利用生成模型学习超越人类专家的牙科修复体设计

计算机视觉已取得显著进展，许多判别方法（如物体识别）现已广泛应用于实际场景。我们展示了另一令人振奋的进展：利用生成模型实现牙冠等医疗产品的大规模定制。在牙科行业中，技术人员需经数年培训才能设计出恢复缺失牙齿功能与完整性的合成牙冠。每颗牙冠必须针对个体患者定制，即便借助计算机辅助设计软件，仍是一个耗费人力且劳动密集、需要人类专业知识的过程。我们开发了一种全自动方法，不仅从人类牙冠设计中学习，还从对颌牙之间的自然空间轮廓中学习。后者技术人员难以考虑，但对正确的咬合与咀嚼功能十分重要。基于生成对抗网络架构（GAN），我们的深度学习模型由缺冠深度扫描与对颌深度扫描预测定制的补冠深度扫描。我们提出将额外的空间约束与统计兼容性纳入学习。我们的自动设计在良好形态与功能性上超越人类技术人员标准，且我们的算法正接受生产使用测试。