آلية فك التشفير الفعالة والناجحة تُعدّ حاسمة في تقسيم الصور الطبية، خاصة في السياقات التي تفتقر إلى موارد حوسبة محدودة. ومع ذلك، غالبًا ما تترافق هذه الآليات مع تكاليف حوسبة عالية. لمعالجة هذه المشكلة، نقدم EMCAD، وهو فك تشفير مُعتمد على انتباه تقوسي متعدد المقياس، مُصمم لتحسين الأداء والكفاءة الحوسبية معًا. يعتمد EMCAD على كتلة تقوس عميق متعدد المقياس فريدة من نوعها، مما يعزز خرائط الميزات بشكل كبير من خلال عمليات تقوس متعددة المقياس. كما يستخدم EMCAD آليات انتباه مُقيَّدة (مُوجَّهة) في القنوات، والمساحة، والمجاميع (بأحجام نواة كبيرة)، والتي تُظهر فعالية عالية في التقاط العلاقات المكانية المعقدة مع التركيز على المناطق البارزة. وبفضل استخدام التقوس المجموعي والتقوس العميق، يُعدّ EMCAD سريعًا جدًا وقابلاً للتوسع بشكل جيد (حيث يتطلب فقط 1.91 مليون معلمة و0.381 مليار عملية فلوب عند استخدام مشغل قياسي). أظهرت تقييماتنا الصارمة عبر 12 مجموعة بيانات تابعة لستة مهام لتقسيم الصور الطبية أن EMCAD يحقق أداءً من الدرجة الأولى (SOTA) مع خفض بنسبة 79.4% في عدد المعلمات (#Params) و80.3% في عدد العمليات الحسابية (#FLOPs). علاوة على ذلك، تُظهر EMCAD قدرة عالية على التكيّف مع مشغلات مختلفة، وتنوعًا كبيرًا في تطبيقات التقسيم، مما يُثبت مكانتها كأداة واعدة، ويدفع المجال نحو تحليل الصور الطبية الأكثر كفاءة ودقة. يمكن الوصول إلى التنفيذ العملي لـ EMCAD عبر الرابط: https://github.com/SLDGroup/EMCAD.