为量化层，因为之前的坐标及标识都被归一化到[0,1]，故通过该层来量化到实际的坐标及标识。将量化层的前一层输出的坐标根据坐标量化公式进行处理，坐标量化的公式如下：

公式(6)中的参数解释见上述公式(2)，在此不做赘述。同理，将公式(2)中的(x,y)替换成预测点归一化后的坐标，(x

标识量化的公式如下：

其中，round()代表四舍五入。同理，将公式(4)中的C

换言之，上述过程概述为：对头影样本图片进行归一化，对头影样本图片进行固定网格划分，如果测量标志点及绘图标志点位于该固定网格，则该网格负责预测该两类点的位置以及标识。需要说明的是，由于测量标志点及绘图标志点对于每个人的头影侧位片，即头影图片应为固定的个数，因此，通过网络设计得到固定个数标志点的位置，包括37个测量标志点和19个绘图标志点。

在获得头影图片上的各个测量标志点之后，可以使用数字标识与实际名称的对应关系，以使在头影图片中显示各个测量标志点的实际名称，用于后续的测量计算。该实际名称优选使用医学上通用的名称或类型，例如，耳点P，碟鞍点S，鼻根点N，前鼻脊点PNS，其他医学上通用的名称可以参考表1。绘图标志点的名称是可以自定义的，定义规则可以用汉语拼音首字母加序号。绘图标志点的名称可以显示到头影图片中，也可以不显示。

需要说明的是，如果预测网络，即识别模型的输入是已经归一化处理后的图片，则经过上述坐标量化和标识量化方式获得的结果可以是与该输入的图片相匹配的。如果预测网络的输入是没有经过归一化处理的图片，则经过上述坐标量化和标识量化方式获得的结果与该输入的图片是不相匹配的，可以根据图片的归一化来对结果进行调整，使其与输入的图片匹配，从而提高了该方法的灵活性和适用性。

步骤S3：根据采样标志点，通过预设方式得到辅助标志点，其中，预设方式包括模板法。

在本发明的一个实施例中，步骤S3中，根据采样标志点，通过预设方式得到辅助标志点，包括：当采样标志点为第一预设类型采样标志点时，确定第一预设类型采样标志点对应的轮廓模板，轮廓模板中包括多个预设标志点；将第一预设类型采样标志点与多个预设标志点进行匹配，得到辅助标志点。

在本发明的一个实施例中，第一预设类型采样标志点例如包括：眶缘点、耳点、上第一恒磨牙咬合中点、下第一恒磨牙咬合中点、上中切牙牙尖点和牙根点，以及下中切牙牙尖点和牙根点；第一预设类型的标志点所包括的各个标志点可以通过采样标志点的标识确定，例如，眶缘点的标识可以为3，其中，眶缘点对应眶缘轮廓模板，耳点对应耳道轮廓模板，上第一恒磨牙咬合中点对应上第一恒磨牙轮廓模板，下第一恒磨牙咬合中点对应下第一恒磨牙轮廓模板，上中切牙牙尖点和牙根点对应上中切牙轮廓模板，下中切牙牙尖点和牙根点对应下中切牙轮廓模板。

具体的，如图14所示的描迹图，示出了多个部位的轮廓，包括：鼻骨轮廓、眶缘、翼上颌裂、颚板、下颌骨、面部轮廓、垂体窝、蝶骨大翼大脑面、耳道、额骨眶面、上中切牙、下中切牙、上第一恒磨牙、下第一恒磨牙。人工标记的采样标志点可以根据这些轮廓的绘制需求来设定。

模板法针对的轮廓主要有：眶缘、耳道、上中切牙、下中切牙、上第一恒磨牙、下第一恒磨牙。则，针对眶缘点、耳点、上第一恒磨牙咬合中点、下第一恒磨牙咬合中点、上中切牙牙尖点和牙根点，以及下中切牙牙尖点和牙根点等，通过模板法得到辅助标志点可以按照以下方式实现：

针对眶缘点：如图7所示，通过预测网络已经预测出眶缘点，眶缘点对应的眶缘轮廓模板包含0-4五个预设标志点，把眶缘轮廓模板的3点与预测网络预测出的眶缘点平移到重合，对应增加眶缘轮廓模板上的0、1、2和4四个标志点，即可得到对应于眶缘点的辅助标志点。眶缘点和眶缘点对应的辅助标志点用于绘制眶缘轮廓。

针对耳点：如图8所示，通过预测网络已经预测出耳点，耳点对应的耳道轮廓模板包含0-7八个预设标志点，把耳道轮廓模板的0点与预测网络预测出的耳点平移到重合，对应增加耳道轮廓模板上的1-7七个标志点，即可得到对应于耳点的辅助标志点。耳点和耳点的辅助标志点用于绘制耳道轮廓。

