تُشكِّل تقسيم سرطان الجلد تحديًا كبيرًا في تحليل الصور الطبية. يواجه العديد من الحلول الموجودة، والتي تعتمد بشكل رئيسي على شبكات النيورونات العصبية التلافيفية (CNN)، مشكلات تتعلق بنقص الفهم السياقي الشامل. بديلًا لذلك، بعض الأساليب تستعين بنماذج التحويل (Transformer) الكبيرة الحجم لسد الثغرات السياقية الشاملة، ولكن ذلك يكون على حساب حجم النموذج والتعقيد الحسابي. وأخيرًا، تعتمد العديد من الأساليب القائمة على التحويل بشكل أساسي على مفككات (decoders) قائمة على شبكات النيورونات العصبية التلافيفية (CNN)، مما يجعلها تغفل فوائد استخدام نماذج التحويل في مرحلة الفك. معترفين بهذه القيود، نحن نعالج الحاجة إلى حلول خفيفة الوزن وكفوءة من خلال تقديم MobileUNETR، الذي يهدف إلى التغلب على القيود الأداء المرتبطة بشبكات النيورونات العصبية التلافيفية (CNN) والتحويل (Transformer) مع الحد الأدنى من حجم النموذج، مما يمثل خطوة واعدة نحو تقسيم الصور بكفاءة.MobileUNETR يتميز بثلاث خصائص رئيسية:1) يتكون MobileUNETR من مُشفِّر هجين خفيف الوزن يجمع بين شبكات النيورونات العصبية التلافيفية (CNN) ونموذج التحويل (Transformer) لمساعدته في موازنة استخراج الميزات المحلية والسياقية الشاملة بطريقة كفوءة.2) مُفكِّك هجين جديد يستخدم الميزات الأولية والسياقية الشاملة بمستويات دقة مختلفة خلال مرحلة الفك لإنتاج أقنعة دقيقة.3) يتخطى MobileUNETR الهياكل المعقدة والكبيرة الحجم لتحقيق أداء أفضل بمليوني معلمة وتعقيد حسابي قدره 1.3 جيجافلوب، مما يؤدي إلى تقليل المعلمات بمقدار 10 أضعاف وتقليل العمليات الحسابية بمقدار 23 ضعفًا.لقد تم إجراء تجارب واسعة للتحقق من فعالية طريقة MobileUNETR المقترحة على أربعة مجموعات بيانات عامة لتقسيم الآفات الجلدية، بما في ذلك مجموعات البيانات ISIC 2016، ISIC 2017، ISIC 2018 و PH2. سيتم توفير الرمز البرمجي بشكل عام عبر الرابط التالي: https://github.com/OSUPCVLab/MobileUNETR.git