​华科与港大联合打造T-Mamba | CBCT 数据集上实现性能飞跃，取得SOTA结果 ！

前言 三维成像中的高效牙齿分割对于正畸诊断至关重要，但由于CBCT图像中的噪声、低对比度和伪影，这仍然是一个挑战。卷积神经网络（CNNs）和变压器（transformers）都已成为图像分割中流行的架构。然而，由于内在的局部性或计算复杂性，它们在处理长距离依赖方面的有效性受到限制。为了解决这个问题，我们提出了T-Mamba，将共享位置编码和基于频率的特征整合到视觉Mamba中，以解决空间位置保留和频率域特征增强的限制。此外，我们还设计了一个门选择单元，以自适应地整合空间域中的两个特征和频率域中的一个特征。T-Mamba是首次将基于频率的特征引入视觉Mamba的工作。模型部署交流群：732145323。用于模型部署、高性能计算、优化加速、技术学习等方面的交流。QQ综合交流群：470899183。用于日常入门、科研、学习、就业等方面的交流。代码和 ………………………………