本研究では、注目度マップにおける不確実領域を考慮した、ポリープセグメンテーション向けの不確実性拡張コンテキスト注意ネットワーク（Uncertainty Augmented Context Attention Network, UACANet）を提案する。我々は、追加のエンコーダおよびデコーダを備えた改良型U-Net構造を構築し、各トップダウン方向の予測モジュールで注目度マップを生成し、次の予測モジュールに伝搬する。各予測モジュールにおいて、前回に予測された注目度マップを用いて前景、背景および不確実領域のマップを計算し、各表現に対して三つの領域マップと特徴マップを統合する。その後、各表現と特徴マップ内の各ピクセル間の関係を計算する。本手法は、Kvasir、CVC-ClinicDB、ETIS、CVC-ColonDB、CVC-300の5つの代表的なポリープセグメンテーションベンチマークで実験を行い、最先端の性能を達成した。特にETISデータセットにおいて平均Dice係数76.6%を達成し、従来の最先端手法と比較して13.8%の向上を示した。ソースコードはGitHubにて公開されており、https://github.com/plemeri/UACANet から入手可能である。