1.一种基于高效并行编码的边缘启发式医学图像分割方法，其特征在于，包括以下步骤：并行编码步骤：将医学图像同时输入基于卷积神经网络CNN的第一编码器分支和基于KAN‑Transformer的第二编码器分支进行特征提取与编码，分别得到CNN编码特征和KAN‑Transformer编码特征，其中KAN‑Transformer编码器将标准Transformer块中的多层感知机MLP结构和用于生成查询向量Q、键向量K、值向量V的线性映射层替换为KAN结构，对输入特征做离散小波变换得到高低频分量，将低频分量输入KAN‑Transformer块中处理后与高频分量整合为频域特征，再经逆离散小波变换重构回空间域特征；

编码特征融合步骤：利用通道注意力模块将第一编码器分支输出的CNN编码特征和第二编码器分支输出的KAN‑Transformer编码特征进行融合，得到多尺度融合编码特征；

边缘信息提取步骤：利用边缘提取模块从所述多尺度融合编码特征中提取分割目标的边缘特征；

特征解码步骤：将同阶段的解码特征和融合后的编码特征通过跳跃连接进行连接后，输入CNN解码器中进行解码，得到多尺度解码特征；

边缘信息增强步骤：利用边缘增强模块，将所述边缘特征与所述多尺度解码特征进行融合，得到增强解码特征；

分割掩膜生成步骤：基于所述增强解码特征，生成最终的分割掩膜图。

2.根据权利要求1所述的方法，其特征在于，所述并行编码步骤具体包括：在所述第一编码器分支中，采用ResNet作为主干网络对输入图像进行特征提取和下采样，得到至少三个尺度的特征图 和 其分辨率分别为输入图像的1/4,1/8,

1/16；在所述第二编码器分支中，采用金字塔结构的KAN‑Transformer编码器按因子4、8和

16顺序对输入图像进行特征提取和下采样，得到至少三个尺度的KAN‑Transformer编码特征，记为特征图 和

3.根据权利要求1或2所述的方法，其特征在于，所述编码特征融合步骤具体为：对于第i个编码阶段，利用通道注意力模块融合该阶段的第一编码器分支输出的CNN编码特征 和第二编码器分支输出的KAN‑Transformer编码特征 得到该阶段的融合编码特征 表示为：其中，Cat(·)代表通道连接操作，PCA(·)表示基于FcaNet的通道注意力操作。

4.根据权利要求1所述的方法，其特征在于，所述边缘信息提取步骤具体包括：选取所述多尺度融合编码特征中的低层特征 和高层特征分别对 和 进行离散小波变换，提取其各自的低频近似子带 和

利用Sobel算子分别计算 在水平方向Gx和垂直方向Gy的梯度，以及 在水平方向Gx和垂直方向Gy的梯度，并计算各自的边缘响应图 和通过简单的卷积层在不同的层次上合并这些特征，得到边缘特征：

5.根据权利要求1所述的方法，其特征在于，用边界信息细化分割结果：利用边缘增强模块，将边缘提取模块得到的边缘线索注入到分割任务的学习中，以增强解码特征的边缘语义，最终准确分割出目标区域。