본 논문은 통합 의료 영상 분할(UMIS)을 위한 새로운 딥 스네이크 프레임워크인 Mamba Snake를 제안한다. 기존의 픽셀 기반 접근 방식의 한계를 극복하기 위해, Mamba Snake는 계층적 상태 공간 아틀라스로 다중 윤곽 진화를 구성하여 거시적 기관 간 위상 관계와 미시적 윤곽 개선을 효과적으로 모델링한다. 특히, Mamba Evolution Block (MEB)을 통해 효율적인 시공간 정보 집계를 활용하여 복잡한 형태의 적응적 개선을 수행하며, 에너지 맵 형태 사전 정보를 통해 이종 데이터에서 강력한 장거리 윤곽 진화를 보장한다. 또한, 이중 분류 시너지 메커니즘을 통합하여 검출과 분할을 동시에 최적화하여 미세 구조의 과소 분할을 완화한다. 다섯 가지 임상 데이터 세트에 대한 광범위한 평가 결과, Mamba Snake는 최첨단 방법보다 평균 Dice 지수가 3% 향상된 우수한 성능을 보였다.
