Medical Imaging — Phân tích ảnh y tế
Chỉ số chuẩn để đánh giá mô hình phát hiện đối tượng, dùng chung cho ảnh y tế và kiểm tra ngoại quan công nghiệp.
Đường rơi dốc quanh ngưỡng 0.5 nghĩa là kết quả đang phụ thuộc vào đúng chỗ đặt ngưỡng, và con số công bố ở một ngưỡng duy nhất sẽ gây hiểu nhầm. Đó là lý do COCO báo cáo trung bình trên nhiều ngưỡng.
Một hộp được tính là đúng khi phần giao trên phần hợp vượt ngưỡng. Ngưỡng càng thấp thì con số càng đẹp mà mô hình không hề tốt lên.
Với ứng dụng đo kích thước hay gắp vật, 0,5 là quá lỏng: hai hộp lệch nhau khá nhiều vẫn đạt. Hãy công bố ở 0,75 trở lên nếu vị trí thật sự quan trọng.
Trung bình thấp hơn hẳn trung vị nghĩa là có vài hộp trượt hoàn toàn kéo xuống, chứ không phải toàn bộ mô hình kém.
Không giao nhau chút nào. Đây là lỗi phát hiện sai vật chứ không phải lỗi định vị, và cần xem lại dữ liệu huấn luyện chứ không phải chỉnh ngưỡng.
| IoU tại các ngưỡng | 0.5: 60% · 0.6: 60% · 0.7: 60% · 0.75: 60% · 0.8: 60% · 0.9: 20% |
| IoU nhỏ nhất | 0.0756 |
| IoU lớn nhất | 0.9120 |
| Số hộp IoU = 0 (trượt hoàn toàn) | 0 |
| Công thức | IoU = diện tích giao / diện tích hợp |
Đường rơi dốc quanh ngưỡng 0.5 nghĩa là kết quả đang phụ thuộc vào đúng chỗ đặt ngưỡng, và con số công bố ở một ngưỡng duy nhất sẽ gây hiểu nhầm. Đó là lý do COCO báo cáo trung bình trên nhiều ngưỡng.
Ngưỡng đang dùng là 0.5. Vài hộp gần 0 giữa một loạt hộp cao là kiểu lỗi khác hẳn với việc mọi hộp đều lệch nhẹ — cái đầu là bắt nhầm vật, cái sau là sai lệch hệ thống khi hồi quy toạ độ.
| Hộp | IoU | Đạt ngưỡng 0.5 | Đạt 0,75 |
|---|---|---|---|
| #1 | 0.8616 | có | có |
| #2 | 0.8356 | có | có |
| #3 | 0.4118 | không | không |
| #4 | 0.9120 | có | có |
| #5 | 0.0756 | không | không |
| IoU tại các ngưỡng | 0.5: 60% · 0.6: 60% · 0.7: 60% · 0.75: 60% · 0.8: 60% · 0.9: 20% |
| IoU nhỏ nhất | 0.0756 |
| IoU lớn nhất | 0.9120 |
| Số hộp IoU = 0 (trượt hoàn toàn) | 0 |
| Công thức | IoU = diện tích giao / diện tích hợp |
1.234.567 lẫn 1.234,56.Phân tích ảnh y tế bằng học sâu hỗ trợ phát hiện tổn thương trên X-quang, CT, MRI. Kết quả nghiên cứu thường rất tốt; khoảng cách tới lâm sàng nằm ở khả năng tổng quát hoá sang máy chụp khác, quần thể khác và quy trình khác.
| Sensitivity / Specificity | ở ngưỡng vận hành đã chọn |
| Đồng thuận giữa chuyên gia | trần thực tế của bài toán |
| Hiệu suất theo phân nhóm | kiểm tra thiên lệch theo tuổi, giới, thiết bị |
Phần quan trọng nhất của trang này. Một phương pháp được mô tả mà không nói chỗ nó hỏng là phiên bản quảng cáo của phương pháp đó.
Chưa có mô hình nào gắn riêng cho chủ đề này. Đây là những mô hình của cả ngành — liên quan ở cấp ngành, không phải cấp chủ đề.
Phân tích ảnh y tế bằng học sâu hỗ trợ phát hiện tổn thương trên X-quang, CT, MRI. Kết quả nghiên cứu thường rất tốt; khoảng cách tới lâm sàng nằm ở khả năng tổng quát hoá sang máy chụp khác, quần thể khác và quy trình khác.
1. Chuẩn hoá tiền xử lý theo từng loại thiết bị và giao thức chụp. 2. Gán nhãn bởi nhiều chuyên gia và đo mức đồng thuận giữa họ — trần hiệu suất của mô hình chính là mức đồng thuận đó. 3. Chia dữ liệu theo bệnh nhân, tuyệt đối không theo ảnh. 4. Kiểm định trên bộ dữ liệu từ cơ sở khác trước khi kết luận.
Chia ảnh ngẫu nhiên làm ảnh của cùng một bệnh nhân nằm ở cả train và test — kết quả đẹp hoàn toàn giả. Mô hình học được dấu hiệu ngoài lề: nhãn máy, ống dẫn lưu, hoặc chính kiểu nén ảnh của một bệnh viện.
Sensitivity / Specificity — ở ngưỡng vận hành đã chọn; Đồng thuận giữa chuyên gia — trần thực tế của bài toán; Hiệu suất theo phân nhóm — kiểm tra thiên lệch theo tuổi, giới, thiết bị.
Chưa xây dựng. Mục này hiện là điều hướng và tài liệu tham chiếu; chúng tôi không gắn nhãn 'live' cho thứ chưa chạy.