본 논문은 의료 영상 분할에서 가장 인기 있는 기반 모델인 MedSAM의 성능 향상을 목표로 한다. MedSAM은 복잡한 구조와 외관을 가진 특정 병변에 대해서는 성능이 저하되고, 경계 상자 프롬프트에 의한 섭동에도 취약하다. 기존의 테스트 시간 적응(TTA) 방법들은 이러한 문제를 해결할 수 있지만, 매개변수 업데이트의 제한으로 효과가 제한적이며, 계산 복잡도 또한 높다. 본 논문에서는 MedSAM 구조 하에서 이미지 임베딩을 직접 개선하여 매개변수 업데이트와 동일한 목표를 달성할 수 있음을 이론적으로 분석하고, 계산 효율성과 분할 성능을 높이고 망각 문제를 피할 수 있는 새로운 TTA 방법을 제안한다. 제안된 방법은 분포 근사잠재 조건부 랜덤 필드 손실과 엔트로피 최소화 손실을 결합하여 사후 예측 확률의 인수 분해된 조건부 확률을 극대화한다. 실험 결과, 세 가지 데이터셋에서 Dice score를 약 3% 향상시키면서 계산 복잡도를 7배 이상 줄였다.
