从颌内 3D 扫描检测牙齿标志点：3DTeethLand 挑战

牙齿标志点检测是现代正畸学中的关键任务，支持高级诊断、个性化治疗计划以及有效监测治疗进展。然而，由于牙齿几何结构的复杂以及不同个体间观察到的显著差异，可能引发诸多挑战。为解决这些复杂问题，发展高级技术，特别是通过应用深度学习，对 3D 牙齿标志点进行精确可靠检测至关重要。在此背景下，2024 年在国际医学图像计算与计算机辅助干预会议 (MICCAI) 上举办的 3DTeethLand 挑战，呼吁关注从颌内 3D 扫描中检测牙齿标志点的算法。该挑战引入了可公开获取的 3D 牙齿标志点检测数据集，包含 340 个颌内扫描，提供了标准化基准用于评估最先进方法，鼓励方法论进步以解决这一临床问题。总计有 49 支队伇参赛，6 支队伇进入最终阶段。获胜队队 achieved rank score of 0.91，平均精度为 0.78，平均召回率为 0.65，展示了精度与召回率之间的平衡。顶级队伇通过不同策略实现了高精度：第一名队使用基于分层变换器的双阶段分割和加权 DBSCAN，第二名队采用基于点云图卷积网络的单阶段方法，集成偏移回归和类别特定非最大抑制。