全棧AI數字口腔
覆蓋從數據採集、多模態分析到疾病診療設計的完整技術鏈路，已在頂級學術期刊與會議發表系列研究成果。
全棧AI數字口腔技術體系：從數據採集、多模態分析到疾病診療設計
經大規模臨牀數據驗證的技術性能
覆蓋缺牙、金屬偽影、咬合不齊等複雜場景，AI處理僅需5分鐘
在96例全景X光片上驗證，F1 達 92.9，顯著優於現有方法
在83例配對數據（約2,264顆牙齒）上驗證，沿牙齒長軸精準測量
以極少X光投影實現高質量三維重建，SSIM達0.891
DentalGEN在大規模數據上訓練，已在真實臨牀完成椅旁修復
配合6,000例口掃模型訓練，實現無口掃設備的三維牙列獲取
覆蓋從數據採集、多模態分析到疾病診療設計的完整技術鏈路，已在頂級學術期刊與會議發表系列研究成果。
八大核心技術能力，覆蓋口腔AI全鏈條
以極少量X光投影（最少5張）實現高質量三維CBCT重建，大幅降低患者輻射劑量。採用幾何感知編碼-解碼框架，通過特徵反投影、可學習加權融合等創新機制，在數據嚴重不足的條件下仍能生成清晰的三維口腔影像。
從少量二維口內照片生成完整的上下頜三維口掃（IOS）模型。基於多視角擴散模型與三維感知特徵融合，系統先生成多視角圖像與法線圖，再重建高精度三維牙齒模型，實現無需口掃設備即可獲取三維牙列信息。
從CBCT三維影像中精準分割每顆牙齒與牙槽骨。採用層次化形態引導網絡，依次完成感興趣區域提取、質心與骨架預測、多任務牙齒分割和級聯骨骼分割，有效應對形狀複雜、位置變異大、缺牙和金屬偽影等臨牀挑戰。
從口內掃描（IOS）三維點雲數據中實現逐牙分割。採用質心引導的分割網絡 TSegNet，分兩步完成：先通過距離感知方法定位各牙齒質心，再對每顆牙齒進行精細化個體分割與牙位識別，有效處理擁擠、缺牙、模糊邊界和異形牙等難點。
自動預測每顆牙齒的目標位置與姿態，並規劃從初始到目標的運動路徑。基於擴散模型的全自動牙齒排列網絡，結合牙弓、鄰牙和個體牙齒三層層級約束，確保碰撞避免、運動平滑和符合正畸學規則。同時支持基於結構擴散模型的二維正畸預覽與視頻預覽。
支持二維全景片分類診斷與三維多模態精準測量兩種路徑。二維方面採用混合分類框架（牙齒級+患者級），在全景X光片上實現牙周病分期。三維方面融合IOS口掃與CBCT數據，沿牙齒長軸精確測量牙齦-骨距離（GBD），為臨牀提供量化診斷依據。
基於三維面部形狀生成對應的顱骨三維模型，輔助頜面外科手術方案設計。採用 VQ-VAE 編碼器與 Transformer 編解碼架構，從三維面部表面推斷顱骨結構，為截骨手術規劃提供精確的解剖參考。
基於多視角擴散模型自動生成修復冠的三維形狀與紋理，取代傳統 CAD 手工設計流程。系統自動分割預備體、識別終止線和鄰牙信息，生成外表面形態與內表面適合性，實現從掃描到椅旁修復的全流程 AI 設計。
