要約
大腸内視鏡検査は、大腸がんの早期スクリーニングおよび臨床診断において極めて重要な役割を果たしている。一方で、ポリープの高精度なセグメンテーションは依然として困難な課題である。既存の最先端モデルは、正常組織とポリープの間の明確かつ高度に類似した境界が欠如しているため、セグメンテーション能力に限界がある。この問題に対処するために、我々はトランスフォーマー・エンコーダを用いた領域自己注意強化ネットワーク（RSAFormer）を提案する。他の優れた手法とは異なり、RSAFormerは二重デコーダ構造を独自に採用し、多様な特徴マップを生成する。従来の手法が通常採用する単一のデコーダとは異なり、本手法は特徴抽出における柔軟性と詳細性を大幅に向上させる。さらに、領域自己注意強化モジュール（RSA）を導入することで、より正確な特徴情報の取得と低レベル特徴と高レベル特徴の間の強力な相互作用を実現している。このモジュールは、領域的コンテキストによって示される不確実な領域を強化し、より正確な境界情報の抽出を可能にする。本手法の有効性を検証するため、5つの代表的なポリープデータセット上で広範な実験を実施した。その結果、Kvasirデータセットでは92.2%、ETISデータセットでは83.5%の平均Dice係数を達成し、多数の最先端モデルを上回る性能を示した。