Obwohl Faltungsschicht-Neuronale Netze (CNNs) den Fortschritt in der medizinischen Bildsegmentierung antreiben, haben Standardmodelle noch einige Nachteile. Erstens führt die Verwendung von Multi-Skalen-Ansätzen, d.h. Encoder-Decoder-Architekturen, zu einer redundanten Nutzung von Informationen, bei der ähnliche niedrigstufige Merkmale auf mehreren Skalen mehrfach extrahiert werden. Zweitens werden langreichweitige Merkmalsabhängigkeiten nicht effizient modelliert, was zu suboptimalen diskriminativen Merkmalsrepräsentationen für jede semantische Klasse führt. In dieser Arbeit versuchen wir diese Einschränkungen mit der vorgeschlagenen Architektur zu überwinden, indem wir reichere kontextuelle Abhängigkeiten durch die Verwendung geführter Selbst-Aufmerksamkeitsmechanismen erfassen. Dieser Ansatz ist in der Lage, lokale Merkmale mit ihren entsprechenden globalen Abhängigkeiten zu integrieren und interdependente Kanalabbildungen auf adaptive Weise hervorzuheben. Des Weiteren leitet der zusätzliche Verlust zwischen verschiedenen Modulen die Aufmerksamkeitsmechanismen an, unwichtige Informationen zu ignorieren und sich auf diskriminierendere Bereiche des Bildes zu konzentrieren, indem er relevante Merkmalsassoziationen betont. Wir evaluieren das vorgeschlagene Modell im Kontext der semantischen Segmentierung anhand dreier verschiedener Datensätze: abdominale Organe, kardiovaskuläre Strukturen und Hirntumoren. Eine Reihe von Ausblendungsversuchen unterstreicht die Bedeutung dieser Aufmerksamkeitsmodule in der vorgeschlagenen Architektur. Darüber hinaus erzielt unser Modell im Vergleich zu anderen state-of-the-art-Segmentierungsnetzwerken bessere Segmentationsleistungen und erhöht die Genauigkeit der Vorhersagen, während es die Standardabweichung reduziert. Dies zeigt die Effizienz unseres Ansatzes zur Generierung präziser und verlässlicher automatischer Segmentierungen medizinischer Bilder. Unser Code ist öffentlich verfügbar unter https://github.com/sinAshish/Multi-Scale-Attention