发布日期: 2025-10-02

更新日期: 2025-10-03

文章字数: 1.1k

阅读时长: 4 分

阅读次数:

⚠️ 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

2025-10-02 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 first place in both tasks of the Toothfairy3 challenge. In Task 1, U-Mamba2 achieved a mean Dice of 0.84, HD95 of 38.17 with the held-out test data, with an average inference time of 40.58s. In Task 2, U-Mamba2 achieved the mean Dice of 0.87 and HD95 of 2.15 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规划方面，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，这是一种为ToothFairy3挑战设计的用于多解剖CBCT分割的新神经网络架构。U-Mamba2将Mamba2状态空间模型集成到U-Net架构中，通过施加更强的结构约束来提高效率，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第一名。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0.84，HD95为38.17，平均推理时间为40.58秒。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0.87，HD95为2.15。代码公开可用，地址为https://github.com/zhiqin1998/UMamba2。

论文及项目相关链接

PDF First place solution for both tasks of the ToothFairy3 challenge, MICCAI 2025

摘要

CBC（锥束计算机断层扫描）三维成像技术在牙齿修复领域广泛应用，本文提出了一种名为U-Mamba2的新神经网络架构用于CBC中的多解剖学结构分割。该架构结合了Mamba2状态空间模型和U-Net架构，增强了结构约束以提高效率而不损失性能。通过集成交互点击提示与交叉注意力块、利用自监督学习进行预训练、并将牙科领域知识融入模型设计，解决了CBC中牙齿解剖学结构分割的关键挑战。实验证明，U-Mamba2既有效又高效，在ToothFairy3挑战中取得了第一名。在任务1中，U-Mamba2在独立测试数据上的平均Dice系数为0.84，HD95为38.17，平均推理时间为40.58秒。在任务2中，U-Mamba2的Dice系数和HD95分别为0.87和2.15。相关代码已公开在GitHub上。

关键见解