【摘要】针对现有的脑肿瘤分割网络特征融合不够充分，以及存在的模型复杂的问题，提出一个轻量化的改进TransBTS的脑肿瘤分割网络。首先，设计了一个基于大核卷积分解与注意力机制的卷积模块，在减少计算量的同时提高了卷积模块对特征的长距离依赖表征能力；其次，简化了Transformer结构，并设计了多尺度特征作为Transformer的输入，以充分感知全局上下文信息；最后，设计了新的跳跃连接，实现解码过程中对全局深层语义与局部浅层语义信息的充分融合。实验结果表明，该文所提方法在公开数据集BraTS 2021上的多个肿瘤区域（ET，TC，WT）的分割指标与TransBTS相比，Dice评分提高了0.55%、1.17%、2.55%，Hausdorff距离降低了1.71、1.68、3.07 mm，并且参数量和计算复杂度分别降低了79.18%和79.88%，平均推理时间减少了1.91 s。与其他算法相比，同样实现了更好分割精度和算法复杂度的平衡。