信息速览
INFOBOX — 3DTeethLand 一屏速览
维度 内容 本质 MICCAI 2024 旗下挑战赛数据集——官方宣称首个公开可用的 3D 牙齿标志点检测数据集（3D teeth landmarks detection） 任务 从口内 3D 扫描（intraoral 3D scan）三角网格上检测每颗牙的 6 类解剖标志点（不是分割、不是 CBCT、不是分类） 组织方 Digital Research Centre of Sfax（突尼斯 CRNS，Achraf Ben-Hamadou）+ Inria / Univ. Grenoble Alpes / CNRS / LJK（Sergi Pujades）+ Udini（法国，Oussama Smaoui）+ 里昂/布鲁塞尔临床正畸诊所 规模 340 例口内 3D 扫描 = 240 训练 + 100 私有测试（三源互证）；上游底座 Teeth3DS：1800 例 / 900 患者 标注 每牙 6 类：Mesial 近中 / Distal 远中 / Cusp 牙尖（1-5 个/牙）/ Inner 龈缘内 / Outer 龈缘外 / Facial Axis 面轴 流水线 受训临床技师标注 → 3 名 >10 年经验牙医 board 共识验证；测试集标签组织者保密 赛程 注册 2024-05-01 → 公开榜 2024-07-30 → 决赛 2024-09-26 → 2024-10-06 MICCAI 2024 期间收官 参赛 49 队注册，6 队进入决赛（arXiv:2512.08323 摘要） 冠军 Radboud 团队：rank score 0.91 / mAP 0.78（正文 0.785）/ mAR 0.65 / 21.25 秒每例；两阶段 = Stratified Transformer 分割 → 单牙局部坐标标志点回归 + weighted DBSCAN 亚军 ChohoTech：单阶段 DGCNN（动态图卷积）+ offset 回归；mAP 0.775 / 10.89 秒每例（约冠军 2 倍速） 指标 MRE / SDR(τ) / mAP（0-3 mm 距离阈值 PR 曲线面积）/ mAR；Wilcoxon signed-rank p<0.001 获取 三层异构：Zenodo 仅说明书 PDF（CC BY-4.0）｜数据本体 Synapse 注册制（syn57400900）｜标志点 JSON Google Drive 直链（3DIMLAND repo 转发） 代码 官方评测 GitHub crns-smartvision/3DTeethLand（Apache-2.0，Docker baseline）；3DIMLAND 的 PTv3 方案开源 前作 3DTeethSeg’22（MICCAI 2022 牙齿分割挑战，1200 训练扫描 16,004 牙 + 600 测试扫描 7,995 牙）——任务颗粒度从"牙齿级"细化到"亚牙级" 库内互链 toothfairy2(649)、toothfairy3(673)（Radboud 同团队生态）、tufts-dental(57)、fdtooth(609)（同域牙科条目）
3DTeethLand 是一个"给牙齿画坐标点"的数据集工程。
它不满足于知道"这里有一颗牙"，而是要回答"这颗牙的牙尖在哪里、近远中接触点在哪里、龈缘走到哪里"。
340 例口内 3D 扫描（intraoral 3D scans, IOS）中的每颗牙齿都被标注了最多 6 类解剖标志点（landmark）。
这 6 类点——近中点、远中点、牙尖点、内外龈缘点与唇颊面轴点——合计构成隐形矫治器（clear aligner）设计、托槽定位与排牙模拟的最底层几何输入。
作为 MICCAI 2024 的官方挑战赛，它用 49 支注册队伍、6 支决赛队伍的公开竞赛把这个此前只有私有数据可做的任务第一次搬上了公共基准。
组织方在 Zenodo 描述与 arXiv 摘要中两处明确宣称这是"首个公开可用的 3D 牙齿标志点检测数据集"（the first publicly available dataset for 3D teeth landmarks detection）。
在它之前，标志点检测的模型论文各自锁在私有临床数据上报告数字，彼此不可比、不可复现。
这个数据集的"AI-Ready"属性呈典型的三层异构光谱：
- 最亮的一层是许可与文档：Zenodo 存档 CC BY-4.0 公开直链、官方评测代码 Apache-2.0、冠军级方案开源可复现。
- 中间一层是数据本体：Synapse 平台注册制下载，门槛低但需要注册账号、接受挑战赛条款。
- 最暗的一层是评测完备性：100 例私有测试集的真值标签至今保密，第三方永远无法完整复现官方榜单。
理解这个三层结构，比记住任何一个 mAP 数字都更能帮你正确使用它。
导语读法三则：
- 只想下数据：直奔 §4 可获取性与许可——Zenodo 上只有一个 96,708 字节的说明书 PDF，数据本体在 Synapse，标志点 JSON 在 Google Drive 直链；三个入口三个条款，别混（坑 1）。
- 关心模型怎么评：直奔 §3 任务定义与指标、§6 挑战赛结果——mAP 的 0-3 mm 阈值扫描定义、冠军与亚军的精度-速度权衡、"Cusp 最难"的类别分层结论都在那里。
- 做数字正畸工程落地：直奔 §6（方法谱系）与 §8 使用指南——两阶段 vs 单阶段架构取舍、每例 10-21 秒的推理耗时、病理情形鲁棒性短板（§9）直接决定能否进椅旁流程。
§0 导读：这个数据集解决什么问题
牙科三维影像的深度学习在过去数年里完成了一条清晰的颗粒度下探路线。
第一问：“哪里是牙”——牙齿分割（segmentation），逐顶点输出牙体/牙龈/背景类别。
3DTeethSeg’22 挑战赛在 2022 年把这一层公共化。
第二问：“这颗牙是第几号”——牙齿标注（tooth labeling / FDI 编号），在分割之上给每颗牙挂上牙位编号。
fdtooth 等条目覆盖这一层。
第三问：“这颗牙的解剖细节在哪里”——标志点检测（landmark detection），输出亚牙级的解剖点三维坐标。
这是三层里标注成本最高、公共数据出现最晚的一层，也是 3DTeethLand 要解决的问题。
最后这一步之所以最晚被公共数据集化，是因为它对标注精度和标注成本的要求都高出一个量级。
一颗磨牙的牙尖（cusp）可能有 4-5 个，每个点要求亚毫米级的三维坐标一致性。
一张全口扫描的标志点总数可达数百个。
且不同牙型的标志点拓扑不同——切牙没有功能牙尖、磨牙有四个，标注协议必须按牙型分支。
在 3DTeethLand 出现之前，这个任务的数据几乎全部锁在正畸软件公司（如 Orchestrate、3Shape 生态）与个别大学诊所的私有库里。
学术文献里的标志点检测模型各自在私有数据上报告数字，整个方向缺少一条公共的及格线。
3DTeethLand 的组织方——突尼斯 Sfax 数字研究中心（CRNS）的 Achraf Ben-Hamadou 团队与法国 Inria 的 Sergi Pujades 团队——此前已有两次公共化动作。
第一次是 2022 年的 3DTeethSeg’22 挑战赛，把"分割"这一层公共化（1200 例训练扫描、16,004 颗牙的分割标注）。
第二次就是 2024 年的 3DTeethLand：把同一套临床数据底座（Teeth3DS，1800 例扫描 / 900 名患者）中最有价值的 340 例升级出亚牙级标注。
§0 读法三则：
- 方向先说死：本数据集全部是口内扫描（intraoral scan），不含 CBCT。主会话任务 brief 曾提示"CBCT/口扫"，经 Zenodo 关键词（“3D intraoral scan”）、arXiv 摘要（“intraoral 3D scans”）与前作 Teeth3DS 论文的 IOS 口径三源核验，确认为纯口内扫描数据集（坑 2）。这与库内 CBCT 系条目（如 toothfairy2、toothfairy3）形成模态互补而非重叠。
- 数据获取路径的"官方 vs 直觉"错位：直觉上查 DOI 就该下到数据，实际上 Zenodo 只存了任务说明书 PDF，数据本体走 Synapse 注册制（坑 1，详见 §4）。
- 挑战赛报告论文 arXiv:2512.08323 发布于 2025-12-09，比挑战赛收官（2024-10-06）晚了约 14 个月——这是 MICCAI 挑战赛的 6 个月发表 embargo 加审稿周期的常规节奏，不是数据集过期的信号；引用榜单结果时应以该论文为最终口径（坑 5）。
§0.1 任务的一句话定义
给定一例口内 3D 扫描的三角面片网格（triangular mesh）与该扫描的逐牙分割结果（哪些顶点属于哪颗牙），对每颗牙齿输出其解剖标志点的三维坐标与类别。
输入侧拆开是两件东西：
- 网格本体：STL 格式三角面片，来自口内扫描仪对口腔软硬组织的直接表面采集，无辐射、无体数据。
- 逐牙分割：每顶点的牙位归属标签（继承 3DTeethSeg’22 体系），决定"点应该长在哪颗牙上"。
输出侧是每牙一组标志点，共 6 类：
- Mesial（近中点）：每牙 1 个——牙冠朝牙弓中线一侧的邻接接触点。
- Distal（远中点）：每牙 1 个——背向中线一侧的邻接接触点。
- Cusp（牙尖点）：每牙 1-5 个，依牙型分支——磨牙最多 5 个、前磨牙 2 个、切牙 1 个（切缘）。
- Inner（内侧龈缘点）：若干——舌腭侧牙-龈交界线上的采样点。
- Outer（外侧龈缘点）：若干——唇颊侧牙-龈交界线上的采样点。
- Facial Axis（唇颊面轴点）：每牙 1 个——唇颊面中央、代表牙冠轴向的参考点。
评测采用四件套指标。
平均径向误差（MRE, mean radial error）衡量整体精度。
阈值成功率 SDR(τ) 回答"多少点落进临床可接受范围"。
把距离阈值从 0 扫到 3 mm 画出的精度-召回曲线面积 mAP（mean average precision）是排名主指标。
对应召回侧的 mAR 补足漏检视角。
Cusp 因每牙数量可变，按目标检测（object detection）范式计分；其余固定数量的点按逐点对应计算。
§0.2 它在库内牙科条目图谱中的位置
与 toothfairy2(649) / toothfairy3(673) 的关系——模态互补 + 团队同源。
那两个条目是 CBCT 牙科影像分割与全景体系，本条目是口内扫描表面网格。
且冠军 Radboud 团队（Niels van Nistelrooij、Shankeeth Vinayahalingam 等）正是 ToothFairy 系列挑战赛的活跃团队。
作者名单重叠构成同生态互链证据。
同一批人既做 CBCT 分割又做口内扫描标志点，是"牙科 3D AI 方法跨模态迁移"的活案例。
与 tufts-dental(57) 的关系——颗粒度对照。
同为牙科三维数据，但 Tufts 是 CBCT 大规模影像库（患者级）。
本条目是表面扫描网格（亚牙级标志点）。
标注颗粒度差一个量级。
与 fdtooth(609) 的关系——任务链上下游。
fdtooth 聚焦牙齿分割/编号任务链。
3DTeethLand 可视为其下游精细化——从"找到每颗牙"到"定位每颗牙上的解剖点"。
系列赛内关系——同一底座的两次公共化。
3DTeethSeg’22（分割）→ 3DTeethLand’24（标志点）是同一 Teeth3DS 底座上的两次公共化。
两者共用采集体系与牙医 board 校验流水线。
Zenodo 描述称这是一个"recurring annual event"（逐年系列赛）。
§0.3 全文结构与数字口径声明
全文结构如下，读者可按需跳转：
