大腸内視鏡検査におけるリアルタイムのポリープ検出、局在化およびセグメンテーションに深層学習を用いる

コンピュータ支援検出、局所化、およびセグメンテーション手法は、大腸内視鏡検査の改善に貢献することができます。多くの手法が自動的なポリープの検出とセグメンテーションを解決するために開発されてきましたが、最先端手法のベンチマーキングは依然として未解決の問題となっています。これは、ポリープデータセットに適用できる研究対象のコンピュータビジョン手法が増加しているためです。新規手法のベンチマーキングは、自動化的なポリープ検出とセグメンテーションタスクの開発方向性を示すとともに、コミュニティで得られた結果が再現可能であることを保証し、開発された手法間での公正な比較を提供します。本論文では、Kvasir-SEG（大腸内視鏡画像のオープンアクセスデータセット）を使用して、最近のいくつかの最先端手法をベンチマーク評価し、ポリープ検出、局所化、およびセグメンテーションにおける方法の精度と速度を評価しました。文献に報告されているほとんどの手法が精度において競争力のある性能を示していますが、提案したColonSegNetは平均精度0.8000と平均IoU（Intersection over Union）0.8100というバランスの良さと、検出・局所化タスクにおける最速180フレーム／秒という性能を達成しました。同様に、ColonSegNetはセグメンテーションタスクにおいて競争力のあるダイス係数0.8206と最高平均速度182.38フレーム／秒を達成しました。我々が行った様々な最先端手法との包括的な比較は、深層学習手法のベンチマーキングが自動リアルタイムでのポリープ識別と輪郭線引きに重要であることを明らかにしました。これらの技術は現在の臨床実践を変革し、見逃し率を最小限に抑える可能性があります。