牙齿健康是反映居民身心健康的重要标志。牙齿受食物、口腔细菌,以及外力等长期或偶然性因素的作用,会有不同程度的损伤,其中以牙齿硬组织矿物质丢失导致的龋病最为常见。龋病初期位于牙釉质表面,并随着脱矿程度的加深,逐步向牙釉质与牙本质渗透,甚至侵入牙髓。临床上,根据龋损程度的差异采取不同的治疗方案,导致口腔内牙齿呈现健康、填充、冠修复、根管充填,以及不同等级的龋损等各种健康状态。全景片是一种广泛应用于口腔临床诊断和健康管理的影像技术,X光透射成像提供了大范围、宽视角、高通量的牙齿结构信息。牙齿健康状态分类是临床制定针对性治疗方案的基础和决策依据,不同健康状态的牙齿在全景片上表现为不同灰度分布。但受组织密度分布不均、病灶形状、尺寸和位置复杂多样等因素影响,从全景片中智能判断牙齿健康状态仍然是计算机辅助口腔疾病诊断的难题。本文针对牙齿健康状态分类和龋病智能分级问题,利用深度学习技术实现全景片的牙齿实例分割和牙齿组织的语义分割,并依据龋病分级标准,结合图像处理技术,实现了与临床分级流程一致的可视化龋病智能分级。具体研究内容包括:（1）全景片牙齿实例分割。对全景片图像进行清洗、标注、尺度归一化、对比度增强等预处理,解决了图片尺寸标准不统一、成像效果不一致等问题。采用Mask R-CNN实例分割模型从全景片中分割出单颗牙齿区域,解决牙齿区域相对于全景X光片占比小带来的样本不平衡性和复杂背景带来的干扰问题。通过对比不同裁剪方式,选用最小包围框裁剪,获得了单颗牙齿的裁剪结果。（2）牙体组织语义分割。针对全景片X射线透射图像对比度不高、重影、组织边界模糊等问题,提出一种基于改进U-Net模型的牙体解剖结构分割模型,用于分割牙釉质、牙本质、牙髓、龋损等区域。在编解码上采用空洞空间卷积池化金字塔进一步融合了不同尺度的特征,并采用结合重合度损失和边界损失的分阶段训练方式,以增强龋损区域边界分割的准确性,为后续龋病分级提供依据。（3）牙齿健康状态分类与龋病分级。设计了修复态牙齿分类网络模型,模型主体为采用堆积卷积层和全连接层的分类网络结构,实现了修复态牙齿分类。在牙齿组织语义分割基础上,构建了一种基于龋损区域与牙齿组织结构相交情况的龋病分级策略,通过依据牙齿形态建立的坐标系、生成牙本质内外边界搜索线、搜索牙本质内外边界离散点、边界离散点缺失修复、获取曲线间中线、生成龋损级别决策区域、龋损级别决策等步骤。最终实现了对牙齿样本健康、修复、浅龋、中龋、深龋等健康状态和龋损等级的智能分类。