使用医学分割iou评价指标的应用代码

以下是一个使用医学分割中的IoU评价指标的示例代码：

import numpy as np
import skimage.measure

def calculate_iou(y_true, y_pred):
    intersection = np.logical_and(y_true, y_pred)
    union = np.logical_or(y_true, y_pred)
    iou_score = np.sum(intersection) / np.sum(union)
    return iou_score

# 示例数据
y_true = np.array([[0, 0, 0, 1],
                   [0, 1, 1, 0],
                   [0, 0, 1, 1]])

y_pred = np.array([[0, 0, 1, 1],
                   [0, 1, 1, 0],
                   [0, 1, 0, 0]])

iou_score = calculate_iou(y_true, y_pred)
print("IoU Score:", iou_score)

这段代码中，`calculate_iou` 函数计算了两个二进制掩膜（`y_true` 和 `y_pred`）之间的IoU（Intersection over Union）评价指标。首先，使用 `np.logical_and` 函数计算出两个掩膜的交集，然后使用 `np.logical_or` 函数计算出两个掩膜的并集。最后，通过计算交集像素数量与并集像素数量的比值来得到IoU分数。

在示例数据中，`y_true` 表示真实的分割掩膜，`y_pred` 表示模型预测的分割掩膜。运行代码后，将输出IoU分数。

请注意，这只是一个简单的示例代码，实际使用时可能需要考虑更多的情况，例如处理多类别分割、处理多个样本的批处理等。具体的实现方式可能因应用环境和需求而有所不同。