UNETR模型结合了Transformer和U-Net的结构优势，旨在处理医学影像分割任务。它采用编码器-解码器架构，编码器部分基于Transformer，用于提取全局特征；解码器部分则类似于U-Net，通过上采样和跳跃连接恢复空间信息并融合多尺度特征。