1. 评价指标

1.1. FROC曲线

先来回顾一下精确率(precision)和召回率(recall):

实际上非常简单,精确率是针对我们预测结果而言的,它表示的是预测为正的样本中有多少是真正的正样本。那么预测为正就有两种可能了,一种就是把正类预测为正类(TP),另一种就是把负类预测为正类(FP),也就是 而召回率是针对我们原来的样本而言的,它表示的是样本中的正例有多少被预测正确了。那也有两种可能,一种是把原来的正类预测成正类(TP),另一种就是把原来的正类预测为负类(FN)。

FROC

FROC曲线(Free-response ROC)要从ROC曲线说起,和我们常用的accuracy和recall也可以联系起来看。主要是为了平衡两者:

  • TPR(True Positive Rate)/ 灵敏度 (Sensitivity) :在所有真的得了癌症的人中,我们要尽最大努力把这些病人都找出来,等同于正例的召回率。
    • 所有 test scans 中检测到的真结节的比例: TP/n 其中n是所有scans中真结节的总数, so n = 207 in this stud
  • FPR(False Positive Rate)/(1 - Specificity):在所有健康人中,我们要尽最大努力避免误判成癌症患者,或者说,是尽最大努力把这些健康人都找出来,等同于反例的召回率。
    • FP/m 其中m是scans的总数。 so m = 50 in this study

这样每一个decision threshhold,都有各自的TP、TN、FP、FN,都对应着曲线上的一个点

results matching ""

    No results matching ""