في هذا البحث، نقدم كتلة معمارية عصبية جديدة في مجال الرؤية، تُسمى "خلط الإقليمي والمحلي" (MRL)، والتي تم تطويرها بهدف خلط الخصائص المدخلة بفعالية وكفاءة عالية. نقسم مهمة خلط الخصائص المدخلة إلى خلط على نطاق إقليمي و الخلط على نطاق محلي. لتحقيق خلط فعال، نستفيد من المجال الاستقبالي الشامل الذي توفره الانتباه الذاتي للخلط على النطاق الإقليمي، ومن نواة التحويل المحددة لنطاق محلي للخلط على النطاق المحلي. بشكل أكثر تحديدًا، يخلط طريقة المقترحة لدينا الخصائص الإقليمية المرتبطة بالخصائص المحلية داخل منطقة محددة، ثم يتبع ذلك خلط الخصائص المحلية مع تعزيزها بالخصائص الإقليمية. تظهر التجارب أن هذا التهجين بين الانتباه الذاتي والتحويل يجلب قدرة أكبر، وتعميمًا أفضل (الانحياز الاستقرائي الصحيح) وكفاءة أعلى. تحت إعدادات شبكة مشابهة، تتفوق MRL أو تكون متساوية مع نظيراتها في مهام التصنيف و الكشف عن الأشياء والتقطيع. كما أظهرنا أن هندسة الشبكة المستندة إلى MRL تحقق أداءً رائدًا لقواعد بيانات علم الأنسجة H&E. حققنا معامل DICE بمقدار 0.843 و 0.855 و 0.892 لقواعد البيانات Kumar و CoNSep و CPM-17 على التوالي، مما يؤكد المرونة التي توفرها إطار العمل MRL من خلال دمج طبقات مثل التحويلات الجماعية لتحسين التعميم الخاص بكل مجموعة بيانات.