DTR-Net：从全景 X 射线图像进行双空间三维牙齿模型重建

基于摘要分析。该研究面向数字牙科，尝试从二维全景 X 射线图像重建三维牙齿模型，以探索相较于直接使用锥形束计算机断层扫描（CBCT）获取模型更具成本优势的路径。作者提出 DTR-Net，在影像空间与几何空间联合建模，分别恢复 CBCT 影像强度并表达复杂牙齿形状。 在影像空间，方法采用二维到三维生成模型，并通过任务导向的牙齿分割网络进行协同训练，引导重建过程。在几何空间，方法利用连续空间中的隐式函数网络，以点为学习载体捕捉牙齿形状及几何属性。摘要明确了这两类表示的功能，但双空间如何耦合、具体损失、监督来源以及训练与推理流程尚未验证。 作者报告，DTR-Net 在三维牙齿模型重建的定量与定性评估中达到 state-of-the-art 表现；摘要未提供数据集、样本规模、数据划分、对照方法、指标或具体数值，因此无法判断优势大小与适用范围。实验协议、消融及统计信息尚未验证。作者将牙科实践应用列为潜力方向，这不等同于已经完成临床验证，也不能据此确认实际辐射剂量或费用收益。 复现需核对全景 X 射线与 CBCT 的配对及配准方式、牙齿分割监督、几何点采样与隐式表示定义，以及训练数据和实现的可获取性。这些均是待核实条件，而非摘要已确认的实验细节。该工作主要研究对象是牙科影像与三维形状重建，摘要未建立与 EEG/BCI 的具体机制对应关系，因此不据此提出迁移效果或复现实验建议。