深度学习 医学图像 评价指标

医学图像评价指标通常用于衡量深度学习算法在医学图像分析任务中的性能。以下是一些常用的医学图像评价指标：

1. 灵敏度（Sensitivity）：也称为真阳性率（True Positive Rate，TPR），表示算法正确检测到阳性样本的能力。

2. 特异性度（Specificity）：也称为真阴性率（True Negative Rate，TNR），表示算法正确识别阴性样本的能力。

3. 精确度（Precision）：表示算法在所有被分类为阳性的样本中，真正为阳性样本的比例。

4. 准确度（Accuracy）：表示算法正确分类的样本数占总样本数的比例。

5. F1分数（F1 Score）：综合考虑精确度和灵敏度的指标。F1分数越高，表示模型在平衡精确度和召回率方面表现越好。

6. 面积下曲线（Area Under Curve，AUC）：在二分类问题中，AUC用于衡量算法对于不同阈值下的假阳性率和真阳性率之间的平衡程度。AUC值越接近1，表示算法性能越好。