フォールドに迷う：クロスバリデーションが不確実性推定のための深層アンサンブルではない場合

要旨

アンサンブルの不一致は、医用画像セグメンテーションにおける認識論的不確実性の代理指標として広く用いられている。実際、多くの研究ではK分割交差検証（CV）によってアンサンブルを構成しながらも、それを「深層アンサンブル（DE）」と呼んでいる。CVのメンバーは異なるデータサブセットで学習されるため、その不一致にはシード駆動の変動性とデータ露出の影響が混在し、不確実性の解釈の仕方が変わりうる。我々は最近のセグメンテーション不確実性研究を調査したところ、用語と実装の不一致が一般的であることを見出した。そこで、標準的な5分割CVアンサンブルと5メンバーのDE（訓練セット固定、ランダムシードのみ変更）を、それ以外の設定を同一にした上で、3つのモダリティにわたる3つのマルチレイターセグメンテーションデータセットで比較した。キャリブレーション、故障検出、曖昧性モデリング、分布シフト下でのロバスト性に関して不確実性を評価した。DEはセグメンテーション精度を維持しつつ、キャリブレーションと故障検出を改善する一方、CVアンサンブルは調査したデータセットにおいて、評価者間変動とより強い相関を示すことがあった。したがって、アンサンブルの構築方法は研究の問いに合わせて選択すべきである。すなわち、信頼性重視の用途（選択的紹介や故障検出など）にはDEを、曖昧性の代理指標としてはCVアンサンブルを用いる。我々は、デフォルトのパイプライン内でDE学習を可能にする軽量なnnU-Net改変を提供する。

English

Ensemble disagreement is widely used as a proxy for epistemic uncertainty in medical image segmentation. In practice, many studies form ensembles via K-fold cross-validation (CV), yet refer to them as ``deep ensembles'' (DE). Because CV members are trained on different data subsets, their disagreement mixes seed-driven variability with data-exposure effects, which can change how uncertainty should be interpreted. We audit recent segmentation uncertainty studies and find that terminology--implementation mismatches are common. We then compare a standard 5-fold CV ensemble to a 5-member DE (fixed training set, different random seeds) under otherwise identical configurations on three multi-rater segmentation datasets spanning three modalities. We evaluate uncertainty for calibration, failure detection, ambiguity modeling, and robustness under distribution shift. DE match segmentation accuracy while improving calibration and failure detection, whereas CV ensembles sometimes correlate more strongly with inter-rater variability on the studied datasets. Thus, ensemble construction should be chosen to match the research question: DE for reliability-oriented use (e.g., selective referral/failure detection) and CV ensembles as a proxy for ambiguity. We provide a lightweight nnU-Net modification enabling DE training within the default pipeline.