- §1 十问速览——十分钟掌握全部关键事实。
- §2 数据构成与上游底座——340 例的来历、Teeth3DS/3DTeethSeg’22 体系、格式与文件组织。
- §3 标志点体系与评测指标——6 类点的解剖学与临床含义、MRE/SDR/mAP/mAR 四件套定义。
- §4 可获取性与许可——三层异构光谱、DAIMS 评分、获取决策树。
- §5 注释流水线与质量控制——技师-board 两级架构、Udini 数据管道、保密制度。
- §6 挑战赛设计与结果——时间线、49 队/6 队、冠军亚军方案拆解、类别分层。
- §7 开源生态与衍生工作——代码资产全景、系列赛脉络、团队生态。
- §8 使用指南与复现路径——任务适配检查表、五步复现、耗时预算、报错对照。
- §9 局限与批判性评估——规模张力、鲁棒性边界、元数据缺口、许可裂缝。
- §10 结语与互链索引——三句话速记、互链表、数字速查卡、FAQ。
数字口径声明如下。
全文核心数字——340 例、240+100 划分、49 队/6 队、rank 0.91、mAP 0.78/0.785、mAR 0.65、21.25 秒/10.89 秒——均出自三个来源互证：arXiv:2512.08323、Zenodo API 元数据、arXiv:2210.06094（Teeth3DS/3DTeethSeg’22 论文）。
凡仅经二手页面转述、未能直接核对原文的数字——点密度 30-80 pts/mm²、网格精度 >90 µm、标注者间偏差 <0.2 mm、mAP 步长 0.1 mm、bootstrap 100 次迭代——一律降级为"据转述"，并集中于坑 7 存照。
§0.4 五个常见误解速查
| 误解 | 事实 | 详见 |
|---|---|---|
| “3DTeethLand 是 CBCT 数据集” | 全部为口内扫描（intraoral scan），无任何放射影像 | 坑 2 |
| “在 Zenodo 能下到数据” | Zenodo 只有 94.4 KB 说明书 PDF；数据在 Synapse | 坑 1 |
| “测试集有标签可以自己评测” | 100 例测试集真值保密，第三方无法复现榜单 | 坑 6 |
| “mAP 0.78 和 0.785 是两个结果” | 同一结果的两个舍入口径（摘要 vs 正文） | 坑 4 |
| “数据集是 2025 年的（论文年份）” | 挑战赛 2024 年举办；论文 2025-12-09 按 embargo 惯例发布 | 坑 5 |
§0.5 三十秒电梯稿
它是什么：MICCAI 2024 官方挑战赛的首个公开 3D 牙齿标志点检测数据集。
有多大：340 例口内 3D 扫描，240 例训练（全标注）+ 100 例私有测试（真值保密）。
标了什么：每颗牙 6 类解剖标志点——近中、远中、牙尖（1-5 个）、内外龈缘、唇颊面轴。
谁赢了：Radboud 团队两阶段方案，mAP 0.78、每例 21.25 秒；亚军 ChohoTech 单阶段 DGCNN 精度几乎持平但快一倍。
怎么拿：说明书在 Zenodo（CC BY-4.0），数据在 Synapse（注册制），标注 JSON 有 Google Drive 直链——三层入口三个条款。
一句话定位：牙齿任务链"分割 → 编号 → 标志点"的最后一环，从此有了公共及格线。
§1 数据集速览：十问十答
Q1：3DTeethLand 的"340 例"从哪来？
从组织方自有的 Teeth3DS 采集底座中选出。
底座规模：1800 例口内 3D 扫描 / 900 名患者，上下颌分开扫描。
其中 340 例做了亚牙级标志点标注：240 例作为训练集公开（分割 + 牙齿标注 + 标志点全标注），100 例作为私有测试集（held-out，网格公开但标志点真值仅组织者持有）。
340、240、100 三个数字在三个独立来源中一致：
- arXiv:2512.08323（挑战赛报告论文）。
- arXiv:2210.06094（前作论文对底座的描述）。
- emergentmind 主题页（第三方索引）。
属三源互证，可作为引用基线。
Q2：扫描是什么设备拍的？有没有 CBCT？
全部是口内扫描（intraoral scan）。
用口内扫描仪直接采集的口腔软硬组织表面三角网格——无辐射、无放射影像。
没有 CBCT、没有锥形束体数据、没有全景片。
三源核验依据：
- Zenodo 关键词字段明确写 “3D intraoral scan”。
- arXiv:2512.08323 摘要原文 “intraoral 3D scans”。
- 前作 Teeth3DS 论文（arXiv:2210.06094）的采集口径也是 IOS。
检索者若带着"CBCT 牙科数据集"的预期来，会找错条目（坑 2）。
Q3：每颗牙标了哪 6 类点？
Mesial（近中点）——牙冠朝牙弓中线一侧的邻接接触点。
Distal（远中点）——背向中线一侧的邻接接触点。
Cusp（牙尖点）——1-5 个，依牙型：磨牙最多、切牙最少。
Inner（内侧龈缘点）——牙齿舌腭侧与牙龈交界。
Outer（外侧龈缘点）——唇颊侧与牙龈交界。
Facial Axis（唇颊面轴点）——唇颊面中央、决定牙冠轴向。
这 6 类是数字正畸软件里设计矫治器与托槽的坐标原点集合。
详细解剖含义与逐类临床用途见 §3.1 对照表。
Q4：谁标的？可信吗？
受训临床技师（trained clinical technician）执行逐点标注。
再由 3 名执业超过 10 年的牙医组成 board 做共识验证。
前作 3DTeethSeg’22 的分割标注另有"临床正畸/牙外科/牙髓病专家终审循环校验"流水线，本数据集的分割标签继承该体系。
据二手转述，标注者间偏差小于 0.2 mm（坑 7，降级引用）。
测试集 100 例的真值标签由组织者与直接团队成员保密持有。
arXiv 附录原文：“Only the organizers and members of their immediate team have access to test case labels”。
这确保私有评测不被污染。
Q5：挑战赛多少人参加？
49 支队伍注册，6 支进入决赛（Final Phase）。
决赛阶段要求：
- 提交算法描述（2024-09-29 前）。
- 提交 Docker 容器（2024-10-02 前）。
- 在组织者环境统一评测。
- 前排名队伍必须共享代码。
挑战赛报告论文（arXiv:2512.08323，2025-12-09）由 26 位作者联名——覆盖 6 支决赛队伍与组织方。
这种署名结构是 MICCAI 挑战赛报告的惯例。
Q6：冠军是谁？好到什么程度？
Radboud 团队（荷兰 Radboud 大学，Niels van Nistelrooij、Shankeeth Vinayahalingam 等）夺冠。
成绩单：rank score 0.91、mAP 0.78（正文表格口径 0.785）、mAR 0.65、单例推理 21.25 秒。
方案是两阶段：
- 先用 Stratified Transformer 做牙齿分割。
- 再在单牙局部坐标系里回归标志点。
- 最后用 weighted DBSCAN 聚合多个候选。
注意 mAP 存在摘要 0.78 与正文 0.785 两个口径（坑 4）——同一结果的不同舍入，不是两场比赛。
Q7：亚军是什么方案？有什么启发？
ChohoTech 用单阶段 DGCNN（动态图卷积网络，Dynamic Graph CNN）+ 偏移量回归 + 类别特定 NMS。
mAP 0.775——与冠军只差 0.005-0.01。
但单例只要 10.89 秒，约为冠军的 2 倍速。
这是该挑战赛最有工程价值的精度-效率（accuracy-efficiency trade-off）对照。
拓扑简单的图卷积单阶段方案在亚毫米任务上逼近了重型两阶段 Transformer 管线。
对椅旁实时场景，亚军路线图是更现实的起点。
Q8：数据怎么拿？
三层入口，条款各异：
- ①Zenodo（DOI 10.5281/zenodo.10991301）——只提供任务说明书 PDF，CC BY-4.0，公开直链。
- ②数据本体（STL 网格）——Synapse 平台（syn57400900）注册制下载。
- ③标志点标注——单独的 JSON 文件，由 3DIMLAND 团队的开源仓库以 Google Drive 直链形式转发。
误把 Zenodo 下载当数据下载是最常见错误（坑 1）——下载下来的是一个 94.4 KB 的 PDF。
Q9：指标体系是什么？
MRE（平均径向误差）——误差越小越好。
SDR(τ)（阈值成功率）——给定毫米阈值 τ 下的成功比例。
mAP（平均精度）——距离阈值从 0 到 3 mm 以固定步长扫描、画精度-召回曲线取面积。
mAR（平均召回）——召回率对 exp(−distance) 曲线的面积。
Cusp 因每牙数量可变，按目标检测（object detection）范式计分而非逐点一一对应。
排名判定用 Wilcoxon signed-rank 检验（p<0.001）。
各指标的完整定义与设计动机见 §3.3-§3.4。
Q10：这个数据集不能做什么？
四条硬边界：
- 不能做 CBCT 研究（没有体数据）。
- 不能做完整的多模态配准研究（无影像-扫描对齐对）。
- 不能复现完整官方评测（测试集真值保密）。
- 对严重牙列拥挤、缺牙、扫描不完整等病理/边缘情形的结论不能外推（论文自己承认鲁棒性不足，见 §9）。
此外 340 例相对 1800 例的底座是小子集，做全口统计建模时应回到 Teeth3DS 底座口径。
§2 数据构成与上游底座
§2.1 规模与划分：340 例的三源互证
核心规模数字"340 例口内 3D 扫描"经三个独立来源交叉确认。
来源一：arXiv:2512.08323（挑战赛报告论文，2025-12-09），摘要原文 “340 intraoral scans”。
来源二：arXiv:2210.06094（Teeth3DS/3DTeethSeg’22 论文），对派生子集的口径 “340 intraoral scans (IOS)”。
来源三：emergentmind 主题页（第三方索引），“340 high-resolution intraoral scans”。
划分同样三源一致：240 例训练 + 100 例私有测试。
训练集的每例都带三重标注：
- 牙齿实例分割。
- 牙齿编号（牙位）。
- 6 类标志点坐标。
测试集网格公开、真值保密。
这个 70/30 的划分比例在挑战赛设计中偏"重私有评测"。
与 3DTeethSeg’22 当年 1200 训练 + 600 测试的 2:1 结构相比，3DTeethLand 的绝对规模小得多。
但单例标注密度高出一个量级——全口数百个标志点 vs 逐顶点类别标签。
§2.2 上游底座：Teeth3DS 与 3DTeethSeg’22 体系
3DTeethLand 不是从零采集的，而是 Teeth3DS 底座上的标注升级。
底座关键数字（全部出自 arXiv:2210.06094）：
| 维度 | Teeth3DS 底座 | 3DTeethSeg’22 挑战赛口径 |
|---|---|---|
| 扫描数 | 1800 例口内 3D 扫描 | 1200 训练 + 600 测试 |
| 患者数 | 900 名（上下颌分开采集） | 患者以 uuid 匿名 |
| 标注 | 牙齿实例分割（逐顶点） | 分割 + 牙齿标注 |
| 牙数 | 未单列 | 训练 16,004 颗 / 测试 7,995 颗 |
| 格式 | OBJ 网格 + JSON 分割标签 | 同左 |
| 校验 | 临床专家 board | 正畸/牙外科/牙髓病专家终审循环 |
