检测已解决，描绘未解决：全景放射照片上牙齿分割的控制因素

全景X光照片上的自动牙齿分割和FDI编号是计算机辅助牙科诊断的基础，但哪些因素影响性能仍不清楚。我们收集了 1,422 张全景 X 线照片的语料库，其中包含 32 类 FDI 分类中的 42,142 个专家描绘的牙齿多边形，由 30 名牙科医生进行注释，并由另外两名医生独立审核，并使用它在单一评估协议下隔离输入分辨率、结构和解剖学先验。首先，分辨率占主导地位：在受控的 640/1024/1280 消融过程中，掩模 mAP50-95 上升 0.656 -> 0.710 -> 0.717，而 mAP50 保持在约 0.982 不变。在图像上的配对引导下，这两个增益都很显着（p < 0.001，p = 0.024）； mAP50 变化均无法与零区分开。增加的分辨率购买边界精度，而不是检测。其次，架构在域内几乎不相关：参数为 2.1 倍的基于查询的转换器在统计上相当于单级检测器（95% CI [-0.0064，+0.0064]），在域转换下仅稍好一些，CPU 速度慢 5.5 倍，并且在标准 ONNX 运行时下不可执行。第三，三个有针对性的干预措施失败了：LoRA 自适应自监督编码器表现不佳，及时的基础分段器使掩模性能降低了 39％，尽管纠正了 40％ 的域外预测中违反的约束，但全局最优的解剖标签分配仍产生 +0.0007。零样本转移到独立的多中心队列，经验证无重叠，成本是掩模 mAP50-95 的 62%，但仅是 mAP50 的 18%，再现了解离。沿齿轴分解掩模将残余误差定位到根尖三分之一。因此，边界精度是具有约束力的约束，并且最好将精力集中在分辨率和采集多样性上，而不是架构新颖性上。