基于YOLO模型在曲面体层摄影图像上自动分类上颌窦底与上颌后牙关系的内部验证研究

《Scientific Reports》：Comparative evaluation of YOLO models for classifying maxillary sinus and posterior tooth relationships on panoramic radiographs with CBCT validation

　　**摘要**本研究旨在开发并内部评估You Only Look Once（YOLO）深度学习模型，用于在曲面体层摄影图像上自动分类上颌窦底与上颌后牙牙根之间的解剖关系，以锥形束CT（CBCT）作为参考标准。本研究为单中心回顾性研究，筛查了2023年至2025年间采集的4,500例CBCT检查。最终，462例同时具有配对曲面体层摄影图像和CBCT扫描的患者符合纳入标准，共纳入3,691个上颌后牙区域进行分析。解剖关系依据CBCT分为：Ⅰ型（无接触）、Ⅱ型（骨皮质接触）和Ⅲ型（窦内穿透）。数据集按患者层面划分为训练集（n=370）、验证集（n=46）和测试集（n=46）。模型稳定性通过在训练集中进行10折交叉验证进行评估。最终性能在留出的测试集上进行评估，指标包括精确率、召回率、F1分数，以及在交并比（IoU）阈值为0.50（mAP@0.5）和0.50–0.95（mAP@0.5:0.95）条件下的平均精度均值，并采用Bootstrap方法计算95%置信区间（CI）。YOLO26显示出最高的测试集性能，精确率为0.94（95% CI：0.91–0.97），召回率为0.96（95% CI：0.93–0.98），F1分数为0.95（95% CI：0.92–0.97），mAP@0.5为0.95（95% CI：0.92–0.97），mAP@0.5:0.95为0.71（95% CI：0.67–0.75）。YOLOv11和YOLOv12对应的mAP@0.5值分别为0.91和0.90。在所有模型中，Ⅱ型关系均是最具挑战性的分类，特别是在骨皮质接触与窦内穿透之间的边界区域。在本单中心回顾性数据集中，YOLO26在根据曲面体层摄影图像预测CBCT衍生的上颌窦-后牙关系类别方面，显示出所评估模型中最高的内部测试性能。本研究结果仅代表内部验证，不足以确立可推广的临床性能。CBCT仍然是三维评估的参考标准。在考虑临床应用之前，需进行外部多中心验证。