学習・評価仕様 (Training & Evaluation)

前処理 (Preprocessing)

項目	方針
リサイズ	アスペクト比を保って 224×224 に収める（事前学習モデルの入力に合わせる）
正規化	ImageNet の mean / std（事前学習の統計に合わせる）
マスク外領域	データ確認後に確定（黒埋めか平均色埋めか．黒は強いエッジを作るため要検証）

色を変える拡張は既定で無効にする． 舌の色そのものが正解ラベルであり，color jitter・彩度変更・ホワイトバランス変更はラベルを壊す．

使う	使わない（既定）
左右反転・微小回転・微小スケール・ランダムクロップ	色相・彩度・明度ジッタ・グレースケール化・強い正規化

※ 撮影条件差の吸収のために色系の拡張を試す場合は，独立した実験として効果を測る．

項目	初期設定
アーキテクチャ	ConvNeXt-Tiny（timm・ImageNet 事前学習）
出力	5 クラス
学習方式	全層ファインチューニング（データが少ないと判断した場合は段階的凍結を試す）
最適化	AdamW ＋ cosine annealing（warmup 付き）
早期終了	検証セットの macro F1 を基準にする

まず 1 本を通すことを優先し，比較は timm での差し替えで後から行う．

すべての分割は患者単位で行う． 同一患者の画像が複数の分割に跨ってはならない．

局面	方式
日常の試行	患者単位の単一分割（train / val / test）．クラス分布を層化する
結論を出すとき	患者単位の 5-fold 交差検証

初回は対策を入れずに素の結果を見る．混同行列でどのクラスが落ちているかを確認してから，クラス重み付き損失等を独立した実験として追加し，効果を切り分けて評価する．

指標	役割
macro F1	主指標（クラス不均衡下で少数クラスを無視できないため）
accuracy	参考（クラス分布に引っ張られる）
クラス別 precision / recall	どのクラスが弱いかの特定
混同行列	誤りの方向（隣接クラスとの混同か，飛んだ誤りか）の確認

舌色が順序尺度として扱える（淡白 → 淡紅 → 紅 → 暗赤 → 紫のような並び）なら，quadratic weighted kappa を追加する．順序の妥当性は TIASjudge の定義と医学的な解釈を確認してから決める（未確定）
医師ラベルの評価者間一致率が分かる場合は，モデル性能の上限の目安として併記する

既存 TIASjudge のルールベース診断を同一テストセットで実行し，同じ指標で並べる．実装の取り込み方（移植 / 別リポジトリ参照）は未定とし，ベースライン実装に着手する時点で決める．

seed を設定ファイルで固定し，config.yaml に git コミットハッシュとともに記録する
完全なビット再現性（torch.use_deterministic_algorithms）は速度とのトレードオフのため求めない．代わりに同一設定で複数 seed を回して振れ幅を確認する
共用サーバのため，使用する GPU は明示的に指定する