CNNs schlagen Transformer- und Mamba-Modelle bei Zahnkaries-Segmentierung
In einer umfassenden Vergleichsstudie wurden zwölf moderne Deep‑Learning‑Architekturen – darunter DoubleU‑Net, VMUnet, MambaUNet, TransNetR, PVTFormer und weitere – auf dem DC1000‑Datensatz für die automatische Segmentierung von Zahnkaries in Panorama‑Röntgenbildern getestet. Alle Modelle wurden unter identischen Trainingsbedingungen evaluiert, sodass die Ergebnisse direkt vergleichbar sind.
