智齿是指人口腔中的第三磨牙,其中阻生智齿会给患者带来许多困扰与不便甚至是生命危险,是临床诊断的重点。随着机器学习以及现代循证医学的发展与应用,越来越多的疾病逐步开始实现或者探索诊断过程的智能化与自动化。实现智齿诊断智能化与自动化的关键是利用机器学习算法实现智齿的自动识别与分类。本文从智齿分类出发,采用计算机图形图像技术以及机器学习技术,对智齿类型的识别与分类进行研究。针对全景X光牙片存在噪声的问题,在小波阈值函数的基础上提出了一种改进的小波阈值去噪函数,并经过实验验证了改进后阈值函数相比传统小波阈值去噪函数,其去噪效果更具有优越性。采用中值滤波以及改进小波阈值去噪算法相结合的方式实现图像去噪。依据制作数据集的需要,通过设计对比实验,分析了直方图均衡化、区域增长法、OTSU法等方法在智齿分割中的应用效果,对OTSU法进行改进并进行验证,提出了一种融合了直方图均衡化、改进OTSU算法以及数字形态学等方法的分割算法,可以有效地提取全景X光牙片中的第二磨牙与智齿,并利用此方法处理全景X光牙片。根据传统机器学习SVM以及深度学习卷积神经网络解决实际问题的需要,对分割得到的图像进行特征标注等处理,建立相对应的数据集。设计了两种SVM分类实验,并选择了5种卷积神经网络模型进行分类实验。实验结果表明,当智齿图像样本较小时,设计构建合适的图像特征,可以提升SVM分类模型的分类精度。采用CNN网络模型,可以不需要专业人员进行特征标注,只需要提供足够多的智齿图像,就可以获得一个分类精度理想的模型,其中VggNet16神经网络模型效果最好。最后,依据当前智齿诊断流程存在的不足借鉴狭义循证医学理论,结合提出的改进去噪算法以及分割方法,并融合VggNet16卷积神经网络模型,设计了一个合理的智齿诊断系统,并实现了部分功能。