3DTeethLand 从这 1800 例中抽取 340 例加注标志点。
扫描本身的采集条件、设备型号与患者人口学信息在公开材料中未完整披露。
这是使用时必须接受的元数据缺口（§9 详述）。
§2.3 数据格式与文件组织
网格本体：
- 挑战赛经 Synapse 发放的包内为 STL 格式三角网格。
- 官方评测仓库 crns-smartvision/3DTeethLand 的 README 模板要求参赛者把数据放入 STLData 目录。
- STL 只含几何（顶点+面片），不含颜色与纹理。
- 分割与牙位信息靠配套 JSON 传递。
标志点标注：
- 全部例的标志点集中在单个 JSON 文件。
- 3DIMLAND 官方仓库引用的文件名为 3DTeethLand2024.json。
- 经 Google Drive 直链分发。
- JSON 内按例-牙-类别三级组织标志点三维坐标。
上游底座口径：
- 若回到 Teeth3DS 全集，格式为 OBJ 网格 + JSON。
- 分割标签逐顶点存储，与 OBJ 顶点序一一对应。
明确不含：
- CBCT 体数据。
- 二维口内片/全景片。
- 患者人口学表。
- 设备元数据。
文件组织速查：
| 你要找的 | 在哪 | 格式 |
|---|---|---|
| 网格（训练+测试 340 例） | Synapse 数据包（STLData 目录） | STL |
| 标志点坐标（训练 240 例真值） | 3DTeethLand2024.json（Google Drive 直链） | JSON |
| 分割与牙位标签 | 随 Synapse 数据包 | JSON |
| 任务规则与时间线 | Zenodo DOI 10.5281/zenodo.10991301 | |
| 评测脚本 | GitHub crns-smartvision/3DTeethLand | Python（Apache-2.0） |
§2.4 与 3DTeethSeg’22 的标注复用关系
3DTeethLand 的 340 例同时携带牙齿分割与牙位标注。
其质量体系继承 3DTeethSeg’22 的专家终审循环（临床正畸、牙外科、牙髓病专家复核）。
这意味着使用者可以在同一例上做"分割 → 标志点"的两级任务联合实验。
不需要自己跑一遍牙体分割预处理。
但反过来，分割标签里的任何系统性偏差也会原样传导进标志点实验。
例如牙冠边界顶点的归属分歧会直接挪动龈缘点的参照系。
邻接面分割的误差会改写 Mesial/Distal 点的可用基准。
决赛冠军 Radboud 队选择在管线里重跑一遍自己的分割模型而非直接信任给定分割。
这正是对这种传导风险的工程回应。
§2.5 扫描规格的已知与未知
已知部分：
- 三角面片网格表面数据，来自正畸临床流程的口内扫描。
- 覆盖上下颌（患者上下颌分开扫描）。
- 每例携带逐牙分割与牙位标注（继承前作体系）。
据二手页面转述（emergentmind 转述论文，未经原文直接核对）：
- 点密度 30-80 pts/mm²。
- 网格精度 >90 µm。
- 每颗牙平均可检出标志点的精度优于 0.2 mm 量级。
这三个数字在本条目中一律以"据转述"表述（坑 7）。
未知部分：
- 扫描设备品牌与型号分布。
- 单例扫描时长。
- 患者年龄/性别分布。
- 咬合状态（是否含咬合记录）。
这些元数据缺口意味着：做设备间泛化或人群偏倚分析时，3DTeethLand 提供不了协变量。
需要研究者自建协议补采信息。
§2.6 与同类口内扫描资源的规模对照
| 数据集 | 模态 | 规模 | 标注层级 | 公开性 |
|---|---|---|---|---|
| 3DTeethLand（本条目） | 口内扫描网格 | 340 例（240+100） | 亚牙级标志点（6 类） | Synapse 注册制 + JSON 直链 |
| Teeth3DS / 3DTeethSeg’22 | 口内扫描网格 | 1800 例 / 900 患者 | 牙齿级分割 | 学术用途申请 |
| 库内 fdtooth(609) | 口内扫描 | 见 fdtooth 条目 | 牙齿分割/编号 | 见条目 |
| 库内 tufts-dental(57) | CBCT | 见条目 | 影像级 | 见条目 |
| 库内 toothfairy2(649) | CBCT | 见条目 | 牙齿分割（全牙列） | 见条目 |
对照可见：3DTeethLand 的绝对规模不大。
但在"亚牙级几何真值"这一层当时没有公开替代品。
这正是它敢自称"首个"的依据。
规模与任务颗粒度的权衡也提示：拿它做预训练不划算，拿它做微调与评测才是正确用法。
§2.7 时间线锚点（快速引用）
| 事件 | 日期 | 出处 |
|---|---|---|
| Zenodo 存档发布（v1 唯一版本） | 2024-04-18 | Zenodo API |
| Zenodo 最后修改 | 2024-07-06 | Zenodo API |
| 挑战赛注册开放 | 2024-05-01 | arXiv:2512.08323 Appendix |
| 官方评测仓库创建 | 2024-07-30 | GitHub API created_at |
| 挑战赛收官（MICCAI 2024 期间） | 2024-10-06 | arXiv:2512.08323 Appendix |
| 官方评测仓库最后 push | 2024-11-18 | GitHub API |
| 挑战赛报告论文发布 | 2025-12-09 | arXiv abs 页 |
时间线读法：从 Zenodo 存档（4 月）到注册开放（5 月初）到收官（10 月初）不到半年，是标准的"数据先行、赛程紧凑"挑战赛节奏；官方评测仓库与公开榜同日上线（7 月 30 日），保证评测口径全程同源。
坑 5：arXiv 编号与时间线的两个易错点。
其一，arXiv:2512.08323 的省略写法 “2512.8323” 在 arXiv 内部指向同一篇论文（arXiv 对 12 月编号省略前导零）。
但外部检索与引用应统一写全 5 位编号 2512.08323，否则部分文献数据库会检索失败。
其二，论文发布于 2025-12-09，比挑战赛收官（2024-10-06）晚约 14 个月。
这是 MICCAI 挑战赛报告的常规节奏（6 个月发表 embargo + 审稿周期）。
检索者若按"数据集年份=论文年份"的惯性把 3DTeethLand 归为 2025 年数据集，会与挑战赛实际举办时间线（2024-05 至 2024-10）错位。
正确口径：数据集与挑战赛属 2024，报告论文属 2025。
§3 标志点体系与评测指标
§3.1 六类标志点的解剖学含义与临床用途
3DTeethLand 的标注协议把每颗牙的几何骨架拆成 6 类点。这 6 类不是随意挑选——它们恰好是数字正畸软件（隐形矫治器 CAD、托槽定位、排牙模拟）里从零重建一颗牙位姿所需的全部锚点：
| 类别 | 英文/颜色图例（arXiv:2210.06094） | 每牙数量 | 解剖位置 | 临床用途 |
|---|---|---|---|---|
| 近中点 | Mesial（红） | 1 | 牙冠朝牙弓中线侧的邻接接触点 | 邻接关系、牙弓长度测量、邻面去釉设计 |
| 远中点 | Distal（绿） | 1 | 背向中线侧的邻接接触点 | 同上；拔牙间隙关闭的边界锚 |
| 牙尖点 | Cusp（蓝） | 1-5（依牙型） | 咬合面功能尖/非功能尖顶点 | 咬合垂直距离、覆合覆盖、排牙 |
| 内侧龈缘点 | Inner（黄） | 若干 | 舌腭侧牙-龈交界线 | 牙冠高度、龈缘形态美学校正 |
| 外侧龈缘点 | Outer（青） | 若干 | 唇颊侧牙-龈交界线 | 微笑美学带、托槽高度基准 |
| 面轴点 | Facial Axis（品红） | 1 | 唇颊面中央，牙冠轴向代表点 | 冠倾角（tip）与转矩（torque）定义 |
逐类展开说明：
- Mesial / Distal（近中/远中）：邻接接触点是牙弓排布的最基本测量锚——牙弓长度、Bolton 指数、间隙分析都从这两点起算。一对邻接点还定义了"这颗牙在牙弓里转了多少度"（旋转，rotation），是隐形矫治器分步移动设计的核心自由度。
- Cusp（牙尖）：咬合面的功能尖承担咬合垂直高度，非功能尖引导侧方运动。数量按牙型分支：磨牙可有 4-5 个、前磨牙 2 个、切牙通常 1 个（切缘）。这是唯一一类"数量可变"的标志点，评测也因此走目标检测范式。
- Inner / Outer（内外龈缘）：牙-龈交界线决定可见牙冠高度。唇颊侧龈缘（Outer）是微笑美学带的下边界，托槽粘接高度以它为基准；舌腭侧龈缘（Inner）用于舌侧矫治与壳体内表面设计。
- Facial Axis（面轴）：唇颊面中央的代表点，与牙长轴方向共同定义冠倾角（tip）与转矩（torque）——正畸处方单上最核心的两个角度参数。
Cusp 的数量按牙型分支是这套协议最"牙科"的部分：算法端不能假设固定的每牙输出数，评测端也因此把 Cusp 按目标检测（object detection）范式计分——先匹配候选与真值再算精度召回——而其余 5 类固定数量的点可按逐点一一对应计算误差。
§3.2 输入条件的约定
标志点检测任务的标准输入是"网格 + 分割"：一例 STL 网格，外加该例的逐牙分割结果（哪些顶点属于哪颗牙、牙位编号是什么）。
分割信息在挑战赛中由组织方随数据提供（继承 3DTeethSeg’22 体系）。
决赛方案里 Radboud 队甚至选择自己重跑一遍分割模型（Stratified Transformer）以构成完整两阶段管线——这暗示分割质量对标志点精度的影响足够大，值得在管线里显式建模而非当作完美输入。
对第三方使用者，这意味着两种实验设定都合法：①固定官方分割、只做标志点（消融干净）；②自跑分割再做标志点（更接近实战，误差来源混合，需在论文里声明）。
§3.3 评测指标体系的完整定义
挑战赛官方评测（GitHub crns-smartvision/3DTeethLand 代码 + 论文评测节）使用四件套：
1. MRE（mean radial error，平均径向误差）
- 定义：全部标志点的预测-真值欧氏距离均值，单位 mm，越小越好。
- 优点：最直观、单数字可读。
- 缺点：对长尾误差敏感度低——少数离谱预测会被平均稀释。
2. SDR(τ)（success detection rate，阈值成功率）
- 定义：误差小于给定阈值 τ 的标志点比例，常报 τ=0.2/0.5/1.0 mm 几档。
- 优点：直接回答"多少点落进了临床可接受范围"。
- 缺点：依赖阈值选择；阈值之下的误差差异被抹平。
3. mAP（mean average precision，平均精度）
- 定义：把距离阈值从 0 到 3 mm 以固定步长（据转述为 0.1 mm，坑 7）扫描，每个阈值下算一次精度-召回曲线下面积，再对阈值取平均。
- 地位：挑战赛排名的主指标。
- 特殊处理：Cusp 按目标检测范式计分（候选-真值匹配后算 PR 曲线）。
- 优点：同时惩罚"偏得远"和"漏得快"，等价于同时考察亚毫米精度与毫米级鲁棒性的谱线。
4. mAR（mean average recall，平均召回）
- 定义：召回率对 exp(−distance) 衰减曲线下的面积，与 mAP 配对报告。
- 作用：补足召回侧视角。冠军方案 mAP 0.78 vs mAR 0.65 的落差正说明"置信度排序好、漏检仍是主要误差源"。
排名统计严格性：决赛结果用 Wilcoxon signed-rank 检验做显著性判定（p<0.001），据转述另做 100 次 bootstrap 重采样估计稳定性（坑 7）。
