現在、病変のセグメンテーションは依然として医療専門家によって手動（または半自動）で行われています。このプロセスを支援するため、我々は完全自動の病変セグメンテーションパイプラインを提供します。本研究では、ISBI 17およびMICCAI 17のLiTS（肝臓腫瘍セグメンテーションチャレンジ）競争において、CT画像での肝臓病変の自動セグメンテーション手法を比較する方法の一環として提案しています。カスケード型の密接接続2D U-NetとTversky係数に基づく損失関数を使用することで、我々のフレームワークは非常に優れた形状抽出と高い検出感度を達成しており、発表当時には競争的なスコアを記録しています。さらに、Tversky損失におけるハイパーパラメータの調整により、ネットワークをより高い感度や堅牢性に向けて微調整することが可能です。