牙齿健康严重影响着人们的身心健康,然而我国口腔医疗资源的短缺,导致大部分人依然饱受牙病带来的困扰。在牙科,X射线图像被用于检查牙齿、牙龈、颌骨和口腔骨骼结构的状况。但由于缺乏足够的自动化资源来辅助诊断,牙科X射线图像的分析主要依靠牙医的经验和视觉感知。论文从图像处理角度出发,利用深度学习和数字图像处理技术处理牙齿全景X线图像,实现牙齿状态检测与病理分析,从而辅助牙医进行牙病的诊断。针对牙齿全景X线图像数据,本文首先使用实例分割模型,提取出每个牙齿的牙位,形状等信息。具体提出了改进的Mask R-CNN模型,通过跳跃结构以及SE模块提升了网络的分割性能,达到了90%以上的精确率,实现了牙齿语义、位置及类别信息的融合提取。对于提取出的单颗牙齿信息,构建了细粒度图像分类模型以实现对牙病的分类。具体提出了双线性注意力模型,融合了基于细粒度特征和视觉注意力的优势,实现了96%的分类准确率,完成了对健康牙、龋齿、牙周病、智齿及其他牙的分类。最后对识别出的牙病,利用数字图像处理技术提供病理分析,为医生确定诊疗方案提供帮助。该部分主要涉及到牙周病与龋齿的分析。对于牙周病提出了牙齿暴露比的计算分析,而对于龋齿则是采用了基于灰度共生矩阵的纹理特征分析。实验结果表明,牙齿暴露比对于区分健康牙和牙周病牙有明显效果,而纹理特征对于健康牙、牙周病以及龋齿的区分则不太明显。本文提供了一套完整的牙齿X线图像自动化分析流程,能在一定程度上协助医生进行牙病的诊疗,减少漏诊、误诊等问题的发生;对于计算机技术在智慧医疗服务领域的落地实现也具有一定意义。