本文介绍了一种基于上下文和注意力特征融合增强的卷积神经网络和Transformer混合网络模型，用于肝肿瘤分割。实验结果表明，该模型在数据集上表现优于其他方法。

本文介绍了一种新的容积注意力（VA）模块，用于3D医学图像分割和检测。该模块结合了视频处理的最新进展，使得2.5D网络能够利用沿着z方向的上下文信息，并在训练数据有限时使用预先训练的2D检测模型。实验证明，该模块在肝肿瘤分割挑战中表现优秀，并在DeepLesion数据集上超越了已发表的最佳结果。

我们提出了一种基于上下文和注意力特征融合增强的卷积神经网络（CNN）和Transformer混合网络（CAFCT）模型，用于肝肿瘤分割。实验结果表明，CAFCT在Liver Tumor Segmentation Benchmark（LiTS）数据集上表现优于Pure CNN或Transformer方法。