§3.4 为什么用 mAP 而不是只用 MRE
MRE 有一个致命盲区：少数离谱预测会被平均稀释，而临床场景里"一个标志点偏 3 mm"和"所有点偏 0.5 mm"的后果完全不同——前者意味着矫治器边界画错牙，后者只是整体精度平庸。
SDR 补了单阈值视角但仍依赖阈值选择；mAP 把 0-3 mm 全程扫一遍，等价于同时考察亚毫米精度与毫米级鲁棒性的谱线。
代价是指标解读复杂——两个方案的 mAP 差 0.005 时，必须下钻到类别分层与阈值分段才知道差距来自哪里（§6.5 的 Cusp 分层结论就是这种下钻的产物）。
§3.5 类别难度先验（供模型设计参考）
论文分析的类别难度分层结论：Cusp 最难——磨牙与切牙间几何变异大、数量可变、咬合面在口内扫描里恰是数据缺失高发区（扫描盲区多在深咬合面窝沟）；Inner/Outer 龈缘与 Mesial/Distal 邻接点最可靠——它们都在几何上可从牙冠边界推导。
这个先验的实际含义：
- 如果你的应用只关心排牙与邻接（如隐形矫治器壳体边界），龈缘+邻接点模型就能覆盖。
- 如果做咬合分析，则要为 Cusp 单独投入建模与数据增强预算。
- 如果做端到端全部 6 类，参考冠军方案的分阶段思路：先稳住可靠类别，再对 Cusp 做类别特定处理（亚军方案用了类别特定 NMS）。
§4 可获取性与许可：三层异构光谱
§4.1 第一层：Zenodo 存档（文档与 DOI 锚点）
- URL：https://zenodo.org/records/10991301（concept DOI 10.5281/zenodo.10991301，重定向最新版）与 https://zenodo.org/records/10991302（v1 版本 DOI）——双口径均有效，引用建议用 concept DOI（坑 3）。
- 内容：单个 PDF 文件《3DTeethLand: 3D Teeth Landmarks Detection Challenge》，96,708 字节（约 94.4 KB），md5 f594366e5067e7e676510e0334dafe4e（Zenodo API files 数组核得）。这是任务说明书，不是数据。
- 许可：CC BY-4.0（Zenodo API metadata.license.id = “cc-by-4.0”），access_right = open。
- 元数据：creators 含 Ben-Hamadou、Pujades、Smaoui、Strippoli、Setbon、Thollot 等；keywords = digital orthodontics / landmark detection / 3D intraoral scan / 3D point cloud / MICCAI 2024 challenges；challenge meeting 字段 = 第 27 届 MICCAI（2024）。
- 热度（API 抓取时点 2026-09-26）：downloads 1,496 / unique 1,257；views 2,035 / unique 1,874。
**坑 1：Zenodo 下载 = 下载数据 是本条目最高频误区。**Zenodo 存档仅 94.4 KB 的说明书 PDF——连一张牙齿网格都装不下。任何文献管理器、数据聚合站若把 10.5281/zenodo.10991301 当作"数据集下载地址"，得到的只是一个挑战赛规则文档。
真实数据在第二层 Synapse；标志点标注在第三层 Google Drive 直链。顺带说明：这也解释了为何该 DOI 的下载统计（约 1500 次）远高于"真正动手做标志点检测的团队数"——大部分下载者拿到的只是 PDF。
§4.2 第二层：Synapse 注册制数据本体
- 入口：挑战赛页 https://www.synapse.org/Synapse:syn57400900/wiki/627259 ；数据下载页 wiki/627934（STL 格式）。
- 门槛：Synapse 平台账号（免费注册）+ 接受挑战赛数据使用条款；挑战赛期间分两批发放（第一批 2024-05-27，第二批 2024-06-15）。
- 内容：240 例训练 STL 网格 + 100 例测试 STL 网格（含分割与牙位标注文件）。
- 许可口径：Synapse 条款体系内发放，数据本体本身未单独立 CC 许可——引用与再分发应遵循 Synapse 页面现行条款，本条目不替其声明开放许可。
- 持续可用性：挑战赛结束后数据页仍在，但需注册账号实测才能确认当前可下载状态（本轮核验未注册账号，见坑 8）。
§4.3 第三层：标志点标注 JSON 的公开直链
- 载体：单个 JSON 文件（3DTeethLand2024.json），由决赛队伍 3DIMLAND 的开源仓库（github.com/tescangroup/PTv3-for-detecting-anatomical-landmarks-in-dentistry）README 以 Google Drive 直链形式转发。
- 含义：训练集 240 例的标志点真值实际上存在一条绕过 Synapse 的公开路径——这对快速复现友好，但也意味着该直链的存续完全依赖第三方仓库维护（Google Drive 链接失效是常见事故，坑 8）。
- 边界：这条直链只覆盖标志点 JSON；STL 网格本体仍需走 Synapse。不要误传"全量数据有公开直链"。
§4.4 代码资产：官方评测与参赛方案
| 资产 | 仓库 | 许可 | 状态（GitHub API，抓取 2026-09-26） |
|---|---|---|---|
| 官方评测代码 + Docker 模板 baseline | crns-smartvision/3DTeethLand | Apache-2.0 | 创建 2024-07-30，最后 push 2024-11-18，13 stars / 4 forks，master 分支，Python |
| 3DIMLAND PTv3 方案（Point Transformer V3） | tescangroup/PTv3-for-detecting-anatomical-landmarks-in-dentistry | 见仓库 | 完整训练代码 + Hydra 配置 + 预处理数据 Google Drive 直链；2026-03-01 公开迁移 |
| 冠军 Radboud 方案 | 未独立开源（团队即 ToothFairy 系列活跃团队） | — | 论文方法节可复现；weighted DBSCAN 聚合细节见论文 |
官方仓库的评测脚本即排名口径的实现，第三方复现应优先对接它而不是自写评测（避免 mAP 扫描步长等细节口径漂移）。
参赛规则：算法必须提交组织者环境评测；前排名队伍强制共享代码。
§4.5 许可三层汇总（AI-Ready 视角）
| 层 | 内容 | 许可 | 获取方式 | AI-Ready 等级 |
|---|---|---|---|---|
| 文档层 | 任务说明书 PDF | CC BY-4.0 | Zenodo 公开直链 | 高（无摩擦） |
| 数据层 | STL 网格 + 分割/牙位标注 | Synapse 条款（未单独声明 CC） | 注册制下载 | 中（低摩擦但需注册） |
| 标注层 | 标志点 JSON | 未单独立许可（经第三方仓库转发） | Google Drive 直链 | 中高（直链但有失效风险） |
| 代码层 | 官方评测 + baseline | Apache-2.0 | GitHub 公开直链 | 高 |
§4.6 DAIMS 表（数据集 AI-Ready 成熟度评估）
| DAIMS 维度 | 得分（0-2） | 依据 |
|---|---|---|
| 可发现性 Findable | 2 | Zenodo DOI（concept+版本双口径）、arXiv 报告、GitHub 官方仓库、Synapse 页面四路可检索；keywords 规范 |
| 可获取性 Accessible | 1 | 三层入口均可达，但数据本体需 Synapse 注册制；JSON 直链依赖第三方仓库存续；测试集真值永久保密 |
| 可互操作 Interoperable | 2 | STL+JSON 通用格式；官方评测脚本 Apache-2.0 公开；与 3DTeethSeg’22/Teeth3DS 格式体系同源（OBJ+JSON） |
| 可复用 Reusable | 1 | 训练集许可明确可用；测试集真值保密限制完整复现；数据本体许可未单独声明 CC；设备/人口学元数据缺口 |
| 许可清晰度 | 1 | 文档层 CC BY-4.0 明确；数据层与标注层许可依赖平台条款与第三方转发，未逐层落 CC |
| 治理与维护 | 1 | 官方仓库最后 push 2024-11-18；挑战赛组织方稳定（CRNS+Inria 系列赛延续），但无公开的版本迭代路线 |
| 合计 | 8/12 | 中高水平 AI-Ready：文档与代码层近乎满配，数据本体注册制与测试集保密是主要扣分项 |
§4.7 获取决策树（实操指引）
- 只想读规则/写综述 → Zenodo PDF（直链，CC BY-4.0），五分钟内解决。
- 想跑通训练与验证 → Synapse 注册下 STL + 从 3DIMLAND 仓库拿 JSON 直链；对接官方评测脚本。
- 想完整对标官方榜单 → 不可行，测试集真值保密（坑 6）；可做的最接近替代：从训练 240 例里自划验证子集，并在论文中声明口径差异。
- 想要预训练底座 → 不建议用本条目（340 例太小），回上游 Teeth3DS（1800 例）或库内 toothfairy2/toothfairy3（CBCT 大规模）。
- 只想引用数字 → 用 concept DOI 10.5281/zenodo.10991301（数据集）+ arXiv:2512.08323（榜单结果）；注意坑 3 与坑 4 的双口径。
**坑 3：DOI 双口径——concept 与版本。**concept DOI 10.5281/zenodo.10991301（brief 与常见引用口径，重定向最新版）与版本 DOI 10.5281/zenodo.10991302（Zenodo API 实际版本记录，v1 唯一版本）均有效。frontmatter 与正文以 concept DOI 为主口径。两个数字开头的"10991301 vs 10991302"极易在手工抄录时错一位——用 DOI 解析服务（doi.org）验证而不是肉眼比对。
坑 6：测试集真值保密。“100 例测试集网格公开"容易被误读成"可以本地评测”。网格可见但真值标签只在组织者手里，本地算不出任何误差指标。所有声称"在 3DTeethLand 测试集上取得 X 分数"的非组织方来源都值得警惕——要么它提交过官方评测（决赛通道 2024-10-02 已关闭），要么它其实测的是训练集子集。
§5 注释流水线与质量控制
§5.1 两级标注架构：技师初注 + 牙医 board 共识
3DTeethLand 的标志点标注走的是"受训临床技师（trained clinical technician）执行逐点标注 → 3 名资深牙医 board 共识验证"的两级架构（arXiv:2512.08323；Lacuna 摘录原文 “Professional annotators, validated by dentists with over a decade of experience”）。
三位验证牙医每人执业超过 10 年。
这个设计在成本与权威之间取了折中：全口扫描单例数百个标志点、340 例的总量，若全由专家逐点标注则工时不可承受；由受训技师承担量产、专家 board 承担抽验与共识裁决，是医学三维标注流水线的标准形态。
