X線コンピュータ断層撮影（XCT）技術は、高解像度のデータを非常に高速に取得できるまで進化しており、従来のセグメンテーション手法では処理が極めて煩雑になり、非自明な3次元画像に対応可能な自動化されたデータ処理パイプラインの導入が不可欠となっている。深層学習は、材料科学を含む多くの画像処理タスクにおいて成功を収めており、人間による介入を要しないセグメンテーションパイプラインの有望な代替手段として注目されている。本研究では、3相構造のガラス繊維強化ポリアミド66の3次元断層画像をセグメンテーションするため、モジュール型UNet（Modular U-Net）を提案し、学習を行った。提案モデルの2次元版と3次元版を比較した結果、2次元版がわずかに優れた性能を示した。また、わずか10枚のラベル付き断層画像を用いても、人間による評価と同等の結果が得られ、浅い構造のU-Netの方が深い構造よりも優れた性能を発揮することが確認された。これらの結果から、ニューラルネットワーク（NN）は、人間による手動調整を一切不要とするXCTデータ処理パイプラインの自動化において、実用的な有望な手法であることが示された。