该研究提出了TexLiverNet模型，旨在解决肝肿瘤分割中文本与影像结合的挑战。模型通过代理跨注意力模块整合文本和视觉特征，增强空间和频率感知，精确描绘病灶边界。研究结果表明，TexLiverNet在多个数据集上优于现有方法，具有良好的临床应用前景。

本文提出了一种基于上下文和注意力特征融合的混合网络模型（CAFCT），用于肝肿瘤分割。该模型结合了注意力特征融合、Atrous空间金字塔池化和注意力门，显著提高了肿瘤边界的分割准确性。在LiTS数据集上，CAFCT达到了90.38%的平均交并比和86.78%的Dice分数，优于传统的CNN和Transformer方法。