随着3D数字成像技术在近年来的飞速发展,数字化口腔技术越来越受到人们的关注,它的便捷与高效也影响着口腔医疗行业。将单颗牙齿从三维牙颌模型上分割出来是虚拟正畸系统的重要步骤之一。目前业内大部分牙齿正畸软件都采用需要交互标记的牙齿分割方法,通过人机交互在三维牙颌模型的每一颗牙齿上选取一个种子点,效率较低。针对这一问题,提出了利用深度学习解决牙齿分割过程中种子点的自动选取问题。提出利用基于改进的全卷积网络识别牙齿包围盒,自建了牙颌平面牙齿包围盒图片数据集,截取牙颌平面图像,并标注每一颗牙齿的包围盒,数据集中共有1000个牙颌平面图片;为了提高网络识别的准确率在网络中嵌入了 SE模块;最后实验表明,改进的全卷积网络可以准确的识别牙齿的包围盒,并选取包围盒的中心作为种子点分割牙颌模型,但是包围盒中心点位置与常用的种子点位置有差异,会出现错误分割的情况。为了解决二维图像出现的错误分割问题,提出利用特征导向图卷积识别牙齿种子特征点。首先,通过分析每个牙齿类型的种子点位置和最终分割效果,设立统一的规则,自建了一个牙颌模型的种子点特征数据集,通过简化牙颌模型,将模型转化为顶点坐标和邻接关系等数据进行保存,数据集经过扩充后共有800个数据;然后,利用特征导向图卷积构建了一个新的多尺度网络结构;经过训练后,把网络输出的特征点作为基础点,在牙颌模型上找出与基础点距离最近的点作为种子点,如果种子点位置准确,则根据种子点将牙齿与牙龈分割开。对于种子点位置不准确的结果,通过人工操作修正种子点位置,再进行分割。提出的种子点自动选取方法,能够自动选取牙齿种子点,解决牙齿分割中需要进行交互标记的问题,基本实现了牙齿分割的自动化,适用于各类畸形牙患者模型的牙齿分割。