本研究は、肝腫瘍セグメンテーションにおけるUNetベースのアーキテクチャの性能を比較しています。多相造影CTにおける肝構造のセグメンテーションは、肝疾患の診断や治療計画において重要な役割を果たします。研究では、従来のUNetからUNet3+に至るまで、さまざまなバックボーンネットワーク（ResNet、Transformer、Mamba）を評価しました。その結果、現代のアーキテクチャにもかかわらず、ResNetベースのモデルが他のモデルと比較して一貫して優れた性能を示しました。特に、畳み込みブロック注意モジュール（CBAM）を組み込むことで、セグメンテーションの質が向上し、Diceスコア0.755やIoU0.662を達成しました。この研究は、古典的なResNetアーキテクチャと現代的な注意モジュールの組み合わせが医療画像セグメンテーションタスクで競争力があることを示しており、肝腫瘍検出の有望な方向性を提案しています。