EviDent-CBCT：证据瓶颈的牙科CBCT报告生成

颌面锥束CT（CBCT）报告可能包含单次3D扫描的数十项牙位、解剖与空间发现。在有限临床数据上学习生成此类报告很困难：常规报告未必穷尽记录影像发现，未提及可能反映不存在或未记录。我们提出面向这种不完备监督的证据瓶颈框架EviDent-CBCT：解剖感知网络把每张CBCT映射为牙位级、全局与牙-IAC证据的离散记录；牙科逻辑一致性投影先调和不相容证据；确定性渲染器与图像盲的本地语言模型仅凭该记录生成报告。牙位级证据采用可靠性感知训练，把合格的非提及作为降权负样本，未记录的全局与牙-IAC标签保持未知；金属敏感输入通道保留牙科材料的强度线索。三次验证运行中，EviDent-CBCT合并证据集F1达0.666±0.006、RadFact-Lite-Dental逻辑F1达0.402±0.003，最强受控直接基线为0.371±0.018。在ODIN 2026挑战赛中，隐藏测试集自动评测第二、盲法临床Arena对比第三。结果支持离散证据记录作为CBCT报告生成的有效可审计接口。