incisor teeth dataset

该数据集包含了54个口腔患者的牙冠准备模型，包括上下颌的门牙。数据集的创建机构是加拿大蒙特利尔理工学院计算机与软件工程系。数据集内容是3D表面扫描的牙冠模型，包括相应的牙弓和牙冠，以STL网格格式存储。数据集创建过程包括数据准备和标注，数据预处理，分割深度学习网络，后处理和边缘线提取。数据集的应用领域是数字牙科，旨在解决牙冠准备过程中边缘线提取的问题。This dataset contains 54 crown preparation models of dental patients, including incisors of the maxilla and mandible. The dataset was developed by the Department of Computer and Software Engineering, École Polytechnique de Montréal, Canada. The dataset comprises 3D surface-scanned crown models along with corresponding dental arches, stored in STL mesh format. The dataset creation workflow encompasses data preparation and annotation, data preprocessing, processing via a segmentation-based deep learning network, post-processing, and edge line extraction. The target application field of this dataset is digital dentistry, with the goal of solving the edge line extraction problem during the crown preparation process.

搜集汇总

数据集介绍

构建方式

该数据集的构建基于54例患者口腔牙体预备模型的3D表面扫描数据，涵盖上下颌切牙（标准编号11、21、31、41）。数据预处理包括刚性配准（通过定向包围盒注册统一颌位方向）和网格简化（将三角面片数量降至10,000个）。通过随机旋转（x/y轴±45°，z轴±180°）和缩放（0.9-1.1倍）生成20个增强样本，最终训练集扩展至861个样本。真实标签由牙科技师设计的牙冠底部边界提取，通过最近邻三角面片映射至预备牙体表面，形成包含边缘线区域的二分类标签。

特点

数据集聚焦切牙牙体预备的几何复杂性，其显著特征在于边缘线区域的模糊性（如缺乏明显特征线的平坦表面）。所有样本均以STL网格格式存储，包含牙体、主牙弓及对应牙冠的三维数据。通过引入顶点坐标、三角面片质心坐标、法向量及离散平均曲率等18通道输入特征，增强了对几何特征的捕捉能力。数据分布上，训练集与测试集比例为3:1，且测试集包含13例具有临床代表性的困难案例，如存在泵状结构或双重边缘线的牙体预备。

使用方法

该数据集专为训练基于MeshSegNet架构的深度学习分割模型设计，需通过五折交叉验证结合投票分类器（最大概率法或民主投票法）优化模型性能。使用流程包括：1）输入牙体网格经配准和简化后，由预训练模型分割为牙冠底部支持区与非支持区；2）采用图割法优化边界并提取边缘线三角面片；3）通过B样条拟合面片中心点生成边缘线，平滑度参数设为0.005(N−√2N)。评估时需计算预测边缘线与真实点云的最大欧氏距离（阈值200μm）及Dice相似系数（DSC）、灵敏度（SEN）等指标。数据集支持端到端边缘线提取框架的开发与验证。

背景与挑战

背景概述

Incisor Teeth Dataset是由Ammar Alsheghri等研究人员于2022年提出的，旨在解决牙科修复中牙冠边缘线自动提取的难题。该数据集由54例患者的上颌和下颌切牙3D扫描数据组成，主要应用于基于深度学习的牙科图像分割研究。作为数字牙科领域的重要资源，该数据集首次采用真实牙冠设计作为金标准，为牙科人工智能研究提供了高质量的训练和测试基准。其创新性在于通过网格分割技术将预备牙分为两个区域，从而自动提取边缘线，显著提升了牙冠设计的精度和效率。

当前挑战

该数据集面临的核心挑战包括：1) 牙科预备体几何形态的高度变异性，特别是切牙区域常缺乏明显特征线，导致边缘线定位困难；2) 数据规模有限（仅54例），虽通过数据增强技术扩充至861个样本，仍需更多样化病例以提高模型泛化能力；3) 临床可接受的200μm精度阈值要求模型具备亚毫米级的分割精度；4) 网格数据处理中需平衡三角面片数量（10k与20k）与特征保留的关系。此外，不同牙医对同一病例的边缘线标注差异可达200μm，为算法验证带来挑战。

常用场景

经典使用场景

在牙科修复领域，incisor teeth dataset被广泛应用于训练深度学习模型，以实现对牙齿预备边缘线的自动分割和生成。该数据集通过提供高质量的3D牙齿扫描数据，帮助研究人员开发出能够准确识别和分割牙齿预备区域的算法。特别是在牙冠修复过程中，边缘线的精确定位是确保牙冠适配性和功能性的关键步骤。该数据集的使用显著提高了边缘线生成的自动化水平和准确性，为牙科修复技术的数字化发展提供了重要支持。

实际应用

在实际应用中，incisor teeth dataset被用于开发牙科修复软件，帮助牙科技师和牙医更高效地完成牙冠设计。通过自动生成边缘线，该技术显著减少了手动操作的时间和工作量，同时提高了修复体的适配性和美观性。此外，该数据集还被用于牙科教育和培训，帮助学生和实习医师更好地理解牙齿预备和边缘线定位的技术要点。其应用不仅提升了临床工作效率，还为患者提供了更高质量的牙科修复服务。

衍生相关工作

incisor teeth dataset的发布推动了多项相关研究工作的开展。例如，基于该数据集的MeshSegNet架构被广泛应用于牙齿分割和边缘线提取任务。此外，该数据集还激发了多分辨率生成神经网络和Transformer模型在牙科修复中的应用研究。其他衍生工作包括牙齿预备质量评估、牙冠设计优化以及牙科图像分割算法的改进。这些研究不仅扩展了数据集的应用范围，还为牙科数字化技术的进一步发展提供了新的思路和方法。