💡💡💡问题点：基于CNN的方法由于卷积操作的固有局限性，难以有效捕捉全局上下文信息；而基于Transformer的方法则存在局部特征建模不足的问题，同时面临自注意力机制带来的高计算复杂度挑战。💡💡💡引入多尺度线性注意力机制，旨在以低计算复杂度高效提取图像中的多尺度特征，同时建模长程依赖关系；多尺度线性注意力机制（MSLA）包含两个主要操作流程：多尺度特征提取和线性注意力计算。前者通过捕获多尺度局部结构细节来提升分割性能，后者利用具有近似全局感受野的线性注意力机制（其感受野与Softmax注意力机制相近）来建模长程依赖关系，同时显著提升计算效率💡💡