一，《MixFormer: A Mixed CNN-Transformer Backbone for Medical Image Segmentation》

           一种用于医学图像分割的混合CNN-Transformer骨干网络

创新点--

• 混合CNN-Transformer骨干网络：本文提出了一种混合CNN-Transformer（MixFormer）特征提取骨干网络，在下采样过程中无缝集成了Transformer的全局上下文信息和CNN的局部细节信息。

• 多尺度空间感知融合（MSAF）模块：让模型能够同时捕捉图像中不同尺度的信息。

• 混合多分支扩张注意力（MMDA）机制：在编码和解码阶段之间提出，让模型在处理图像时能够更灵活地关注不同区域，用于弥合语义差距并强调特定区域。

• 基于CNN的上采样方法：恢复低级特征并提高分割精度。

MSA模块：多头自注意力模块；MLP：多层感知器

二，多模态大模型相关知识理解