牙齿修复

⚠️ 以下所有内容总结都来自于 大语言模型的能力，如有错误，仅供参考，谨慎使用
🔴 请注意：千万不要用于严肃的学术场景，只能用于论文阅读前的初筛！
💗 如果您觉得我们的项目对您有帮助 ChatPaperFree ，还请您给我们一些鼓励！⭐️ HuggingFace免费体验

2025-09-17 更新

U-Mamba2: Scaling State Space Models for Dental Anatomy Segmentation in CBCT

Authors:Zhi Qin Tan, Xiatian Zhu, Owen Addison, Yunpeng Li

Cone-Beam Computed Tomography (CBCT) is a widely used 3D imaging technique in dentistry, providing volumetric information about the anatomical structures of jaws and teeth. Accurate segmentation of these anatomies is critical for clinical applications such as diagnosis and surgical planning, but remains time-consuming and challenging. In this paper, we present U-Mamba2, a new neural network architecture designed for multi-anatomy CBCT segmentation in the context of the ToothFairy3 challenge. U-Mamba2 integrates the Mamba2 state space models into the U-Net architecture, enforcing stronger structural constraints for higher efficiency without compromising performance. In addition, we integrate interactive click prompts with cross-attention blocks, pre-train U-Mamba2 using self-supervised learning, and incorporate dental domain knowledge into the model design to address key challenges of dental anatomy segmentation in CBCT. Extensive experiments, including independent tests, demonstrate that U-Mamba2 is both effective and efficient, securing top 3 places in both tasks of the Toothfairy3 challenge. In Task 1, U-Mamba2 achieved a mean Dice of 0.792, HD95 of 93.19 with the held-out test data, with an average inference time of XX (TBC during the ODIN workshop). In Task 2, U-Mamba2 achieved the mean Dice of 0.852 and HD95 of 7.39 with the held-out test data. The code is publicly available at https://github.com/zhiqin1998/UMamba2.

锥束计算机断层扫描（CBCT）是牙科中广泛使用的三维成像技术，能够提供关于颌骨和牙齿解剖结构的体积信息。在临床应用（如诊断和手术计划）中，对这些解剖结构的精确分割至关重要，但仍然耗时且具有挑战性。在本文中，我们介绍了U-Mamba2，这是一种针对ToothFairy3挑战赛的多解剖CBCT分割而设计的新神经网络架构。U-Mamba2将Mamba2状态空间模型集成到U-Net架构中，通过更强的结构约束提高效率，同时不妥协性能。此外，我们将交互式点击提示与交叉注意力块相结合，使用自监督学习对U-Mamba2进行预训练，并将牙科领域知识融入模型设计，以解决CBCT中牙齿解剖结构分割的主要挑战。包括独立测试在内的广泛实验表明，U-Mamba2既有效又高效，在Toothfairy3挑战的两个任务中均获得前三名。在任务1中，U-Mamba2在保留的测试数据上实现了平均Dice系数为0.792，HD95为93.19，平均推理时间为XX（在ODIN研讨会期间待定）。在任务2中，U-Mamba2在保留的测试数据上实现了平均Dice系数为0.852和HD95为7.39。代码公开可用在https://github.com/zhiqin1998/UMamba2。

论文及项目相关链接

PDF

摘要

CBCT中的多解剖结构分割对牙科诊断和治疗计划至关重要。本文提出U-Mamba2神经网络架构，用于在ToothFairy3挑战背景下进行CBCT的多解剖结构分割。U-Mamba2结合了Mamba2状态空间模型和U-Net架构，通过更强的结构约束提高效率和性能。此外，它还集成了交互点击提示和交叉注意力块，并使用自监督学习进行预训练，以解决CBCT中牙齿解剖结构分割的主要挑战。实验表明，U-Mamba2在Toothfairy3挑战的两个任务中均名列前茅，Task 1的Dice系数为0.792，HD95为93.19，平均推理时间为XX（将在ODIN研讨会上公布）；Task 2的Dice系数为0.852，HD95为7.39。

关键见解

1. U-Mamba2是一个针对CBCT多解剖结构分割的新型神经网络架构。
2. U-Mamba2结合Mamba2状态空间模型提高结构约束和效率。
3. 通过集成交互点击提示和交叉注意力块，U-Mamba2解决了牙科解剖结构分割的主要挑战。
4. U-Mamba2在ToothFairy3挑战的两个任务中表现优异。
5. U-Mamba2在Task 1中的Dice系数为0.792，HD95为93.19。
6. U-Mamba2在Task 2中的Dice系数为0.852，HD95为7.39。
7. U-Mamba2的代码已公开可供使用。

Cool Papers

点此查看论文截图