本研究提出了一种基于增强的Transformer U-Net架构的多功能多任务神经网络框架，可以解决医学图像中的图像分割、实值预测和跨模态转换等挑战。通过验证人脑MR和CT图像的数据集，将合成CT图像的问题分解为颅骨分割、HU值预测和图像顺序重建等子任务。添加多个图像通道，并进行了基于T1加权和T2-Flair图像合成的CT图像比较，评估了模型集成多模态信息的能力。

本研究提出了一种基于增强的Transformer U-Net架构的多功能多任务神经网络框架，可解决医学图像中的图像分割、实值预测和跨模态转换等挑战。通过验证人脑MR和CT图像的公共数据集，评估了模型处理多模态数据的能力。