ImplantMamba: 用于牙科植体位置预测的长程序列建模 Mamba
计算机视觉与模式识别
2026-05-11 v1
摘要
在为植体放置设计手术指南时，确定精确的植体位置是一个关键步骤。然而，植体区域本身常常在医学图像中缺乏显著的纹理特征。因此，人工智能模型必须主要通过分析周围牙齿的纹理来推断正确的植体位置和倾斜角度，这是一个巨大的挑战。为此，我们提出了 ImplantMamba，一种用于长程序列建模以整合相邻牙齿纹理信息的网络架构。我们的方法显式地将植体位置的回归与其倾斜度耦合。ImplantMamba 的核心是一个混合编码器，将卷积神经网络 (CNN) 与 Mamba 层结合起来。该设计使网络能够通过 CNN 分层提取局部解剖特征，同时通过 Mamba 的选择性扫描操作对整个扫描体积进行全局上下文依赖建模，从而实现对植体区域更全面的理解。此外，我们引入了一个倾斜耦合预测分支 (Slope-Coupled Prediction Branch, SCP)。该分支设计用于连接植体位置的预测与其倾斜度的预测，通过强制预测的植体位置与其倾斜度之间形成连贯的关系，确保内部一致性和解剖合理性。大规模牙科植体数据集上的广泛实验表明，所提出的 ImplantMamba 在性能上优于现有方法。
引用
@article{arxiv.2605.07082,
title = {ImplantMamba: Long-range Sequential Modeling Mamba For Dental Implant Position Prediction},
author = {Xinquan Yang and Congmin Wang and Xuguang Li and Yulei Li and Linlin Shen and Yongqiang Deng He Meng},
journal= {arXiv preprint arXiv:2605.07082},
year = {2026}
}