TeethGenerator：用于配对正、牙前后 3D 牙科数据的两阶段框架

数字正畸医学是计算机视觉技术在医疗领域的突出且关键应用。迄今为止，收集临床数据（尤其是获取配对 3D 正畸牙齿模型）的过程繁琐，构成了开发牙齿排列神经网络的关键瓶颈。虽然已提出许多通用的 3D 形状生成方法，但大多数专注于单对象生成，难以生成具构象结构的牙齿模型（每组牙齿包含 24-32 个分段牙齿）。本文提出 TeethGenerator，一个新的两阶段框架，用于综合生成正、牙前后配对 3D 牙齿模型，以促进下游牙齿排列网络的训练。具体而言，我们的方法包含两个关键模块：（1）牙齿形状生成模块，利用扩散模型学习牙齿形态特征的分布，实现多样化的正、牙后牙齿模型生成；（2）牙齿风格生成模块，通过纳入所需风格作为条件输入来合成对应的正、牙前牙齿模型。广泛的定性和定量实验表明，我们的合成数据集与真实正畸数据的分布高度吻合，并在与真实数据联合训练时显著提升了牙齿排列性能。代码和数据集已提供于 https://github.com/lcshhh/teeth_generator。