要約
腸疾患（腫瘍や前癌病変など）の診断において、自動化されたポリープセグメンテーション技術は重要な役割を果たしている。従来の研究では、ラベル付きデータを用いて畳み込みベースのU-NetやTransformerベースのニューラルネットワークアーキテクチャを訓練する手法が一般的であった。しかし、公開されているポリープセグメンテーションデータセットの規模は小さく、ネットワークの十分な学習が困難であり、各アーキテクチャの潜在的な性能が制限されている。この課題を軽減するために、既存のデータセットからより多くのデータを合成する汎用的なデータ拡張技術を提案する。具体的には、ポリープ領域を同一画像の背景に空間的に排他的に貼り付けることで、組み合わせ的に多数の新たな画像を生成する。さまざまなネットワークとデータセットを用いた広範な実験により、本手法がデータ効率を向上させ、ベースラインに対して一貫した性能向上を達成することが確認された。最終的に、本研究はこのタスクにおいて新たな最先端（SOTA）の成績を達成した。コードは近日中に公開予定である。