现代医学中,临床诊断和治疗的过程越来越多地应用到三维医学图像,并且三维医学图像中特征点的自动定位成为头影测量分析、CT图像前列腺部位分割等医学图像分析任务的关键。然而,目前临床上解剖特征点的定位仍然要依靠医生手动进行测量和定位,这种方式不仅浪费了经验丰富的医生的时间和精力而且由于医生不同时间状态不同或者不同医生之间的差异会导致解剖特征点的定位准确性受到影响。因此解剖特征点的定位精度直接影响后续医学图像处理和分析的准确性。因此发展三维医学图像解剖特征点的自动定位具有重要的临床价值和理论价值。首先针对三维头影测量CBCT(Cone beam CT,CBCT)图像解剖特征点的自动定位问题,本文提出一种基于随机森林的三维头影测量CBCT图像解剖特征点的自动定位方法。该方法分为训练阶段和测试阶段,训练阶段首先从三维医学图像中提取外观特征作为第一层随机森林模型的输入,通过随机森林模型产生每个解剖特征点的偏移距离图。然后从上一步骤得到的偏移距离图中提取上下文特征,并且将上下文特征和原始的外观特征结合起来作为第二层随机森林的输入训练出第二层随机森林。测试阶段将待检测的三维头影测量CBCT图像输入本随机森林模型中即可得到解剖特征点的偏移距离图,最后使用回归投票的方法得出解剖特征点的坐标。实验结果表明基于随机森林的三维头影测量CBCT图像解剖特征点定位方法能够比较准确的定位出三维头影测量CBCT图像上的解剖特征点。本文还针对前列腺CT(Computed Tomography,CT)图像中解剖特征点定位问题,提出了一种基于随机森林的前列腺CT图像解剖特征点定位算法。这种方法可以分成训练阶段和测试阶段两部分,在第一阶段即训练阶段须将前列腺三维CT图像训练数据作为输入得到随机森林模型,在测试阶段将模型作用于前列腺CT图像的测试数据,即可得到前列腺CT图像解剖特征点的坐标。实验结果表明该方法可以比较准确地定位出前列腺CT图像的解剖特征点。