![]() |
图源:DentalGEN: a large-scale controllable generative AI framework for automated dental crown restoration |
好的牙·讯|近日,香港大学牙医学院牵头的国际研究团队在《npj Digital Medicine》发表一项研究,介绍了可控生成式人工智能框架DentalGEN。该框架能够根据患者的口腔扫描数据,自动设计兼顾形态、功能与美学要求的个性化三维牙冠。研究显示,与传统人工设计相比,该框架可将牙冠设计时间缩短90%以上;在外部测试中,其设计结果的Hausdorff距离较现有先进方法降低约70%。
DentalGEN采用可控多视角扩散模型,将多项临床信息作为牙冠生成的约束条件。系统首先从口腔扫描模型中提取预备牙、邻牙、对颌牙及预备体边缘线等信息,并结合周围牙齿的颜色数据,生成在不同视角下保持一致的牙冠三维形态与颜色纹理。与主要针对几何形态进行设计的既有方法不同,DentalGEN将牙冠形态设计与颜色纹理生成整合在同一流程中。
为评估该框架的性能,研究团队收集了来自多家医院及诊所的26,614份牙冠样本,涉及7,880名患者。在外部测试中,DentalGEN生成牙冠的平均Chamfer距离为0.447毫米,Hausdorff距离为0.873毫米,分别较对照方法DCPR-GAN降低约47%和70%。此外,研究团队选取40例外部病例,由6名牙医依据改良FDI标准,对AI生成的牙冠与专业技师设计的牙冠进行盲法评分。结果显示,两组牙冠的平均临床评分差异无统计学意义。
![]() |
图源:DentalGEN: a large-scale controllable generative AI framework for automated dental crown restoration |
在设计效率方面,DentalGEN在配备NVIDIA RTX 3060显卡的设备上,完成单例牙冠从扫描模型分割、形态重建到制造文件导出的全过程,耗时不到1分钟。与技师手工设计相比,该框架可使牙冠设计环节的人工投入时间减少90%以上。
除数据集评估外,研究团队还联合上海交通大学医学院附属第九人民医院,对两例真实患者开展临床概念验证,涉及上颌侧切牙(22)和下颌第一磨牙(36)。两例患者完成牙体预备和数字化扫描后,研究人员利用DentalGEN生成牙冠设计,再通过CAD/CAM系统加工氧化锆牙冠,并由技师参照AI生成的颜色纹理图进行染色和上釉。临床试戴结果显示,两例修复体的咬合、邻接关系及边缘适合性均达到临床可接受水平。
![]() |
图源:DentalGEN: a large-scale controllable generative AI framework for automated dental crown restoration |
目前,DentalGEN生成的颜色纹理仍主要用于指导技师进行后续染色和上釉,牙冠设计也需经过医生或技师审核后才能进入制造环节。因此,该技术现阶段主要实现了牙冠设计及其与制造流程的衔接,尚未实现整个修复流程的无人化。研究团队已成立初创公司推进技术转化,并计划将其应用范围拓展至多单位牙桥、全口义齿及钛网等复杂修复体。
需要指出的是,该研究目前仍处于临床概念验证阶段,真实患者应用仅涉及两例。DentalGEN在不同临床环境中的适用性,以及修复体的长期临床表现,仍有待进一步研究和更大规模的临床随访验证。