RegFreeNet：基于CBCT的注册-free 3D 牙科植体规划网络
计算机视觉与模式识别
2026-01-22 v1
摘要
商业牙科手术导板软件通常不支持导出植体位置以供植前数据使用，现有方法必须扫描植后数据并将植体映射到植前空间以获取植体位置标签用于训练。此过程耗时且高度依赖注册算法的准确性。此外，並非所有医院都有配对CBCT数据，限制了多中心数据集的构建。灵感来自dentist基于邻近牙齿纹理确定植体位置的做法，我们发现即使植体区域被遮蔽， determination 植体位置也不受影响。因此，我们提出在植后数据中遮蔽植体，从而使任何包含植体的CBCT都可用于训练数据。此范式使我们能够抛弃注册过程，并能够构建大型多中心植体数据集。在此基础上，我们提出ImplantFairy，一个包含1622个CBCT数据且具备体素级3D标注的全面且公开可访问的牙科植体数据集。进一步根据牙齿空间结构面积变化特征和植体斜率信息，我们设计了一个斜率感知的植体位置预测网络。具体而言，设计了一个邻近距离感知（NDP）模块以适应提取牙齿区域变化特征，植体斜率预测分支通过额外的植体监督信息帮助网络学习更稳健的特征。在ImplantFairy以及两个公开数据集上的大量实验表明，所提出的RegFreeNet实现了最先进的性能。
引用
@article{arxiv.2601.14703,
title = {RegFreeNet: A Registration-Free Network for CBCT-based 3D Dental Implant Planning},
author = {Xinquan Yang and Xuguang Li and Mianjie Zheng and Xuefen Liu and Kun Tang and Kian Ming Lim and He Meng and Jianfeng Ren and Linlin Shen},
journal= {arXiv preprint arXiv:2601.14703},
year = {2026}
}