由于肿瘤呈浸润性生长，胶质瘤的边界通常与脑组织融合

将医学图像分割模型适应到新的领域对于提高其跨领域的可迁移性至关重要

脑肿瘤分割在医学研究和临床诊断中具有优先指导意义

在当代人工智能背景下，近年来提出了越来越多基于深度学习（DL）的分割方法

不同脑区和组织的精确分割通常是神经科学中检测和诊断各种神经系统疾病的前提

自动化脑肿瘤分割对于辅助脑疾病诊断和评估疾病进展至关重要

在脑肿瘤的治疗中，准确的诊断和治疗严重依赖于可靠的脑肿瘤分割，而多模态磁共振成像（MRI）通过提供有价值的补充信息发挥关键作用

现有的多模态医学图像分割研究往往在不加区分地聚合所有模态，并采用多个对称编码器或解码器进行特征提取和融合时

多模态图像融合(MMIF)需要合成具有详细纹理和突出目标的图像

3D多模态医学图像的成功融合依赖于每种成像模式独特的具体特征以及所有模式之间一致的空间语义特征