由于性价比高和对人体相对低的辐射剂量,全景X射线和锥束CT是目前牙科分析中有用的检查方式。牙齿分割是诊断牙齿疾病（如龋齿拔牙或牙髓疾病）前的关键步骤,但术前人工标记牙齿区域的过程既复杂又耗时。医学图像中牙齿分割的主要挑战在于三个方面。（1）外观变化大:对于有缺牙、修复体、矫治器的病例,主牙区的外观可能发生较大变化。（2）局部成像过于明亮:修复体和假体的牙科材料会产生明亮的金属伪影。（3）牙根周围边界消失:牙根和牙槽骨之间的牙周韧带较薄,在全景X线图像中对比度较低。因此,本文旨在解决以上难点,并且在全景X射线和锥束CT图像中自动分割牙齿区域。具体研究内容如下:根据齿形特征,提出了一种合理且可解释的数据预处理算法。该算法增强了牙齿的形状和灰度特征,适用于全景X射线图像和锥束CT图像数据。现有网络在处理牙齿语义分割上仍存在不足之处,如牙齿边界识别不够精细,网络预测结果对噪声敏感。针对以上问题,本文设计了一种基于条件生成对抗网络结构的像素级牙齿自动分割方法TootPix。该方法首次将条件生成对抗网络应用于牙齿分割任务中。基于编解码器的发生器可以在鉴别器的引导下对比学习牙齿的灰度和纹理特征。在全景X射线牙科数据集上的实验结果表明,合理的图像块生成步骤可以提高ToothPix的性能指标。当图像块分辨率为1000×1000时,ToothPix在LNDb全景X射线数据集上实现了较优的分割性能,且具有很强的抗加性噪声能力。本文最后研究了条件对抗生成模型ToothPix在三维CBCT数据应用中的可扩展性。具体来说,首先给出了目前正在标注的牙齿锥形束CT影像的数据集,该数据集由电子科技大学校医院提供,且已经签署数据隐私保护协议。其次,探索了Toothpix处理三维CT数据的可能性,实验结果表明,扩展的Toothpix对锥束CT图像中的牙齿分割具有较强的鲁棒性,能有效挖掘数据之间的层间关系和牙齿特征。