ImplantMamba：基于Mamba 长程序列建模的牙种植体位置预测
ImplantMamba: Long-range Sequential Modeling Mamba For Dental Implant Position Prediction
用「CNN+Mamba」混合编码器建模邻牙纹理的长程依赖，并耦合回归种植体位置与倾斜角度。
arXiv:2605.07082 · 2026年5月8日（v1） · 机构未标注
OrthoAI：面向隐形矫治的神经符号循证生物力学推理框架
OrthoAI: A Neurosymbolic Framework for Evidence-Grounded Biomechanical Reasoning in Clear Aligner Orthodontics
把牙齿分割与生物力学可行推理打通：稀疏标注训练，CPU 上 4 秒内端到端推理。
arXiv:2603.00124 · 2026年2月23日（v1） · 机构未标注
RegFreeNet：无需配准的 CBCT 三维牙种植体规划网络
RegFreeNet: A Registration-Free Network for CBCT-based 3D Dental Implant Planning
把术后 CBCT 中的种植体「遮掉」直接当训练数据，免去术前术后配准，并开源 1622 例数据集。
arXiv:2601.14703 · 2026年1月21日（v1） · 机构未标注
二极管激光光生物调节对正畸微种植体周围炎症与稳定性的影响
Effects of diode laser photobiomodulation on peri-implant inflammation and stability in orthodontic mini-implants: A randomized controlled trial
30 名患者的随机对照试验：650nm 二极管激光显著改善种植体周炎症指标，稳定性差异不显著。
arXiv:2511.11128 · 2025年11月14日（v1） · 机构未标注
TeethGenerator：两阶段框架合成配对正畸前后三维牙列数据
TeethGenerator: A two-stage framework for paired pre- and post-orthodontic 3D dental data generation
扩散模型生成矫治后牙列、Transformer 按风格反推矫治前牙列，缓解配对三维牙模稀缺。
arXiv:2507.04685 · 2025年7月7日（v1） · 机构未标注
计算正畸力仿真：综述
Computational Orthodontic Force Simulation: A Review
系统综述正畸力仿真研究：有限元是主流，但研究碎片化、多算瞬时响应，呼唤深度学习仿真模型。
arXiv:2503.24195 · 2025年3月31日（v1） · 机构未标注
种植修复用修复螺丝的疲劳性能：滚压螺纹与切削螺纹对比
Fatigue performance of prosthetic screws used in dental implant restorations: Rolled versus cut threads
体外试验：滚压螺纹表面更光滑、残余压应力更高，疲劳寿命是切削螺纹的 9 倍，静强度相当。
arXiv:2411.03733 · 2024年11月6日（v1） · 机构未标注
Teeth-SEG：基于人择先验知识的高效正畸牙列实例分割框架
Teeth-SEG: An Efficient Instance Segmentation Framework for Orthodontic Treatment based on Anthropic Prior Knowledge
开源 15 万张二维口内影像数据集 IO150K，用 ViT+多尺度聚合+人择先验层做牙列实例分割。
arXiv:2404.01013 · 2024年4月1日（v1） · 机构未标注
下颌后缩伴阻塞性睡眠呼吸暂停的全生命周期管理（正畸视角）
The management of obstructive sleep apnea accompanied with mandibular retrognathia across the lifespan from orthodontic perspective
迷你综述:儿童 OSA 用矫治器配合腺扁桃切除,成人用下颌前移装置扩大上气道。
arXiv:2311.01324 · 2023年11月2日（v1） · 机构未标注
TCSloT：文本引导的三维上下文与坡度感知三重网络
TCSloT: Text Guided 3D Context and Slope Aware Triple Network for Dental Implant Position Prediction
一次喂三张相邻 CBCT 切片感知纹理变化,用 CLIP 文本条件与坡度感知损失精确定位种植体。
arXiv:2308.05355 · 2023年8月10日（v1） · 机构未标注
面向精准种植规划的多种缺牙模式三维精准预测
