في السنوات الأخيرة، حققت الشبكات المستندة إلى التعلم العميق أداءً متميزًا في تقسيم الصور الطبية. من بين الشبكات الموجودة، تم تطبيق U-Net بنجاح في تقسيم الصور الطبية. في هذا البحث، نقترح توسيعًا لـ U-Net، وهو Bi-directional ConvLSTM U-Net مع التوافقيات الكثيفة (BCDU-Net)، لتقسيم الصور الطبية، حيث نستفيد بشكل كامل من U-Net و bi-directional ConvLSTM (BConvLSTM) والآلية الخاصة بالتوافقيات الكثيفة. بدلاً من الربط البسيط في اتصال القفز في U-Net، نستخدم BConvLSTM لدمج الخرائط المميزة المستخرجة من المسار الترميزي المقابل والطبقة التفكيكية السابقة بطريقة غير خطية. لتعزيز انتشار الميزات وتشجيع إعادة استخدامها، نستخدم التوافقيات الكثيفة في الطبقة التفكيكية الأخيرة من المسار الترميزي. أخيرًا، يمكننا تسريع سرعة التقارب للشبكة المقترحة باستخدام التطبيع الدُفعي (BN). تم تقييم النموذج المقترح على ثلاثة مجموعات بيانات هي: تقسيم الأوعية الدموية في شبكية العين، تقسيم الآفات الجلدية، وتقسيم العقد الرئوية، حيث حقق أداءً متميزًا يواكب أفضل النتائج الحالية.