针对上中切牙牙尖点和牙根点：参照图9，通过预测网络预测出上中切牙牙尖点和上中切牙牙根点，上中切牙轮廓模板包含0-11这12个预设标志点，把上中切牙牙尖点和上中切牙牙根点对应的上中切牙轮廓模板0点和6点，按照预测出的上中切牙牙根点和上中切牙牙尖点，进行旋转，计算头影中该牙齿相对水平方向的角度，以及图9中0点和6点连线相对水平方向的角度，通过旋转上中切牙轮廓模板，使得这两个角度相同，并把6点平移到与上中切牙牙尖点重合，对应增加上中切牙轮廓模板上的1-5，7-11这10个标志点，即可得到对应于上中切牙牙尖点和牙根点的辅助标志点。上中切牙牙尖点和牙根点以及它们对应的辅助标志点用于绘制上中切牙轮廓。

针对下中切牙牙尖点和牙根点：如图10所示，获取下中切牙牙尖点和牙根点对应的辅助标志点与获取上中切牙牙尖点和牙根点对应的辅助标志点的方式类似，具体请参照上述相关内容，为减少冗余，此处不再一一列举赘述。

针对上第一恒磨牙咬合中点：参照图11，通过预测网络预测出上第一恒磨牙咬合中点，上第一恒磨牙咬合中点对应的上第一恒磨牙轮廓模板包含0-17这18个标志点，需把上第一恒磨牙咬合中点对应的上第一恒磨牙轮廓模板上的5点平移到与上第一恒磨牙咬合中点重合，对应增加上第一恒磨牙轮廓模板上的0-4，6-17这个17个标志点，可得出对应于上第一恒磨牙咬合中点的辅助标志点。上第一恒磨牙咬合中点与其对应的辅助标志点用于绘制上第一恒磨牙轮廓。

针对下第一恒磨牙咬合中点：如图12所示，获取下第一恒磨牙咬合中点对应辅助标志点的方式与获取上第一恒磨牙咬合中点对应辅助标志点的方式类似，下第一恒磨牙咬合中点与下第一恒磨牙轮廓模板的5点重合，具体请参照上述相关内容，为减少冗余，此处不再一一列举赘述。

在具体实施例中，轮廓模板是由多个预设标志点组成的，并没有真正的轮廓线，根据模板法得到的是多个辅助标志点，而不是轮廓线，模板法可以是自动实现的，即可以实现标志点的自动匹配，有效提高标志点的生成效率。当然，在其他实施例中将第一预设类型采样标志点与多个预设标志点进行匹配的过程也可以是手动实现的，即可以按照上述根据模板法获取标志点的方式，将上述各个轮廓模板拖动至使其上的某点与第一预设类型采样标志点重合的位置。

进一步地，在本发明的一个实施例中，在步骤S3中，预设方式还包括经验插值法，基于此，根据采样标志点，通过预设方式得到辅助标志点，还包括：当采样标志点为第二预设类型采样标志点时，通过经验插值法得到辅助标志点。可以理解的是，第二预设类型采样标志点可以为：除第一预设类型采样标志点，如眶缘点、耳点、上下第一恒磨牙咬合中点，以及上中切牙牙尖点和上中切牙牙根点以外的其它采样标志点中的多个。

具体的说，经验插值法的依据是：虽然不同的人长相各异，但人的描迹图大致相同，所以可以通过识别模型定位部分采样标志点，其余的采样标志点可以通过经验插值法进行插值获得。经验插值法的规则是：使用相邻两个已通过深度学习定位即识别模型识别出的采样标志点，插值出当前点，如图13所示的Prn和Ns中间的面部采样标志点有两个，而人的面部部位的鼻子轮廓侧位片基本成线性，所以可以通过线性进行插值，得到相应的辅助标志点。

步骤S4：根据采样标志点和辅助标志点进行曲线拟合，得到头影测量描迹图。

具体的，如图13所示，其示出了头影图片上的用于描绘的所有标志点，包括通过预测网络，即识别模型获得的采样标志点，以及通过模板法或插值法获得的辅助标志点。最后由图13上的所有标志点，使用常用的曲线拟合算法，如B样条、贝塞尔曲线等得到连续的描迹图，即为头影测量描迹图，如图14所示。

在本发明的一个实施例中，在根据采样标志点和辅助标志点进行曲线拟合，得到头影测量描迹图之后，该方法还包括：对头影测量描迹图中的任意一个或多个标志点进行移动，根据移动后的标志点进行曲线拟合，得到新的头影测量描迹图。也即是说，在生成头影测量描迹图之后，当拖动该头影测量描迹图上的任一标志点时，重新通过曲线拟合算法获取相应位置的轮廓线，即对拟合的轮廓线进行调整，得到新的头影测量描迹图。

也即是说，该方法基于深度学习，通过识别模型可实现自动标记采样标志点；可基于自动获取的标志点，自动生成头影测量描迹图；可基于获取的部分标志点，即采样标志点，通过模板法或经验插值法自动增加辅助标志点，再进行曲线拟合获取头影测量描迹图；在得到头影测量描迹图之后，可通过调整标志点的位置，重新进行曲线拟合，获得新的头影测量描迹图。

