在口腔修复工作中牙齿颈缘线对目标用户牙龈与牙齿之间的密合性起着至关重要的作用,决定着口腔修复工作的成功与否。本文主要针对颈缘线的牙齿修复体变形设计依靠人工方法会引入主观性误差、当前牙齿颈缘线提取方法需要复杂的人工交互等问题,实现牙齿颈缘线的形变估计和自动提取。针对曲面形变预测方法中存在的网络计算复杂度高、曲线形变预测方法中特征处理忽视非局部信息的关联性、忽视位置和法向之间存在的几何一致性关联等问题,本论文提出一种结合几何一致性的图卷积颈缘线形变预测方法。该方法搭建了能够对局部与非局部信息同时建模的图卷积层,并且设计了引入位置与法向之间几何约束关系的几何辅助预测模块。首先,使用k最近邻算法和自注意力机制相结合的图卷积层,对模型的局部和非局部信息同时进行挖掘来预测空间中点的位置和法向信息;然后,将预测得到的点的位置输入几何辅助预测模块,利用几何一致性约束计算得到几何法向信息;最后,将得到的几何法向信息与图卷积网络预测得到的法向信息进行融合,再次通过图卷积网络进行形变预测,以此得到最终的形变预测结果。该方法在搭建的颈缘线数据库上进行了有效性验证,实验结果表明,本文提出的算法相比主流算法能有效提高颈缘线形变结果预测准确性,在均方误差度量上降低了16.7%。此外,针对目前齿科修复工作中牙齿的颈缘线需要人工进行提取标定的问题,本论文受点云语义分割近期进展的启发,提出一种基于点云分割的颈缘线自动提取方法。该方法使用点云分割网络对牙齿和牙龈部分的标签进行预测,通过数据驱动的方式实现颈缘线的自动提取。在此基础上,引入条件随机场对分割结果进行细化,基于三维点之间的相关性对分割结果进行空间信息传递,使得点云的分割结果精细化,避免预测得到的分割边界区域产生粗糙锯齿分布。在搭建的齿科数据库上的实验结果表明,该方法能够通过深度学习网络实现对牙齿颈缘线的自动提取,并且能够保证牙齿颈缘线的提取精度,颈缘线提取结果的平均绝对误差的平均值为0.016。