《Diagnostics》：Deep Learning for Root Canal Filling Quality on Panoramic Radiographs with Detection and Grading Measured Separately
编辑推荐：
背景/目的：欧洲牙髓病学会（European Society of Endodontology）列出了两项与治疗结果具有可重复关联的充填要求：根尖延伸范围和材料密度。全景X线摄影可在一张曝光中显示所有已治疗牙齿，但基于其构建的系统将检测与分级合并为一个平均精度
背景/目的：欧洲牙髓病学会（European Society of Endodontology）列出了两项与治疗结果具有可重复关联的充填要求：根尖延伸范围和材料密度。全景X线摄影可在一张曝光中显示所有已治疗牙齿，但基于其构建的系统将检测与分级合并为一个平均精度（average precision, AP），从而掩盖了二者中哪一项失败。本研究在全景X线片上分别对这两个轴进行分级，并分别测量检测与判别。方法：在这项回顾性研究中，两名牙髓病学专家独立阅读830张全景X线片，第三名专家对每一处分歧作出裁定。806张X线片中的1668个根管充填被编码为一个二元标签空间和一个轴解析标签空间，160张X线片在训练前被锁定。其余646张采用五折交叉验证，并与输入分辨率一起测试四种架构干预。定位用类别无关召回率衡量，分级用匹配框准确率和逐轴F1衡量，标签空间通过配对自助法比较。结果：细化标签空间使检测召回率在轴解析方案中为92.6%、二元方案中为93.1%，但使匹配框准确率损失11.41个百分点（区间8.20至14.46），并在锁定测试集上损失12.16个百分点。在相同的二元问题下，交叉验证中落后1.12个百分点，锁定测试中落后3.13个百分点；在锁定测试上，二元决策在十次读数中最佳时，在给定检测的前提下达到76.25%的敏感度和68.75%的特异度，而按开发集选择的读数则为71.52%和68.21%。在1024像素下，没有架构改变能将密度轴F1提升超过该设计可检测的8.2至10.8个百分点的范围；将训练集从207张X线片扩大至517张，则获得11.42个百分点（5.92至16.56）的提升。结论：将检测与分级分离，可将更细标签空间的代价定位于判别，将四种架构干预界定在该设计分辨率之下，并支持将二元（而非轴解析）质量决策作为潜在的教学与审计辅助工具；但须在单一中心之外进行外部验证，且不能作为筛查测试。
研究背景与问题：欧洲牙髓病学会指出，与治疗结局有可重复关联的根管充填要求主要有两条：根尖延伸范围和材料密度。临床上通常逐牙肉眼判读，存在观察者变异，限制了流行病学调查、临床审计和教学回顾的规模。已有全景X线深度学习系统多将目标检测与质量分级合并为一个平均精度，无法区分定位失败还是判别失败；且标签方案多为扁平化，未在同一套标注上比较二元质量决策与轴解析质量决策的代价。因此，该研究旨在将检测与判别分开测量，量化更细标签空间的代价，并检验输入分辨率、架构干预、训练集规模和归因证据的作用。
研究设计与结论概述：研究人员回顾性纳入Firat University口腔颌面放射科2023年1月至2025年3月获取的全景X线片，经图像质量排除后，最终806张X线片、1668个根管充填进入分析。两名牙髓病学专家独立标注，第三名裁定分歧；所有标注被编码为二元标签空间和轴解析标签空间。160张X线片在训练前锁定为测试集，646张用于五折交叉验证。以YOLO11m为主架构，并测试RT-DETR-l、YOLO11l、输入分辨率以及两种轻量模块/输入编码；采用类别无关召回率、匹配框准确率、宏平均F1等分离度量，并用图像级配对自助法作统计推断。研究显示，细化标签空间的代价几乎全部落在判别而非检测上；二元质量决策可作为潜在教学和审计辅助，但轴解析结果不支持临床报告，且需要外部验证。
研究结果：
3.1 细化标签空间的代价：在1024像素、同一协议下，类别无关检测召回率在二元和轴解析方案中分别为93.1%和92.6%；匹配框分类准确率从75.13%降至63.72%，损失11.41个百分点。折叠为二元决策的损失仅1.12个百分点，说明代价主要来自轴分配本身。
3.2 输入分辨率与训练集规模：分辨率从640升至1280像素时宏F1从54.88升至64.74，1280升至1536不再上升，但相邻差异未通过多重比较校正。训练集从207张增至517张时，密度轴F1增加11.42个百分点，说明数据量是已解析的杠杆；关闭mosaic增强损失4.24点宏F1。
3.3 架构组件：在1024像素下，根轴条带注意力、小波空腔分支、原生分辨率纹理编码及其组合均未使宏F1或密度轴F1与基线分离；空腔通道在1280像素反而使密度轴F1损失9.05个百分点。这些是非检测而非无效应，最小可检测差异为8.2至10.8点。
3.4 检测Transformer与Oracle分类器：RT-DETR-l在1280像素取得最高AP50和检测召回率，但宏F1低于卷积基线。以参考框裁剪的Oracle分类器在共同匹配框子集上落后于检测头，说明上限不在定位。
3.5 测试时增强与集成：测试时增强提升AP50和检测召回率，但不改变宏F1；加权框融合相对其最强成员的宏F1增益为1.48。
3.6 基于证据的归因：对空腔参考的24个描述符比较中，最大ROC曲线下面积偏离仅0.071；分离主要来自“致密充填不足”标签而非“非均质充填”标签。D-RISE归因在区域质量/指向指标上显著优于Sobel边缘图和随机图，但模型对输入的空腔参考通道没有比对无通道更关注，故该参考未被验证为空腔标志物。
3.7 锁定测试集：160张锁定X线片上，检测召回率93.5%对92.0%，分类准确率72.70%对60.54%，代价12.16点。二元决策在十次读数中最高为敏感度76.25%、特异度68.75%；按开发集选择的读数为71.52%、68.21%。
3.8 报告阈值的敏感性：匹配阈值的选取影响报告；在各自最佳阈值下，类别无关检测F1会反转宏F1在所有阈值下的排序，说明单一聚合指标可被报告选择改变。
3.9 标注选择与读数选择的敏感性：61颗开发集分离器械根中有56颗被检测器覆盖，忽略这些检测后检测精确率从67.10%升至70.05%，召回率不变。若采用相反优先规则，匹配框准确率在60.77%至66.72%之间；端到端敏感度为72.19%。
讨论与结论：研究把细化标签空间的代价定位于判别而非检测。密度轴抵抗的原因包括物理征象弱、参考标准按最长径记录空腔而算子对横向宽度敏感，以及标签噪声无法用一致性统计排除。结论可翻译为：该系统应报告根管充填是否合格，而不应报告缺陷所在的轴；在外部验证之前，仅可作为教学和由阅片者确认的审计辅助，不能作为筛查工具，也不能报告超出根尖的挤出物。
