医学图像分割是计算机视觉领域的关键技术，尤其是在处理计算机断层扫描（CT）和心脏磁共振成像（MRI）多模态医学影像时能提供关键诊断信息，但现有技术在模态协同建模、结构边界精准表达以及多尺度语义信息的有效整合上仍存在明显不足。为应对这些挑战，提出了改进传统MicFormer架构的MicFormer?HMD。设计了混合门控模块，通过参数化卷积与门控函数实现跨模态交互前的动态特征选择，具备自适应抑制噪声的优势并能增强判别性特征表达；设计了多分支特征融合模块，采用多分支的空洞卷积结构和双重注意力校准机制，提升了模型对多尺度上下文信息的捕捉和融合能力；采用了动态蛇形卷积，其可变形卷积核能自适应贴合心脏解剖结构的复杂形态，增强了几何感知能力。该MicFormer?HMD架构在心脏图像分割任务中展现出显著优势，特别是在保持薄壁组织连续性和复杂血管连通性方面表现突出。
