تم تطوير التشخيص المدعوم بالحوسبة ببطء في مجال قرح الفم. أحد الأسباب الرئيسية لهذا التباطؤ هو نقص مجموعات البيانات المتاحة للعامة. ومع ذلك، فإن قرح الفم قد تكون ذات خلايا سرطانية، ونسبة الوفيات المرتبطة بها مرتفعة. إن القدرة على التعرف على قرح الفم في مراحل مبكرة بشكل سريع وفعال تمثل قضية بالغة الأهمية. في السنوات الأخيرة، وعلى الرغم من وجود مجموعة صغيرة من الباحثين العاملين في هذا المجال، إلا أن مجموعات البيانات التي يستخدمونها تظل خاصة. ولحل هذه التحديات، نقترح في هذا البحث مجموعة بيانات متعددة المهام لقرح الفم (Autooral) تتضمن مهمتين رئيسيتين: تقسيم البقع المرضية وتصنيفها، ونُعَلِّم هذه المجموعة للعامة. إلى حد معرفتنا، نحن أول فريق يُقدِّم مجموعة بيانات لقرح الفم متعددة المهام متاحة للعامة. بالإضافة إلى ذلك، نقترح إطارًا نمذجيًا جديدًا يُسمى HF-UNet لتقسيم مناطق قرح الفم. وبشكل خاص، يقوم الوحدة المُقترحة لتفاعل التركيز من الدرجة العالية (HFblock) باكتساب الخصائص الشاملة، وتركز على اكتساب الخصائص المحلية من خلال الانتباه من الدرجة العالية. كما تستخدم الوحدة المقترحة للتحديد المكاني للبقع (LL-M) مرشحًا هجينًا جديدًا يعتمد على مصفوفة سوبيل، مما يُحسّن تمييز حواف القرح. أظهرت النتائج التجريبية على مجموعة البيانات المقترحة Autooral أن نموذج HF-UNet المُقترح يحقق قيمة DSC تبلغ حوالي 0.80، مع استهلاك ذاكرة تشغيل لا يتجاوز 2029 ميغابايت. ويضمن هذا الأسلوب أداءً عاليًا في التقسيم مع حمل تشغيلي منخفض جدًا. تُتاح مجموعة البيانات Autooral والكود المُقترح من خلال الرابط التالي: https://github.com/wurenkai/HF-UNet-and-Autooral-dataset.