في عالم الطب الحديث، تتزايد أهمية دقة الصور النسيجية (Histopathology) في تشخيص الأمراض. ومع ذلك، فإن تحديد خلايا معينة ضمن هذه الصور يعد تحدياً كبيراً، إذ أن الخلايا المتشابهة بصرياً قد تنتمي إلى فئات مختلفة بحسب بيئاتها الدقيقة. وفي هذا الإطار، تم تقديم **DualGate-Net**، وهو إطار مبتكر يعتمد على تقنية **Dual-Encoder** مع انتباه للسياق المحيط.

تقوم فكرة DualGate-Net على دمج معلومات من تقنيتين متقدمتين؛ حيث يستخدم مكون **ConvNeXtV2** كموصّل محلي، ومكون **SegFormer** لتوفير معلومات عالمية عبر آلية دمج قابلة للتعلم. هذه الآلية تعمل على تنظيم تأثير السياقات النسيجية بشكل ديناميكي، مما يحسن بشكل كبير من دقة الاكتشاف.

كما تم إضافة فرع مساعدة لإعادة بناء المناطق المركزية للحفاظ على التفاصيل الدقيقة للهياكل الخلوية خلال عملية التدريب، مما يعزز من مواجهة أي ضوضاء محتملة. وقد أظهرت التجارب على مجموعة بيانات **OCELOT** تحقيق Duales-Net نتائج مثيرة للإعجاب، حيث حققت درجات **F1** تساوي 0.7722 في مجموعة التحقق و0.7345 في مجموعة الاختبار. تؤكد هذه النتائج فعالية الدمج الديناميكي للسياقات في تحسين دقة الاكتشاف للكشف عن خلايا الأمراض.