論文の概要: MATHENA: Mamba-based Architectural Tooth Hierarchical Estimator and Holistic Evaluation Network for Anatomy

• arxiv url: http://arxiv.org/abs/2604.00537v1
• Date: Wed, 01 Apr 2026 06:28:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:31.871832
• Title: MATHENA: Mamba-based Architectural Tooth Hierarchical Estimator and Holistic Evaluation Network for Anatomy
• Title（参考訳）: MATHENA : マンバを基盤とした構造的歯の階層的推定と解剖学のための全体的評価ネットワーク
• Authors: Kyeonghun Kim, Jaehyung Park, Youngung Han, Anna Jung, Seongbin Park, Sumin Lee, Jiwon Yang, Jiyoon Han, Subeen Lee, Junsu Lim, Hyunsu Go, Eunseob Choi, Hyeonseok Jung, Soo Yong Kim, Woo Kyoung Jeong, Won Jae Lee, Pa Hong, Hyuk-Jae Lee, Ken Ying-Kai Liao, Nam-Joon Kim,
• Abstract要約: Orthopantomograms (OPGs) の歯科診断には, 歯の発見, キャリーセグメンテーション (CarSeg) , 異常検出 (AD) および歯の発達段階 (DDS) の調整が必要である 我々は,マンバを基盤とした構造的歯の階層構造と解剖学のための全体的評価ネットワーク(MATHENA)を提案し,これら4つの課題に対処する。 MATHENAは、マルチレゾリューションSSM駆動型検出器MATHENAと、O(N)グローバルコンテキストモデリングのための4方向ビジョン状態空間(VSS)ブロックを統合し、歯ごとの作物を生成する。 トリプルヘッドアーキテクチャでは、CarSegは
• 参考スコア（独自算出の注目度）: 17.684884393582994
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dental diagnosis from Orthopantomograms (OPGs) requires coordination of tooth detection, caries segmentation (CarSeg), anomaly detection (AD), and dental developmental staging (DDS). We propose Mamba-based Architectural Tooth Hierarchical Estimator and Holistic Evaluation Network for Anatomy (MATHENA), a unified framework leveraging Mamba's linear-complexity State Space Models (SSM) to address all four tasks. MATHENA integrates MATHE, a multi-resolution SSM-driven detector with four-directional Vision State Space (VSS) blocks for O(N) global context modeling, generating per-tooth crops. These crops are processed by HENA, a lightweight Mamba-UNet with a triple-head architecture and Global Context State Token (GCST). In the triple-head architecture, CarSeg is first trained as an upstream task to establish shared representations, which are then frozen and reused for downstream AD fine-tuning and DDS classification via linear probing, enabling stable, efficient learning. We also curate PARTHENON, a benchmark comprising 15,062 annotated instances from ten datasets. MATHENA achieves 93.78% mAP@50 in tooth detection, 90.11% Dice for CarSeg, 88.35% for AD, and 72.40% ACC for DDS.
• Abstract（参考訳）: Orthopantomograms (OPGs) の歯科診断には, 歯の発見, キャリーセグメンテーション (CarSeg) , 異常検出 (AD) , 歯の発達段階 (DDS) の調整が必要である。 我々は,マンバの線形複雑状態空間モデル(SSM)を利用した4つの課題のすべてに対処する統合フレームワークである,マンバをベースとした構造的歯の階層的推定と全体評価ネットワーク(MATHENA)を提案する。 MATHENAは、マルチ解像度のSSM駆動検出器MATHEと、O(N)グローバルコンテキストモデリングのための4方向ビジョン状態空間(VSS)ブロックを統合し、歯ごとの作物を生成する。 これらの作物は、トリプルヘッドアーキテクチャとGCST(Global Context State Token)を備えた軽量なMamba-UNetであるHENAによって処理される。 3重ヘッドアーキテクチャでは、CarSegはまずアップストリームタスクとしてトレーニングされ、共有表現を確立する。 また10のデータセットから15,062のアノテーション付きインスタンスからなるベンチマークであるParticleHENONをキュレートする。 MATHENAは歯検出で93.78%のmAP@50、CarSegで90.11%のDice、ADで88.35%、DDSで72.40%のACCを達成した。

