本文介绍了多种医学图像分割框架，如TransUNet、TRUNet和AGFA-Net，这些模型结合了Transformers和U-Net技术，显著提高了分割精度，尤其在心脏和冠状动脉分割中表现优异。通过改进特征提取和上下文理解，这些模型克服了低分辨率和对比度差的挑战，为医学影像分析提供了新的解决方案。