构建基于点云补全网络的右上中切牙缺失修复的AI模型，并比较其与传统手工设计在修复精度方面的差异。

收集2024年1月至2025年1月期间就诊患者的209例数字化牙颌模型，使用Geomagic Wrap软件模拟上颌右中切牙缺失。测评样本分为手工设计组与AI生成组，AI组采用基于AdaPoinTr点云补全网络的修复方法。采用Open3D数据库进行点云数据的配准与形态学分析，通过计算原始牙齿点云数据与生成点云数据之间的L1倒角距离（L1-CD）、L2倒角距离（L2-CD）、F-Score和豪斯多夫距离（HD）评估补全精度。采用配对t检验和Wilcoxon符号秩检验进行统计分析（α=0.05）。

手工设计组在局部精度（L1-CD：9.9171±1.4654 vs 15.2144±0.2917, P<0.001）和全局匹配度（L2-CD：2.9709±1.3945 vs 6.7731±0.3179, P<0.001）上均优于AI生成组。微观结构保持能力（F-Score）方面手工组也更优（58.50 vs 34.61, P<0.001）。两组在极端误差控制（HD）上无显著差异（0.0490 mm vs 0.1264 mm, P=0.058），但AI组误差分布更集中（IQR: 0.0073 mm vs 0.1094 mm）。

本研究将点云补全网络引入右上中切牙缺失重建任务，AI方法虽在精度上略低于手工设计，但具有更稳定的输出性能，在智能化修复领域具备应用潜力。