MrBlankness/LightM-UNet

해결하는 문제

LightM-UNet은 계산 효율성이 뛰어나면서도 높은 성능을 제공하는 의료 영상 세그멘테이션 모델에 대한 필요성을 해결합니다. nnU-Net과 U-Mamba와 같은 최첨단 모델은 일반적으로 훨씬 더 큰 파라미터 수를 가지므로, 이는 경량 대안을 제공하고자 하는 목표입니다.

작동 방식

이 프로젝트는 UNet 아키텍처와 Mamba의 경량 융합을 구현합니다. nnU-Net 프레임워크를 기반으로 하여 2D 및 3D 실제 의료 데이터셋을 모두 처리할 수 있습니다. Mamba를 통합함으로써 매우 작은 크기로 높은 세그멘테이션 정확도를 달성합니다.

대상 사용자

이 도구는 거대한 계산 자원을 필요로 하지 않고도 2D 및 3D 의료 영상을 세그멘테이션할 수 있는 효율적인 모델이 필요한 의료 영상 분야의 연구자 및 개발자에게 적합합니다.

주요 특징

• 매우 가벼움: 파라미터 수가 단지 1M입니다.
• 높은 효율성: nnU-Net에 비해 파라미터 수를 116배 줄였고, U-Mamba에 비해 224배 줄였습니다.
• 다용도성: 2D 및 3D 의료 영상 세그멘테이션 모두를 지원합니다.
• 프레임워크 통합: 데이터 전처리 및 학습을 위해 인기 있는 nnU-Net 프레임워크 기반으로 구축되었습니다.