アンサンブル学習などの機械学習に基づく臓器セグメンテーションでは，構築された分類器による判定が，画素ごとや局所領域ごとに独立していることが多く，抽出図形の形状が不自然になることがしばしばある．本論文では，臓器形状の統計的特徴を考慮しながらセグメンテーション処理を構築可能な，新しいアンサンブル学習アルゴリズムを提案する．具体的には，人体臓器の統計モデルを用いて抽出図形の形状を評価する新しい損失項を提案し，従来の誤り損失項と組み合わせた損失全体を最小化する学習アルゴリズムを示す．本論文ではまず，人工画像を用いて提案手法の原理検証を行い，その後，80症例の3次元CT像を用いた脾臓のセグメンテーション結果を示し，提案手法の性能を評価する．その結果，提案手法によって，従来の誤りのみを損失とする場合に比べて，不自然な形状の抽出結果が少なくなり，性能が統計的に有意に向上することを示す．
