U-Mamba2：扩展状态空间模型用于牙科解剖结构CBCT分割
计算机视觉与模式识别
2025-12-09 v3 人工智能
摘要
锥形束CT（CBCT）是牙科领域广泛使用的3D成像技术，提供关于下颌和牙齿解剖结构的体积信息。对这些解剖结构进行准确的分割对于诊断和手术规划至关重要，但仍然耗时且具有挑战性。本文提出了U-Mamba2，这是一种用于CBCT多解剖结构分割的新型神经网络架构，旨在应对ToothFairy3挑战赛的场景。U-Mamba2将Mamba2状态空间模型集成到U-Net架构中，通过强化结构约束实现更高效率而不牺牲性能。此外，我们将交互式点击提示与跨注意力块集成，采用自监督学习预训练U-Mamba2，并将牙科领域知识纳入模型设计，以解决牙科解剖结构CBCT分割的关键挑战。广泛的实验，包括独立测试，表明U-Mamba2既有效又高效，在ToothFairy3挑战赛的两个任务中均取得了第一名。在任务1中，U-Mamba2在持留测试数据上实现了平均Dice为0.84，HD95为38.17，平均推理时间为40.58秒。在任务2中，U-Mamba2实现了平均Dice为0.87，HD95为2.15。代码已公开于https://github.com/zhiqin1998/UMamba2
引用
@article{arxiv.2509.12069,
title = {U-Mamba2: Scaling State Space Models for Dental Anatomy Segmentation in CBCT},
author = {Zhi Qin Tan and Xiatian Zhu and Owen Addison and Yunpeng Li},
journal= {arXiv preprint arXiv:2509.12069},
year = {2025}
}
备注
First place solution for both tasks of the ToothFairy3 challenge, MICCAI 2025