基于 YOLOv26 的牙科全景片分析：从牙齿检测到疾病诊断
计算机视觉与模式识别
2026-04-20 v1
摘要
全景片是牙科诊断的基本工具，能够以最小的辐射剂量提供整个牙齿的综合视图。然而，手动解读在高压临床环境中耗时且易出错，这迫切需要高效的自动化解决方案。本研究首次应用YOLOv26进行牙齿自动检测、FDI编号和牙科疾病分割。DENTEX数据集经Roboflow预处理，包括格式转换和数据增强，牙齿计数得到1,082张图像，疾病分割得到1,040张图像，覆盖四类病理。我们在Google Colab上使用迁移学习，在800x800分辨率下训练了五个YOLOv26-seg变体。结果表明，YOLOv26m-seg模型在牙齿计数方面表现最佳，精确率为0.976，召回率为0.970，盒子mAP50为0.976。它相较于YOLOv8x基线在精确率提升4.9%，mAP50提升3.3%，同时实现了高质量的掩码级分割（mask mAP50=0.970）。在疾病分割方面，YOLOv26l-seg模型获得盒子mAP50为0.591，mask mAP50为0.547。牙周牙齿的每类平均精确率最高（0.943），表明视觉辨识度对检测性能的影响大于标注数量。总体而言，这些发现表明YOLOv26-based模型为自动牙科图像分析提供了稳健且准确的框架，具有强大的潜力来提高临床诊断效率和一致性。
引用
@article{arxiv.2604.16231,
title = {Dental Panoramic Radiograph Analysis Using YOLO26 From Tooth Detection to Disease Diagnosis},
author = {Khawaja Azfar Asif and Rafaqat Alam Khan},
journal= {arXiv preprint arXiv:2604.16231},
year = {2026}
}