現在、大腸ポリープの検出技術として最も効率的かつ広く認知されているのは内視鏡検査（コロノスコピ）であり、大腸がんの早期スクリーニングおよび予防に不可欠である。しかし、大腸ポリープはサイズが多様であり、形状も複雑な特徴を有しており、ポリープと粘膜組織との境界が不明瞭であるため、正確なポリープ領域のセグメンテーションは依然として困難な課題である。深層学習は、優れた結果を示すことで、正確なポリープセグメンテーションに広く用いられるようになっている。しかし、ポリープ画像の構造的特徴やポリープ形状の多様性により、既存の深層学習モデルは現在のデータセットに対して過剰適合（オーバーフィッティング）しやすくなる。その結果、未知の内視鏡画像データに対しては適切な処理が困難となる。この課題を解決するため、本研究では、医療画像セグメンテーションのための新たな最先端モデル「SSFormer」を提案する。本モデルは、ピラミッド型トランスフォーマーによるエンコーダーを採用し、モデルの汎化能力を向上させる。特に、提案する「プログレッシブローカリティデコーダー」は、ピラミッド型トランスフォーマーのバックボーンに適応可能であり、局所的な特徴を強調するとともに、注目領域の拡散を抑制する。実験の結果、SSFormerは学習性能および汎化性能の両面で最先端の成果を達成した。