MrBlankness/LightM-UNet

解决的问题

LightM-UNet 解决了对高性能、计算高效的医学图像分割模型的需求。它旨在提供一种轻量级替代方案，以应对 nnU-Net 和 U-Mamba 等先进模型通常具有显著更大参数量的问题。

工作原理

该项目实现了 UNet 架构与 Mamba 的轻量级融合。基于 nnU-Net 框架构建，能够处理 2D 和 3D 的真实世界医学数据集。通过集成 Mamba，模型在保持极小模型体积的同时实现了高分割精度。

适用人群

本工具专为医学影像领域的研究人员和开发者设计，适用于需要在不依赖大量计算资源的情况下对 2D 和 3D 医学图像进行分割的场景。

核心亮点

• 极其轻量：参数量仅为 1M。
• 高效性突出：相比 nnU-Net 参数量减少 116 倍，相比 U-Mamba 减少 224 倍。
• 多功能性：支持 2D 和 3D 医学图像分割。
• 框架集成：基于流行的 nnU-Net 框架构建，支持数据预处理和训练。