医学图像中的部分评价指标小结

1.随机取块的方式相对于整张图片来说更容易收敛

2.关于准确率与召回率的问题：

    先理解这四个参数：TP、FP、TN、FN，在理解的时候，先看第二个符号，第二个符号代表我们的结果，第一个符号代表系统对我们的结果给出的判断。

比如说TP，第二个符号P代表我们认为是正确的，T代表我们的猜测是正确的，那就说明真正的标签是正确的且我们猜对了。

比如说TN，第二个符号N代表我们认为是错误的，T代表我们的猜测是正确的，那就说明真正的标签是错误的且我们猜对了。

比如说FP，第二个符号P代表我们认为是正确的，F代表我们的猜测是错误的，那就说明真正的标签是错误的但我们猜错了。

比如说FN，第二个符号N代表我们认为是错误的，F代表我们的猜测是错误的，那就说明真正的标签是正确的但我们猜对了。

准确率：，即在你认为对的答案里面有多少是真的正确(分母中包含在标签为错误的样本FP)

召回率：，即在真正正确的答案中，你预测了多少个正确的(分母中为标签中正确样本的总数)

其他的评价指标可在此基础上进行理解，如：

1. ACC：classification accuracy，描述分类器的分类准确率
   计算公式为：
2. TPR：true positive rate，描述识别出的所有正例占所有正例的比例，敏感度（sensitivity）、查全率（Recall）
   计算公式为：
3. TNR：true negative rate，描述识别出的负例占所有负例的比例，特异度（specificity）
   计算公式为：
4. PPV：Positive predictive value，阳性预测值、查准率（Precision）
   计算公式为：
5.  NPV：Negative predictive value，阴性预测值
   计算公式：
6. FPR：false positive rate，描述将负例识别为正例的情况占所有负例的比例
   计算公式为：
7. FNR：false negative rate，描述将正例识别为负例的情况占所有正例的比例
   计算公式为：
8. BER：balanced error rate
   计算公式为：

总结如下(图片均来自维基百科)：

样例如图：