Para abordar el problema de una baja precisión y límites difusos en la segmentación de imágenes de tumores cerebrales multimodales utilizando la red TransBTS, se propone un modelo 3D BCS_T que incorpora un mecanismo de atención en el espacio de canales. En primer lugar, se aumenta la jerarquía del modelo TransBTS para obtener más información de características locales, y se añaden bloques de base residual para reducir la pérdida de características. En segundo lugar, se incorpora el muestreo descendente en el mecanismo de atención híbrido para mejorar la extracción de información de la región crítica. Finalmente, se emplean la pérdida de entropía cruzada ponderada y la pérdida de dice generalizada para resolver el problema de desigualdad en las categorías de muestras de tumores. Los resultados experimentales muestran que la región total del tumor WT, la región del núcleo del tumor TC y la región del tumor mejorado ET mejoran en un promedio del 2.53% en la métrica de evaluación del coeficiente de similitud de Dice, en comparación con la red TransBTS y se acortan en un promedio de 3.14 en la métrica de distancia de Hausdorff 95. Por lo tanto, el modelo 3D BCS_T puede mejorar efectivamente la precisión de segmentación y la claridad de los límites tanto de la categoría del núcleo del tumor como de la categoría del tumor mejorado en las pequeñas áreas.