UCM-Net은 MLP와 CNN의 장점을 결합하여 피부 병변 분할을 위한 효율적이고 강력한 모델을 제공한다.
확산 모델의 노이즈 특성을 활용하여 약한 감독 하에서 피부 병변 영역을 정확하게 분할할 수 있는 모델을 제안한다.
제안된 AC-MambaSeg 모델은 CNN과 Vision Mamba의 장점을 결합하여 피부 병변 분할 성능을 향상시킨다.
제안된 AD-Net은 다양한 확장 합성곱 잔여 블록, 주의력 기반 공간 특징 향상 블록(ASFEB) 및 안내 디코더 전략을 통해 피부 병변 분할을 위한 강력하고 효율적인 접근 방식을 제공합니다.
제안된 SkinMamba 모델은 상태 공간 모델(SSM)과 합성곱 신경망(CNN)을 결합하여 피부 병변 분할 문제를 효과적으로 해결합니다. 크로스 스케일 글로벌 상태 모델링과 주파수 경계 가이드 모듈을 통해 다양한 크기의 병변 영역, 불명확한 경계 정보, 눈에 띄지 않는 병변 영역 등의 문제를 해결합니다.