U-Mamba2：面向 CBCT 牙科解剖结构分割的状态空间模型扩展

基于摘要分析。该研究针对牙科 Cone-Beam Computed Tomography（CBCT，锥形束计算机断层扫描）中颌骨与牙齿等多种解剖结构的三维分割，提出 U-Mamba2，服务于 ToothFairy3 challenge。主要贡献是将 Mamba2 状态空间模型整合进 U-Net，并结合交互式点击提示、自监督预训练与牙科领域知识，改善分割性能与计算效率。 技术上，作者描述通过更强的结构约束提高效率，并以 cross-attention 模块融合点击提示。摘要未说明结构约束的具体形式、提示编码与生成方式、自监督目标，以及牙科知识如何进入模型设计；因此不能据此确定这些模块各自的作用或推理时所需的交互条件。 作者报告，U-Mamba2 在 ToothFairy3 challenge 的两个任务中均取得第一名：在 Task 1 的留出测试数据上，mean Dice 为 0.84、HD95 为 38.17，平均推理时间为 40.58 秒；在 Task 2 的留出测试数据上，mean Dice 为 0.87、HD95 为 2.15。摘要还提及独立测试，但未提供其具体协议。两个任务的类别定义、样本规模、HD95 单位、推理硬件和时间统计范围尚未验证，不能直接比较两项任务的数值或据此推断临床可用性。 复现可从摘要提供的公开代码入手，重点核对数据划分、预训练数据与测试数据的关系、交互提示协议、对照基线，以及结构约束、cross-attention、自监督预训练和领域知识的消融结果；实验协议、消融及统计信息尚未验证。研究对象是三维牙科影像分割，并非 EEG 或 BCI。现有材料未建立其与神经信号建模的具体对应关系，不据此提出 BCI 迁移效果或复现实验建议。