人类颌面部包含了人脸的大部分区域,其骨骼支架形状构成复杂,多块骨骼共同组成了此部位,颌骨(上下颌骨),颧骨以及鼻骨等重要骨骼都被包含在内,它们具有极为复杂的结构特征和功能特征,轻微的病变就有可能引发严重的病症以及复杂的并发症。本研究任务将颌面部骨骼分为颌骨与眼眶周围骨骼,其中颌骨构成了中下面部骨骼的绝大部分,鼻骨、颧骨等眼眶周围骨骼构成了上面部骨骼的大部分。因此,本研究将分别研究颌骨与眼眶周围骨骼这两部分骨骼。颌骨缺损疾病或者症状带来的生理方面以及心理方面的障碍是巨大的,患者生活难以为继。在临床中,对于双侧颌骨缺损等严重颌骨缺损的病人,原始颌骨形状严重受损,医生通常根据自身的经验设计手术方案和颌骨的形状,这种做法不够准确且耗时,手术结果可能导致病人面部外观不协调。颌骨的形状非常个性化,人与人之间有一定的差异,因此单纯依据医生的经验进行颌骨外形的重建并不合适。眼眶周围骨骼的结构与附近的软组织十分复杂,眼眶部位的骨骼损伤及软组织病变会引起眼部的严重病变,影响患者的视力及面貌。在眼科检查中,医生通常需要对患者的眼睛进行准确的测量,以便进行诊断和疾病状态判断,而这一步往往都是医生手动完成。这对医生来说操作麻烦,并且结果有一定的主观因素,因此需要更加准确客观的测量方法取代传统的手工测量。根据以上对于现状的描述,本文的主要的研究内容从医学以及工程实现等角度可以分成两个部分,一部分是对于眼眶以下颌骨的重建的虚拟手术优化,另一部分是眼眶周围骨组织损伤所引发眼部疾病的诊断的优化。下面对这两个部分分别阐述。为了应对颌骨重建手术不够准确和个性化的现状,本文设计算法优化颌骨重建的虚拟手术规划并希望尽量提高精度。首先在颌骨上选择了16个关键解剖标志点,这些解剖点的选择是基于外科医生的手术需要以及这些解剖点在构成颌骨和人脸的形状轮廓上发挥的作用。为了充分考虑每位患者个性化的颌骨形状,假设可以在颌骨的不同关键点之间找到一定的位置关系。因为颌骨缺损会导致一部分解剖点的缺失,因此本研究的目标是预测关键解剖点的位置,并评估预测结果的准确性。另外颌骨的形状和大小可能存在性别差异,这一点本研究也做了充分考虑。我们首先分析了临床上医生根据经验重建颌骨的准确性,然后采用一些机器学习的方法拟合颌骨关键点之间的位置关系,并据此重建关键点,其精确度高于医生的经验做法。那些需要在临床上手动测量的参数,其客观性经常会被质疑,从而导致临床结论未必可靠。我们设计了算法来自动测量这些参数,以优化上睑下垂、眼睑退缩和眼球运动障碍等眼部病症的诊断程序。我们首先设计了面向这一任务的卷积神经网络以用来识别角膜,巩膜,瞳孔以及内外眼角。然后,我们使用识别的结果来计算10个很常用的眼科参数,如眼裂高、角膜纵径横径、上转受限量等,然后我们用这些自动计算得到的参数进行眼科疾病的诊断,并将诊断结果与人的诊断结果做对比。结果表明,我们的测量达到了比较高的精度,诊断结果与专业医生的诊断结果相近。