自動的なポリープセグメンテーションは、内視鏡手術において極めて有効であることが実証されており、内視鏡医による腺腫の検出漏れを低減するとともに、作業効率を向上させている。しかし、ポリープを腫瘍性か非腫瘍性かに分類し、画素単位で正確にセグメンテーションする作業は、限られた時間内に医師が実行するには依然として困難な課題である。本研究では、ポリープセグメンテーション問題に対して細分化された定式化を提案する。この定式化は、ポリープ領域をセグメンテーションするだけでなく、悪性化のリスクが高いかどうかを高精度で同定することを目的としている。さらに、この課題を解決するため、NeoUNetと呼ばれるUNetをベースとしたニューラルネットワークアーキテクチャと、ハイブリッド損失関数を提案する。実験の結果、既存のポリープセグメンテーションモデルと比較して、我々のベンチマークデータセット上でのNeoUNetは非常に競争力のある性能を示した。