TransGUNet：变压器与图形跳连通在医学图像分割中的结合

本研究针对医学图像分割中跳连通的语义差距和局部特征捕捉的不足，提出了一种新的方法。通过引入跨尺度注意力图神经网络(ACS-GNN)和基于熵的空间注意力特征选择(EFS)，TransGUNet能够有效提升特征连接的质量，并在多种数据集上展现出卓越的分割性能，展现了其在多模态领域的广泛适用性。