本文主要进行了三维牙齿模型分割和口腔下颌神经管分割方面的研究。在过去几年中,数字化牙齿模型在牙齿正畸干预的模拟和计划中得到了广泛应用。计算机辅助正畸的一个重要预处理是精确地将牙齿从牙齿模型中分割出来,人们希望尽可能减少人工干预的情况下,获取牙齿在口腔中的精确位置。但是,由于牙齿形状和位置因人而异,因此,要实现牙齿的全自动分割并非易事,尤其当发生严重的牙齿咬合不正常和拥挤问题时,牙齿的全自动分割任务就更是变得异常困难。现有的大多数方法要么需要大量的人工交互,要么获取的牙齿位置不准确。本文在总结前人工作的基础上,提出了用于牙齿网格的全自动分割框架。该方法相对之前的研究成果可以有效地识别牙齿牙龈分割边界与牙齿间分割边界,但是该方法依然不足以应对复杂的临床试验条件。为了使牙齿分割算法在工业上可行,提出了一个交互式的快速分割框架。大量的实验表明,本文提出的交互式方法,能够完全胜任临床的复杂情况,并且相对先前的牙齿分割算法,本文提出的使用少量交互的算法处理速度快且鲁棒性很强。本文的另一个关注点是下颌神经管的分割技术。下颌神经分割主要应用于辅助临床种植牙,并且与三维牙齿分割技术结合制作医疗辅助器械。原始数据来源于口腔的CBCT扫描数据,利用CBCT数据可以通过体绘制技术建立病人口腔的三维点云模型,三维点云模型的每个点的值是这个点的CT值,它反映了这个点所表示区域的密度。据此,可以使用阈值过滤的方法,方便地分离出骨骼、肌肉、脂肪等人体组织,进而观察到口腔的不同生理结构。但是仅仅由宏观的描述得到的信息有限,量化组织的信息能给医生提供更多的帮助。如在牙齿种植手术中,需要得到下颌神经管的具体位置或者是相对牙齿的位置,从而在手术前有充分的备案,给病人最好的保护。综上,本文的主要工作和贡献如下:1)针对全自动分割牙齿的任务,提出了基于改进的Snake算法和区域增长算法结合的改进方案,该方案结合Snake算法与区域增长算法的优点在实际的工程环境中的效果及鲁棒性高于其他方案。2)针对工业级别的牙齿分割的任务,提出了一种基于网格最短路径算法的分割方案,该方法只需要少量交互,就可以获得理想的分割结果,并且可以做到实时分割,速度远高于其他分割方案。3)使用临床采集的数据,实验了目前的各类主流的应用于牙齿分割的方案,并且对分割的效果做了详细的分析。4)基于深度学习利用二维图像的成熟方案成功解决了三维领域的难题,提出了鲁棒的下颌神经管分割方案,为该领域类似问题提供了新的解决思路。