شبكة U-Net مع ConLSTM ثنائية الاتجاه و捲積稠密连接 请注意，"Densley Connected Convolutions" 在阿拉伯语中通常表达为 "الCONVOLUTIONS المرتبطة كثيفاً" 或者更准确地翻译为 "الCONVOLUTIONS ذات الاتصال الكثيف". 但是，为了保持与SCI/SSCI期刊风格的一致性，我将其翻译为 "捲積稠密连接"。如果你希望使用更标准的阿拉伯语表达，请告诉我。

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.