内視鏡動画におけるSAM2を用いたFew-shot学習: 双方向予測と重み制御による高精度病変検出

抄録

医療画像AIの開発において、学習データの収集とアノテーション作成の負担が大きな課題となっている。本研究では、Metaが開発したSAM2（Segment Anything Model 2）を基盤モデルとして活用し、少数のアノテーションデータのみで高精度な内視鏡画像における病変検出を実現する手法を提案した。提案手法では、SAM2の優れたセグメンテーション能力に加え、内視鏡動画特有の課題に対応するため、双方向予測メカニズムと重み減衰システムという二つの拡張を実装した。膀胱内視鏡動画を用いた評価実験により、従来の深層学習手法や大規模データセットで学習したモデルと比較して、提案手法が少数データでも同等以上の性能を達成できることを実証した。この成果は、医療画像AI開発における効率的なデータセット構築への新たなアプローチを示している。