据二手页面转述（emergentmind 转述论文），标注者间偏差小于 0.2 mm，被论文描述为可忽略（negligible）——该数字未经原文直接核对，按坑 7 口径降级引用。
即便按转述口径，亚毫米级的观察者间一致性也显著高于二维影像标志点文献里的常见水平（往往 1 mm 量级）。原因不难理解：口内扫描网格是显式三维表面，点"贴"在网格上，比在二维片子上"估"深度更容易对齐；同一颗牙在不同标注者屏幕上可旋转到同一视角，歧义大幅减少。
§5.2 分割标签的继承与终审循环
标志点不是凭空标在网格上的——它们参照逐牙分割边界（龈缘点必须在牙-龈交界上、邻接点必须在两牙接触区）。
3DTeethLand 的分割与牙位标签继承 3DTeethSeg’22 的标注体系，后者的质量控制是"临床正畸、牙外科、牙髓病专家终审循环校验"（iterative expert review loop，arXiv:2210.06094）。
因此本数据集的标注质量实际由两道工序叠加保证：
| 工序 | 内容 | 责任人 | 出处 |
|---|---|---|---|
| 第一道：分割层 | 逐顶点牙齿实例分割 + 牙位编号 | 临床专家终审循环 | arXiv:2210.06094（继承体系） |
| 第二道：标志点层 | 6 类解剖点逐点标注与共识 | 技师量产 + 3 名 >10 年牙医 board | arXiv:2512.08323 |
§5.3 数据收集与赞助结构：谁出了数据
arXiv 报告致谢节明确：“Udini is the principal sponsor of the challenge by collecting and providing clinical data with the contribution of the Digital Research Center of Sfax”。
法国牙科科技公司 Udini 是首席赞助商，负责收集并提供临床数据，Sfax 数字研究中心（CRNS）参与贡献。
这个结构解释了几个现象：
- 数据来源：为什么是正畸诊所来源的口内扫描——Udini 的业务管线就是数字正畸。
- 组织方构成：为什么名单里混着公司（Smaoui/Udini）、学术机构（CRNS/Inria）与执业医生（Strippoli、Setbon、Thollot——里昂与布鲁塞尔的临床正畸诊所）。
- 标注质量：为什么数据能做出亚毫米级的临床级标注——标注与验证在真实临床工作流里完成，技师与牙医都是现成人员。
对想复制这套模式的团队，"公司出数据 + 学术出方法 + 诊所出专家"的三方结构比单打独斗的学术标注更可持续。
§5.4 测试集保密制度
私有测试集 100 例的真值标签由组织者与其直接团队持有（附录原文：“Only the organizers and members of their immediate team have access to test case labels”）。
配合另外两条规则，构成完整的防泄漏闭环：
- 算法提交组织者环境统一评测：参赛者交 Docker 容器，不由自己跑测试集。
- 前排名队伍必须共享代码：榜单前排无法藏私。
三条规则合起来，确保参赛者拿不到测试标签、也无法在提交容器里对测试集做针对性特化。
代价是公共社区永远无法独立复验榜单（§4.7 决策树的"不可行"分支）——保密制度与开源复现是挑战赛范式里一对结构性张力，不是执行瑕疵。
§5.5 标注成本与可复制性评估
论文未公布逐点标注工时。参照同流域经验（单例全口标志点人工标注通常以小时计），340 例的产出规模反推 board 级人力投入至少数百工时。
对想复制这套协议的团队，可复制的关键件是：
- 6 类点的牙型分支定义（论文 + 前作颜色图例）。
- "技师量产 + 三人 board 共识"架构。
- 以网格为参照的亚毫米标注环境（在三维网格软件里逐点拾取，而非在渲染图上点选）。
不可复制的部分是 Udini 式的临床数据管道——多数学术团队没有配套诊所流。
§6 挑战赛设计与结果
§6.1 赛程时间线（arXiv:2512.08323 Appendix）
| 阶段 | 日期 |
|---|---|
| 注册开放 | 2024-05-01 |
| 训练数据第一批发放 | 2024-05-27 |
| 训练数据第二批发放 | 2024-06-15 |
| 公开测试集发布 + 公开榜开放 | 2024-07-30 |
| 决赛阶段（Final Phase）开始 | 2024-09-26 |
| 算法描述提交截止 | 2024-09-29 |
| Docker 容器提交截止 | 2024-10-02 |
| 收官（MICCAI 2024 期间） | 2024-10-06 |
官方评测代码仓库（crns-smartvision/3DTeethLand）创建于公开榜开放同日（2024-07-30，GitHub API created_at），评测口径与榜单同源。
整个赛程约 5 个月，节奏与 MICCAI 年会日程严格对齐——决赛压在年会前一周收官，结果在会议期间公布。
§6.2 参赛规模与晋级
49 支队伍注册，6 支进入决赛，晋级比例 12% 出头。
决赛门槛是公开榜排名与算法描述质量的双重筛选——既要在榜上排得进前列，也要能提交合格的算法描述与可运行的 Docker 容器。
挑战赛报告论文由 26 位作者联名——6 支决赛队伍成员 + 组织方。这种"决赛队全员进论文"的署名结构是 MICCAI 挑战赛报告的惯例，也使该论文成为牙齿标志点检测方向的基准引用锚点。
§6.3 排行榜与方案谱系
| 名次 | 队伍 | 核心方案 | rank score | mAP | mAR | 单例耗时 |
|---|---|---|---|---|---|---|
| 冠军 | Radboud（Niels van Nistelrooij、Shankeeth Vinayahalingam 等，Radboud University/Nijmegen） | 两阶段：Stratified Transformer 牙齿分割 → 单牙局部坐标系标志点回归 + weighted DBSCAN 聚合 | 0.91 | 0.78（正文 0.785，坑 4） | 0.65 | 21.25 s |
| 亚军 | ChohoTech | 单阶段 DGCNN（动态图卷积）+ offset 回归 + 类别特定 NMS | — | 0.775 | — | 10.89 s |
| 靠后 | 3DIMLAND（Tibor Kubík 等） | Point Transformer V3（PTv3） | — | — | — | — |
| 靠后 | IGIP-LAB | 论文称其与 3DIMLAND 名次靠后（ranked lowest） | — | — | — | — |
冠军方案拆解（Radboud，两阶段）：
- 第一阶段：Stratified Transformer 做牙齿分割——把"牙在哪"先解决，且用自家模型而非官方给定分割。
- 第二阶段：在每颗牙的局部坐标系里回归标志点——局部坐标系抹平了全口姿态差异，让网络专注于牙冠自身的几何特征。
- 聚合：多候选经 weighted DBSCAN 加权聚合以稳定输出。
- 团队背景：van Nistelrooij、Vinayahalingam 是 ToothFairy 系列挑战赛（CBCT 牙齿分割）的活跃班底，CBCT 分割经验直接迁移到了口内扫描管线上（库内互链：toothfairy2(649)、toothfairy3(673)）。
亚军方案拆解（ChohoTech，单阶段）：
- 直接在网格点云上建动态图卷积（DGCNN），回归每点向各标志点的偏移量（offset regression）。
- 按类别做 NMS 收敛出最终点——类别特定 NMS 处理 Cusp 数量可变的问题。
- 精度上 mAP 0.775 与冠军差距不足 0.01，速度却快一倍（10.89 s vs 21.25 s）。
3DIMLAND 与开源贡献：3DIMLAND 的 PTv3 方案虽然名次靠后，但其完整训练代码（含 Hydra 配置、预处理数据直链）公开开源（github.com/tescangroup/PTv3-for-detecting-anatomical-landmarks-in-dentistry，2026-03-01 公开迁移），是第三方复现本任务的实际起点——冠军方案没有独立开源，3DIMLAND 仓库事实上承担了"社区参考实现"角色。
§6.4 两阶段 vs 单阶段：本挑战赛最有工程价值的对照
把冠军与亚军并排看：
| 维度 | Radboud（两阶段） | ChohoTech（单阶段） |
|---|---|---|
| mAP | 0.78 / 0.785 | 0.775 |
| 差距 | — | 不足 0.01 |
| 单例耗时 | 21.25 s | 10.89 s |
| 架构复杂度 | 分割+回归+聚合三件套 | 图卷积+回归+NMS |
| 对分割误差的依赖 | 显式建模（自己重跑分割） | 端到端，隐式处理 |
| 工程迁移性 | 离线批处理、设计所后端 | 椅旁实时流程更现实 |
结论：在亚毫米标志点任务上，轻量单阶段图卷积已经逼近重型两阶段管线。若精度的最后 0.01 不影响你的应用（多数 CAD 场景不差这 0.01 mAP），单阶段方案的部署成本优势压倒性。
§6.5 类别分层与误差解剖
论文分析的难度分层结论（§3.5 已述）在结果端对应：Cusp 类的 mAP 显著低于其余 5 类，Inner/Outer/Mesial/Distal 最可靠。
误差来源解剖：
- 扫描盲区——深咬合面与邻间隙是口内扫描的常见数据缺失区，恰好压在 Cusp 与邻接点上。
- 牙型变异——磨牙 4-5 尖 vs 切牙单尖的拓扑差异使单一输出头难以兼顾。
- 分割传导误差——两阶段方案里分割错误直接挪动局部坐标系原点。
mAR 0.65 与 mAP 0.78 的落差补充了召回侧视角：冠军方案置信度排序好，漏检仍是主要误差源——补漏检比提精度更划算。
§6.6 有效技巧与失败模式
- 有效：课程学习（curriculum learning）——先在大半径误差尺度上训练、再逐步收紧到亚毫米目标，显著提升细粒度标志点性能（论文明确列为消融验证的正收益项）。
- 失败模式：病理情形（严重牙列拥挤、缺牙）与不完整扫描的鲁棒性不足（arXiv future directions 原文承认）——训练分布里这类病例占比低，模型在边缘情形下输出不稳定。这与 §9 的局限性评估直接衔接。
§6.7 统计严格性
排名判定用 Wilcoxon signed-rank 检验（p<0.001），据转述辅以 100 次 bootstrap 重采样（坑 7）。
冠军与亚军的 mAP 差距（0.78/0.785 vs 0.775）在如此严格的多重比较下仍能分层，说明评测管线对噪声敏感、前排差距是真实的。
**坑 4：mAP 双口径——摘要 0.78 vs 正文 0.785。**挑战赛报告的摘要把冠军 mAP 写作 0.78，正文表格口径为 0.785。两个数字同源（同一评测），差异出自摘要的四舍五入。
引用建议：正式行文用 0.785（正文表格为精确口径）或标注"0.78（摘要）/0.785（正文）"；检索他人论文若见 0.78 与 0.785 并存，不是两场比赛、也不是两个版本的数据集——是同一结果的两个舍入口径。本条目正文默认用摘要口径 0.78，表格与存照处注明 0.785。
§7 开源生态与衍生工作
§7.1 代码资产全景
| 资产 | 来源 | 内容 | 许可 | 对使用者的价值 |
|---|---|---|---|---|
