目的：建立一种可实现三维颌面点云数据智能配准的本体-镜像关联深度学习算法，基于颌面动态图结构的配准网络（maxillofacial dynamic graph registration network, MDGR-Net）模型，实现三维颌面对称参考平面的自动化构建，以期为口腔临床数字化设计与分析提供参考。方法：收集2018年10月至2022年10月就诊于北京大学口腔医院无显著颌面畸形临床患者400例，通过数据增强的方式获得2 000例三维颌面数据用于MDGR-Net算法训练与测试，其中训练集1 600例、验证集200例、内部测试集200例，MDGR-Net模型包含构造本体与镜像点云（X和Y）中关键点的特征向量，基于特征向量获取点云X和Y中关键点的对应关系，以及通过奇异值分解（singular value decomposition, SVD）计算旋转和平移矩阵R,t。基于MDGR-Net模型实现本体点云与镜像点云的智能配准，获得本体-镜像联合点云，并采用主成分分析（principal component analysis, PCA）算法获得MDGR-Net关联法对称参考平面。基于决定系数（coefficient of determination,R²）指标对内部测试集平移及旋转矩阵进行模型评价，并对200例内部测试集与40例外部测试集临床数据，基于MDGR-Net关联法与“真值”迭代最近点（iterative closest point, ICP）关联法构建的三维颌面对称参考平面进行角度误差评价。结果：基于200例内部测试集三维颌面数据测试MDGR-Net旋转矩阵R²为0.91,平移矩阵R²为0.98。在内部与外部测试集上，角度误差平均值分别为0.84°±0.55°、0.58°±0.43°,临床构建40例三维颌面对称参考平面仅需3 s,在正畸骨性Ⅲ类、高角、安氏Ⅲ类错（牙合）畸形受试者表现最佳。结论：基于点云智能配准的MDGR-Net关联法为口腔临床三维颌面对称参考平面构建提供了新的解决方案，可显著提升诊疗效率和效果，降低专家依赖性。