इस शोधपत्र में, हम UMIS (यूनिफाइड मेडिकल इमेज सेगमेंटेशन) के लिए एक नवीन डीप स्नेक फ्रेमवर्क, माम्बा स्नेक, प्रस्तावित करते हैं। पारंपरिक पिक्सेल-आधारित दृष्टिकोणों की सीमाओं को पार करने के लिए, माम्बा स्नेक एक पदानुक्रमित स्टेट-स्पेस एटलस के रूप में बहु-समोच्च विकास का निर्माण करके स्थूल अंतर-अंग टोपोलॉजी और सूक्ष्म समोच्च परिशोधन का प्रभावी ढंग से मॉडल तैयार करता है। विशेष रूप से, यह माम्बा इवोल्यूशन ब्लॉक (MEB) के माध्यम से कुशल स्थानिक-कालिक सूचना एकत्रीकरण का उपयोग करके जटिल आकार अनुकूली परिशोधन करता है, और ऊर्जा मानचित्रों के रूप में पूर्व सूचना के साथ विषम डेटा पर मजबूत दीर्घ-सीमा समोच्च विकास सुनिश्चित करता है। इसके अतिरिक्त, यह एक द्वि-वर्गीकरण तालमेल तंत्र को एकीकृत करता है जो पहचान और विभाजन को एक साथ अनुकूलित करता है, जिससे सूक्ष्म संरचनाओं के अल्प-विभाजन को कम किया जा सकता है। पाँच नैदानिक डेटासेट पर व्यापक मूल्यांकन से पता चलता है कि माम्बा स्नेक 3% के औसत डाइस इंडेक्स सुधार के साथ अत्याधुनिक विधियों से बेहतर प्रदर्शन करता है।
