据雷峰网2026年10月19日报道，华中师范大学、华中科技大学、广州中医药大学及其第一附属医院、北卡罗来纳大学教堂山分校的研究人员提出多模态医学图像分割方法CoReFuse-Med，针对空间对齐后低质量模态拖累融合的问题，在浅层去除重采样污染、在深层重新校准模态贡献。相关论文以ACM MM 2026会议论文信息公开，代码已发布。

论文在IH EPVS数据集中观察到，高分辨率T1单模态DSC为0.703，融合T1、T2和FLAIR后反而降至约0.695。研究给出的解释是，低分辨率序列重采样到同一尺寸后仍可能携带不可靠信息。浅层特征对比噪声比显示，T1为1.0283，T2为0.4301，FLAIR仅0.2980。训练中T1占77.4%的梯度贡献，FLAIR只占13.1%，但遮挡FLAIR会使DSC下降70.2%，与遮挡T1的影响相当。论文还指出，U型网络的跳跃连接会把重采样结构伪影带入解码器，网络又倾向依赖更干净、易优化的高质量模态。

CoReFuse-Med沿用三流、对称U型分割网络，将修复分为浅层和深层两部分。LACE用局部分支和沿D、H、W方向的条带卷积分支提取边界与轴向上下文，再自适应融合；IMSH以无参数3×3×3平均池化分离结构基底和高频残差，基底通过竞争性Softmax权重选择可靠解剖结构，残差由共享Sigmoid门控过滤重采样伪影。深层MBCF先由三模态全局描述生成通道权重，再用空间门控和共享查询执行对称交叉注意力，避免融合过度依赖单一模态。

实验结果中，CoReFuse-Med在EPVS上取得DSC 0.7326、HD95 7.35，优于MedNeXt的0.7085和8.17；在BraTS上为DSC 0.8528、HD95 4.43，MedNeXt为0.8314和7.59；在WMH上DSC 0.80、HD95 6.22、IAVD 0.171，参数量2.665M。消融实验中，EPVS基线DSC为0.7146，组合LACE、IMSH和MBCF后为0.7322。论文同时说明，BraTS的20%和30%轴向切片保留实验分别重新训练模型，并非同一权重跨退化等级测试；方法主要处理空间对齐后的分辨率下降，不覆盖模态全部缺失或所有强噪声场景。