本表示は研究・技術可視化用であり、診断・治療の判断には使用できません。データ・モデルの出典はデータ・モデルについてを参照してください。

MEDISEG-AI — MODEL VISUALIZERSモデル可視化ツール

ここでいう「モデル」は、リアルタイム推論APIではなく、 MediSeg-AIが自社で学習した医用画像セグメンテーションモデル(U-Net)そのものを指します。脳MRI画像から病変・腫瘍領域を画素単位で抽出するモデルについて、 LGG脳MRIデータセット、 MSD脳MRIデータセット、複数データセット統合学習の 3種類の自社学習済みチェックポイントを比較できます。 2Dモデルに加え、3D U-Net（WT/TC/ET）の自社学習も実施中です。技術の詳細は MediSeg-AIの技術をご覧ください。

紹介動画検出デモ · 技術解説（日本語ナレーション付き）

Promotional & technical videos with Japanese narration.

MRIからの腫瘍検出デモ動画と、U-Net内部構造の技術解説動画（右カラムで再生できます）。

MediSeg-AIの技術モデル構成 · 学習手法 · 3D学習

Architecture, training methods, and 3D volumetric learning used in MediSeg-AI.

採用モデルの構成、学習・評価の要点、自社で実施中の3D学習と国際指標との比較をまとめています。

Architecture Visualizer アーキテクチャ可視化

U-Net encoder/decoder structure, skip connections, layer roles.

U-Netの構造と各層の役割を、平易な説明付きで表示します。

Weight Visualizer 重み可視化

Real per-channel weight L2 norms and kernel-derived connection strengths across trained checkpoints.

自社学習の LGG-only / MSD / Combined 重みを切り替えながら比較できます。

プロモーション動画（日本語ナレーション付き・約83秒・再生すると全画面表示）— MRIスキャンから腫瘍領域を検出する様子を、実データと実推論結果で紹介。研究開発デモであり、診断用途ではありません。

技術解説動画（日本語ナレーション付き・約92秒・再生すると全画面表示）— 自社学習 2D U-Net の内部構造、実推論の特徴マップ、確率マップ、重み統計、学習設定と評価分布を解説。

Analyze 紹介動画（日本語ナレーション付き・約115秒・再生すると全画面表示）— 検査パイプラインの定量ステップとしての役割。画素マスクによる面積・輪郭の根拠データ生成、医用画像での実推論デモ、太陽電池 EL 画像への実適用と評価指標を紹介。画素マスクは合否判定ではなくレビューの根拠データとして使います。

実際の判定結果 — 見た目では気づきにくい病変

MSDテストセットの中から、正解の病変領域が小さく、一見するだけでは見つけにくい一方で、 MSD脳腫瘍データセットでファインチューニングしたU-Netモデルが高いDiceで検出できた実行例です。これらは成功例を選抜した表示であり、全てのテスト画像で同じ精度を保証するものではありません。