نقترح نموذج بوابة انتباه (AG) جديدًا للتصوير الطبي يمكنه التعلم تلقائيًا لتركيز الاهتمام على الهياكل المستهدفة ذات الأشكال والأحجام المختلفة. يقوم النماذج المدربة باستخدام بوابات الانتباه بتعلم الضغط الضمني على المناطق غير ذات الصلة في صورة الإدخال بينما يتم تسليط الضوء على الخصائص البارزة المفيدة لمهمة محددة. هذا يمكّننا من القضاء على ضرورة استخدام وحدات تحديد موقع الأنسجة/الأعضاء الخارجية الصريحة في شبكات العصب المتكررة المتسلسلة (CNNs). يمكن دمج بوابات الانتباه بسهولة في هياكل CNNs القياسية مثل نموذج U-Net مع أعباء حسابية طفيفة بينما يزيد من حساسية النموذج ودقة التنبؤ. تم تقييم الهندسة المقترحة Attention U-Net على مجموعتين كبيرتين من بيانات التصوير المقطعي المحوسب (CT) للبطن لتقسيم الصور متعدد الفئات. تظهر النتائج التجريبية أن بوابات الانتباه تحسن باستمرار أداء التنبؤ لـ U-Net عبر مختلف قواعد البيانات وأحجام التدريب مع الحفاظ على الكفاءة الحسابية. الرمز البرمجي للهندسة المقترحة متاح بشكل عام.