Accurate 3D Prediction of Missing Teeth in Diverse Patterns for Precise Dental Implant Planning
提出基于点对点对应与牙齿字典稀疏表示的三维缺牙预测框架:单颗缺牙预测平均误差 1.04mm、14 颗缺牙 1.33mm,为种植体精准规划提供依据。
arXiv:2307.07953 · 2023年7月16日发布 · 机构未标注
TCEIP:文本条件嵌入的种植体位置回归网络
TCEIP: Text Condition Embedded Regression Network for Dental Implant Position Prediction
提出文本条件嵌入的种植体位置回归网络 TCEIP:把 CLIP 学到的“左右”位置语义作为弱监督条件注入回归网络,解决多颗缺牙与稀疏牙列场景下的误预测问题。
arXiv:2306.14406 · 2023年6月26日发布 · 机构未标注
TSIPR:双流回归网络用于种植体位置预测
Two-Stream Regression Network for Dental Implant Position Prediction
提出双流种植位置回归框架 TSIPR:由种植区域检测器 IRD 与多尺度补丁嵌入回归网络 MSPENet 组成,检测器先滤除稀疏牙区误报、回归网络再精确定位,五折交叉验证性能优于现有方法。
arXiv:2305.10044 · 2023年5月17日发布 · 机构未标注
种植体上的刚玉残留、碳残留与暴露的缝隙:一项扫描电镜调查
Lack of corundum, carbon residues and revealing gaps on dental implants
用扫描电镜与能谱分析(SEM/EDX)调查 4 颗 Straumann 种植体表面:发现表面几乎无刚玉、散布着缝隙框边的刚玉颗粒与显著的分子碳残留,并质疑生产工艺变更未经 FDA 重新审批。
arXiv:2209.05728 · 2022年9月13日发布 · 机构未标注
牙种植体材料与吸附蛋白膜的 ToF-SIMS 研究
ToF-SIMS Investigations on Dental Implant Materials and Adsorbed Protein Films
用飞行时间二次离子质谱(ToF-SIMS)与判别主成分分析(DPCA)研究两种实验性种植材料(FAT/FAW)及其表面吸附的溶菌酶、淀粉酶、牛血清白蛋白膜,成功区分不同蛋白并揭示吸附时的相互影响。
arXiv:1106.4644 · 2011年6月23日发布 · 机构未标注
后牙区正畸微种植体支抗钉成功率的相关预后因素:一项荟萃分析
Prognostic factors associated with success rates of posterior orthodontic miniscrew implant
对 17 项临床研究进行荟萃分析,评估年龄、性别、颌位、种植钉长度与直径等预后因素对后牙区正畸微种植体支抗钉成功率的影响,并用 Newcastle-Ottawa 量表评估研究质量。
arXiv:1510.02790 · 2015年10月9日发布 · 机构未标注
牙种植体的共振频率分析:数值模型研究
Resonant frequency analysis of dental implants
用有限元数值模型研究种植体的共振频率分析(RFA):对逐渐弱化的种植体-骨界面层进行特征频率与稳态响应分析,提出“归一化愈合因子”以识别早期愈合过程。
arXiv:1905.07154 · 2019年5月17日发布 · 机构未标注
用自然语言处理构建自动化正畸诊断系统
Using Natural Language Processing to Develop an Automated Orthodontic Diagnostic System
开发基于 NLP 的正畸自动诊断系统:对医生手写病历中的发现(findings)进行标注并抽取正畸问题,990 份病历实验中问题抽取 F1 达 0.585,治疗优先级排序与人工排名的相关系数达 0.584。
arXiv:1905.13601 · 2019年5月31日发布 · 机构未标注
卷积神经网络在正畸学中的应用:一篇综述
Convolutional Neural Networks in Orthodontics: a review
系统综述 CNN 在正畸学中的应用:覆盖头颅 X 光片标志点自动搜索、CBCT/数字模型牙齿分割、全景片缺损分类四大模态,并比较各方法的架构与结果,认为深度学习方法可显著缩短检查时间且更准确。
arXiv:2104.08886 · 2021年4月18日发布 · 机构未标注
OrthoGAN:面向牙齿正畸可视化的高精度图像生成
OrthoGAN: High-Precision Image Generation for Teeth Orthodontic Visualization
提出 OrthoGAN 系统:以患者正面笑脸图与 3D 扫描牙模为输入,用可微渲染配准 3D 牙模、风格化生成网络合成矫治后的微笑照片,兼顾身份保持与自然外观,并开展临床实验与试点研究验证。
arXiv:2212.14162 · 2022年12月29日发布 · 机构未标注