心臓MRIから左心房（LA）の正確なセグメンテーションは、心房細動（AF）のアブレーションや生物物理モデルの構築において非常に重要です。手動での区分は時間がかかり、観察者に依存し、大規模または時間に敏感な臨床業務には不向きです。本研究では、nnU-Netフレームワークを用いて2013年の左心房セグメンテーションチャレンジデータセットに取り組みました。このデータセットは、専門家が注釈を付けたマスクを伴う30件のMRIスキャンを含んでいます。nnU-Netモデルは、MRIデータに基づいて自動的に前処理やネットワーク構成、トレーニングパイプラインを適応しました。モデルの性能評価には、Dice類似係数（DSC）が用いられ、専門家のセグメンテーションと比較されました。nnU-Netモデルは平均93.5のDiceスコアを達成し、高い重なりを示し、過去の研究のいくつかの従来のセグメンテーション手法を上回りました。このネットワークは、左心房の形状やコントラスト、画像品質のバリエーションに対して堅牢な一般化を示し、心房本体や近位肺静脈を正確に区分しました。