要約
コロノスコピーは金標準とされる診断手技であるが、検査者の技能に強く依存するという課題がある。癌前駆病変であるポリープの検出およびセグメンテーションを自動化する取り組みが進められており、見落とし率の低減を図っている。エンコーダ・デコーダ構造を採用した広く用いられているコンピュータ支援ポリープセグメンテーションシステムは、精度面で高い性能を達成している。しかし、異なる医療機関から収集されたポリープセグメンテーションデータセットは、それぞれ異なる画像取得プロトコルに従っているため、データ分布に差異が生じる。その結果、多数の既存手法は特定のデータセットに対して性能が低下し、各データセットごとに再トレーニングが必要となる。本研究では、汎化性能の向上を目的として、グローバルマルチスケールリジッド融合ネットワーク（GMSRF-Net）を提案する。本ネットワークは、全スケールにわたりマルチスケール融合処理を実行しつつ、高解像度表現を維持する。さらにスケール情報の有効活用を図るため、GMSRF-Net内にクロスマルチスケールアテンション（CMSA）モジュールとマルチスケール特徴選択（MSFS）モジュールを設計した。CMSAおよびMSFSによってゲート制御される繰り返し融合処理により、ネットワークの汎化性能が向上している。2つの異なるポリープセグメンテーションデータセットを用いた実験の結果、未観測のCVC-ClinicDBおよびKvasir-SEGデータセットにおいて、従来の最先端手法をそれぞれDice係数で8.34%および10.31%上回る性能を達成した。