UA-Net：TRISO画像の不確実性認識型ネットワークによるセマンティックセグメンテーション

要旨: トリストラクチュラル等方性（TRISO）被覆粒子燃料は、高温の中性子照射中に寸法変化および化学反応を起こします。照射後の材料組織観察（マテリアルグラフィー）は、被覆の完全性や核分裂生成物の保持といった、燃料性能に影響するプロセスの理解に役立ちます。従来、専門家はサブmmサイズの試料の数千枚に及ぶ断面画像中の特徴を手作業で評価してきましたが、これは手間がかかり、主観的です。本研究では、TRISO燃料のミクロ画像における5つの特徴的領域をセグメントし、予測のための不確実性マップを生成する深層学習フレームワークUA-Netを提案します。このモデルは、ImageNetから学習した一般的な画像表現で開始する多段階の事前学習戦略を用い、その後、さまざまな照射実験のTRISOミクロ画像とAGR-5/6/7粒子の断面データで微調整します。不確実性予測のためのメタモデルを統合し、TRISO画像中の小さな欠陥を同定します。UA-Netはテストセット102枚で評価され、平均 Intersection over Union（mIoU）および平均 Precision（mP）がそれぞれ95.5%と97.3%を達成しました。メタモデルは特異度91.8%および感度93.5%を示し、誤分類の検出において強力な性能を実証しました。さらに、このモデルを新しいTRISO画像に適用して定性的評価も行い、層領域の抽出において高い精度が示されました。