氧化锆是目前最有发展前景的义齿修复体材料,然而氧化锆陶瓷呈白色,与自然牙的颜色存在差距。在氧化锆义齿的临床应用中,广泛使用的比色板人工测色技术,其测量结果易受到环境光照、人眼疲劳等干扰因素的影响,且比色板较低的测量精度,使得人工测色很难为患者提供个性化的义齿颜色方案。本文采用粉体掺杂的方法改善氧化锆陶瓷义齿的美学性能,使用数字比色仪获取高精度的颜色数据,基于机器学习算法对氧化锆义齿的组分-色度关系进行拟合和预测,并搭建了可视化的氧化锆义齿组分-色度预测系统。本文主要研究内容及结果如下:（1）以3Y-TZP粉体为原料,着色剂的组分设计为0～0.8 wt%Fe2O3、0～0.4 wt%Bi2O3、0～4.0 wt%Ce O2,建立了拥有180个着色氧化锆陶瓷试样的试样库,并利用数字比色仪测量所有试样的颜色。试样库中单组分着色陶瓷试样的测量结果表明:Fe2O3的掺入使试样呈现由黄红色到黄褐色的颜色变化,Bi2O3的掺入使试样呈现亮黄色,Ce O2的掺入使试样呈现黄色。三种着色剂均可以改善氧化锆陶瓷的美学性能,且基本覆盖了中国人的牙色范围。（2）基于BPNN算法搭建了氧化锆义齿组分-色度预测模型。对试样库中的数据进行预处理,用于预测模型的训练、超参数调整和性能评估。依据经验公式和模型在验证集上的均方误差,确定最佳的BPNN隐含层节点数为12。使用PSO、GA、GA-PSO三种优化算法对BP神经网络的初始权值与偏置进行优化,以提高模型的预测性能。其中GA-PSO-BPNN模型的性能最佳,预测结果与原始数据的平均色差约为2.86,色差小于感知阈值（1.70）的数据占比约为27.8%,小于接受阈值（3.70）的数据占比约为77.8%。（3）利用MATLAB App Designer应用程序工具包搭建了可视化的氧化锆义齿组分-色度预测系统。预测系统包括模型设置界面、训练结果界面、数据库界面和性能预测界面四个功能界面,可输出机器学习模型的训练轨迹和性能评估结果,并完成氧化锆义齿组分与色度的相互预测。