模型训练方法、医学图像分割方法和装置

针对现有医学图像分割方法存在的捕获全局特征不足、计算复杂度高、泛化性能较低的问题。本发明属于深度学习领域，提供了一种模型训练方法、医学图像分割方法和装置，其设计了一种基于特征聚合前馈网络（FAFN）的双重特征聚合Transformer模块（DFATB），通过集成空间聚合注意和通道聚合注意机制，增强了模型捕获更丰富上下文信息和复杂特征的能力；并设计了FAFN模块，它通过引入门控机制来捕获非线性空间信息并减少通道冗余，从而在实现高效特征提取的同时，降低了模型的计算复杂度。