ドップラーホログラフィーは、血流の動的挙動を高い時間分解能で捉える新しい網膜イメージング手法であり、網膜の血行力学を定量的に評価することが可能です。しかし、従来のセグメンテーション手法は空間情報にのみ焦点を当て、ホログラフィックデータの時間的豊かさを見落としています。本研究では、時間的ドップラーホログラムにおける動脈と静脈のセグメンテーションを改善するために、標準的なセグメンテーションアーキテクチャを利用したシンプルですが効果的なアプローチを提案します。専用のパルス分析パイプラインから得た特徴を組み込むことで、従来のU-Netモデルが時間的ダイナミクスを活用でき、高度な注意メカニズムや反復ベースのモデルと同等のパフォーマンスを達成します。この発見は、時間解像度の前処理がドップラーホログラフィーにおける深層学習の可能性を引き出すことを示しており、網膜の血行力学の定量的探索に新しい視点を提供します。