U-Mamba2-SSL用于CBCT中牙齿与牙髓的半监督分割
计算机视觉与模式识别
2025-10-01 v2 人工智能
摘要
在锥形束计算机断层扫描（CBCT）中准确分割牙齿和牙髓对治疗规划和诊断等临床应用至关重要。然而，这一过程需要大量专业知识且极其耗时，凸显了对能够有效利用无标签数据的自动化算法的迫切需求。本文提出U-Mamba2-SSL，这是一个基于U-Mamba2模型的新型半监督学习框架，采用多阶段训练策略。该框架首先通过破坏性自编码器以自监督方式预训练U-Mamba2。然后通过一致性正则化利用无标签数据，我们引入输入和特征扰动以确保模型输出的稳定性。最后，通过降低损失权重实现伪标签策略，以最小化潜在误差的影响。U-Mamba2-SSL在隐藏测试集上取得了0.789的平均分数和0.917的DSC，在STSR 2025挑战赛的第一项任务中获得第一名。代码可在https://github.com/zhiqin1998/UMamba2获取。
引用
@article{arxiv.2509.20154,
title = {U-Mamba2-SSL for Semi-Supervised Tooth and Pulp Segmentation in CBCT},
author = {Zhi Qin Tan and Xiatian Zhu and Owen Addison and Yunpeng Li},
journal= {arXiv preprint arXiv:2509.20154},
year = {2025}
}
备注
First place solution in Task 1 of the STSR 2025 challenge, MICCAI 2025