Provided is a technology which automates the identification of a measurement point in the analysis of a cephalo image. This automatic recognition method for a measurement point includes: a step for detecting, from a cephalo image 14 acquired from a subject, a plurality of peripheral part regions 31, 32, 33, 34 for recognizing a target measurement point； a step for estimating each of candidate positions of the feature point by applying a regression CNN model 10 to each of the peripheral part regions 31, 32, 33, 34； and a step for determining the position of the feature point in the cephalo image 14 on the basis of the distribution of the plurality of estimated candidate positions. For example, in the step for detecting the peripheral part region 32, a classification CNN model 13 is used which has learnt a contrast image 52.L'invention concerne une technologie qui automatise l'identification d'un point de mesure dans l'analyse d'une image céphalométrique. Ce procédé de reconnaissance automatique pour un point de mesure comprend : une étape consistant à détecter, à partir d'une image céphalométrique 14 acquise d'un sujet, une pluralité de régions 31, 32, 33, 34 de partie périphérique permettant de reconnaître un point de mesure cible ； une étape consistant à estimer chacune des positions candidates du point caractéristique par l'application d'un modèle CNN de régression 10 à chacune des régions 31, 32, 33, 34 de partie périphérique ； et une étape consistant à déterminer la position du point caractéristique dans l'image céphalométrique 14 sur la base de la répartition de la pluralité de positions candidates estimées. Par exemple, dans l'étape consistant à détecter la région périphérique 32, un modèle CNN de classification 13 est utilisé, celui-ci ayant appris une image de contraste 52.セファロ画像分析における計測点の特定を自動化する技術を提供する。計測点の自動認識方法は、被検者から取得したセファロ画像１４から、目的の特徴点を認識するための複数の周辺部位領域３１、３２、３３、３４を検出するステップと、各周辺部位領域３１、３２、３３、３４に回帰ＣＮＮモデル１０を適用して特徴点の候補位置をそれぞれ推定するステップと、推定された複数の候補位置の分布に基づいて、セ
