0. 前提知識
⭐P1P_1 _P1、P0P_0P0、T1T_1T1、T0T_0T0
P1P_1P1: 脳腫瘍の予測領域
P 0 P_0P0: 予測された正常脳領域
T1 T_1T1: 本物の脳腫瘍領域 (Ground Truth)
T 0 T_0T0: 本当の正常な脳領域
⭐TPTP _TP、TN TNTN、FP、FPFP、FN FNFN
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。
サイコロ ( P , T ) = ∣ P 1 ∧ T 1 ∣ ( ∣ P 1 ∣ + ∣ T 1 ∣ ) / 2 ⇔ サイコロ = 2 TPFP + 2 TP + FN \operatorname{Dice}(P, T)=\ frac{\left|P_1 \wedge T_1\right|}{\left(\left|P_1\right|+\left|T_1\right|\right) / 2} \Leftrightarrow \text { サイコロ }=\frac{2 TP{F P+2 T P+FN}言ってください( P 、た)=( ∣ P1∣+∣ T1∣ )/2∣P _1∧T1∣⇔ サイコロ =FP+2TP _+FN2TP _
TP TPTP : 真陽性、正しい部分を予測、赤い部分
FP FPFP : False Positive、誤検出部、緑色部
FN FNFN : 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
I o U = TPFP + TP + FN IoU=\frac{TP}{F P+T P+FN}アイ・オー・ユー=FP+TP+FNTP
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
感度 = TPTP + FN \text { 感度 }=\frac{\mathrm{TP}}{\mathrm{TP}+\mathrm{FN}} 感度 =TP+FNTP
⭐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
特異度 = TNTN + FP \text { 特異度 }=\frac{\mathrm{TN}}{\mathrm{TN}+\mathrm{FP}} 特異性 =テネシー州+FPTN
⭐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: