Mamba는 State Space Model의 특수한 경우로, 의료 영상 분석 분야에서 템플릿 기반 딥러닝 접근 방식의 대안으로 부상하고 있다. Transformer의 계산 복잡도 및 장거리 의존성 처리의 비효율성을 극복하고 선형 시간 복잡성을 제공하여, 의료 영상 분석의 대규모, 복잡한 데이터셋 처리에 적합하다. Mamba는 특히 긴 시퀀스 처리, 멀티모달 데이터 병합에서 강점을 보이며 진단 정확도 향상에 기여한다. 본 논문은 SSM 및 S4, S5, S6과 같은 관련 모델의 핵심 개념을 정의하고, 순수 Mamba, U-Net 변형, 컨볼루션 신경망, Transformer, 그래프 신경망과의 하이브리드 모델 등 다양한 Mamba 아키텍처를 탐구한다. 또한 Mamba 최적화, 기술, 적응, 스캔, 데이터셋, 응용 프로그램, 실험 결과, 그리고 의료 영상 분야에서의 과제와 미래 방향을 다룬다.
