إدماج المعرفة المجالية البشرية في تشخيص أورام الثدي يُعد تحديًا، نظرًا لاختلاف الشكل والحدود والانحناء والشدة أو أي من الافتراضات الطبية الشائعة بشكل كبير بين المرضى، مما يجعل من الصعب استخدامها بشكل مباشر. يقترح هذا العمل منهجًا جديدًا لدمج الانتباه البصري في نموذج تعلم عميق لتقسيم أورام الثدي في صور الأشعة فوق الصوتية. يشير مفهوم الانتباه البصري إلى خرائط صور تحتوي على مناطق من المرجح أن تجذب انتباه أطباء الأشعة. ويُدخل المنهج المقترح كتل انتباه في بنية U-Net، ويتعلم تمثيلات الميزات التي تُعطي أولوية للمناطق المكانية ذات مستويات عالية من الانتباه البصري. وأظهرت نتائج التحقق تحسنًا في دقة تقسيم الورم مقارنةً بالنماذج التي لا تحتوي على طبقات انتباه بصرية. وقد حقق النموذج المُنتبِه بصريًا معامل تشابه دايك (Dice Similarity Coefficient) بلغ 90.5% على مجموعة بيانات مكوّنة من 510 صور. ولهذا النموذج الانتباهي البصري إمكانات كبيرة لتعزيز الدقة والثبات في معالجة الصور الطبية لأعضاء أخرى، من خلال توفير وسيلة لدمج المعرفة الخاصة بالمهام في هياكل التعلم العميق.