该研究提出了一种新的图像分解方法，通过图划分任务和特征向量分析来估计感兴趣对象的分布。该方法适用于医学图像，不依赖于标注数据。通过引入多尺度大卷积核注意力模块，进一步提高了查询图像解码的能力。评估结果展示了该方法的高效性和有效性。

该研究提出了一种新的图像分解方法，通过图划分任务和特征向量分析来估计感兴趣对象的分布。该方法不依赖于标注数据，通过自适应地估计查询掩码来消除手动注释的需求。同时，引入了多尺度大卷积核注意力模块，提高了对支持图像信息的查询图像解码能力。评估结果表明该方法在自然和医学图像数据集上具有高效性和有效性。

该研究提出了一种新的图像分解方法，通过图划分任务和特征向量分析来估计感兴趣对象的分布。该方法适用于医学图像，不需要手动注释。引入了多尺度大卷积核注意力模块，提高了查询图像解码的能力。评估结果显示该方法高效有效。

该研究提出了一种新的图像分解方法，通过图划分任务和特征向量分析来估计感兴趣对象的分布。该方法适用于医学图像，不需要手动注释。引入了多尺度大卷积核注意力模块，提高了查询图像解码的能力。评估结果显示该方法高效有效。