| crns-smartvision/3DTeethLand | 组织方（CRNS） | 评测脚本 + Docker 模板 baseline | Apache-2.0 | 排名口径的唯一权威实现；mAP/SDR 细节以它为准 |
| tescangroup/PTv3-for-detecting-anatomical-landmarks-in-dentistry | 3DIMLAND 决赛队 | PTv3 完整训练代码 + Hydra 配置 + 预处理数据 Google Drive 直链 | 见仓库 | 社区参考实现：从原始 STL 到标志点预测的端到端可跑管线 |
| 3DTeethLand2024.json 直链 | 3DIMLAND 仓库转发 | 全训练集标志点真值 | 未单独立许可 | 绕过 Synapse 快速对齐标注（依赖第三方存续，坑 8） |
| Radboud 冠军方案 | 论文方法节 | Stratified Transformer + 局部回归 + weighted DBSCAN | 未开源 | 方法蓝图；组件均可从公开实现拼装（Stratified Transformer 有公开代码） |
本轮核验（2026-09-26）未见官方 Hugging Face 镜像或 DAIMS 式托管平台集成——数据获取仍以 Synapse + JSON 直链为准，这与库内已有 HuggingFace 公开直链的条目（如 panda-plus 的 Bench）形成 AI-Ready 光谱上的对照。
§7.2 系列赛脉络与学术定位
3DTeethLand 是 CRNS+Inria 联合组织的系列挑战赛第二弹：
- 第一弹：3DTeethSeg’22（MICCAI 2022，牙齿分割，1200+600 例，16,004+7,995 颗牙）。
- 第二弹：3DTeethLand’24（MICCAI 2024，标志点，340 例）。
Zenodo 描述称其为"recurring annual event"（逐年系列赛），暗示后续还有第三弹的可能（截至核验时点未见 2025/2026 续作发布）。
任务颗粒度的下探路线清晰：牙齿级分割（每顶点一个牙号）→ 亚牙级标志点（每牙一组解剖点）。
学术影响：arXiv:2512.08323（26 作者，2025-12-09）构成该方向的基准引用锚点；抓取时点（2026-09-26）引文数据尚未成型。3DTeethSeg’22 前作论文（arXiv:2210.06094）持续被引，为底座提供方法学出处。
§7.3 团队生态与库内互链依据
Radboud 桥：冠军团队成员 van Nistelrooij、Vinayahalingam 同为 ToothFairy 系列挑战赛（CBCT 牙齿分割）的核心活跃者——作者名单重叠是 toothfairy2(649)、toothfairy3(673) 两条目与本条目互链的实证依据。同一批人既做 CBCT 分割又做口内扫描标志点，是"牙科 3D AI 方法跨模态迁移"的活案例。
同域牙科条目：tufts-dental(57)（CBCT 大库）、fdtooth(609)（分割/编号任务链）与本条目构成"模态 × 颗粒度"四象限覆盖。
组织方学术谱系：Ben-Hamadou（CRNS Sfax，计算机视觉）+ Pujades（Inria，人体/物体三维形状建模）的组合把"视觉几何方法论 + 临床数据管道"焊在一起，是欧洲中等规模医学挑战赛的典型组织形态。
§7.4 发表规则与 embargo
arXiv 附录载明：参赛者可在 MICCAI 结束后 6 个月 embargo 期满后独立发表自己的方案。这解释了报告论文（2025-12-09）与挑战赛（2024-10-06）之间 14 个月的时间差——embargo 6 个月 + 汇总写作与审稿周期。
对检索者的含义：2025-2026 年间各决赛队伍的独立方法论文会陆续出现，检索本任务最新进展时应同时监控 arXiv 新文献与各队 GitHub。
§7.5 产业语境（二手信息，谨慎引用）
据第三方分析页（aipapers）转述：牙科影像软件商对本类技术的落地路径包括 AI 模块授权、椅旁实时集成、FDA/CE 医疗器械审批与 HIPAA/GDPR 合规体系。
论文作者名单中 Udini（牙科科技公司）与多家执业诊所的存在，说明数据从采集起就带有产品化意图。
此节为二手语境信息，不构成对本条目核心事实的支撑，引用时应标注转述来源。
§8 使用指南与复现路径
§8.1 任务适配检查表（你的问题适合用这个数据集吗）
| 你要做的事 | 适配度 | 说明 |
|---|---|---|
| 口内扫描标志点检测（6 类） | ★★★ | 正对数据集主任务，有官方评测可对接 |
| 排牙/隐形矫治器 CAD 的几何输入 | ★★★ | 6 类点即 CAD 锚点集，直接可用 |
| 牙齿分割 | ★★ | 340 例带继承分割标签，但规模小于 Teeth3DS/3DTeethSeg’22 |
| 牙位编号（FDI） | ★★ | 有牙位标注但不是主任务 |
| CBCT 相关任何任务 | ✗ | 无体数据，请走 toothfairy2/toothfairy3 |
| 大规模预训练 | ✗ | 340 例太小，回 Teeth3DS（1800 例） |
| 复现官方榜单 | ✗ | 测试集真值保密（坑 6），自划验证集替代 |
| 多设备/人群泛化研究 | △ | 设备与人口学元数据缺失，需自建协议 |
§8.2 五步复现路径（训练侧）
**第 1 步：拿网格。**注册 Synapse（免费）→ 从挑战赛页（syn57400900）数据下载页拉取 STL 网格包（STLData 目录结构）。核对手感：训练例应为 240。
**第 2 步：拿标注。**从 3DIMLAND 仓库 README 的 Google Drive 直链下载 3DTeethLand2024.json；校验例数应为 240（训练口径）。JSON 按例-牙-类别三级组织。
**第 3 步：搭管线。**fork tescangroup/PTv3 仓库（Hydra 配置 + 预处理直链）或自建——输入 = 网格 + 分割标签，输出 = 每牙逐类标志点候选。Cusp 输出头按牙型分支设计（磨牙 4-5、前磨牙 2、切牙 1）。
**第 4 步：自划验证集。**从 240 例中分层切出 40-60 例做验证（按牙型缺失/拥挤度分层更稳）。
注意：不要把 100 例测试集网格当验证数据用——那是提交评测用的私有集，虽然网格可见，但拿它调参会污染"测试集分布"的心智纯净性（真值虽看不到，分布已经被你拟合了）。
**第 5 步：评测对齐。**把官方 crns-smartvision/3DTeethLand 评测脚本接进训练循环，报 MRE/SDR/mAP/mAR 四件套；论文里写清"自划验证集口径，非官方测试集"。
§8.3 推理耗时预算参考
决赛实测（统一环境）：
| 方案 | 单例耗时 | 适用场景 |
|---|---|---|
| 两阶段（Radboud 冠军架构） | 21.25 s | 离线批处理、设计所后端 |
| 单阶段 DGCNN（ChohoTech 亚军架构） | 10.89 s | 椅旁实时流程 |
按椅旁场景单患者 1-2 例扫描计，单阶段方案已进入"等待无感"区间；两阶段方案则适合离线批处理与设计所后端。
§8.4 常见报错与坑位对照
| 症状 | 根因 | 对应坑点/章节 |
|---|---|---|
| 拿 Zenodo 当数据源，下载到 94.4 KB PDF | Zenodo 只存说明书 | 坑 1，转 Synapse |
| STL 读进来全是零分割 | STL 不含顶点属性，分割在 JSON/配套文件里 | §2.3 |
| 评测 mAP 与论文对不上 | 自写评测的阈值扫描步长/召回插值细节漂移 | 坑 7，改用官方脚本 |
| Cusp 输出数量不匹配 | 牙型分支协议（磨牙 4-5、前磨牙 2、切牙 1） | §3.1 表格对齐协议 |
| 测试集"看起来能算分" | 网格公开但真值保密，本地无真值可比 | 坑 6 |
| 引用 DOI 打不开正确页面 | concept/版本 DOI 抄错一位 | 坑 3 |
| 把 CBCT 预训练模型直接迁移 | 模态不同（体数据 vs 表面网格） | 坑 2，§8.1 检查表 |
§9 局限与批判性评估
§9.1 数据规模的张力
340 例是"首个公共基准"的合理起点，也是它最显眼的天花板。
对照：3DTeethSeg’22 同底座放了 1800 例做分割；2D 医学标志点数据集常见 300-1000 例。
340 例做"证明任务可公共化"足够，做"把标志点检测做到临床退化情形全覆盖"不够——论文的 future directions 实际承认了这一点。
对使用者的含义：把本条目当"微调+评测"集，别当"训练一个通用牙科标志点模型"的完整方案。
§9.2 鲁棒性边界
论文明确承认（arXiv:2512.08323 future directions）：病理情形（严重牙列拥挤、缺牙）与不完整扫描的鲁棒性不足。
临床解读：正畸就诊人群里拥挤与缺牙恰是高频适应证，模型在这些情形下的输出不稳定意味着当前方案只能覆盖"轻中度、牙列完整"的入口人群。
落地团队必须自建边缘病例的验证集，不能拿挑战赛 mAP 外推到全门诊人群。
§9.3 元数据缺口
设备品牌/型号、扫描参数、患者年龄/性别分布、采集时间段在公开材料中均未披露。
后果有三：
- 无法做设备间泛化分析——不知道 340 例混了几种扫描仪。
- 无法评估人群代表性——年龄/性别分布未知。
- 无法复现"同设备同协议"的采集条件。
这是临床合作型数据集的常见缺口——数据从临床流里来，临床流不记录科研元数据。引用本数据集做人群声明时应写"正畸就诊人群，人口学分布未披露"。
§9.4 评测完备性的结构性缺口
测试集真值永久保密 + 冠军方案未开源 = 榜单不可独立复验。
这不是组织方的失误（保密是防泄漏的正当手段），而是挑战赛范式的固有代价。
社区能做的最接近替代：官方评测脚本 + 训练集自划验证集 + 3DIMLAND 开源方案做横向参照。
§9.5 许可的"层间裂缝"
文档层 CC BY-4.0 与代码层 Apache-2.0 都很干净，但数据层（Synapse 条款）与标注层（JSON 经第三方转发、未单独立许可）之间存在许可裂缝：想把"网格+标注+代码"打包再分发的研究者，会发现自己能确认许可的部分只有文档与代码。
建议下游使用者在论文致谢与数据声明里分层写明来源与许可状态，不要笼统写"CC BY-4.0 数据集"（那会误盖数据本体）。
§9.6 二手数字的引用纪律
坑 7：以下数字仅经二手页面（emergentmind 等）转述核实，未直接核对论文原文，本条目一律降级为"据转述"：
- 点密度 30-80 pts/mm²。
- 网格精度 >90 µm。
- 标注者间偏差 <0.2 mm。
- mAP 阈值扫描步长 0.1 mm。
- bootstrap 重采样 100 次迭代。
原因：arXiv HTML 全文（ar5iv 与 arxiv.org/html 双路径）在本轮抓取中渲染为空，附录与正文表格无法直接验证。
引用纪律：写综述时可引用但须标注转述来源；写方法实现时（如自定 mAP 步长）以官方评测脚本代码为准——代码是比论文转述更硬的口径。
**坑 8：链接存续风险。**Synapse 数据包在挑战赛结束后的持续可下载性需注册账号验证（本轮未注册，待核）；3DTeethLand2024.json 的 Google Drive 直链依赖 3DIMLAND 仓库存续。建议使用者尽早取数并本地存档（遵守许可前提下），检索者发现直链失效时应回查官方仓库 README 的更新。
§10 结语与互链索引
§10.1 三句话记住 3DTeethLand
