U-Net-ResNet50を用いた自動ポリープセグメンテーション

結腸ポリープは、世界中で癌死の主な原因の一つとされる大腸がんの前駆病変である。大腸内視鏡検査は、大腸ポリープの同定、局在化および摘出の標準的手段である。しかし、ポリープの形状や大きさのばらつき、周囲組織との類似性のため、臨床現場ではしばしばポリープが見逃されてしまう。大腸内視鏡検査中に自動的かつ高精度・高速なポリープセグメンテーション手法を活用することで、多くの大腸ポリープを容易に検出・摘出することが可能となる。本研究では、「Medico自動ポリープセグメンテーションチャレンジ」に参加し、ポリープセグメンテーションの研究を推進し、効率的かつ高精度なセグメンテーションアルゴリズムの構築を目指した。本研究では、事前学習済みResNet50をエンコーダとして用いたU-Netモデルを採用した。モデルはチャレンジ用に提供されたKvasir-SEGデータセットで学習し、主催者側が提供するデータセットでテストした結果、Dice係数0.8154、Jaccard係数0.7396、再現率（Recall）0.8533、適合率（Precision）0.8532、正解率（Accuracy）0.9506、F2スコア0.8272を達成し、本モデルの汎化能力の高さを示した。