関連論文リスト

• DRBD-Mamba for Robust and Efficient Brain Tumor Segmentation with Analytical Insights [54.87947751720332]
  脳腫瘍の正確なセグメンテーションは、臨床診断と治療に重要である。 マンバを拠点とするState Space Modelsは、有望なパフォーマンスを示している。 本稿では,計算オーバーヘッドを最小限に抑えながら,マルチスケールの長距離依存関係をキャプチャするマルチ解像度双方向マンバを提案する。
  論文  参考訳（メタデータ） (2025-10-16T07:31:21Z)
• U-Mamba2: Scaling State Space Models for Dental Anatomy Segmentation in CBCT [44.3806898357896]
  CBCT (Cone-Beam Computed Tomography) は歯科用3次元イメージング技術として広く用いられている。 U-Mamba2は、マルチ解剖学的CBCTセグメンテーションのために設計された新しいニューラルネットワークアーキテクチャである。
  論文  参考訳（メタデータ） (2025-09-15T15:52:43Z)
• Multi-Class Segmentation of Aortic Branches and Zones in Computed Tomography Angiography: The AortaSeg24 Challenge [55.252714550918824]
  AortaSeg24 MICCAI Challengeは、23の臨床的に関連する大動脈枝と領域に注釈付き100 CTA巻の最初のデータセットを導入した。 本稿では,トップパフォーマンスアルゴリズムの課題設計,データセットの詳細,評価指標,詳細な分析について述べる。
  論文  参考訳（メタデータ） (2025-02-07T21:09:05Z)
• CHaRM: Conditioned Heatmap Regression Methodology for Accurate and Fast Dental Landmark Localization [1.8705038743447968]
  3D IOSにおける歯のランドマーク検出のための完全なエンドツーエンド深層学習手法CHaRMを提案する。 CHaRMは、ポイントクラウドエンコーダ、歯列分類ヘッド、新しいCHaRモジュールの4つのコンポーネントを統合している。 ランドマークの前に歯を分割する2段目とは異なり、CHaRMはIOS点雲を直接操作する。
  論文  参考訳（メタデータ） (2025-01-22T18:35:57Z)
• OralBBNet: Spatially Guided Dental Segmentation of Panoramic X-Rays with Bounding Box Priors [34.82692226532414]
  OralBBNetは、歯の分類とパノラマX線におけるセグメンテーションの精度と堅牢性を改善するように設計されている。 本手法は, 従来の方法と比較して, 平均平均精度 (mAP) が1～3%向上した。 本研究は, 歯科診断における対象検出モデルのより広範な実装の基盤を確立するものである。
  論文  参考訳（メタデータ） (2024-06-06T04:57:29Z)
• A Deep Learning Approach to Teeth Segmentation and Orientation from Panoramic X-rays [0.0]
  本研究では, 深層学習技術を活用したパノラマX線画像からの歯のセグメンテーションと配向に対する包括的アプローチを提案する。 グリッド対応アテンションゲートで強化されたエンコーダ・デコーダアーキテクチャを用いたエンドツーエンドのインスタンスセグメンテーションネットワークを構築した。 主成分分析 (PCA) を用いて, 歯の配向を正確に推定するための指向性バウンディングボックス (OBB) の生成を提案する。
  論文  参考訳（メタデータ） (2023-10-26T06:01:25Z)
• Semantic segmentation of surgical hyperspectral images under geometric domain shifts [69.91792194237212]
  本稿では、幾何学的アウト・オブ・ディストリビューション(OOD)データの存在下で、最先端のセマンティックセグメンテーションネットワークを初めて分析する。 有機移植(Organ transplantation)と呼ばれる専用の拡張技術により、一般化可能性にも対処する。 提案手法は,SOA DSCの最大67 % (RGB) と90% (HSI) を改善し,実際のOODテストデータ上での分配内性能と同等の性能を示す。
  論文  参考訳（メタデータ） (2023-03-20T09:50:07Z)
• Two-Stage Mesh Deep Learning for Automated Tooth Segmentation and Landmark Localization on 3D Intraoral Scans [56.55092443401416]
  TS-MDLの最初の段階では、mphiMeshSegNetは0.953pm0.076$で平均Dice類似係数(DSC)に達した。 PointNet-Reg は平均絶対誤差 (MAE) が 0.623pm0.718, mm$ であり、ランドマーク検出の他のネットワークよりも優れている。
  論文  参考訳（メタデータ） (2021-09-24T13:00:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。