1. Transformer特征提取：建模长程依赖关系

Transformer凭借其自注意力机制，在医学图像分割任务中展现出对长距离空间依赖的强大建模能力。相较于传统CNN的局部感受野限制，Transformer能够有效捕捉如MRI、CT等图像中分布广泛的关键特征与复杂结构，从而提升对器官边界、病灶区域等细微结构的识别精度与分割一致性。

2. 多尺度Transformer架构：融合跨层级特征信息

针对医学图像中病灶尺寸与形态差异显著的特点，多尺度Transformer通过在不同分辨率层级部署注意力模块，实现了从宏观解剖结构到微观组织特征的协同捕捉。该设计显著增强了模型对尺度变化敏感区域（如肿瘤、损伤区域）的分割鲁棒性与细节保留能力。

3. Transformer-CNN混合架构：兼顾局部细节与全局上下文

为兼顾局部特征与全局语义，研究者构建了CNN与Transformer的混合模型。CNN负责提取图像中的局部纹理与形态特征，而Transformer则建模跨区域的上下文依赖。这种混合策略在需同时关注细微结构与整体解剖关系的任务（如多器官分割、肿瘤浸润分析）中表现出卓越性能。

4. 自监督Transformer预训练：缓解标注数据稀缺问题

针对医学图像标注成本高、样本量有限的问题，自监督学习被引入Transformer模型的预训练过程。通过无标注数据学习通用视觉表征，再使用少量标注样本进行微调，该策略显著降低模型对大规模标注数据的依赖，同时提升其跨设备、跨中心的泛化性能。