数字化正畸是近年来在口腔正畸领域出现的一种先进的计算机辅助诊疗技术。相比传统口腔正畸中高度依靠牙医经验进行正畸治疗的方式,数字化正畸以数据为基础,依靠各种数字化与智能化技术,极大地减少了人力资源投入,缓解了目前在口腔医学领域广泛存在的人力资源短缺问题。牙齿分类任务是数字化正畸的关键步骤,数字化正畸系统要在分类结果的基础上,再进行进一步的数字化正畸诊断,最后才能提出正畸方案以及实施正畸治疗。因此,牙齿分类的精确度对数字化正畸有巨大的影响力。但是目前数字化正畸过程中使用的牙齿分类方法的效率和精确度较低,且一般都只按照功能进行粗粒度的分类,无法与数字化正畸的后续阶段紧密配合。为了提高数字化正畸的智能化水平,以及牙齿分类的效率和精确度,本文对智能化的全自动牙齿分类方法进行了研究。目前在临床上广泛使用的牙齿模型是利用口内扫描设备获取的牙齿三维点云,根据临床观察与数据分析,牙齿三维点云分类有两大难点:首先,位置接近或功能相似的牙齿模型的几何形状之间是高度相似的,对这些相似的牙齿进行细粒度的分类非常困难的。其次,分类任务面向的是需要进行正畸治疗的牙齿,因此数据中存在大量的异常情况,如智齿,缺齿,畸形等,这些异常情况极大影响了分类精度的提升。这两大问题导致一般的三维牙齿点云模型分类方法效果不佳。为了解决牙齿三维点云分类中存在的难点问题,本文提出基于空间关系特征的三维点云分类网络,其主要创新点如下:（1）针对牙齿三维点云之间相似度过高的问题,本文提出利用不同牙齿有固定空间分布的特点,并将其编码为空间关系特征,同时利用多尺度的点云特征提取结构,提取具有更强表达能力的点云特征,通过对两种信息互补的特征进行融合,得到同时具备多种特征信息的分类特征,将其用于牙齿点云分类任务。（2）本文还提出使用多分类的Focal Loss作为网络的损失函数,用于解决由于不同类别的牙齿样本数量不平衡,导致智齿分类精确度低的问题。Focal Loss通过特殊的损失计算策略,极大缓解了这一问题。（3）对于牙齿分类中多种异常情况的问题,本文使用多种方法对分类结果中的主要异常状况进行分类处理。并对广泛存在的缺齿、粘连齿等问题进行了讨论,在本文提出的点云分类网络的基础上,进一步提高算法的精确度和鲁棒性。