MEGANet：弱い境界を持つポリープセグメンテーションのためのマルチスケールエッジガイド付きアテンションネットワーク

医療分野におけるポリープの効率的セグメンテーションは、大腸がんの早期診断を可能にする上で極めて重要な役割を果たしている。しかし、ポリープのセグメンテーションには、背景の複雑な分布、ポリープのサイズや形状の多様性、境界の不明瞭さといった多くの課題が伴う。前景（すなわちポリープ自体）と背景（周囲組織）の境界を明確に定義することは困難である。こうした課題を軽減するため、当研究では、大腸内視鏡画像におけるポリープセグメンテーションに特化した「マルチスケールエッジガイド付きアテンションネットワーク（MEGANet）」を提案する。本ネットワークは、古典的なエッジ検出技術とアテンションメカニズムの融合から着想を得ており、これらの技術を統合することで、ニューラルネットワークの深層化に伴い容易に消失する高周波成分（特にエッジや境界）を効果的に保持できる。MEGANetはエンドツーエンドのフレームワークとして設計されており、入力画像から特徴を捉え抽象化するエンコーダ、顕著な特徴に注目するデコーダ、およびラプラシアン演算子を用いてポリープの境界を強調するエッジガイド付きアテンションモジュール（EGA）という3つの主要モジュールから構成されている。5つのベンチマークデータセットを用いた広範な定性的・定量的実験により、MEGANetが6つの評価指標において、既存の最先端（SOTA）手法を上回ることが示された。本研究のコードは、https://github.com/UARK-AICV/MEGANet にて公開されている。