التنظير القولوني هو إجراء معياري ذهبي ولكنه يعتمد بشكل كبير على مهارة المُشغل. يمكن أن يقلل التقطيع الآلي للأورام، وهي حالة سابقة للسرطان، من معدلات الإغفال ويوفر علاجًا فوريًا لسرطان القولون في مرحلة مبكرة. رغم وجود طرق تعلم عميقة تم تطويرها لهذا الغرض، فإن التباين في حجم الأورام يمكن أن يؤثر على تدريب النموذج، مما يحد منه إلى خاصية الحجم للأغلبية العظمى من العينات في مجموعة البيانات التدريبية التي قد توفر نتائج غير مثلى لأورام بأحجام مختلفة. في هذا العمل، نستفيد من الخصائص المتعلقة بحجم الأورام وعدد الأورام على شكل انتباه نصي أثناء التدريب. نقدم مهمة تصنيف مساعدة لتوزيع وزن الانغراس النصي الذي يسمح للشبكة بتعلم تمثيلات خصائص إضافية يمكنها التكيف بشكل واضح مع أورام بأحجام مختلفة ويمكنها التعامل مع الحالات التي تحتوي على عدة أورام. تظهر نتائج تجاربنا أن هذه الانغراسات النصية الإضافية تحسن الأداء العام للنموذج مقارنة بالطرق الرائدة في التقسيم. نستكشف أربع مجموعات بيانات مختلفة ونقدم رؤى حول التحسينات الخاصة بكل حجم. يمكن لشبكتنا المقترحة التي تعمل بالانتباه النصي (TGANet) أن تتعمم بشكل جيد إلى أورام ذات أحجام متغيرة في مجموعات بيانات مختلفة.