本研究提出了一种新颖的多模式学习方案，实现无配对交叉模态图像分割。该方案通过共享卷积核和特定模态的归一化层优化网络参数重用，并利用知识蒸馏约束模态间预测分布。实验结果表明，该方案在心脏和腹部器官分割任务中优于单模态和以往多模态方法，提高了医学图像分割的效率和准确性。