シングルクラスデータセットを組み合わせて、単一モデルでマルチクラスセグメンテーションを行う条件付き学習フレームワークの提案は世界初である。

3つの医用画像シングルクラスセグメンテーションにおける各SOTAの精度を、マルチクラスセグメンテーションにおける提案手法がすべて(最大で2.7%)上回った 。

問題設定、手法における新規性が高い。評価においてもフェアな比較が行われており、マルチクラスセグメンテーションの精度がシングルクラスセグメンテーションを上回った結果のインパクトが大きい。