内視鏡検査中の正確なコンピュータ支援ポリープ検出およびセグメンテーションは、内視鏡医師が異常組織を切除し、ポリープががんに進行する可能性を低下させるのに役立ちます。ピクセル単位のポリープセグメンテーションの完全自動化モデル開発に向けて、我々はコロノスコピー画像セグメンテーション用に改良されたResUNetアーキテクチャであるResUNet++を提案します。実験評価の結果、提案されたアーキテクチャは公開データセット上で良好なセグメンテーション結果を示しました。さらに、Kvasir-SEGデータセットではダイス係数81.33%、平均交差率（mIoU）79.27%、CVC-612データセットではダイス係数79.55%、mIoU 79.62%という高い評価値を達成することで、U-NetとResUNetという2つの主要な最先端の深層学習アーキテクチャを大幅に上回ることが確認されました。