面面向全能模型的牙面头面硬组织重建框架——UniDCF

牙面头面硬组织缺损严重影响患者的生理功能、面部美学和心理健康，给精确重建带来重大挑战。当前的深度学习模型仅限于单组织场景和单模态成像输入，导致泛化性差，在解剖学忠实度、计算效率和跨组织适应性之间权衡。本文引入 UniDCF，一个统一的框架，能够通过点云和多视图图像的多模态融合编码来重建多种牙面头面硬组织。凭借各模态互补优势，并纳入基于得分的去噪模块以优化表面光滑性，UniDCF 克服了以往单模态方法的局限性。我们构建了最大规模的多模态数据集，包含来自 6,609 名患者的口内扫描、CBCT 和 CT 数据，产生 54,555 个标注实例。评估表明，UniDCF 在几何精度、结构完整性和空间精度方面均优于现有 SOTA 方法。临床模拟显示，UniDCF 将重建设计时间缩短 99%，并实现临床医生满意度超过 94%。总体而言，UniDCF 实现了快速、自动化和高保真度的重建，支持个性化精准修复治疗，简化临床工作流程，提升患者预后。