要約
医療画像セグメンテーションにおいて、Dice損失は広く用いられており、その損失関数を基にした改良型損失関数が多数提案されている。しかし、Dice損失のさらなる改善の余地は依然として存在する。本研究では、Dice損失の使用方法を再考し、単純な式変形により、Dice損失がコサイン類似度を用いた損失関数として再定式化可能であることを発見した。この知見を基に、コサイン類似度の代わりにt-vMF類似度を用いる新たな「t-vMF Dice損失」を提案する。t-vMF類似度に基づく本提案損失関数は、元のDice損失よりもよりコンパクトな類似度損失関数として定式化されている。さらに、検証精度を用いてパラメータ $κ$ を自動的に決定する効果的なアルゴリズムを提示し、これを「適応的t-vMF Dice損失」と呼ぶ。このアルゴリズムにより、容易なクラスにはよりコンパクトな類似度、困難なクラスにはより広い類似度を適用可能となり、クラスごとの精度に基づく適応的学習が実現できる。5回交差検証を用いた4つのデータセットにおける実験により、従来のDice損失および他の損失関数と比較して、Diceスコア係数（DSC）がさらに向上することが確認された。