TEANet：基于牙齿级图空间变换网络的自动化拔牙与排列系统在正畸治疗中的创新应用

针对正畸治疗中拔牙病例自动化规划精度不足的难题，上海第九人民医院团队开发了TEANet系统。该研究创新性地采用双坐标分类器实现拔牙决策，通过节点可擦除自适应图卷积网络(GCN)进行特征传播，结合基于学习的3D空间变换模型(STN)，在304例临床数据中实现了牙齿分类、拔牙决策和排列回归的全面优化，为复杂正畸病例提供了高效解决方案。

　　

在口腔健康领域，牙颌畸形(malocclusion)影响着约25%需要正畸治疗的患者，其中严重牙列拥挤病例往往需要拔牙治疗。传统正畸规划依赖医生经验，耗时且主观性强。虽然现有基于点云的深度学习方法如PSTN和TANet能处理非拔牙病例，但其固定图结构无法适应拔牙后牙齿交互关系的变化，导致临床决策效率低下。

上海第九人民医院的研究团队在《Computer Methods and Programs in Biomedicine》发表的研究中，提出了TEANet（Tooth Extraction & Arrangement Network）系统。该系统通过三个核心技术突破：1）采用包含颌骨坐标系和局部坐标系的双坐标分类策略；2）设计节点可擦除自适应图结构；3）集成基于GCN的3D空间变换模块，在304例临床病例中实现了90.29%的牙齿分类准确率，拔牙决策准确率提升12.7%，排列误差降低0.47mm。

关键技术方法包括：1）基于PointNet++的空间模块处理多对象点云；2）自适应图传播模块动态调整牙齿节点关系；3）空间变换网络实现牙齿位移预测。数据来自上海两家医院的304例牙颌畸形病例，包含128例拔牙病例的完整3D口腔扫描数据。

【牙齿分类】实验显示双坐标策略使PointNet++空间模型的总体准确率达96.44%，对称牙齿（如左右同名牙）的误判仍是主要误差来源。

【拔牙分类】提出的双层次分类器（牙齿级+全口级）在F1分数上超越基线方法9.3%，特别在尖牙拔除决策中表现突出。

【牙齿排列】节点可擦除自适应图使排列误差较TANet降低23%，关键创新在于动态调整拔牙后的邻接关系。

讨论部分指出，TEANet首次实现拔牙病例的端到端自动化规划，其自适应图结构有效解决了牙齿数量变化的建模难题。对称牙齿的形态相似性仍是分类主要干扰因素，未来可通过引入咬合面特征改进。该系统的临床价值在于将传统数周的正畸规划缩短至分钟级，特别适用于亚洲人群常见的高难度拔牙病例。

研究团队特别强调，该系统不是要替代正畸医生，而是通过AI辅助决策提高诊疗效率。随着口腔扫描技术的普及，TEANet的模块化设计可轻松整合到现有诊疗流程中。这项研究为口腔正畸数字化诊疗树立了新标杆，其自适应图传播思想也可拓展至其他需要动态拓扑建模的医学领域。