肝硬変の存在及び進行度合いの予測は，患者の治療方法の決定と臨床効果の評価に重要な要素である．現在，肝硬変の標準治療は肝生検であるが，肝臓の細胞を直接採取する手法であるので，サンプルを摂取する場所を慎重に決める必要があり，かつ患者への負担が大きいなどの問題がある．そのため，近年は血液検査や画像診断など，患者の負担が少ない手法で肝硬変を検査することが検討されている． 本研究では深層学習を用い，MRI画像から自動的に肝硬変の進行度合いを予測する手法を検討する．また，肝臓のMRI画像は一般画像のクラス分類と比べ，クラス間の特徴の差があまり大きくなく，分類が困難であるサンプルも多数含まれる．そこで，クラス間の特徴の距離を大きくすることで精度の向上を目指す深層距離学習を導入した手法を提案する．ベース構造はVGG16,ResNet18およびResNet50を用い，深層距離学習の手法としてArcFaceを加え，山東大学から提供していただいたMRI画像を用いて肝硬変の進行レベルを初期・中期・末期の3つの状態に分類した．深層距離学習を導入した結果，ベース構造と比較すると3%～7%の精度向上が確認できた．
