内視鏡検査における自己プロンプティングポリープセグメンテーションのためのハイブリッドYOLO-SAM 2モデル

大腸内視鏡検査におけるポリープの早期診断と治療は、大腸がん（CRC）の発症率と死亡率を低下させるために不可欠です。しかし、ポリープの特性の多様性や大腸内視鏡画像および動画に含まれるアーティファクトは、正確かつ効率的なポリープ検出とセグメンテーションにとって大きな課題となっています。本論文では、Segment Anything Model (SAM 2) と YOLOv8 モデルを統合した新しいポリープセグメンテーション手法を提案します。当手法は YOLOv8 のバウンディングボックス予測を使用して SAM 2 への入力プロンプトを自動生成することで、手動アノテーションの必要性を軽減します。5つのベンチマーク大腸内視鏡画像データセットと2つの大腸内視鏡動画データセットで詳細なテストを行った結果、当手法が画像および動画セグメンテーションタスクにおいて最先端モデルを超えることが示されました。特に、バウンディングボックスアノテーションのみを使用して高いセグメンテーション精度を達成しており、アノテーション時間と労力を大幅に削減しています。この進歩は、臨床現場でのポリープ検出の効率化と拡張性向上に有望であると言えます。https://github.com/sajjad-sh33/YOLO_SAM2.