- 首个公开的 3D 牙齿标志点检测基准：340 例口内扫描（240+100），每牙 6 类解剖点，MICCAI 2024 挑战赛 49 队注册 6 队决赛。
- 三层异构获取：Zenodo 只有说明书 PDF（CC BY-4.0），数据本体 Synapse 注册制，标注 JSON 走第三方直链——三个入口三层条款。
- 单阶段逼近两阶段：亚军 DGCNN 以一半耗时达到与冠军 Transformer 管线差不足 0.01 的 mAP（0.775 vs 0.78/0.785），是该挑战赛最有工程价值的精度-速度结论。
§10.2 库内互链索引（建议双向挂链）
| 互链条目 | rid | 互链方向与理由 |
|---|---|---|
| toothfairy2 | 649 | Radboud 冠军团队同生态（作者名单重叠）；CBCT 分割 vs 口内扫描标志点的模态互补 |
| toothfairy3 | 673 | 同 ToothFairy 系列团队谱系；牙科 3D AI 跨模态迁移叙事 |
| tufts-dental | 57 | 同域牙科三维数据；CBCT 大库 vs 亚牙级表面网格的颗粒度对照 |
| fdtooth | 609 | 牙齿分割/编号任务链 → 本条目标志点任务的上下游关系 |
§10.3 检索关键词备忘（面向库内检索与外部 SEO）
- 中文：牙齿标志点检测、口内扫描、口腔正畸数据集、牙尖、龈缘、数字正畸。
- 英文：dental landmark detection、intraoral scan、3D teeth、MICCAI 2024 challenge、cusp detection、clear aligner。
注意区分三个易混名：3DTeethLand（本条目，标志点）≠ 3DTeethSeg（分割挑战）≠ Teeth3DS（底座全集）——三者共享采集体系但任务与规模不同。
§10.4 数字速查卡（全部口径一屏）
| 数字 | 值 | 口径与来源 |
|---|---|---|
| 总例数 | 340 | arXiv:2512.08323 + arXiv:2210.06094 + emergentmind（三源互证） |
| 划分 | 240 训练 + 100 私有测试 | 同上（三源一致） |
| 标志点类别 | 6 类/牙（Cusp 1-5 个依牙型） | arXiv:2210.06094 定义与颜色图例 |
| 注册/决赛队伍 | 49 / 6 | arXiv:2512.08323 摘要 |
| 冠军 rank score | 0.91 | arXiv:2512.08323 |
| 冠军 mAP | 0.78（摘要）/ 0.785（正文，坑 4） | arXiv:2512.08323 双口径 |
| 冠军 mAR | 0.65 | arXiv:2512.08323 |
| 冠军耗时 | 21.25 s/例 | arXiv:2512.08323 |
| 亚军 mAP / 耗时 | 0.775 / 10.89 s/例 | arXiv:2512.08323（Lacuna 摘录） |
| 上游底座 | Teeth3DS：1800 例 / 900 患者 | arXiv:2210.06094 |
| 3DTeethSeg’22 规模 | 1200 训练（16,004 牙）+ 600 测试（7,995 牙） | arXiv:2210.06094 |
| Zenodo 说明书 | 96,708 字节 PDF，md5 f594366e5067e7e676510e0334dafe4e | Zenodo API |
| Zenodo 许可 | CC BY-4.0（access_right open） | Zenodo API |
| Zenodo 热度 | 下载 1,496 / 浏览 2,035（unique 1,257 / 1,874） | Zenodo API（2026-09-26） |
| 官方代码 | Apache-2.0，创建 2024-07-30，最后 push 2024-11-18 | GitHub API（2026-09-26） |
| 报告论文 | arXiv:2512.08323，2025-12-09，26 作者 | arXiv abs 页 |
§10.5 十一问 FAQ（高频检索问题直答）
Q：3DTeethLand 是 CBCT 数据集吗？
不是。全部为口内扫描（intraoral scan）表面网格，无放射影像（坑 2）。找 CBCT 牙科数据请看库内 toothfairy2(649)、toothfairy3(673)、tufts-dental(57)。
Q：数据在哪下载？
说明书 PDF 在 Zenodo（DOI 10.5281/zenodo.10991301，CC BY-4.0）；STL 数据本体在 Synapse（syn57400900，注册制）；标志点 JSON 有 Google Drive 直链（3DIMLAND 仓库转发）。三个入口别混（坑 1）。
Q：测试集有标签吗？
网格公开，标志点真值保密（仅组织者持有）。第三方无法复现官方榜单分数（坑 6）。所有非组织方来源的"测试集分数"都值得核查口径。
Q：mAP 0.78 和 0.785 哪个对？
都对——摘要舍入口径与正文表格口径（坑 4）。正式引用建议 0.785 或双注。
Q：挑战赛是哪一年？论文为什么是 2025？
挑战赛 2024 年举办（2024-05 至 2024-10，MICCAI 2024 期间收官）；报告论文按惯例经 6 个月 embargo + 审稿，2025-12-09 上线 arXiv（坑 5）。数据集归属年份应写 2024。
Q：每颗牙标几个点？
6 类：近中 1、远中 1、牙尖 1-5（依牙型）、内侧龈缘若干、外侧龈缘若干、面轴 1。单例全口合计可达数百点。
Q：能用来做预训练吗？
不建议。340 例规模太小；预训练回 Teeth3DS（1800 例）或库内 CBCT 大库（toothfairy2/toothfairy3），本条目做微调与评测。
Q：冠军方案开源了吗？
Radboud 冠军方案未独立开源；官方评测脚本（Apache-2.0）与 3DIMLAND 的 PTv3 完整训练代码开源，后者是社区事实参考实现。
Q：支持哪些评测指标？
MRE、SDR(τ)、mAP（0-3 mm 阈值扫描）、mAR 四件套；Cusp 按目标检测范式计分。实现细节以官方脚本为准（坑 7）。
Q：和 ToothFairy 系列什么关系？
不同模态（口内扫描 vs CBCT）、不同任务（标志点 vs 分割），但冠军团队（Radboud）与 ToothFairy 挑战赛核心团队高度重合，方法经验互相迁移。
Q：能用于商业产品吗？
许可分层：文档 CC BY-4.0 可商用（需署名）；数据本体遵循 Synapse 现行条款（未单独立 CC，商用前自行核条款）；代码 Apache-2.0 可商用。商用落地另需符合医疗器械与数据合规路径（§7.5）。
§10.6 面向未来：这个基准会怎么长
系列赛若延续，可预期的演进方向：
- 规模扩到全底座（1800 例级）。
- 协议扩到更多点类（根分叉点、边缘嵴等 CAD 需要的次级锚点）。
- 评测端补"公开测试榜 + 保密最终榜"双轨制，缓解复现缺口。
- 病理/边缘情形的专项赛道。
在公开材料层面这些均属合理推断而非既有事实，仅作使用者的路线图参考。
§11 避坑清单：八个坑的集中档案
正文（§0-§10）已就各坑给出上下文，本节集中存照便于检索与自动抽取：
坑 1：Zenodo 上没有数据。Zenodo 记录仅含 96,708 字节任务说明书 PDF；"从 Zenodo 下载 3DTeethLand 数据"会拿到一份 PDF。数据本体在 Synapse syn57400900（注册制）。详见 §4.2。
坑 2：不是 CBCT。全部为口内扫描（intraoral scan）表面网格，不含 CBCT 或任何放射影像——与 toothfairy2/3（CBCT 体数据）严格区分。检索词带 “CBCT” 找本数据集会空手而归。详见 §0 读法第 1 条。
坑 3：arXiv 编号两写法。报告论文规范编号 arXiv:2512.08323；省略前导零的写法 2512.8323 指向同一论文（arXiv 对前导零的官方处理）。著录用规范形式，检索系统两者兼容。
坑 4：mAP 双口径。冠军 mAP 摘要写 0.78、正文表格口径 0.785——同一评测的舍入差异，不是两个结果。正式引用建议 0.785（正文精确口径）或双注"0.78（摘要）/0.785（正文）"。详见 §6.3 与 §10.4。
坑 5：年份口径。数据集与挑战赛归属 2024 年（Zenodo 2024-04-18，赛程 2024-05 至 2024-10）；报告论文 2025-12-09 上线 arXiv（6 个月 embargo + 审稿的惯例节奏）。数据集引用写 2024，结论引用写 2025，同文稿内保持一致。详见 §10.5。
坑 6：测试集真值保密。100 例私有测试集只有网格公开，标志点真值仅组织者持有——第三方无法复现官方榜单分数；本地"测试集分数"无真值可比。自建评测用 240 例训练集自划验证集。详见 §5.4 与 §9.4。
坑 7：二手数字降级引用。点密度 30-80 pts/mm²、网格精度 >90 µm、标注者间偏差 <0.2 mm、mAP 步长 0.1 mm、bootstrap 100 次迭代——五个数字仅经二手页面转述核实（arXiv HTML 全文渲染为空未能直接验证），引用时标注"据转述"；方法实现以官方评测脚本代码为准。详见 §9.6。
坑 8：340 ≠ 340 份训练监督，且 JSON 直链是单点。可训练的是 240 例；部分二级页面把 340 统称标注集会高估监督量。同时标志点标注 JSON 依赖第三方仓库直链（Google Drive），属获取链最脆弱一环——拿到立即本地归档。详见 §2.1 与 §4.3。
§12 方法学启示：四条可迁移的经验
12.1 "先分割后定位"是点检测的保守解
冠军方案把"整颌找点"分解为"切牙 + 局部找点"，把高变异全局问题降维成一批低变异局部问题。可迁移条件：存在可靠实例分割前端 + 目标有稳定局部坐标系。不可迁移场景：分割本身不可靠（如病理牙列），级联误差吃掉全部收益——这正是端到端路线存在的理由（§6.3）。
12.2 可变数量目标要用检测范式，不要硬回归
Cusp 每牙 1-5 个，任何固定输出头的架构都写不了。评测（PR 曲线）与实现（热图峰值 + weighted DBSCAN / 类别特定 NMS）共同给出模板：置信度排序 + 按检测指标评测。血管分叉点、细胞中心、肺结节等一切"数量不定的点级标注"任务可直接复用（§3.4）。
12.3 课程学习是细粒度回归的低成本增益
先大半径容差、后小半径精修的课程化训练被论文点名为消融验证的正收益项。它与热图回归的高斯 σ 退火同源，实现成本近乎为零，适合任何按距离阈值打分的任务——复现者可把这一条作为默认超参预算的第一笔（§6.6）。
12.4 挑战赛评测的统计把关值得抄
Wilcoxon signed-rank（p<0.001）+ bootstrap 的显著性把关、Docker 全自动评测、测试标签单侧保密——这套协议是"排行榜数字可信度"的三件套。任何自建 benchmark 的团队可整段照抄：不做显著性检验的排行榜，相邻名次基本是噪声（§6.7）。
事实清单（硬事实 40 条）
- 3DTeethLand 是 MICCAI 2024 挑战赛数据集，官方宣称首个公开的 3D 牙齿标志点检测数据集（Zenodo 描述 + arXiv 摘要双证）。
- Zenodo 存档发布 2024-04-18（v1 唯一版本），concept DOI 10.5281/zenodo.10991301，版本 DOI 10.5281/zenodo.10991302；license cc-by-4.0，access_right open。
