아키텍처 주(Architecture Zoo) — 의료영상 모델 선택 가이드

무엇을 해주나

• 연구 질문을 과제 유형(분류/분할/검출/전이학습) · 모달리티와 차원(2D/3D) · 라벨 데이터 규모 · 클래스 불균형 축으로 정리하게 합니다.
• 결정 트리(references/index.md)를 따라 적합한 아키텍처 패밀리 카드로 안내합니다. ResNet·EfficientNet·ViT·Swin(분류), U-Net·3D U-Net·nnU-Net·Swin-UNETR(분할), Faster R-CNN·RetinaNet·YOLO·DETR(검출), SAM/MedSAM·TotalSegmentator·DINO/MAE(파운데이션), GCN/GAT/BrainGNN(뇌 커넥톰) 등.
• 각 카드는 원 논문, 핵심 아이디어, 언제 쓰는지, 의료영상 적용 사례, 참조 구현, 전형적인 검증 설계를 제공합니다.
• 최종적으로 decisions/architecture_choice.md 결정 노트(선택·근거·차선책·인용)를 작성해 후속 스킬(/model-scaffold 등)로 넘깁니다.
• 코드나 가중치는 만들지 않는 자문형(advisory) 스킬이며, 실시간 SOTA 순위표가 아니라 아키타입 지도를 제공합니다.

이런 분께 추천

• 의료영상 AI 논문을 준비하며 Methods에 인용 가능한 아키텍처 근거가 필요한 연구자
• 유행 모델이 아니라 데이터 규모·구조 크기 등 제약에 맞는 백본을 고르고 싶은 대학원생
• 리뷰어 지적을 대비해 "왜 이 모델을 골랐는가"를 문서로 남기고 싶은 임상·연구 팀

활용 예시

• "CT 볼륨에서 작은 병변을 분할해야 하는데 라벨이 200케이스뿐입니다. nnU-Net과 Swin-UNETR 중 무엇을 쓸까요?"
• "흉부 X선 400장으로 ViT를 처음부터 학습해도 될까요?" → 데이터 규모 제약에 따라 사전학습 CNN/전이학습 경로를 제안
• "fMRI 커넥톰 분류에 GNN을 쓰려는데 GCN·GAT·BrainGNN 중 어떤 것이 적절한지 논문과 함께 정리해 주세요."

이 파일의 지시를 읽고 그대로 따라서 나를 도와줘:
https://raw.githubusercontent.com/Aperivue/medsci-skills/HEAD/skills/architecture-zoo/SKILL.md

내가 원하는 것: (여기에 하고 싶은 일을 쓰세요)

클로드스킬마트에서 찾은 스킬을 설치해줘.
GitHub 저장소 Aperivue/medsci-skills 의 skills/architecture-zoo 폴더를 내 ~/.claude/skills/architecture-zoo/ 에 그대로 복사해줘.
설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.