لشبكات العصبية المُعَلَّمة بالتجعيد (CNNs) المستخدمة في التشخيص الذكي لسرطان المعدة، تركز الأساليب الحالية بشكل أساسي على الخصائص الفردية أو هياكل الشبكة دون وجود سياسة لوصف المعلومات الكلية. بصفة خاصة، يمكن للحقل العشوائي الشرطي (CRF)، وهو خوارزمية فعالة ومستقرة لتحليل الصور التي تحتوي على محتوى معقد، أن يصف العلاقة المكانية في الصور. في هذا البحث، تم اقتراح طريقة جديدة للتقسيم التبويبي للصور النسيجية للمعدة (GHIS) تعتمد على الحقول العشوائية الشرطية التراتبية (HCRF)، والتي يمكنها تحديد المناطق الغير طبيعية (السرطانية) تلقائيًا في الصور النسيجية للمعدة التي يتم الحصول عليها بواسطة المجهر الضوئي لمساعدة علماء الأنسجة في العمل الطبي. يتم بناء نموذج HCRF هذا باستخدام الاحتمالات من الرتب العليا، بما في ذلك الاحتمالات على مستوى البكسل والاحتمالات على مستوى القطعة، ويتم تطبيق معالجة ما بعد التقسيم القائمة على الرسم البياني لتحسين أداء التقسيم بشكل أكبر. خصوصًا، يتم تدريب شبكة عصبية مُعَلَّمة بالتجعيد (CNN) لبناء الاحتمالات على مستوى البكسل، بينما يتم ضبط ثلاث شبكات عصبية مُعَلَّمة بالتجعيد أخرى لبناء الاحتمالات على مستوى القطعة للحصول على معلومات تقسيم مكانية كافية. في التجربة، تم تقسيم مجموعة بيانات صور نسجية للمعدة ملونة بـ الهيماتوكسيلين والأوزين (H&E) تحتوي على 560 صورة غير طبيعية إلى مجموعات التدريب والتحقق والاختبار بنسبة 1:1:2. أخيرًا، تم تحقيق دقة التقسيم والاحتراف والخصوصية بمعدلات 78.91% و65.59% و81.33% على مجموعة الاختبار. أثبت نموذج HCRF الخاص بنا أداءً عاليًا في التقسيم وأظهر فعاليته وإمكاناته المستقبلية في مجال تقسيم الصور النسجية للمعدة (GHIS).