患者に対する侵襲的な検査を非侵襲なものに代理させる医療用Convolutional Neural Networks（CNNs）を構築する場合，侵襲的な検査によって得られたデータが教師データとなる．このことから，限定的な教師データサイズで構築された医療用CNNがある状況下において，むやみに教師データの不足を指摘することは望ましくなく，性能の改善が見込める場合にのみ，教師データの収集を検討すべきである．そのため本研究では，既存研究で構築された医療用CNNに対し，教師データを集めるべきかどうか検証する．具体的には，心不全のリスクスコアである肺動脈楔入圧を胸部X線画像から推定するモデル構築のためのデータセットを用い，データサイズを増やしながらCNNを構築し，汎化性能と顕著性マップの変動を観察した．その結果，教師データサイズに対する汎化性能が収束域に到達していないこと，少数の教師データにより構築されたCNNは心臓全体を見ているのに対し，多数の教師データにより構築されたCNNは心不全と関連する部位のみを集中して見ることが確認された．このことから，この事例においては，教師データを増大させることで，汎化性能と顕著性マップの改善が期待される．
