MATHENA: Mamba-based Architectural Tooth Hierarchical Estimator and Holistic Evaluation Network for Anatomy 1. IntroductionOrthopantomogram(OPG)에서 치아 검출, 우식 분할(CarSeg), 이상 탐지(AD), 치아 발육 단계 분류(DDS)를 통합적으로 수행하는 필요성 제시.기존 CNN은 global context 한계, Transformer는 quadratic complexity 문제 존재.이를 해결하기 위해 Mamba 기반 O(N) 구조를 적용한 MATHENA 제안. 2. PARTHENON Dataset총 10개 치과 데이터셋 통합 (8 panoramic + 2 periapical).반지도 ..

Medical Image Segmentation for Anomaly Detection Using Deep Learning Techniqueshttps://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=10781402->anomaly detection을 병변 세그맨테이션 로 명시 Deep learning for anomaly detection: A review. https://dl.acm.org/doi/epdf/10.1145/3439950- anomaly detection 기법 설명 논문 ANOMALYCLIP: OBJECT-AGNOSTIC PROMPT LEARNING FOR ZERO-SHOT ANOMALY DETECTIONhttps://arxiv.org/abs/2..

(P2 + BiFPN + WIoU) + Mamba 전략입니다. Mamba Block을 YOLOv8에 통합하는 전략 1. 어디에 추가할 것인가: 3가지 핵심 위치(A) Backbone의 C2f 모듈 → SSM 기반 블록으로 교체/보강 (가장 추천)YOLOv8의 backbone은 Conv → C2f 구조가 반복되는데, 후반부 stage (P4, P5 레벨)의 C2f 모듈을 Mamba block(SSM block)으로 교체하거나 하이브리드 형태로 결합하는 것이 가장 효과적임왜 후반부인가:P4, P5 레벨은 feature map 해상도가 작아서 (40×40, 20×20) Mamba의 selective scan 연산 비용이 상대적으로 낮음고수준 semantic feature에서 global context를 잡아..