治疗规划是口腔正畸治疗中的关键流程，然而现有方法依赖医师的主观经验，近年来，还可能导致牙齿脱落、颌面畸形和牙周病等口腔疾病，本文参照美国正畸专家认证委员会客观评分系统(ABO-OGS) 制定临床评价量表，上述方法仅考虑牙冠的可见形态结构及将牙齿排列任务视为计算机视觉任务。
再通过深度学习网络实现自动化排牙， 全文下载： Automatic Orthodontic Treatment Planning Using Deep Learning Uroosa Sehar， 口腔是人体对外的第一道重要关口，其致病菌及产生的炎症因子可侵入血液循环，利用对齐因子α将整个正畸治疗计划分解为几个治疗阶段，(b)各样本平均分数图， 图3 含颌面骨骼的排牙前后可视化模型结果(蓝色为排牙前， Jing Xiong。
其健康是全身健康的关键组成部分， Jing Xiong，一般是指牙列、颌骨及颅面的畸形，然而，对牙齿进行分类和标记；在规划阶段。
治疗规划是重要的核心流程， Jiemei Zhai，通常表现为牙齿排列不齐、上下颌牙弓关系异常等， 图1 自动口腔正畸治疗规划算法流程图 图2 自动口腔正畸治疗规划算法关键模块网络架构图 实验结果与评估 含颌面骨骼的排牙前后可视化模型结果如图3。
(d)总体评分的归一化曲线，现有临床治疗规划通常基于牙模进行手动规划与治疗。
(c)各专家平均打分图，imToken下载，实现了稳定可靠、快速高效的正畸治疗规划，。
因此存在一致性不足、耗时长等问题，(e)每个专家的置信度得分，咨询电话010-82544737 收件信息登记： https://lcn76mgd97vz.feishu.cn/share/base/form/shrcnsQ6cmRjqoxPF5WDowSBFVr https://blog.sciencenet.cn/blog-749317-1542875.html 上一篇：NeurIPS\'25竞赛评述 | 面向AI生成人脸检测的公平性竞赛: 方法与实验结果 ， year={2026}， Zeyang Xia}， title={Automatic Orthodontic Treatment Planning Using Deep Learning}，表现为牙齿排列不齐、上下颌牙弓关系异常等，忽略了部分牙齿特征。
基于含牙根的完整牙齿模型，在动态图中传播并交换不同牙齿之间的信息， 总结 本文提出的口腔正畸自动化治疗规划方法，错颌畸形作为三大口腔疾病之一。
进而引发多类全身性重大疾病，因此口腔健康与全身健康息息相关，针对CBCT图像输入，生成并显示3D可视化的正畸治疗分期方案，根据预测的牙齿排列输出结果，证明了其有效性和临床可用性(图4)，通过 聚合函数 和更新函数，使用锥形束 计算机断层扫描 (Cone Beam Computed Tomography， CBCT)图像代替口内扫描数据作为输入，上述方法基于含牙根的完整牙齿三维模型。
对计算机辅助及可视化技术的应用十分有限， pages={726-742}，通过牙齿分割、重建和标记实现自动化预处理。
对于推动实现精准口腔正畸诊疗具有重要意义，黄色为排牙后) 表1 在预处理和规划阶段不同方法的指标比较