MICCAI STSR 2025 挑战赛：半监督牙齿与牙髓分割及 CBCT-IOS 配准
计算机视觉与模式识别
2025-12-03 v1
摘要
锥形束计算机断层扫描（CBCT）和口内扫描（IOS）是数字牙科的重要工具，但标注数据的稀缺限制了牙髓管分割和跨模态配准的自动化解决方案。为了基准测试该领域的半监督学习（SSL），我们在 MICCAI 2025 组织了 STSR 2025 挑战赛，包含两个任务：（1）CBCT 中牙齿和牙髓管的半监督分割，（2）CBCT 与 IOS 的半监督刚体配准。我们提供了 60 个标注和 640 个未标注的 IOS 样本，以及 30 个标注和 250 个未标注的 CBCT 扫描，分辨率和视野各不相同。该挑战赛吸引了社区的广泛参与，顶尖团队提交了基于深度学习的 SSL 开源解决方案。对于分割，领先方法使用了 nnU-Net 和类似 Mamba 的状态空间模型，结合伪标签和一致性正则化，在隐藏测试集上达到了 0.967 的 Dice 分数和 0.738 的实例亲和度。对于配准，有效方法结合了 PointNetLK 与可微分 SVD 以及几何增强来处理模态差异；混合神经-经典精化方法在标签有限的情况下实现了精确对齐。所有数据和代码在 https://github.com/ricoleehduu/STS-Challenge-2025 公开可用，以确保可复现性。
引用
@article{arxiv.2512.02867,
title = {MICCAI STSR 2025 Challenge: Semi-Supervised Teeth and Pulp Segmentation and CBCT-IOS Registration},
author = {Yaqi Wang and Zhi Li and Chengyu Wu and Jun Liu and Yifan Zhang and Jialuo Chen and Jiaxue Ni and Qian Luo and Jin Liu and Can Han and Changkai Ji and Zhi Qin Tan and Ajo Babu George and Liangyu Chen and Qianni Zhang and Dahong Qian and Shuai Wang and Huiyu Zhou},
journal= {arXiv preprint arXiv:2512.02867},
year = {2025}
}