الاستبيان المستقيم هو طريقة شائعة وعملية للكشف عن الأورام الحميدة وعلاجها. يُعد تقسيم الأورام الحميدة من صور الاستبيان المستقيم مفيدًا في التشخيص وتطور الجراحة. ومع ذلك، لا يزال تحقيق أداء ممتاز في التقسيم أمرًا صعبًا نظرًا لخصائص الأورام الحميدة مثل الشكل واللون والحالة، بالإضافة إلى التمايز الضعيف جدًا عن الخلفية المحيطة. تقدم هذه الدراسة معمارية جديدة تُعرف بـ "تعديل المعاني المميزة في المناطق غير المؤكدة في تقسيم الأورام الحميدة" (ADSNet)، والتي تقوم بتعديل التفاصيل الخاطئة واسترجاع الميزات الضعيفة التي قد تختفي ولا تُكتشف في المرحلة النهائية. تتكوّن المعمارية من معالج مكمل ثلاثي الأبعاد (trilateral decoder) لإنتاج خريطة عالمية مبكرة، إلى جانب وحدة انتباه مستمرة تقوم بتعديل معاني الميزات عالية المستوى لتحليل معنيين منفصلين من الخريطة العالمية المبكرة. تم اختبار الطريقة المقترحة على مجموعات بيانات معيارية للأورام الحميدة من حيث القدرة على التعلم والقدرة على التعميم، وأظهرت النتائج التجريبية قدرة ممتازة على التصحيح واسترجاع الميزات، مما يؤدي إلى أداء أفضل في التقسيم مقارنةً بالأساليب الرائدة الأخرى في مهمة تقسيم صور الأورام الحميدة. وبشكل خاص، يمكن تجريب المعمارية المقترحة بمرنية على مشغلات مبنية على الشبكات العصبية التلافيفية (CNN)، أو على مشغلات مبنية على المُحوّلات (Transformers)، أو على هيكل مُعالج (decoder backbone) متنوع.