セグメンテーションの一般的な評価指標

0. 前提知識

⭐P1P_1 $P_{}$、$P_{}$、$T_{}$、$T_{}$

$P_{}$: 脳腫瘍の予測領域
$P_{}$: 予測された正常脳領域
$T_{}$: 本物の脳腫瘍領域 (Ground Truth)
$T_{}$: 本当の正常な脳領域

⭐TPTP $TP$、$TN$、$FP$、$FN$

左半分の長方形はポジティブ サンプル (黒丸)、右半分の長方形はネガティブ サンプル (白丸) です。図中の円は二値分類器であり、円の内側を陽性サンプル、円の外側を陰性サンプルとみなします。

陽性サンプルが脳腫瘍、陰性サンプルが正常な脳組織であると仮定すると、次のようになります。

TP: True Positive、陽性サンプルと判断されます。実際、青と赤の交点、つまり正しい検出部分も陽性サンプルです。

TN：True Negative 陰性サンプルと判定されるが、実際には陰性サンプル、つまり赤と青以外の部分

FP：False Positive、陽性サンプルと判断されますが、実際には陰性サンプル、つまり青い部分を除いた赤い部分、誤検出部分です。

FN：False Negative、陰性サンプルと判断されますが、実際には陽性サンプル、つまり青の中の赤い部分、つまり欠落した部分を除いたサンプルです。

1.サイコロ

Dice 係数は類似性を評価する関数です。通常、2 つのサンプルの類似性または重複を計算するために使用されます。値の範囲は 0 ～ 1 で、セグメンテーション結果が最も優れている場合は値が 1 になります。
$$\mathrm{言ってください}(P、た）=\frac{|P{\_}_{}\wedge T_{}}{\left(|P_{}|+|T_{}|\right)/2}\iff \text{ サイコロ }=\frac{2TP}{FP+2TP\_+FN}$$

$TP$ : 真陽性、正しい部分を予測、赤い部分
$FP$ : False Positive、誤検出部、緑色部
$FN$ : 偽陰性、見逃した部分、青い部分

2.IoU

IOU，ユニオン上の交差，交并比
$$アイ・オー・ユー=\frac{}{FP+TP+FN}$$

3.ROC曲線

⭐感度 感度_

病人のうち、体が大きいほど発見できる人にとって有利である

$$\text{ 感度 }=\frac{}{TP+FN}$$

⭐特異性_ _

病気でない人の中で、病気でない人を検出できる、大きいほど良い

$$\text{ 特異性 }=\frac{}{テネシー州+FP}$$

⭐Youden Index: 感度 + 特異性 - 1

⭐ケース:異なるしきい値を選択して、異なる感度と特異度を取得します。感度が上昇すると特異度は低下し、感度が低下すると特異度は上昇します。

⭐ ROC カーブ

ROC 曲線は、感度と特異度の関係を反映する曲線です。横軸の x 軸は1 – 特异性偽陽性率 (偽陽性率) とも呼ばれ、x 軸がゼロに近いほど正解率が高くなります。縦軸の y 軸は としても知られています敏感度。真陽性率（感度）。y 軸が大きいほど、正確率が高くなります。

---

参考：

• セグメント共通評価指標 Dice、Hausdorff_95、IOU、PPVなど
• 評価指標：TP、TN、FP、FN、精度、再現率、mAP
• 画像セグメンテーションにおける DICE インデックス
• 医療画像のセグメンテーションで一般的に使用される評価指標