結直腸ポリープ画像の病変領域はスケール変化が大きく、境界が不明瞭で形状が不規則かつ正常組織とのコントラストが低いという問題により、境界の詳細情報が失われ病変領域の誤った分割が生じる。これに対して、マルチスケール・マルチディメンションに対応した適応型Transformer分割ネットワークを提案する。本ネットワークは、まずTransformerエンコーダを用いて入力画像の全体コンテキスト情報をモデル化し、結直腸ポリープ病変領域をマルチスケールで解析する。次にチャネル注意ブリッジと空間注意ブリッジを介してチャネル次元の冗長性を削減し、モデルの空間認識能力を強化して背景ノイズを抑制する。さらにマルチスケール密集並列デコーディングモジュールを採用し、各層のマルチスケール特徴間のセマンティックギャップを補完し、多スケールコンテキスト特徴を効果的に統合する。最後に境界の詳細に着目したマルチスケール予測モジュールを設計し、学習可能な方法でネットワークが境界誤分類の修正を誘導する。CVC-ClinicDB、Kvasir-SEG、CVC-ColonDB及びETISデータセットで実験を行い、それぞれのDice類似係数は0.942、0.932、0.811及び0.805、平均交差部率は0.896、0.883、0.731及び0.729であり、既存手法を上回る分割性能を示す。シミュレーション実験により、本手法が結直腸ポリープ病変領域の誤った分割を効果的に改善し、高精度な分割を実現し、結直腸ポリープ診断の新たな窓を提供することを示した。

結直腸ポリープ;Transformer;マルチスケール密集並列デコーディングモジュール;マルチスケール予測モジュール