この記事では、脳MRIの分析において条件付き変形テンプレート（アトラス）を学習する新しい機械学習フレームワーク「AtlasMorph」を提案しています。変形テンプレートは、特定の集団の標準的な解剖学を表現する画像で、医療画像解析や人口研究に広く利用されています。しかし、テンプレートの作成には計算コストがかかるため、利用できるテンプレートの数は限られています。AtlasMorphは、年齢や性別などの被験者特有の属性に基づいてテンプレートを効率的に出力する機能を学習するために、畳み込み登録ニューラルネットワークを使用します。また、既存のセグメンテーションを活用して、生成されたテンプレートの解剖学的セグメンテーションマップを作成します。3D脳MRIデータセットにこの手法を適用した結果、条件付きテンプレートが無条件テンプレートよりも優れた登録性能を発揮することが確認され、他のテンプレート構築手法を上回りました。