CNN 为何在牙冠龋病分割中超越 Transformer 与 Mamba：重新审视深度网络架构
计算机视觉与模式识别
2025-11-20 v1 人工智能
摘要
对牙冠龋病在全景牙科 X 光片中的精准识别与分割对于早期诊断和有效治疗规划至关重要。由于龋病对比度低、形态变异大以及标注数据有限，自动化分割仍具有挑战性。本研究首次通过 DC1000 数据集，对卷积神经网络、视觉转换器和状态空间 Mamba 架构用于牙冠龋病自动化分割进行全面基准测试。12 种最先进的架构，包括 VMUnet、MambaUNet、VMUNetv2、RMAMamba-S、TransNetR、PVTFormer、DoubleU-Net 和 ResUNet++，在相同配置下进行训练。结果显示，与日益趋向复杂注意力架构的发展趋势相反，基于 CNN 的 DoubleU-Net 取得了 0.7345 的 dice 系数、0.5978 的 mIoU 和 0.8145 的精确率，超过了所有基于 Transformer 和 Mamba 的变体。在本研究中，所有性能指标的前三名均由基于 CNN 的架构实现。尽管 Mamba 和基于 Transformer 的方法在全局上下文建模方面具有理论优势，但因数据有限和空间先验较弱，实际表现不佳。这凸显了特定医学图像分割任务中架构与任务匹配的重要性，远远超过模型复杂度的重要性。我们的代码可在 https://github.com/JunZengz/dental-caries-segmentation 获取。
引用
@article{arxiv.2511.14860,
title = {When CNNs Outperform Transformers and Mambas: Revisiting Deep Architectures for Dental Caries Segmentation},
author = {Aashish Ghimire and Jun Zeng and Roshan Paudel and Nikhil Kumar Tomar and Deepak Ranjan Nayak and Harshith Reddy Nalla and Vivek Jha and Glenda Reynolds and Debesh Jha},
journal= {arXiv preprint arXiv:2511.14860},
year = {2025}
}
备注
8 pages, 4 figures