颞下颌关节紊乱病是口腔第四大常见病,对于药物和理疗等保守治疗无效的患者,需要采用关节置换手术。然而人工关节目前在我国的使用尚未普及,而且国内尚无按中国人骨骼结构自主设计的商品化人工颞下颌关节产品。为此需要设计符合中国人解剖特点和生物力学特征的标准型人工颞下颌关节假体。在一些医院不具备三维运动跟踪和咬合测定等专用测量设备时,患者颞下颌关节特征采集受限,因此国产标准型人工颞下颌关节假体实际应用过程中存在选型问题。课题中首先分析了基于传统K-means聚类算法的弊端,提出了基于HC-K-means混合聚类算法的平均模型确立方法,算法准确性和效率得到较大提高;确立了颞下颌关节中3类关节窝平均模型和4类髁突平均模型,对国产假体的设计提供了理论基础和数据支撑。其次,课题利用机器学习中分类的算法,建立了一套假体选型算法模型,辅助医生诊疗和判断。研究中选取了分类算法中BP神经网络方法和SVM分类算法;分析了传统BP神经网络的弊端,并加以改进,确立了基于改进型BP神经网络的假体选型模型方法,预测准确率达到了95%以上。假体选型算法模型对于辅助医生的诊断以及对于国产颞下颌假体的推广具有重要意义。