Dice係数は、2つの集合や領域がどれくらい一致しているかを測る類似度の評価指標です。AIの画像セグメンテーションや領域抽出モデルにおいて、予測した領域と正解の領域がどれだけ重なっているかを評価するためによく使われます。
Dice係数とは
Dice係数とは、2つのデータ集合の類似度や重複度を0から1の範囲で定量化する評価指標であり、値が1に近いほど一致度が高いことを示します。
詳しく解説
Dice係数は、1945年に統計学者のリー・ダイスによって提案された指標です。機械学習や深層学習の分野では、主に画像セグメンテーションにおいて、予測されたマスク画像と正解のグランドトゥルース画像がどれだけ重なり合っているかを計算するために利用されます。計算式としては、2つの集合の積集合の2倍を、それぞれの集合の要素数の和で割った値になります。特に医療画像解析など、背景に対してターゲットとなる領域が非常に小さいデータセットにおいて、不均衡なデータに対する頑健な評価ができるため極めて重要視されています。
具体例・使われ方
医療画像における脳腫瘍や臓器の自動抽出、自動運転における歩行者や車線のピクセル単位の領域検知といった画像セグメンテーションタスクで、モデルの性能を評価するために利用されます。
似た用語との違い
IoU（Intersection over Union）と混同されやすいですが、IoUが積集合を和集合で割るのに対し、Dice係数は積集合の2倍をそれぞれの要素数の和で割る点が異なります。また、Dice係数はIoUに比べて重なりが小さい領域に対して比較的高いスコアが出やすくなります。
注意点
Dice係数を損失関数としてそのまま使用する場合、予測領域が極端に小さいケースにおいて勾配が不安定になり、学習がうまくいかないことがあるため注意が必要です。また、データ全体の傾向よりも局所的な重なりを強く評価する特性があります。