MambaU-Lite: 경량화된 AI 모델로 피부 병변 정복에 도전하다!
베트남 연구팀이 개발한 경량 AI 모델 MambaU-Lite는 400K 파라미터와 1G flops 미만의 연산 비용으로 피부 병변 분할에 높은 성능을 보이며, 공개 소스 코드를 통해 전 세계 연구자들과 공유될 예정입니다.

혁신적인 경량 AI 모델, MambaU-Lite 등장!
피부암은 조기 진단이 생존율을 좌우합니다. AI 기반 이미지 분석 기술은 의료 현장에서 피부 병변을 정확하게 식별하는 데 혁신적인 도구로 자리매김하고 있지만, 고해상도 이미지와 불분명한 병변 경계는 여전히 넘어야 할 산입니다. 더욱이, 의료 기기는 제한된 메모리와 낮은 연산 비용을 요구하는데, 이러한 제약은 AI 모델 개발에 큰 과제였습니다.
베트남의 연구팀(Thi-Nhu-Quynh Nguyen 외)은 이러한 문제에 대한 해결책으로 MambaU-Lite라는 경량화된 모델을 개발했습니다. MambaU-Lite는 Mamba와 CNN 아키텍처의 장점을 결합하여 놀라운 효율성을 자랑합니다. 400K 파라미터와 1G flops 미만의 연산 비용으로 고성능을 달성한 것이죠! 이는 기존 모델 대비 훨씬 적은 자원으로 동일하거나 더 나은 성능을 제공한다는 것을 의미합니다.
비밀은 바로 P-Mamba 블록에 있습니다. 이 혁신적인 구성 요소는 VSS 블록과 다중 풀링 레이어를 결합하여 다중 스케일 특징을 효과적으로 학습하고, 전역적 맥락과 국지적 특징을 동시에 추출합니다. 이를 통해 MambaU-Lite는 피부 병변의 경계를 더욱 정확하게 식별하고 분할하는 성능을 보여줍니다.
ISIC2018과 PH2 두 개의 대규모 피부 데이터셋으로 평가한 결과는 매우 고무적입니다. 연구팀은 공개 소스 코드 (https://github.com/nqnguyen812/MambaU-Lite) 를 제공하여 전 세계 연구자들의 활용과 발전을 도울 것이라고 밝혔습니다. MambaU-Lite는 피부암 조기 진단 분야에 새로운 지평을 열고, 더 많은 생명을 구하는 데 기여할 것으로 기대됩니다. 이 작은 모델이 가져올 큰 변화를 기대하며, 지속적인 연구 개발을 통해 더욱 발전된 AI 기반 의료 기술을 기다려봅니다. 🎉
Reference
[arxiv] MambaU-Lite: A Lightweight Model based on Mamba and Integrated Channel-Spatial Attention for Skin Lesion Segmentation
Published: (Updated: )
Author: Thi-Nhu-Quynh Nguyen, Quang-Huy Ho, Duy-Thai Nguyen, Hoang-Minh-Quang Le, Van-Truong Pham, Thi-Thao Tran
http://arxiv.org/abs/2412.01405v1