Periodontitis merupakan penyebab utama kehilangan gigi, dan penilaiannya berdasarkan foto rontgen panoramik masih bersifat subjektif. Penelitian ini mengusulkan kerangka kerja terintegrasi untuk penomoran gigi secara otomatis dan penilaian tingkat keparahan kehilangan tulang periodontal menggunakan arsitektur Residual U-Net. Kerangka kerja ini melakukan segmentasi sambungan sementum-enamel (CEJ), segmentasi puncak tulang alveolar (ABC), dan penomoran gigi berbasis FDI, diikuti dengan estimasi sumbu panjang gigi menggunakan Oriented Bounding Box (OBB) untuk pengukuran kehilangan tulang yang konsisten secara anatomi. Beberapa backbone residual dievaluasi, dengan ResNet34 mencapai kinerja terbaik. Hasil eksperimen menunjukkan skor Dice sebesar 0,968 dan 0,960 untuk segmentasi CEJ dan ABC masing-masing, serta 0,852 untuk segmentasi penomoran gigi. Evaluasi tingkat keparahan kehilangan tulang pada 265 gigi dari 10 radiografi panoramik menunjukkan bahwa pendekatan berbasis OBB mengungguli metode AABB konvensional, meningkatkan akurasi dari 0,61 menjadi 0,63 dan skor macro-F1 dari 0,45 menjadi 0,47. Hasil ini menunjukkan kelayakan penilaian periodontal otomatis dan konsisten secara anatomi.