RUPNet：リアルタイムポリープセグメンテーションのためのリジッドアップサンプリングネットワーク

大腸癌は、世界中で最も一般的ながん死因の一つである。早期にポリープを検出・摘出することは、死亡率の低減だけでなく、周辺臓器への広がりを防ぐことにも寄与する。早期のポリープ検出は、世界中の何百万人もの患者の命を救うだけでなく、臨床的負担の軽減にもつながる。しかし、内視鏡医間でのポリープ検出率には顕著な差が見られる。近年、深層学習に基づく多数の手法が提案されているが、その多くは精度の向上に焦点を当てている。本研究では、リアルタイム処理が可能であり、高い再現率（recall）と精度（precision）を達成できる新たなアーキテクチャ、Residual Upsampling Network（RUPNet）を提案する。RUPNetは、3つのエンコーダ、3つのデコーダブロック、およびネットワーク末端に追加された複数のアップサンプリングブロックから構成されるエンコーダ・デコーダ型ネットワークである。画像サイズ512×512を想定した場合、本手法は平均Dice係数0.7658、平均交差率（mIoU）0.6553、感度（sensitivity）0.8049、精度0.7995、F2スコア0.9361を達成し、152.60フレーム/秒という優れたリアルタイム処理速度を実現した。これらの結果から、RUPNetは高精度を維持しつつリアルタイムフィードバックを提供可能であり、早期ポリープ検出のための優れた基準（ベンチマーク）であることが示された。