في هذا البحث، نقدم UNet++، وهي هندسة معمارية جديدة وأكثر قوة لتقسيم الصور الطبية. تتمثل هندستنا المعمارية في شبكة ترميز-فك الترميز (Encoder-Decoder) ذات إشراف عميق، حيث يتم ربط شبكات الترميز وفك الترميز الفرعية من خلال سلسلة من المسارات القفز الكثيفة والمتشابكة. تهدف المسارات القفز المعادة تصميمها إلى تقليل الفجوة الدلالية بين خرائط الميزات في شبكات الترميز وفك الترميز الفرعية. نعتقد أن المحمل (optimizer) سيتعامل مع مهمة تعلم أسهل عندما تكون خرائط الميزات من شبكتي فك الترميز والترميز دلالياً مشابهة. قمنا بتقييم UNet++ بالمقارنة مع هندسات U-Net و U-Net الواسعة عبر عدة مهام لتقسيم الصور الطبية: تقسيم العقد في صور الأشعة المقطعية للصدر بجرعة منخفضة، تقسيم النوى في صور المجهر، تقسيم الكبد في صور الأشعة المقطعية للبطن، وتقسيم البوليبات في مقاطع الفيديو للتنظير الشعاعي للأمعاء الغليظة. أظهرت تجاربنا أن UNet++ مع الإشراف العميق يحقق زيادة متوسطة في مؤشر IoU بمقدار 3.9 نقطة و3.4 نقطة على التوالي مقارنة بـ U-Net و U-Net الواسعة.注释：- "Optimizer" 翻译为 "محمل"，这是在阿拉伯语中常用的术语。- "IoU" 是 "Intersection over Union" 的缩写，在阿拉伯语中通常直接使用英文缩写。