본 논문은 수술 영상 분할의 효율성을 높이기 위해 Segment Anything Model 2 (SAM2)를 개선한 Surgical SAM 2 (SurgSAM2) 모델을 제안합니다. SAM2는 고해상도 이미지와 복잡한 수술 영상의 장기간 시계열 동역학 처리에 많은 연산량을 필요로 하여 실시간 처리에 어려움을 겪습니다. SurgSAM2는 효율적인 프레임 가지치기(EFP) 메커니즘을 통해 정보가 가장 많은 프레임만 선택적으로 유지하여 메모리 사용량과 연산 비용을 줄이고, 동시에 높은 분할 정확도를 유지합니다. 실험 결과, SurgSAM2는 SAM2보다 3배 빠른 처리 속도(FPS)를 달성하면서 최첨단 성능을 보였습니다. 저해상도 데이터로 미세 조정 후에도 우수한 성능을 유지하며, 자원 제약 환경에서 실시간 수술 영상 분할을 가능하게 합니다. 소스 코드는 깃허브에 공개되어 있습니다.