大腸内視鏡検査は、大腸ポリープを検出する効果的な技術であり、これらのポリープは大腸がんと密接に関連しています。臨床現場では、大腸内視鏡画像からポリープをセグメンテーションすることが非常に重要です。これは診断や手術に貴重な情報を提供するためです。しかし、正確なポリープのセグメンテーションは、以下の2つの主な理由から困難な課題となっています：(i) 同じ種類のポリープでもサイズ、色、質感が多様である；(ii) ポリープと周囲の粘膜との境界が明確でない。これらの課題に対処するために、我々は並列逆アテンションネットワーク（PraNet）を提案します。このネットワークは大腸内視鏡画像における正確なポリープセグメンテーションを実現することを目指しています。具体的には、まず高レベル層の特徴量を並列部分デコーダ（Parallel Partial Decoder, PPD）を使用して集約します。その後、結合された特徴量に基づいて全体マップを生成し、これにより後続のコンポーネントに対する初期ガイドエリアを作成します。さらに、逆アテンション（Reverse Attention, RA）モジュールを使用して境界線のヒントを抽出します。このモジュールは領域と境界線のヒントとの関係を確立することができます。領域と境界線間の再帰的な協調メカニズムのおかげで、PraNetは誤った予測の調整を行うことができ、セグメンテーション精度を向上させます。5つの難易度の高いデータセットにおいて6つの評価指標による定量的および定性的評価を行った結果、PraNetはセグメンテーション精度を大幅に改善し、汎化能力やリアルタイムでのセグメンテーション効率において多くの利点があることが示されました。