يمكن أن يساعد تحسين دقة الصور الطبية في تمكين الأطباء من تقديم تشخيصات أكثر دقة. في العديد من الحالات، تُسجل تقنيات التصوير المقطعي المحوسب (CT) أو التصوير بالرنين المغناطيسي (MRI) عدة عمليات تصوير (أوضاع) خلال تحقيق طبي واحد، والتي يمكن استخدامها معًا بشكل متعدد الأوضاع لتعزيز جودة نتائج التحسين التوافقي بشكل أكبر. ولتحقيق ذلك، نقترح وحدة انتباه تلافيفية متعددة الأوضاع ومتعددة الرؤوس جديدة لتحسين دقة صور CT وMRI. تعتمد وحدة الانتباه هذه على العملية التلافيفية لتنفيذ انتباه مزدوج (المساحة والقناة) على عدة متجهات إدخال متسلسلة، حيث يتحكم حجم النواة (مجال الاستقبال) في معدل التقليل للانتباه المكاني، بينما يتحكم عدد المرشحات التلافيفية في معدل التقليل للانتباه القناتي، على التوالي. كما نُدخل عدة رؤوس انتباه، لكل رأس حجم مجال استقبال مميز يتوافق مع معدل تقليل معين للانتباه المكاني. ونُدمج وحدة الانتباه التلافيفية المتعددة الأوضاع ومتعددة الرؤوس (MMHCA) في معماريتين عميقتين للذكاء الاصطناعي لتحسين الدقة، ونُجري تجارب على ثلاث مجموعات بيانات. تُظهر النتائج التجريبية تفوق وحدة الانتباه المقترحة على آليات الانتباه الرائدة في مجال التحسين التوافقي. بالإضافة إلى ذلك، نُجري دراسة تحليلية (أبلاغية) لتقييم تأثير المكونات المختلفة في وحدة الانتباه، مثل عدد الإدخالات أو عدد الرؤوس. يُتاح كود المشروع مجانًا على الرابط: https://github.com/lilygeorgescu/MHCA.