نقترح دالة خسارة مركزة معممة تعتمد على مؤشر تفرسكي (Tversky index) لمعالجة مشكلة عدم توازن البيانات في تقسيم الصور الطبية. بالمقارنة مع دالة الخسارة ديسي (Dice loss) الشائعة الاستخدام، فإن دالتنا للخسارة تحقق توازناً أفضل بين الدقة والاسترجاع عند التدريب على الهياكل الصغيرة مثل البؤر المرضية. لتقييم دالتنا للخسارة، نحسن نموذج الـ U-Net المعتمد على الانتباه من خلال إدخال هرم الصورة لحفظ الخصائص السياقية. قمنا بإجراء التجارب على مجموعة بيانات BUS 2017 ومجموعة بيانات ISIC 2018، حيث تشغّل البؤر المرضية نسبة 4.84% و21.4% من مساحة الصور، وحققت دالتنا للخسارة زيادة في دقة التقسيم بنسبة 25.7% و3.6% مقارنة بنموذج U-Net القياسي، على التوالي.