大腸内視鏡画像において，ポリープの大きさが不均一で形態が複雑，およびポリープと粘膜の境界が不明瞭なために分割精度が低下する問題に対し，結腸ポリープ分割精度を向上させるための漸進的CNN-Transformer意味補償ポリープ分割ネットワークを提案した。CNNエンコーダからの局所特徴とTransformerエンコーダからの全局特徴をより良く活用するため，同層特徴相互作用結合モジュールを設計し，CNNとTransformerエンコーダからの特徴を空間およびチャネル方向でグループ化された相互接続により適応的に融合する。次に，デコーダでのアップサンプリングによる意味情報の損失問題に対して，Queryに基づく意味補償モジュールを設計し，学習可能な記述子群を通じて画像意味を漸進的に統合・分配し，ネットワークの特徴判別能力を効果的に向上させた。実験結果は，提案ネットワークが公開データセットCVC-ClinicDB，CVC-300，Kvasir，CVC-ColonDB上で，それぞれmDice 94.23%，90.36%，92.93%，80.26%およびmIoU 89.87%，83.75%，88.21%，72.09%を達成したことを示している。既存の分割ネットワークと比較して，本ネットワークはポリープ分割の有効性を向上させつつ，汎化性能を維持できる。

ポリープ分割;畳み込みニューラルネットワーク;Transformer;特徴相互作用;意味補償