MrBlankness/LightM-UNet

何を解決するか

LightM-UNetは、計算効率の高い高性能な医療画像セグメンテーションモデルの必要性に対応しています。nnU-NetやU-Mambaなどの最先端モデルに比べて、大幅にパラメータ数が少ない軽量な代替手段を提供することを目指しています。

動作方法

このプロジェクトは、UNetアーキテクチャとMambaの軽量な統合を実装しています。nnU-Netフレームワークに基づいて構築されており、2Dおよび3Dの実世界の医療データセットを処理できます。Mambaを統合することで、非常に小さなフットプリントを維持しながら高いセグメンテーション精度を達成しています。

対象ユーザー

このツールは、膨大な計算リソースを必要とせずに2Dおよび3Dの医療画像をセグメンテーションするための効率的なモデルを必要とする医療画像分野の研究者や開発者向けに設計されています。

特徴

• 非常に軽量: パラメータ数がわずか1Mです。
• 高い効率性: nnU-Netに比べてパラメータ数を116倍削減、U-Mambaに比べて224倍削減しています。
• 多様性: 2Dおよび3Dの医療画像セグメンテーションをサポートしています。
• フレームワーク統合: データ前処理と学習に人気のあるnnU-Netフレームワークに基づいて構築されています。