骨構造のセマンティックセグメンテーションは画像全体を骨ごとの領域に分割する技術であり，診断に使用できる正確な骨モデルを構築するためには画素単位の分類と画像内のオブジェクトの高い抽出精度が要求される．この問題を解決するために3DCNNによる手法が提案されているが，3DCNNは膨大な学習データを必要とする．臨床を考慮すると，計算コストの低い2DCNNモデルを改良し，3次元構造を考慮できるようにする必要がある．そこで我々は，双方向畳み込み処理と再構成画像を用いて，上肢領域の骨の3次元構造を考慮した2DCNNベースのセグメンテーション手法を提案する．具体的には，BiConvLSTMとAttention U-Netを組み合わせた2つの異なるモデルを用いて，axial方向とsagittal方向の2方向からの画像を解析する．性能実験の結果，提案手法は0.9355のIoUを示し，これは最新の手法であるMask2Formerよりも高い結果となった．
