TAD-Net：基于旋转变换编码的牙齿轴线检测网络

基于摘要分析，所给材料仅包含论文亮点，未取得全文。该研究面向数字正畸中的牙齿轴线自动检测，提出 TAD-Net，将轴线预测转化为三维点云上的逐点密集旋转变换预测，以支持不同类型牙齿的多轴线同时预测。 核心机制是以旋转变换作为预测对象，并引入特征置信度感知注意力，为逐点特征学习动态权重，从而加强可靠点对学习过程的贡献。材料未说明旋转变换的具体编码形式、点级预测如何汇聚为最终轴线、置信度的计算方式，以及损失函数、训练与推理流程，这些细节尚未验证。 作者报告，该方法在所用基准上取得领先性能，并通过多项实验验证；但材料没有提供基准名称、样本规模、数据划分、对照方法或评价指标，因此不能量化其优势或判断泛化范围。作者还将其描述为该领域首项显著加速数字正畸流程的工作，这一优先性与效率主张尚需核对。实验协议、消融及统计信息尚未验证。 该论文的主要研究对象是牙齿三维几何，而非 EEG 或 BCI。材料未提供旋转变换预测与神经信号分析之间的具体对应关系，不能据此认定其具有 BCI 有效性，也不据此提出迁移实验。复现前应核对点云预处理、轴线标注定义、旋转编码与轴线恢复方法，以及代码和数据的可用性。