- Zenodo 记录仅含 1 个文件：任务说明书 PDF，96,708 字节（md5 f594366e5067e7e676510e0334dafe4e）。
- Zenodo 热度（API 抓取 2026-09-26）：下载 1,496 / 独立下载 1,257；浏览 2,035 / 独立浏览 1,874。
- Zenodo keywords：digital orthodontics / landmark detection / 3D intraoral scan / 3D point cloud / MICCAI 2024 challenges；meeting 字段 = 第 27 届 MICCAI。
- 组织方：Digital Research Centre of Sfax（Ben-Hamadou/Rekik/Neifar）+ Inria/UGA/CNRS/LJK（Pujades）+ Udini（Smaoui）+ 里昂/布鲁塞尔诊所（Strippoli/Setbon/Thollot）。
- 报告论文：Detecting Dental Landmarks from Intraoral 3D Scans: the 3DTeethLand challenge，arXiv:2512.08323（v1 提交 2025-12-09，cs.CV，26 作者，challenge report under review）；省零写法 2512.8323 同篇。
- 数据规模 340 例口内 3D 扫描 = 240 训练（全标注）+ 100 私有测试（无公开标注）——arXiv:2512.08323 + arXiv:2210.06094 + emergentmind 三源互证。
- 数据为 Teeth3DS 的 landmark 标注版子集；Teeth3DS 底座 1800 例 / 900 患者（上下颌分开），uuid 匿名，OSF 托管。
- 3DTeethSeg’22 前作口径：1200 训练扫描（16,004 牙）+ 600 测试扫描（7,995 牙）。
- 每牙 6 类标志点：Mesial/Distal/Cusp（1-5 点依牙型：磨牙 4-5、前磨牙 2、切牙 1）/Inner/Outer/Facial Axis（定义与颜色图例出自 arXiv:2210.06094）。
- 挑战赛网格 STL（Synapse 包，STLData 平铺结构）；标注单 JSON（3DTeethLand2024.json，Google Drive 直链经 3DIMLAND README 转发）。
- 网格规格点密度 30-80 pts/mm²、精度 >90 µm（emergentmind 转述，二手待核）。
- 标注流程：受训临床技师初标 + 3 名 >10 年经验牙医 board 共识；标注者间偏差 <0.2 mm（二手转述待核）。
- 测试集标签仅组织者及其直系团队持有（报告 appendix 原文）。
- Udini 为首席赞助商，负责收集提供临床数据（appendix 致谢原文）。
- 时间线：注册 2024-05-01；训练数据 05-27 与 06-15 两批；公开测试 07-30；决赛 09-26；算法描述 09-29；Docker 截止 10-02；收官 10-06（MICCAI 2024 期间）。
- 官方 GitHub crns-smartvision/3DTeethLand：创建 2024-07-30，Python，Apache-2.0，13 stars / 4 forks，最后 push 2024-11-18（GitHub API 2026-09-26）。
- 参赛规模 49 队注册、6 队进入决赛（arXiv 摘要）；报告论文 26 作者 = 决赛队成员 + 组织方。
- 冠军 Radboud 团队：rank score 0.91，mAP 0.78（摘要）/0.785（正文表格），mAR 0.65，21.25 秒/例；两阶段 Stratified Transformer 分割 → 单牙局部坐标回归 + weighted DBSCAN。
- 亚军 ChohoTech：单阶段 DGCNN + offset 回归 + 类别特定 NMS；mAP 0.775；10.89 秒/例（约冠军 2 倍速）。
- 3DIMLAND（Tibor Kubík 等）：PTv3 方案，名次靠后但完整训练代码开源（tescangroup 仓库，2026-03-01 公开迁移），事实上的社区参考实现。
- IGIP-LAB 与 3DIMLAND 名次靠后（ar5iv 摘录 “ranked lowest”）。
- 类别难度：Cusp 最难（牙型几何变异 + 数量可变 + 扫描盲区叠加）；Inner/Outer、Mesial/Distal 最稳。
- 课程学习（大半径→小半径）被论文点名为消融验证的正收益项。
- 评测指标四件套：MRE、SDR(τ)、mAP（0-3 mm 阈值扫描，步长 0.1 mm 据转述）、mAR；Cusp 按目标检测范式计分。
- 排名统计：Wilcoxon signed-rank p<0.001；bootstrap 100 次迭代（二手转述）。
- 参赛协议：全自动无交互、Docker 容器提交、代码强制提交组织者、决赛队强制共享、MICCAI 后 6 个月 embargo。
- 数据 Synapse 托管：挑战赛页 syn57400900/wiki/627259，数据页 wiki/627934。
- 临床动机：标志点是隐形矫治器/托槽 CAD 设计、排牙模拟、疗效监测的几何输入；传统手工逐点点选。
- 冠军团队（van Nistelrooij/Vinayahalingam，Radboud）与 ToothFairy 系列挑战赛核心团队高度重合（作者名单互证）——CBCT 分割方法向口扫标志点迁移的活案例。
- 本轮核验（2026-09-26）未见官方 Hugging Face 镜像。
- 患者年龄/性别/设备型号/采集时间段未披露；340 例子集人口学构成无说明。
- 组织方自认局限：数据多样性不足、缺噪声/不完整扫描条件、病理（严重拥挤/缺牙）鲁棒性差。
- mAR 0.65 与 mAP 0.78 的落差表明漏检是冠军方案的主要误差源（置信度排序好但召回丢分）。
- 两阶段方案的误差级联：分割错误直接挪动单牙局部坐标系原点（§6.5 误差解剖）。
- 单例全口标志点总数可达数百个（每牙 6-10 个不等 × 全口牙数），标注工时未公布（同流域经验为小时级/例）。
- Inner/Outer 成对定义：连线近似牙冠龈缘横轴，与面轴点联合可解牙冠三维姿态——其检测最稳的几何原因。
- STL 不含顶点属性：分割与标注全部在 JSON/配套文件侧，读 STL 得不到分割（复现报错高发点）。
- 挑战赛报告的 mAP 与 mAR 均为"组织者评测口径"（测试真值保密），第三方只能以训练集自划验证集近似。
术语表（30 条）
| 术语 | 释义 |
|---|---|
| landmark（标志点） | 牙面/解剖结构上具有临床意义的特定点，本数据集的标注对象 |
| intraoral scan（口内扫描） | 口内扫描仪直接采集的牙列表面三维网格；无辐射、椅旁即采 |
| CBCT | 锥形束 CT，体数据成像；与口扫互补（本数据集不含） |
| Mesial/Distal（近中/远中） | 牙面朝向/背向牙弓中线的两个邻接接触点 |
| Cusp（牙尖） | 后牙咀嚼面的尖状隆起顶点，每牙 1-5 个依牙型 |
| Inner/Outer（内/外点） | 牙-龈交界处靠舌腭侧/唇颊侧的龈缘点 |
| Facial Axis（面轴点） | 唇颊面中央参考点，决定牙冠轴向倾角 |
| FDI 编号 | 国际牙科联合会两位数牙位编号体系 |
| STL/OBJ | 两种三角面片网格格式；STL 无顶点索引复用且不含属性 |
| 点云（point cloud） | 三维点的集合表示；网格是带连接关系的近亲 |
| mAP（mean Average Precision） | 多距离阈值下 PR 曲线面积均值；本赛 0-3 mm 扫描 |
| mAR（mean Average Recall） | recall–exp(−distance) 曲线面积均值 |
| MRE | 平均径向误差：预测点与真值点欧氏距离均值 |
| SDR(τ) | 阈值 τ 内的成功检出率 |
| DGCNN | Dynamic Graph CNN，动态图卷积网络；亚军方案骨干 |
| Stratified Transformer | 层化注意力点云骨干；冠军方案分割段 |
| PTv3 | Point Transformer V3；3DIMLAND 方案骨干 |
| DBSCAN | 密度聚类；weighted DBSCAN 用于热图峰值聚合成点 |
| offset regression（偏移回归） | 额外回归点到目标的偏移向量以精化定位 |
| heatmap 回归 | 用高斯热图表达点位置，峰值即预测点 |
| two-stage（两阶段） | 先实例分割再单牙局部检测的流水线范式 |
| end-to-end / single-stage（端到端） | 从原始网格直接预测、不经分割裁剪的范式 |
| curriculum learning（课程学习） | 由易到难的训练调度；本赛为先大半径后小半径 |
| class-specific NMS | 按标志点类别分别执行的非极大值抑制 |
| Wilcoxon signed-rank test | 符号秩检验；本赛名次差异显著性把关（p<0.001） |
| bootstrap | 重采样方法；本赛 100 次迭代（二手口径） |
| Synapse | Sage Bionetworks 数据平台；本赛数据托管地 |
| Zenodo | CERN 开放存档平台；说明书存档与 DOI 发放处 |
| embargo（禁发期） | 赛后参赛者不得提前独立发表的约定期（6 个月） |
| rank score | 组织方对各指标名次的综合汇总分；冠军 0.91 |
本条目由千方病案医数集 AI-Ready Wikipedia 批量生产流水线（批次 3）生成；事实抓取时点 2026-09-26；核心数字三源互证，双口径与二手待核数字已按坑点存照。引用本条目请注明数据集原始出处：arXiv:2512.08323（挑战赛报告）与 Zenodo DOI 10.5281/zenodo.10991301（存档）。
相关数据集导航
以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：
- rsna-pneumonia — 共享标签：医学影像 / 目标检测 / 挑战赛数据集 / 评测基准
- tus-rec — 共享标签：医学影像 / 挑战赛数据集 / 评测基准
- heichole — 共享标签：医学影像 / 目标检测 / 挑战赛数据集 / 评测基准
- cephalometric-isbi — 共享标签：医学影像 / 目标检测 / 评测基准
- dentex — 共享标签：医学影像 / 目标检测 / 挑战赛数据集
- pi-cai — 共享标签：医学影像 / 目标检测 / 挑战赛数据集
- toothfairy2 — 共享标签：医学影像 / 挑战赛数据集 / 评测基准
- curvas — 共享标签：医学影像 / 挑战赛数据集 / 评测基准
- ulf-enc — 共享标签：医学影像 / 挑战赛数据集 / 评测基准
- toothfairy3 — 共享标签：医学影像 / 挑战赛数据集 / 评测基准
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
