SSA3D：用于自动牙科基台设计的文本条件辅助自监督框架
计算机视觉与模式识别
2025-12-15 v1
摘要
基台设计是牙科种植体修复中的关键步骤。然而，手动设计涉及繁琐的测量和拟合，由于缺乏大型标注数据集，利用 AI 自动化此过程的研究有限。尽管自监督学习（SSL）可以缓解数据稀缺，但其需要预训练和微调，导致高计算成本和长训练时间。在本文中，我们提出了自监督辅助自动基台设计框架（SSD），采用双分支架构，包含重建分支和回归分支。重建分支学习恢复掩码口内扫描数据，并将学到的结构信息传递给回归分支。回归分支随后在监督学习下预测基台参数，从而消除了单独的预训练和微调过程。我们还设计了文本条件提示（TCP）模块，将临床信息（如种植体位置、系统和系列）纳入 SSD。这指导网络关注相关区域并约束参数预测。在收集的数据集上的广泛实验表明，SSD 节省了一半的训练时间，并且比传统 SSL 方法达到了更高的准确率。与其他方法相比，它也达到了最先进性能，显著提高了自动基台设计的准确性和效率。
引用
@article{arxiv.2512.11507,
title = {SSA3D: Text-Conditioned Assisted Self-Supervised Framework for Automatic Dental Abutment Design},
author = {Mianjie Zheng and Xinquan Yang and Along He and Xuguang Li and Feilie Zhong and Xuefen Liu and Kun Tang and Zhicheng Zhang and Linlin Shen},
journal= {arXiv preprint arXiv:2512.11507},
year = {2025}
}