MedCore：MedSAM 的边界保留医疗核心修剪

SAM 和 MedSAM 等医学分割基础模型提供了强大的提示驱动分割，但它们的图像编码器对于许多临床环境来说仍然太大。压缩在医学中也存在风险，因为模型可以在保持高 Dice 的同时失去边界保真度。我们提出了 MedCore，一种 MedSAM 的结构化修剪框架。主要思想是保留两种结构：在 SAM 到 MedSAM 适应过程中变得重要的结构，以及具有高边界杠杆的结构。我们通过双重干预评分来识别第一种类型，该评分将组归零与重置为原始 SAM 权重进行比较。我们通过边界感知费舍尔估计来识别第二种类型。我们还引入了边界杠杆原理，该原理表明压缩引起的边界位移由边界上的 logits 扰动除以 logits 空间梯度来控制。这一原理解释了为什么即使 Dice 保持较高水平，边界指标也会降低。在息肉分割基准上，MedCore 将参数减少了 60.0%，FLOP 减少了 58.4%，同时在恢复 微调 后实现了 Dice 0.9549、Boundary F1 0.6388 和 HD95 5.14。它还达到了 86.6% 的参数减少和 90.4G FLOPs，具有很强的边界质量。我们的分析进一步表明，MedSAM 处于头部脆弱边界状态：头部修剪步骤的 95% 边界杠杆比 MLP 修剪步骤大 2.887 倍，并且这种 logits 级别的效果与 BF1 和 HD95 退化一致。我们的代码可在 https://github.com/cenweizhang/MedCore 获取。