该论文提出了一种用于皮肤病变分割的增强模型AC-MambaSeg，通过使用Vision Mamba框架进行高效特征提取，进一步提升其对信息区域的聚焦能力和抑制背景噪声的能力。在多个皮肤病变图像数据集上评估了AC-MambaSeg的性能，显示出改善计算机辅助诊断系统和促进皮肤病学疾病早期检测和治疗的潜力。

UltraLight VM-UNet是一种轻量级模型，用于皮肤病变分割。该模型结合了Mamba技术和UNet架构，实现了参数精简和高计算效率。实验结果表明，该模型参数数量仅为0.049M，计算效率为0.060GFLOPs。论文还探讨了影响参数数量的关键因素。该模型在三个公开的皮肤病变数据集上表现优秀，为轻量化模型设计提供了理论支持。

MDViT是一种多领域ViT，具有领域适配器，可以自适应地利用多个小型数据资源中的知识来减轻数据饥饿和对抗NKT，实现增强跨领域的表示学习。实验表明，MDViT在4个皮肤病变分割数据集上胜过了最先进的算法，在推理时具有更好的分割性能和固定模型大小，即使增加更多的领域。