常用的医学图像分割评价指标
常用的图像分割评价指标非常多,论文中常用的指标包括像素准确率,交并比(IOU),Dice系数,豪斯多夫距离,体积相关误差。
下面提到的所有案例都是二分类,标签中只有0和1
目录
一:像素准确率
二:交并比IOU
三: 骰子系数Dice
四:Hausdorff distance豪斯多夫距离
五:CPA-类别像素准确率
六:MPA-类别平均像素准确率
七:MIOU(平均交并比)
一:像素准确率
定义:它是图像中正确分类的像素百分比,即分类正确的像素占总像素的比例,用公式可以表述为
其中:
n代表类别总数,包括背景的话就是n+1。
为真实像素类别为i的像素被预测为类别i的总数量,也就是对于真实类别i的像素来说,分对的像素总数有多少。
真实像素类别为 i 的像素被预测为类别 j 的总数量, 换句话说,就是对于类别为 i 的像素来说,被错分成类别 j 的数量有多少.
TP为真阳性数,在标签中为阳性,在预测值中也为阳性的个数。
TN为真阴性数,在标签中为阴性,在预测值中也为阴性的个数。
FP为假阳性数,在标签中为阴性,在预测值中为阳性的个数。
FN为假阴性数,在标签中为阳性,在预测值中为阴性个数。
四者相加等于总像素数 TP+TN=正确分类的个数。
PA像素准确率有可以用两种方式来进行计算,如下图中的例子
在图中TP=3,TN=4,FN=2,FP=0,正确分类的像素数为7,总像素数为9。
但是这个指标不适用于类别不平衡的问题中,但是大多数医学图像分割都存在着类别不平衡的瓶颈问题!
二:交并比IOU
Intersection-Over-Union(IOU),也被称为Jaccard指数,是语义分割中最常用的指标之一。
简单的说,IOU是预测分割和标签之间的重叠区域除以预测分割和标签之间的联合区域(两者的交集/两者的并集),如图所示,这个指标的范围是0-1(0-100%),其中0代表没有重叠区域(也就是说分割的效果特别差),1表示完全重叠的分割。其计算公式和示意图如下:
在上面的像素准确率的例子中,它的IOU计算公式如下:
三: 骰子系数Dice
Dice系数定义为2倍的交集除以像素和,也叫F1 Score。Dice系数与IOU非常相似,它们是正相关的,其公式表示为:
可以看到Dice系数对应于IOU,分子和分母中的TP都取了2倍 。仍然使用上面那个例子,在这个例子中它的Dice为
四:Hausdorff distance豪斯多夫距离
HD用于分割指标,主要是用来度量边界的分割准确度。
HD是描述两组点集之间相似程度的一种度量,它是两个点集之间距离的一种定义形式:假设有两组集合A={a1,....,ap},B={b1,....bq},则这两个点集之间的HD定义为:
H(A,B)=max(h(A,B),h(B,A))
其具体过程如下图所示:
1):取集合A中的一点a0,计算a0到集合B中所有点的距离,保留最短的距离d0
2)计算集合A中的另一点a1到集合B中所有点的距离,保留最短的距离为d1
3)比较所有的的距离{d0,d1....}选出最长的距离d1
这个最长的距离就是h,它是由A->B的单向豪斯多夫距离,记为h(A,B)。
同理也可以计算出B->A的单向豪斯多夫距离h(B,A).选出h(A,B)和h(B,A)中的最长距离。这个最长
距离就是A,B两个集合的双向豪斯多夫距离
在一般的医学图像分割任务当中,往往是HD越小代表模型的性能越好!
五:CPA-类别像素准确率
对应的是精准率,其主要含义在类别i的预测值中,真实属于i类的像素准确率。换句话说,模型对类别i的预测值有很多,其中有对有错,预测对的值占预测总的值的比例。
比如类1:P1=TP/(TP+FP)
六:MPA-类别平均像素准确率
即分别计算每个类被正确分类像素数的比例,也就是CPA然后再累加求平均。
七:MIOU(平均交并比)
模型对于每一类预测的结果和真实值的交集与并集的比值,求和再平均的结果
公式为(IOU正例+IOU反例)/2
常用的医学图像分割评价指标相关推荐
- DSC和HD医学图像分割评价指标
*************************************************** 码字不易,收藏之余,别忘了给我点个赞吧! *************************** ...
- 医学图像分割评价指标
医学图像分割评价指标 图片可能上传不了,需要源文件评论 1. Dice 首先了解混淆矩阵 真实值是positive,模型认为是positive的数量(True Positive=TP) 真实值是pos ...
