构建并评估一种基于隐式神经表达（INR）的新型三维修复网络，用于颌骨缺损的形态预测与重建。

本研究回顾性收集上海九院563例患者CBCT数据（2021年9月至2024年12月），其中400例（13,984颗牙）用于模型训练与内部验证，89例（2,544颗牙）用于外部验证，37例（46颗牙）拔牙前后配对扫描用于临床验证。构建基于隐式神经表示（INR）的新型三维修复网络，主要评价指标为三维重建精度（平均表面误差），次要指标包括PSNR、MSE、SSIM及LPIPS。 内部验证中模型实现亚毫米级精度（中位误差0.39 mm，IQR 0.14 mm），外部验证表现相近（0.46 mm，IQR 0.18 mm）。重建精度不受性别、颌型、牙位及缺牙类型影响，但单牙缺损优于多牙缺损（0.45 vs 0.62 mm，P=0.002）。临床验证亦证实模型在复杂缺损中的准确性与稳定性（中位误差0.67 mm，IQR 0.42 mm）。

基于INR的三维修复网络可实现亚毫米级的颌骨缺损重建，其精度受重建牙数影响。本方法具有较强的临床应用潜力，可为口腔种植及颌骨重建的数字化治疗规划提供支持。