在本发明的一个实施例中，上述采样标志点包括用于根据预设算法生成测量项目的测量标志点，测量项目可以包括标志点描绘出的线距、角度及线距比等。预设算法包括以下至少一种：北医分析法、Tweed三角分析法、Wylie分析法、Downs分析法、Steiner分析法、Ricketts分析法、Coben分析法、Wits分析法、Riedel分析法、

表1预设算法所需的测量标志点信息表

在具体实施例中，由于获得的测量标志点都有标识，因此，可直接根据测量项目，拿取对应的测量标志点即可自动计算，简单、方便、易实现。

根据本发明实施例的头影测量描迹图生成方法，通过识别模型自动获得采样标志点，并通过模板法得到辅助标志点，进而可结合采样标志点和辅助标志点快速生成头影测量描迹图，从而大大降低了医生的工作量，且由采样标志点和辅助标志点得到的头影测量描迹图的准确性高，降低由于医生的主观原因导致的医疗风险，利于避免由此产生医患纠纷。

本发明采用模板法，或采用模板法与插值法相结合的方式，在通过识别模型识别出的采样标志点的基础上增加辅助标志点。利用识别模型进行识别，可以提高采样标志点获取的准确性，而识别出用于拟合生成头影测量描迹图的部分标志点，不仅有利于减少获取样本的难度与人工成本，而且有利于样本获取的准确性，从而进一步提高识别模型的识别结果的准确性。基于人类面部的特征分别使用模板法和插值法，可以提高辅助标志点获取结果的准确性。因此，识别模型结合模板法，或结合模板法以及插值法，可以使用于绘制头影测量描迹图的标志点更加准确，从而使描绘的头影测量描迹图更加准确。本发明的进一步实施例还提出了一种头影测量描迹图生成系统。

图15是根据本发明一个实施例的头影测量描迹图生成系统的结构框图。如图15所示，该系统100包括：获取模块110、识别模块120、辅助模块130和生成模块140。

其中，获取模块110用于获取待测的头影图片。

识别模块120用于通过识别模型对头影图片进行识别以得到采样标志点。

在本发明的一个实施例中，该系统100还包括训练模块(图中未示出)。训练模块用于训练得到识别模块，其中，识别模型通过以下步骤训练得到：获取头影样本图片，头影样本图片人工标记有人工采样标志点的位置和标识；利用获取的头影样本图片对预设的训练网络进行训练，以得到识别模型。

辅助模块130用于根据采样标志点，通过预设方式得到辅助标志点，其中，预设方式包括模板法。

具体的，辅助模块130根据采样标志点，通过模板法得到辅助标志点的过程，包括：当采样标志点为第一预设类型采样标志点时，确定第一预设类型采样标志点对应的轮廓模板，轮廓模板中包括多个预设标志点；将第一预设类型采样标志点与多个预设标志点进行匹配，得到辅助标志点。

具体的，第一预设类型采样标志点包括：眶缘点、耳点、上第一恒磨牙咬合中点、下第一恒磨牙咬合中点、上中切牙牙尖点和牙根点，以及下中切牙牙尖点和牙根点；眶缘点对应眶缘轮廓模板，耳点对应耳道轮廓模板，上第一恒磨牙咬合中点对应上第一恒磨牙轮廓模板，下第一恒磨牙咬合中点对应下第一恒磨牙轮廓模板，上中切牙牙尖点和牙根点对应上中切牙轮廓模板，下中切牙牙尖点和牙根点对应下中切牙轮廓模板。

在本发明的一个实施例中，预设方式还包括经验插值法。辅助模块130根据采样标志点，通过经验插值法得到辅助标志点的过程，包括：当采样标志点为第二预设类型采样标志点时，通过经验插值法得到辅助标志点。

生成模块140用于根据采样标志点和辅助标志点进行曲线拟合，得到头影测量描迹图。

在本发明的一个实施例中，该系统100还包括调整模块(图中未示出)。调整模块用于在生成模块根据采样标志点和辅助标志点进行曲线拟合，得到头影测量描迹图之后，对头影测量描迹图中的任意一个或多个标志点进行移动，根据移动后的标志点进行曲线拟合，得到新的头影测量描迹图。

在本发明的一个实施例中，采样标志点包括用于根据预设算法生成测量项目的测量标志点；预设算法包括以下至少一种：北医分析法、Tweed三角分析法、Wylie分析法、Downs分析法、Steiner分析法、Ricketts分析法、Coben分析法、Wits分析法、Riedel分析法、

需要说明的是，本发明实施例的头影测量描迹图生成系统的具体实现方式与本发明实施例的头影测量描迹图生成方法的具体实现方式类似，具体请参见方法部分的描述，为了减少冗余，此处不再赘述。

根据本发明实施例的头影测量描迹图生成系统，通过识别模型自动获得采样标志点，并通过模板法得到辅助标志点，进而可结合采样标志点和辅助标志点快速生成头影测量描迹图，从而大大降低了医生的工作量，且由采样标志点和辅助标志点得到的头影测量描迹图的准确性高，降低由于医生的主观原因导致的医疗风险，利于避免由此产生医患纠纷。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同限定。