低比特量化算法

医学分割模型轻量部署

一种专为医学图像分割基础模型设计的训练后量化方法，通过规范化异构权重分布并高效求解低比特表示，在低至单位校准样本下保持高精度，实现边缘设备上的无缝部署。

Peng, Huang · Yin, Penghang · Guo, Hui · Yang, Zi · Wang, Naigang · 彭博 · Hu, Shu · 彭静 · 胡靖 · 李孝杰 · Pan, Shaowu · Li, Xin · 吴锡 · Prabhakaran, Balakrishnan · Hongtu Zhu, Hongtu Zhu · Wang, Xin

Medical Image Analysis 2026

参数信息

覆盖医学基础模型数

6

覆盖成像模态数

9

校准样本数

1

技术优势

低比特下保持精度

通过 ℓ∞ 约束归一化将异构权重分布转化为量化友好矩阵，配合坐标下降求解器获得高保真低比特表示，在多个模型和模态上实现最优压缩。

推理零额外开销

方法在推理阶段不增加任何计算或内存开销，可直接部署到医学边缘设备，无需修改硬件或推理框架。

校准成本极低

即使只有一个校准样本也能保持鲁棒性，大幅减少实际部署前所需的数据准备和调优工作。

应用场景

• 医学影像实时分析：量化后模型可在低算力设备上实时运行，用于手术导航或急诊影像快速判读。
• 边缘AI设备部署：无额外推理开销，直接部署到边缘设备，减少对云端的依赖。
• 可穿戴医疗诊断：低比特模型可嵌入可穿戴设备，实现连续健康监测中的影像数据分析。
• 微流控图像处理：在微流控成像分析中，量化模型可在便携式处理器上实现快速细胞或液滴检测。