- [医学图像分割综述] Medical Image Segmentation Using Deep Learning: A Survey
使用深度学习的医学图像分割:一项调查 论文地址 本综述有两个独创之处,首先,与传统的调查方法直接将医学图像分割的文献划分为多个组,并对每个组详细介绍文献的方法相比,我们将目前流行的文献按照从粗到细的多 ...
- 医学图像分割方法及卷积神经网络在医学图像分割上的应用
(最开始接触医学图像分割时写的综述,写的比较幼稚,传上来的时候格式可能有些乱.需要原文的小伙伴可以加我qq:604395564联系,也欢迎做医学图像处理的小伙伴一起交流学习.自己写的,欢迎转载,但请注 ...
- 医学图像分割常用的评价指标
医学图像分割常用的评价指标 1.Dice(Dice similarity coefficient) 2.IoU(Intersection over Union) 3.VOE(Volumetric Ov ...
- 医学图像分割常用指标及代码(pytorch)
现在,医学图像分割有很多现成的工具包可以快速测量一些指标,比如python中的medpy库.但是,我们还是要学习一下滴!该文章列出了一些常用的指标,并解释了它的原理. 目录 一.医学图像分割常用指标及 ...
- 医学图像分割中常用的度量指标
从医学的角度来讲,大家关注的性能指标应该是两个:特异性和敏感性,敏感度其实指的是一种查全率,是不是把所有的结节都找到了.特异性是指假阳性的比例.在某种意义上,这是两个矛盾的指标,如果把一个指标调到最大 ...
- 如何量化医学图像分割中的置信度?
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 本文转自:计算机视觉life 导读 利用变分推断进行分割置信度的预 ...
- 分享丨对医学图像分割中的置信度进行量化
转自 AI公园 作者:Abhinav Sagar 编译:ronghuaiyang 导读 利用变分推断进行分割置信度的预测. 在过去的十年里,深度学习在一系列的应用中取得了巨大的成功.然而,为了验证和可 ...
最新文章
- 深度学习核心技术精讲100篇(六十一)-TikTok抖音国际版留存背后的数据和算法推演
- SVN禁止提交部分文件
- mysql中视图的概念_MySql中的视图的概念及应用
- AjaxControlToolkit AjaxFileUpload 为英文的解决办法
- Query Generation Module-NTU用多样性的query生成,涨点基于文本的实例分割(已开源)...
- Asp.Net Core 轻松学-利用日志监视进行服务遥测
- 用 Python 搭建解一元二次方程的计算器
- 集成AGC崩溃服务如何生成iOS符号文件表并上传
- 【年薪百万之IT界大神成长之路零】年薪百万之IT界大神成长之路
- SOF-SLAM:一种面向动态环境的语义视觉SLAM(2019,JCR Q1,	4.076)
- 20220529复盘记录
- OpenOffice安装及使用
- ios系统光遇是什么服务器,光遇什么时候合服?光遇国服安卓和IOS什么时候互通?...
- Verilog运算符优先级
- android 模拟工具 mac,夜神模拟器mac版-夜神安卓模拟器Mac版下载 V3.8.5.5-PC6苹果网...
- 大中型企业敏捷转型策略路线图-案例解析
- 用pycharm写python_在PyCharm中使用VPython
- 马云等10位大佬心酸往事:9天9夜未睡、装姑娘陪聊、遭人追杀、一夜白头…
- 刷脸设备引进越来越多的人喜欢靠脸消费
- Python 通过 STMP 发送邮件(云服务器可用)
热门文章
- 微信公众号服务器负荷过大,2W台服务器、每秒数亿请求,微信如何不“失控”?...
- SQL Server 2008 安全性
- 数据挖掘实验之Apriori算法
- 2021-09-29CSU18MB86芯片用于开发打气泵方案
- PEG-PEI 聚乙烯亚胺-氧化石墨烯/mPEG-PLGA-PVP 甲氧基聚乙二醇-聚乳酸-聚乙烯吡咯烷酮
- mysql驱动类加载方式_jdbc驱动的类加载过程
- 编译原理——正规式转DFA算法概述
- python中用来表示赋值的符号是_4、python基础语法
- JavaScript split()方法
- “二手车”无终局 | 一点财经