본 논문은 의료 영상 분류의 정확성, 해석 가능성 및 일반화 가능성 향상을 위해 설명 가능한 비전 맘바(EVM-Fusion) 아키텍처를 제시한다. EVM-Fusion은 DenseNet과 U-Net 기반 경로를 활용하는 다중 경로 설계를 채택하고, 각 경로는 비전 맘바(Vim) 모듈로 향상된다. 다양한 특징들은 교차 모달 어텐션과 반복적인 신경 알고리즘 융합(NAF) 블록을 통한 2단계 융합 과정을 거쳐 동적으로 통합된다. 경로별 공간 어텐션, Vim Δ-값 맵, 기존 특징 SE-어텐션, 그리고 교차 모달 어텐션 가중치를 통해 본질적인 설명 가능성을 내재화한다. 9개 클래스의 다양한 다중 기관 의료 영상 데이터셋에 대한 실험 결과, EVM-Fusion은 99.75%의 테스트 정확도를 달성하여 강력한 분류 성능을 보여주며, 의료 진단 분야에서 신뢰할 수 있는 AI의 잠재력을 강조한다.
