識別問題では，cross-entropy lossを用いることで，特徴量空間において特徴量を分離できる．一方，contrastive learningでは，同じクラスに属するデータの特徴量は近く，異なるクラスに属するデータの特徴量は遠くなるように学習を行うことで，識別性の高い，所属するクラスに本質的な特徴量の抽出が可能となる．本研究では，教師あり学習の枠組みの中で，ラベル情報を活用してより適切な特徴の埋め込みを行うSupervised Contrastive Learning（SCL）に着目し，胸部CT画像の陰影識別タスクに適用した．2つの異なるドメイン（医療施設1の症例と医療施設2の症例）おのおのへの適応，およびドメインを超えた適応の観点から行った4つの検証パターンにおいて，SCLにより8～18％のaccuracy の向上が確認できた．また，t-SNE（t-distributed stochastic neighbor embedding）を用いた特徴量の可視化により，クラスごとのより明確なグループの形成を確認した．
