コロノスコピーはポリープの検出および治療において一般的かつ実用的な手法である。コロノスコピー画像からのポリープ領域のセグメンテーションは、診断や手術プロセスにおいて有用である。しかし、ポリープの形状や色、状態の多様性、および周囲の組織との明確な区別が困難な点から、優れたセグメンテーション性能を達成することは依然として困難である。本研究では、ポリープセグメンテーションにおける不確実領域の特徴の適応を目的とした新規アーキテクチャ「Adaptation of Distinct Semantics for Uncertain Areas in Polyp Segmentation（ADSNet）」を提案する。このアーキテクチャは、誤分類された詳細情報を修正し、最終段階で消失または検出されにくくなる可能性のある弱い特徴を回復する能力を持つ。本アーキテクチャは、初期のグローバルマップを生成する補完的な三重デコーダーと、高レベル特徴の意味情報を修正する連続的アテンションモジュールから構成されている。この手法は、ポリープセグメンテーションのベンチマークにおいて学習能力および一般化能力の観点から評価された結果、他の最先端手法と比較して優れた補正および特徴回復能力を示し、より優れたセグメンテーション性能を達成した。特に、提案アーキテクチャは、CNNベースのエンコーダ、Transformerベースのエンコーダ、およびデコーダバックボーンに対して柔軟に適用可能であることが示された。